一种数据处理方法和装置与流程

【技术领域】

本发明涉及医疗影像技术领域，尤其涉及一种数据处理方法和装置。

背景技术：

利用mri(magneticresonanceimaging，磁共振成像)成像技术，可以获得dwi(diffusionweightedimaging，弥散加权成像)图像数据和pwi(perfusionweightedimaging，灌注加权成像)图像数据，dwi图像数据和pwi图像数据对急性脑梗的判断的提供了有效影像学信息。在现有技术中，在获得dwi图像数据和pwi图像数据后，医生需要对dwi图像数据和pwi图像数据分别进行手动标记，分别确定脑梗死区域和缺血区域。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

由于上述操作需要医生对dwi图像数据和pwi图像数据进行分析后，手动完成确定脑梗死区域和缺血区域的操作，因此，现有技术中在确定脑梗死区域和缺血区域时，消耗的时间较长。

技术实现要素：

有鉴于此，本发明实施例提供了一种数据处理方法和装置，用以解决现有技术在确定脑梗死区域和缺血区域时，消耗时间较长的问题。

第一方面，本发明实施例提供了一种数据处理方法，所述方法包括：

获取不同b值的弥散加权成像图像数据，所述弥散加权成像图像数据具有灰度信息；

根据所述灰度信息自动分割高亮区域以确定脑梗死区域；

获取灌注加权成像图像数据，以及获取所述灌注加权成像图像数据所针对部位的解剖图；

根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域；

对所述弥散加权成像图像数据和灌注加权成像图像数据进行图像配准得到配准结果；

基于所述配准结果获得脑梗死区域及缺血区域的不匹配性信息。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述灰度信息自动分割高亮区域以确定脑梗死区域，包括：

根据所述灰度信息，获取所述高b值的弥散加权成像图像数据的灰度直方图；

根据所述灰度直方图和所述不同b值的弥散加权成像图像数据，在所述高b值的弥散加权成像图像数据中自动分割高亮区域以确定脑梗死区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述灰度直方图和所述不同b值的弥散加权成像图像数据，在所述高b值的弥散加权成像图像数据中确定脑梗死区域，包括：

对所述灰度直方图进行高斯拟合，得到所述灰度直方图的高斯函数；

根据所述高斯函数，在所述高b值的弥散加权成像图像数据中确定疑似脑梗死区域；

根据所述不同b值的弥散加权成像图像数据，去除所述疑似脑梗死区域中的伪影区域，得到所述脑梗死区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述高斯函数，在所述高b值的弥散加权成像图像数据中确定疑似脑梗死区域，包括：

根据所述高斯函数，获取所述高斯函数的平均值和标准差；

根据所述平均值和所述标准差，确定阈值；

基于所述高b值的弥散加权成像图像数据中的每个像素点的灰度值，将每个像素点的灰度值与所述阈值进行比较，若所述阈值小于或者等于一个像素点的灰度值，确定该像素点为目标像素点；

将各目标像素点组成的区域作为所述疑似脑梗死区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在根据所述不同b值的弥散加权成像图像数据，去除所述疑似脑梗死区域中的伪影区域，得到所述脑梗死区域之前，还包括：

利用形态学算法，对疑似脑梗死区域进行处理，以去除所述疑似脑梗死区域中受噪声影响大于指定值的区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述灰度信息自动分割高亮区域以确定脑梗死区域，包括：

根据所述灰度信息，利用灰度值聚类法，在所述高b值的弥散加权成像图像数据中自动分割高亮区域以确定脑梗死区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域，包括：

根据所述灌注加权成像图像数据，利用去卷积算法或非去卷积算法，获取灌注参数；

根据所述灌注参数和所述解剖图，确定缺血区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述灌注参数包括：平均通过时间图像数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述灌注参数和所述解剖图，确定缺血区域，包括：

对所述解剖图进行分割处理；

根据分割处理结果，确定所述解剖图中的脑实质区域；

将所述解剖图中的脑实质区域配准映射到所述平均通过时间图像数据；

根据配准映射结果，确定所述平均通过时间图像数据中的脑实质区域；

根据所述平均通过时间图像数据中的脑实质区域的灰度分布特性，获取所述平均通过时间图像数据中的脑实质区域的灰度直方图；

根据所述平均通过时间图像数据中的脑实质区域的灰度直方图，在所述平均通过时间图像数据中确定缺血区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述平均通过时间图像数据中的脑实质区域的灰度直方图，在所述平均通过时间图像数据中确定缺血区域，包括：

根据所述平均通过时间图像数据中的脑实质区域的灰度直方图，获得所述平均通过时间图像数据中脑实质区域的平均通过时间平均值；

根据所述平均通过时间平均值，获得阈值；

基于所述平均通过时间图像数据中脑实质区域中的各像素点灰度值，将每个像素点的灰度值与所述阈值进行比较，若所述阈值小于一个像素点的灰度值，确定该像素点为目标像素点；

将各目标像素点组成的区域作为缺血区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述将每个像素点的灰度值与所述阈值进行比较之前，还包括：

对所述平均通过时间图像数据中的脑实质区域进行平滑处理。

上述技术方案中的一个技术方案具有如下有益效果：

在本发明实施例中，在获取不同b值的弥散加权成像图像数据后，根据弥散加权成像图像数据的灰度信息，自动分割高亮区域，以确定脑梗死区域，在获取灌注加权成像图像数据，以及获取灌注加权成像图像数据所针对部位的解剖图后，根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域，然后对弥散加权成像图像数据和灌注加权成像图像数据进行图像配准得到配准结果，并根据配准结果获得脑梗死区域及缺血区域不匹配性信息，通过上述操作可以自动完成弥散加权成像图像数据的分析，确定出脑梗死区域，以及自动完成灌注加权成像图像数据的图像数据分析，确定出缺血区域，由于无需医生对弥散加权成像和灌注加权成像图像数据进行分析，以及无需在医生得出分析结果后，再手动确定出脑梗死区域和缺血区域，因此缩短了确认脑梗死区域和缺血区域时所消耗的时长。

第二方面，本发明实施例提供了一种数据处理装置，所述装置包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述装置实现上述数据处理方法中任一项所述的方法。

上述技术方案中的一个技术方案具有如下有益效果：

在本发明实施例中，在获取不同b值的弥散加权成像图像数据后，根据弥散加权成像图像数据的灰度信息，自动分割高亮区域，以确定脑梗死区域，在获取灌注加权成像图像数据，以及获取灌注加权成像图像数据所针对部位的解剖图后，根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域，然后对弥散加权成像图像数据和灌注加权成像图像数据进行图像配准得到配准结果，并基于配准结果获得脑梗死区域和缺血区域不匹配性信息，通过上述操作可以自动完成弥散加权成像图像数据的分析，确定出脑梗死区域，以及自动完成灌注加权成像图像数据的图像数据分析，确定出缺血区域，由于无需医生对弥散加权成像和灌注加权图像数据进行分析，以及无需在医生得出分析结果后，再手动确定出脑梗死区域和缺血区域，因此缩短了确认脑梗死区域和缺血区域时所消耗的时长。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种数据处理方法的流程示意图；

图2是本发明实施例提供的一种dwi图像数据的示意图；

图3是本发明实施例提供的一种脑梗死区域的示意图；

图4是本发明实施例提供的一种pwi图像数据的示意图；

图5是本发明实施例提供的一种mtt图像数据的示意图；

图6是本发明实施例提供的一种缺血区域的示意图；

图7是本发明实施例提供的一种t2解剖图的示意图；

图8是本发明实施例提供一种数据处理装置的结构示意图；

图9是本发明实施例提供另一种数据处理装置的结构示意图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

现有技术中，在判断急性脑梗时，通常采用mri成像技术，通过mri成像技术，可以获得dwi图像数据和pwi图像数据，dwi图像数据能够体现急性脑梗的病灶区域，即脑梗死区域，pwi图像数据能够体现发生急性脑梗时的缺血区域，并且在现有技术中，在获得dwi图像数据和pwi图像数据后，需要医生对dwi图像数据和pwi图像数据分别进行人工分析，并需要医生手动分别标记出脑梗死区域和缺血区域，然后利用医生标记出的脑梗死区域和缺血区域进行进一步的诊断。通过上述方法确定脑梗死区域和缺血区域时，消耗的时间较长。

为了降低现有技术中，确定脑梗死区域和缺血区域时消耗的时间较长的问题，本发明实施例提供了以下解决方法，

实施例一

本发明实施例提供了一种数据处理方法，如图1所示，该方法包括以下步骤：

101、获取不同b值的弥散加权成像图像数据，所述弥散加权成像图像数据具有灰度信息。

具体的，可以通过mri成像技术，获取不同b值的dwi图像数据，其中b值的dwi图像数据是指dwi技术中施加的扩散敏感梯度场参数。

102、根据所述灰度信息自动分割高亮区域以确定脑梗死区域。

具体的，由于灰度信息能够反应出脑部不同区域对应的灰度级，由于脑梗死区域对应的灰度级与正常脑部区域对应的灰度级不同，因此可以根据灰度信息确定出脑梗死区域，为了使确定出的脑梗死区域具有明显的标识，所以可以在确定出的脑梗死区域上用高亮标识进行标记。

103、获取灌注加权成像图像数据，以及获取所述灌注加权成像图像数据所针对部位的解剖图。

具体的，pwi图像数据可以定量脑组织毛细血管的血液动力学信息，获得的解剖图可以为t1(t1是组织纵向弛豫对比度的成像)或t2(t2是组织横向弛豫对比度的成像)，且该解剖图和pwi图像数据对应同一患者的同一部位。

104、根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域。

具体的，不同组织对应的灌注参数图像数据是不同的，例如，缺血处的组织对应的灌注参数平均通过时间高于正常组织对应的灌注参数图像数据，因此，可以利用灌注参数图像数据和解剖图确定出缺血区域。

105、对所述弥散加权成像图像数据和灌注加权成像图像数据进行图像配准得到配准结果。

具体的，确定出的脑梗死区域和缺血区域是针对同一患者的同一部位的不同图像上的区域，在将弥散加权成像图像数据和灌注加权成像图形数据进行图像配准后，可以将缺血区域和脑梗死区域体现到一个图像数据中。

106、基于所述配准结果获得脑梗死区域和缺血区域的不匹配性信息。

具体的，在获得不匹配性信息后，可以根据不匹配性信息，在图像数据中确定出脑梗死区域和缺血区域。

可选地，在根据所述灰度信息自动分割高亮区域以确定脑梗死区域时，可以通过下述方法确定：根据所述灰度信息，获取所述高b值的弥散加权成像图像数据的灰度直方图；根据所述灰度直方图和所述不同b值的弥散加权成像图像数据，在所述高b值的弥散加权成像图像数据中自动分割高亮区域，并去除高亮伪影，以确定脑梗死区域。

具体的，灰度直方图是灰度级的函数，灰度直方图能够表示图象数据中不同灰度级(不同的灰度级对应不同的灰度值)，以及可以反映出图象数据中每种灰度级出现的频率，例如，灰度直方图的横坐标可以表示不同的灰度级，纵坐标可以表示该灰度级出现的频率，是图像数据中的最基本的特征，因此根据高b值的dwi图像数据的获得的高b值的dwi图像数据的灰度直方图能够反映出高b值的dwi图像数据中不同的灰度级，以及高b值的dwi图像数据中，不同灰度级对应的像素点的个数，其中，由于较小的b值对水分子扩散运动的检测不敏感，而高b值对水分子扩散运动的检测敏感，并且，根据脑梗死特性，需要检测水分子扩散运动，因此高b值的dwi图像数据中体现的水分子扩散运动更加明显。

进一步的，由于dwi图像数据能够反应组织内水分子活动的自由度，脑梗死区域表现为细胞毒性水肿，水分子弥散受限，因此脑梗死区域中的水分子活动自由度与正常脑组织中的水分子活动自由度不同，由于水分子活动自由度的不同，在进行mri成像时，各自产生的信号也就不同，因此脑梗死区域和正常脑组织在dwi图像数据的数据特征也就不同，因此脑梗死区域和正常脑组织在dwi图像数据的灰度分布特征中对应的灰度级也就不同，因此可以根据该灰度直方图确定出脑梗死区域。

再进一步的，由于dwi图像数据存在各项异性伪影区域、磁敏感伪影区域和颅底等部位的伪影区域，而伪影区域在dwi图像数据中的数据特征和脑梗死区域在dwi图像数据中的数据特征相似，因此在灰度直方图中上述伪影区域和脑梗死区域在灰度直方图中对应的灰度级相同，由于不同b值的dwi图像数据具有上述特征，所以可以根据不同b值的dwi图像数据确定出伪影区域，因此为了得到准确性较高的脑梗死区域，需要根据灰度直方图和不同b值的dwi图像数据来获得。

可选地，在根据所述灰度直方图和所述不同b值的弥散加权成像图像数据，在所述高b值的弥散加权成像图像数据中确定脑梗死区域时，可以通过下述方法确定：对所述灰度直方图进行高斯拟合，得到所述灰度直方图的高斯函数；根据所述高斯函数，在所述高b值的弥散加权成像图像数据中确定疑似脑梗死区域；根据所述不同b值的弥散加权成像图像数据，去除所述疑似脑梗死区域中的伪影区域，得到所述脑梗死区域。

具体的，根据该高斯函数确定出的区域为包括脑梗死区域和伪影区域的疑似脑梗死区域。为了得到准确的脑梗死区域，需要消除疑似脑梗死区域中的伪影区域，由于根据不同b值的dwi图像数据可以得到不同的伪影形成的伪影区域，因此在确定疑似脑梗死区域后，可以利用不同b值的dwi图像数据，确定出各个伪影区域，并根据该伪影区域，在疑似脑梗死区域中将其去除，而只保留脑梗死区域，例如，利用不同b值的dwi图像数据，获得adc(apparentdiffusioncoefficient，表观弥散系数)图像数据，脑梗死区域在adc图像数据的灰度直方图中对应的灰度值低于伪影区域在adc图像数据的灰度直方图中对应的灰度值，因此可以根据得到的adc图像数据，将疑似脑梗死区域中的伪影区域区域去除，进而只保留脑梗死区域。

例如，如图2所示，高亮区域为疑似脑梗死区域，该疑似脑梗死区域中包括伪影区域和脑梗死区域，然后利用不同b值的dwi图像数据，将伪影区域去除，如图3所示，得到疑似脑梗死区域中的脑梗死区域。

在一个可行的实施方式中，在确定疑似脑梗死区域后，可以对高b值的dwi图像数据中对应的区域上进行标记，使疑似脑梗死区域形成高亮区域，然后在确定出伪影区域后，在将该高亮区域中去除伪影区域对应的高亮区域，从而剩余的高亮区域为脑梗死区域。

可选地，在根据所述高斯函数，在所述高b值的弥散加权成像图像数据中确定疑似脑梗死区域时，可以通过下述方法确定：根据所述高斯函数，获取所述高斯函数的平均值和标准差；根据所述平均值和所述标准差，确定阈值；基于所述高b值的弥散加权成像图像数据中的每个像素点的灰度值，将每个像素点的灰度值与所述阈值进行比较，若所述阈值小于或者等于一个像素点的灰度值，确定该像素点为目标像素点；将各目标像素点组成的区域作为所述疑似脑梗死区域。

具体的，由于脑梗死区域对应的像素点的灰度值会高于确定出的该阈值，并且由于伪影与脑梗死区域具有相似的特征，因此伪影对应的像素点的灰度值也会高于高阈值，因此可以通过上述方法确定出目标像素点的集合，该集合可以形成至少一个区域，并且可以将该区域作为疑似脑梗死区域。

在一个可行的实施方案中，可以利用如下公式确定该阈值：t＝μ+3*σ，其中，μ为该平均值，σ为该标准差，t为该阈值。

可选地，为了使诊断结构更加准确，在获得疑似脑梗死区域后，可以利用形态学算法，对疑似脑梗死区域进行处理，以去除疑似脑梗死区域中受噪声影响大于指定值的区域。

具体的，在获得高b值的dwi图像数据的过程中，会受到噪声干扰，受到噪声干扰的区域对应的图像数据的特征与脑梗死区域对应的图像数据的特征相似，即确定出的疑似脑梗死区域中还包括了噪声干扰的区域，噪声干扰的区域在dwi图像数据中表现为零散点，因此为了使确定的脑梗区域更加准确，可以利用形态学算法将该零散点去除。

可选地，在根据所述灰度信息自动分割高亮区域以确定脑梗死区域时，还可以通过下述方法确定：根据所述灰度信息，利用灰度值聚类法，在所述高b值的弥散加权成像图像数据中自动分割高亮区域以确定脑梗死区域。

在本发明实施例中，由于可以通过上述操作可以自动完成dwi图像数据的分析，以及确定出脑梗死区域，因此无需医生对dwi图像数据进行分析，以及无需医生得出分析结果后，再手动确定出脑梗死区域，所以缩短了确认脑梗死区域时所消耗的时长，并且，消除了由于医生诊断水平较低，而造成误诊的情况，进而使得诊断标准得到统一。

可选地，在根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域时，可以通过下述方法确定：根据所述灌注加权成像图像数据，利用去卷积算法或非去卷积算法，获取灌注参数；根据所述灌注参数和所述解剖图，确定缺血区域。

具体的，不同组织的灌注参数是不同的，例如缺血出的组织对应的灌注参数平均通过时间高于正常组织对应的灌注参数，因此可以利用灌注参数确定出缺血区域。

可选地，灌注参数包括：脑血容量图像数据、脑血流量图像数据和平均通过时间图像数据。

具体的，当灌注参数为平均通过时间图像数据时，由于脑组织中包括脑实质区域和非脑实质区域，在脑实质区域中，缺血处的脑组织在mtt(meantransitiontime、平均通过时间)图像数据中表现为低灌注数据(即平均通过时间较长)，而在非脑实质区域中，如脑室、头皮、眼睛等非脑组织区域受到成像伪影等影响，在mtt图像数据中也表现为低灌注参数，而通过解剖图可以将上述的非脑组织和脑组织进行区分，即可以利用解剖图确定哪部分区域为脑实质区域，哪部分区域是非脑实质区域，然后结合mtt图像数据可以确定出准确的缺血区域，从而可以消除mtt图像数据中非脑实质区域对脑实质区域的影响，确定出脑实质区域中的缺血处。

可选地，在根据所述灌注参数和所述解剖图，确定缺血区域时，可以通过下述方法确定：对所述解剖图进行分割处理；根据分割处理结果，确定所述解剖图中的脑实质区域；将所述解剖图中的脑实质区域配准映射到所述平均通过时间图像数据；根据配准映射结果，确定所述平均通过时间图像数据中的脑实质区域；根据所述平均通过时间图像数据中的脑实质区域的灰度分布特性，获取所述平均通过时间图像数据中的脑实质区域的灰度直方图；根据所述平均通过时间图像数据中的脑实质区域的灰度直方图，在所述平均通过时间图像数据中确定缺血区域。

具体的，在对解剖图进行分割处理后，可以确定出解剖图中的脑实质区域，然后将脑实质区域配准映射到mtt图像数据中，由于解剖图和mtt图像数据为同一患者的同一部位，因此在经过配准映射后，可以确定出mtt图像数据中的脑实质区域，同时由于缺血处的脑组织区域变现为低灌注，因此可以根据mtt图像数据中的脑实质区域的灰度分布特性，获取mtt图像数据中的脑实质区域的灰度直方图，由于该灰度直方图中不同像素点对应的灰度级(像素值)是不同的，且由于缺血处的脑组织区域在该灰度直方图中对应的像素点的像素值高于非缺血出的脑组织区域在该灰度直方图中对应的像素点的像素值，因此可以根据该灰度直方图，在mtt图像数据中确定缺血区域。

可选地，在根据mtt图像数据和解剖图，在mtt图像数据中确定缺血区域时，可以通过下述方法确定缺血区域：根据mtt图像数据中的脑实质区域的灰度直方图，获得mtt图像数据中脑实质区域的mtt平均值；根据所mtt平均值，获得阈值；基于mtt图像数据中脑实质区域中的各像素点灰度值，将每个像素点的灰度值与阈值进行比较，若阈值小于一个像素点的灰度值，确定该像素点为目标像素点；将各目标像素点组成的区域作为缺血区域。

具体的，由于缺血处的脑组织区域在该灰度直方图中对应的像素点的像素值(在灰度直方图中的灰度级，不同的灰度级对应不同的灰度值)高于非缺血处的脑组织区域在该灰度直方图中对应的像素点的像素值，因此获得的脑实质区域的mtt平均值小于缺血处的脑组织区域在该灰度直方图中对应的像素点的灰度值，且大于非缺血出的脑组织区域在该灰度直方图中对应的像素点的像素值，因此根据mtt平均值可以确定出脑组织区域中的缺血区域，即灰度值大于该mtt平均值的区域为缺血区域，为了降低计算量，以及确定出缺血较严重的区域，可以根据该mtt平均值，确定一个阈值，该阈值可以为mtt平均值的1.5倍，并将各像素点的灰度值与该阈值进行比较，当一个像素点的灰度值大于该阈值时，将该像素点确定为目标像素点，在将mtt图像数据中脑实质区域对应的各个像素点的灰度值与该阈值进行比较后，可以确定出多个目标像素点，且多个目标像素点可以在mtt图像数据中形成至少一个区域，该至少一个区域可以作为缺血区域。

例如，如图4所示，为本发明实施例提供一种pwi图像数据，如图5所示，为本发明实施例提供的一种mtt图像数据，根据该mtt图像数据可以确定出疑似缺血区域，该疑似缺血区域包括脑实质区域中的缺血区域和非脑实质区域中脑室、头皮、眼睛等对应的区域，如图6所示，为本发明实施例提供的一种缺血区域，利用解剖图，确定出mtt图像数据脑实质区域，将该脑实质区域与疑似缺血区域进行配准映射，将非脑实质区域中脑室、头皮、眼睛等对应的区域消除掉，只保留脑实质区域中的缺血区域。

可选地，为了使得到的mtt图像数据中的脑实质区域在空间上具有较好的连续性，使确定的缺血区域更加准确，可以在将每个像素点的灰度值与阈值进行比较之前，对mtt图像数据中的脑实质区域进行平滑处理。

在本发明实施例中，由于通过上述操作可以自动完成mtt图像数据的分析，以及确定出缺血区域，由于无需医生对mtt图像数据进行分析，以及无需在医生得出分析结果后，再手动确定出缺血区域，因此缩短了确认缺血区域时所消耗的时长，同时，消除了由于医生诊断水平较低，而造成误诊的情况，进而使得诊断标准得到统一。

可选地，利用上述方法在高b值的dwi图像数据中确定脑梗死区域和在mtt图像数据中确定缺血区域后，在弥散加权成像图像成像和灌注加权成像图像数据进行图像配准得到配准结果时，可以通过下述方法获得：对高b值的dwi图像数据和mtt图像数据进行图像配准。

具体的，高b值的dwi图像数据和mtt图像数据是针对同一患者的同一部位的不同图像数据，将高b值的dwi图像数据和mtt图像数据进行图像配准后，可以将缺血区域和脑梗死区域体现到一个图像数据中。

可选地，在基于配准结果获得不匹配性信息时，可以通过下述方法获得：基于图像配准后得到的高b值的dwi图像数据和mtt图像数据，获得脑梗死区域和缺血区域的不匹配性信息。

具体的，可以基于图像配准后得到的高b值的dwi图像数据和mtt图像数据，分析脑梗死区域和缺血区域的不匹配性，并根据不匹配性的分析结果，获得不匹配性信息，根据不匹配性信息，在图像数据中可以确定出脑梗死区域和缺血区域等，例如，如图7所示，图7是对图3和图6进行图像配准，分析图3和图6的不匹配性获得的，底层图为t2解剖图，该图中的高亮区域包括脑梗死区域和缺血区域等，其中，脑梗死区域和缺血区域可以用不同颜色的高亮区域进行标识。

在本发明实施例中，在对高b值的dwi图像数据和mtt图像数据进行图像配准，获得不匹配信息时，需要提前确定出高b值的dwi图像数据中的脑梗死区域和mtt图像数据中的缺血区域，由于在确定脑梗死区域和缺血区域时，可以通过上述操作完成dwi图像数据的分析和mtt图像数据的分析，以及确定出脑梗死区域和缺血区域，由于无需医生对dwi图像数据和mtt图像数据进行分析，以及无需医生得出分析结果后，再手动确定出脑梗死区域和缺血区域，因此缩短了确认脑梗死区域和缺血区域时所消耗的时长，并且，消除了由于医生诊断水平较低，而造成误诊的情况，进而使得诊断标准得到统一。

实施例二

本发明实施例提供了一种数据处理装置，如图8所示，该装置包括：

第一获取单元801，用于获取不同b值的弥散加权成像图像数据，所述弥散加权成像图像数据具有灰度信息。

分割单元802，用于根据所述灰度信息自动分割高亮区域以确定脑梗死区域。

第二获取单元803，用于获取灌注加权成像图像数据，以及获取所述灌注加权成像图像数据所针对部位的解剖图。

确定单元804，用于根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域。

配准单元805，用于对所述弥散加权成像图像数据和灌注加权成像图像数据进行图像配准得到配准结果。

第三获取单元806，用于基于所述配准结果获得脑梗死区域及缺血区域不匹配性信息。

由于本实施例中的各单元能够执行实施例一所示的方法，本实施例未详细描述的部分，可参考对实施例一的相关说明。

在本发明实施例中，在获取不同b值的弥散加权成像图像数据后，根据弥散加权成像图像数据的灰度信息，自动分割高亮区域，以确定脑梗死区域，在获取灌注加权成像图像数据，以及获取灌注加权成像图像数据所针对部位的解剖图后，根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域，然后对弥散加权成像图像数据和灌注加权成像图像数据进行图像配准得到配准结果，并基于配准结果获得脑梗死区域及缺血区域不匹配性信息，通过上述操作可以自动完成弥散加权成像图像数据的分析，确定出脑梗死区域，以及自动完成灌注加权成像图像数据的图像数据分析，确定出缺血区域，由于无需医生对弥散加权成像和灌注加权图像数据进行分析，以及无需在医生得出分析结果后，再手动确定出脑梗死区域和缺血区域，因此缩短了确认脑梗死区域和缺血区域时所消耗的时长。

实施例三

本发明实施例还提供了一种数据处理装置，如图9所示，该装置包括：发射机91，接收机92，存储器93，以及与所述存储器93耦合的处理器94，所述发射机91、接收机92、存储器93和处理器94通过总线系统相通信；所述存储器93存储软件程序，所述处理器94能够调用该程序以控制发射机91和接收机92。所述处理器94通过运行所述软件程序以用于：

获取不同b值的弥散加权成像图像数据，所述弥散加权成像图像数据具有灰度信息；根据所述灰度信息自动分割高亮区域以确定脑梗死区域；获取灌注加权成像图像数据，以及获取所述灌注加权成像图像数据所针对部位的解剖图；根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域；对所述弥散加权成像图像数据和灌注加权成像图像数据进行图像配准得到配准结果；基于所述配准结果获得脑梗死区域及缺血区域不匹配性信息。

上述技术方案中的一个技术方案具有如下有益效果：

在本发明实施例中，在获取不同b值的弥散加权成像图像数据后，根据弥散加权成像图像数据的灰度信息，自动分割高亮区域，以确定脑梗死区域，在获取灌注加权成像图像数据，以及获取灌注加权成像图像数据所针对部位的解剖图后，根据所述灌注加权成像图像数据，利用指定算法获取灌注参数图像数据，利用所述灌注参数图像数据和所述解剖图确定缺血区域，然后对弥散加权成像图像数据和灌注加权成像图像数据进行图像配准得到配准结果，并基于配准结果获得脑梗死区域及缺血区域不匹配性信息，通过上述操作可以自动完成弥散加权成像图像数据的分析，确定出脑梗死区域，以及自动完成灌注加权成像图像数据的分析，确定出缺血区域，由于无需医生对弥散加权成像和灌注加权图像数据进行分析，以及无需在医生得出分析结果后，再手动确定出脑梗死区域和缺血区域，因此缩短了确认脑梗死区域和缺血区域时所消耗的时长。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。