基于磁共振动态增强扫描图像的肾室自动分割研究.docx

基于磁共振动态增强扫描图像的肾室自动分割 摘要：本文我们介绍了肾室磁共振动态增强扫描图像自动分割的一种方法，这是一个重要的问题，但是现有的解决方案对广泛的数据不能稳定的实现高精度。所提出的方法包括三个步骤。首先全肾的分割是基于最大稳定时间量（MSTV）的概念。本文提出的最大稳定时间量发现解剖结构在空间域和时间动态都是稳定的。基于最大稳定时间量的肾室分割对噪声具有鲁棒性而且不需要训练阶段。它可以很好的适应因肾功能不全造成的肾形状的变化。第二，分割后的肾体素被描述成消除时间冗余和噪声的主要成分。然后主要成分的k均值聚类被应用到将肾体素分离成灰质髓质和肾盂。第三，引入一种细化方法来进一步消除分割后的每一部分的噪声。16例肾室数据集的实验结果表明我们的方法与手动结果达到了一个很高的拟合度，而且与现有的三种基线方法相比实现了一个更好的表现。 所提到方法的代码将随着本文的出版公开可用。 1介绍 核磁共振动态增强扫描影像是公认的小儿肾的最好成像方式，它提供了一站式综合的形态和功能信息，而且没有电离辐射的利用。图像中对肾的准确分割是对肾功能评估的根本，但是，现在还是缺少有效的和自动化的解决方案。影像的一些限制使这个任务尤其有挑战性：1)快速和重复扫描导致的低空间分辨率，信噪比差和部分容积效应的影响；2）对每个部分进行灌注尤其是无序的肾会产生非均匀强度变化。 文献中的几篇论文解决了肾室的分割问题。作者处理皮质分割作为一个多表面提取问题，用基于图建方案的最优曲面有哪些信誉好的足球投注网站法解决此问题。这种方法最初是为3D CT图像设计用来评估CT数据的，因此在DCE MRI图像的强度时间过程嵌入的有用的时间信息是不考虑的（例如，从图1的左上方和右边的图可以看出，肾室的三个部分的时间强度的演化是不同的）为了解决这一问题，提出了利用体素的空间联系和每一个体素的强度变化这两个方面的能量函数来描述整个图像序列。在 [4] 和 [5]，作者采用 k-均值聚类的时间强度演化分割三个内部肾结构。然而这种方法只对正常肾有用，在实践中他们对病症非常敏感。最近Khrichenko等人提出了一种叫CHOP-fMRU对肾进行分割和功能分析的项目。这种方法涉及几种手动的任务（例如，为了初始化需要手动划定一个粗糙肾的轮廓）分割的质量和结果的分析很大程度上取决于手动任务的质量。对整个肾室的自动分割有很多专门的研究努力。他们中最著名的依赖于之前分割好的肾的形状和外观模型。例如，Spiegel（11）等人学习肾平均形状和模型通过主动形状模型里的最重要的模型去约束分割结果。Yuksel等人用符号距离地图和高斯模型分别对肾的形状和强度分配进行建模。在89中，作者整合之前的形状到一个几何变形模型中以便于提取肾的区域。基于模型的对一个完整的健康的肾的分割得到了很好的效果。然而，由于肾的高度复杂性和形状易变性，肾各部分的结构相比于整个肾来说对模型的挑战性更大，对紊乱的肾来说更明显。因此，这种基于模型的为了对功能失调的肾和内部结构的分割达到一个好的效果的方法是非常富有挑战性的。图一左边的第一排：一片有六个时间点的图像分别是3，6，13，19，43。对于这个病人，2448个腹部影像用了72个时间点，随着时间的增加，皮质髓质和肾盂会不断地显现出来。（2）左边下图：通过阈值分割。红色绿色和蓝色矩形框表示了肾的三个位置的体素。用实线的体素连接就是时间的连接。如果两个分割单位在时间上相近而且体素重叠高达80%以上那么我们就定义这两个单位是时间连续的（3）右图表示的是一个典型的正常肾室各部分的是时间密度曲线。图2提到的肾室分割框架的插图在本文中，我们提到了一种基于DCE-MRI图像健康肾和病变肾的自动分割方法。这种方法展示了和手动分割结果的高度吻合，主要包括三步，如插图2.首先，基于最大稳定时间卷积的检测方法将肾脏从腹部影像中分割出来。我们提到的MSTV利用各个体素之间的3D空间联系和每一个体素的时间动态对周围组织和肾脏形状多变产生的噪声提供了一个可信任的分割鲁棒。第二，分割好的肾的体素用N种主要成分表示其中N是一个实验参数。我们广泛的实验结果表明，对于所有情况首先捕获的10种主要成分对肾室分割来说是最重要的信息。因此丢弃其余成分可以有效移除时间冗余和抑制噪声使有用信息的损失很小。然后主要成分的K均值聚类分别将各体素聚集成灰质髓质和肾盂。第三，提出一个有效和快速的微调的方法对分割的每一部分去噪声。本文提出的分割方法使用 16 例临床肾脏数据进行测试并和手动测试结果以及上文提到的三种方法产生的结果进行比较。结果是本文的方法和手动的结果有很高的拟合性，而且效果要好于之前提到的三种方法。2我们的三步方法2.1第一步基于MSTV的初级分割 随着造影剂灌注到肾脏，肾脏及其周围组织之间的对比强度逐渐增强（图1的左