基于Demons算法的MR圖像與病理切片的非剛性配準(zhǔn)

趙 倩，史長(zhǎng)征，羅嘉莉，曾德威，陳 婷

(1.廣州醫(yī)科大學(xué)公共衛(wèi)生學(xué)院統(tǒng)計(jì)系 廣東 廣州 510182;2.暨南大學(xué)附屬第一醫(yī)院醫(yī)學(xué)影像中心 廣東 廣州 510630)

腦膠質(zhì)瘤是神經(jīng)系統(tǒng)最常見(jiàn)的原發(fā)腫瘤，約占原發(fā)性神經(jīng)系統(tǒng)腫瘤的42%［1］。目前，罹患惡性膠質(zhì)瘤患者的中位生存期僅為9個(gè)月，2年存活率為5%，偏良性膠質(zhì)瘤患者10年存活率為20%，患者大多在確診后1 a內(nèi)死亡［2］。MRI檢查具備較高的軟組織分辨率和多平面、多方位成像，對(duì)腦腫瘤的診斷有重要價(jià)值。為研究不同病理特征所對(duì)應(yīng)的MR參數(shù)特點(diǎn)，首先需要獲取腫瘤相應(yīng)層面的全面病理信息，這在人腦膠質(zhì)瘤中通常難以實(shí)現(xiàn)。本研究基于SD大鼠的C6膠質(zhì)瘤模型獲取其腫瘤的病理切片，進(jìn)一步探討如何將MR圖像與病理切片圖像進(jìn)行有效配準(zhǔn)。

基于光流場(chǎng)的Demons算法是一種較為穩(wěn)定的非剛性配準(zhǔn)算法［3］。近年來(lái)，為達(dá)到更準(zhǔn)確、更快速的配準(zhǔn)變換，國(guó)內(nèi)外一些學(xué)者提出了一種可用于多模態(tài)圖像配準(zhǔn)的改進(jìn)Demons算法［4-6］。在Demons算法單純利用參考圖像梯度信息為驅(qū)動(dòng)圖像變形力的基礎(chǔ)上，結(jié)合兩幅圖像的互信息，作為當(dāng)前變換的附加力，并將浮動(dòng)圖像的梯度信息加入到光流場(chǎng)方程中。最終把參考圖像梯度和圖像互信息共同作為內(nèi)力使浮動(dòng)圖像向兩幅圖像互信息增大的方向變形。

本課題組采用Demons算法對(duì)腦膠質(zhì)瘤MR圖像和病理切片進(jìn)行非剛性配準(zhǔn)，結(jié)合MR圖像與病理切片的灰度信息，對(duì)病理切片進(jìn)行變形。初步判斷腦膠質(zhì)瘤在腦組織中的真實(shí)區(qū)域，排除腦腫瘤周邊水腫或其它臨床指征對(duì)判別腫瘤區(qū)域的影響，最終獲取較好的配準(zhǔn)結(jié)果。

1 材料和方法

1.1 大鼠C6膠質(zhì)瘤模型 SD大鼠禁食12 h，腹腔注射麻醉后，立體定位儀固定頭部。取單側(cè)尾殼核為接種點(diǎn)，采用微量注射器抽取10 μl C6膠質(zhì)瘤細(xì)胞懸液，將細(xì)胞懸液注入接種點(diǎn)，縫合頭皮，消毒切口，常規(guī)飼養(yǎng)。

1.2 MR掃描和圖像后處理 采用GE signa 1.5T磁共振成像系統(tǒng)和八通道的腕線圈(GE Healthcare，Milwaukee，WI)，SD大鼠在接種C6膠質(zhì)瘤細(xì)胞第2周進(jìn)行MR檢查。冠狀面T2加權(quán)成像(TR/TE:2 960/68 ms;矩陣:256×192)，T1加權(quán)成像(TR/TE:300/10 ms;矩陣:256 ×192)，掃描層厚2.0 mm，層距0 mm，矩陣284×224，F(xiàn)OV=80 mm ×80 mm，激勵(lì)次數(shù)(NEX)=2次。平掃后馬上行增強(qiáng)掃描，造影劑0.1 mmol/kg，掃描參數(shù)同T1加權(quán)成像。

1.3 病理標(biāo)本 大鼠行MRI檢查后立即處死開(kāi)胸，鼠體僵硬后斷頭取腦，對(duì)應(yīng)MRI掃描中心層面將鼠腦切片取材，石蠟包埋，以5 μm層厚連續(xù)切片，行常規(guī)病理學(xué)檢查、HE染色、拍照，獲取病理圖片，見(jiàn)圖1。

1.4 圖像預(yù)處理 采用Matlab R2012b對(duì)獲得的T1加權(quán)成像增強(qiáng)(T1增強(qiáng))圖像(圖1a)和病理圖像(圖1b)進(jìn)行預(yù)處理。首先對(duì)照彩色病理圖像，在T1增強(qiáng)中選出相應(yīng)的病灶區(qū)域，去除多余的圖像背景(圖1c);然后將彩色病理圖像轉(zhuǎn)化為灰度圖像，基于最近鄰域法對(duì)缺失區(qū)域進(jìn)行補(bǔ)充，使病理圖片上腫瘤位置與MR圖像基本一致;最后采用雙立方插值法，將病理圖像和T1增強(qiáng)圖像的分辨率調(diào)至一致(圖1d)。

2 Demons算法及結(jié)果

Demons算法是一種基于光流理論的配準(zhǔn)方法，假設(shè)圖像在運(yùn)動(dòng)的過(guò)程中灰度保持不變，通過(guò)像素的運(yùn)動(dòng)完成兩幅圖像配準(zhǔn)［3］。對(duì)于浮動(dòng)圖像M和參考圖像F，需要找出一個(gè)形變向量u驅(qū)駛浮動(dòng)圖像中的每個(gè)像素點(diǎn)向參考圖像中對(duì)應(yīng)點(diǎn)移動(dòng)。給定一個(gè)點(diǎn)p，設(shè)f是參考圖像F上的灰度，m是浮動(dòng)圖像M上的灰度。則有:

其中，▽f為參考圖像F的梯度向量。改進(jìn)后的形變向量增加了浮動(dòng)圖像的梯度信息，并通過(guò)參數(shù)α控制形變向量的大小，提高了配準(zhǔn)的速度和穩(wěn)定性［4］。

配準(zhǔn)實(shí)際上就是尋找一個(gè)形變向量u，使得形變后浮動(dòng)圖像和參考圖像能較為相似。通常采用均方誤差作為相似性測(cè)度，當(dāng)▽E(u)=0時(shí)，取得最優(yōu)解［5-6］:

將預(yù)處理后的T1增強(qiáng)圖像作為參考圖像，病理切片圖像作為待配準(zhǔn)圖像，采用Demons算法進(jìn)行配準(zhǔn)。圖1e為Demons算法得到配準(zhǔn)后的病理圖像，圖1f為T1增強(qiáng)圖像與配準(zhǔn)后病理圖像的融合。配準(zhǔn)后互信息為 0.68。

3 討論

經(jīng)MR掃描后，可直接觀測(cè)腦腫瘤的侵犯范圍、解剖位置和大小，但難以給出腫瘤的病理信息。病理切片雖然能準(zhǔn)確地給出腫瘤組織的病理和分級(jí)結(jié)果，但在制作過(guò)程中，由于化學(xué)物質(zhì)的影響，腫瘤會(huì)出現(xiàn)脫水皺縮現(xiàn)象。因此，若能將MR圖片和病理切片圖片進(jìn)行有效的配準(zhǔn)，就能全方面地得到腫瘤的解剖信息和病理信息。

本文以T1增強(qiáng)為參照?qǐng)D像，病理切片圖像為浮動(dòng)圖像，采用Demons算法配準(zhǔn)后，原本有皺縮現(xiàn)象的病理切片已發(fā)生變形，腫瘤邊界向四周延伸。配準(zhǔn)后的病理圖像與MR圖像的腫瘤輪廓已基本達(dá)到一致，基本還原至T1增強(qiáng)腫瘤的范圍、位置、大小。

配準(zhǔn)后的病理圖像，不但保留了金標(biāo)準(zhǔn)病理切片“病變部位與正常組織存在清晰邊界”的特點(diǎn)，而且腫瘤分布與MR圖像基本吻合，可認(rèn)為是腦腫瘤在腦組織中接近真實(shí)的反映。本文對(duì)病理切片和MR圖像的配準(zhǔn)進(jìn)行嘗試，進(jìn)一步證明Demons算法對(duì)多模圖像配準(zhǔn)的有效性，具有較好的速度和精度。

圖1 Demons算法配準(zhǔn)結(jié)果

［1］ 陳忠平，重視膠質(zhì)瘤的規(guī)范化治療［J］.中國(guó)臨床神經(jīng)外科雜志，2007，12(5):257-258.

［2］ Gilbertson R J，Rich J N.Making a tumour’s bed:glioblastoma stem cells and the vascular niche［J］.Nature Reviews Cancer，2007，7(10):733-736.

［3］ Thirion J P.Image matching as a diffusion process:an analogy with Maxwell’s Demon［J］.Medical Image Analysis，1998，2(3):243-258.

［4］ Wang H，Dong L，O’Daniel J，et al.Validation of an accelerated ＇demons＇algorithm for deformable image registration in radiation therapy［J］.Phys Med Biol，2005，50(12):2887-2905.

［5］ Vercauteren T，Pennec X，Malis E，et al.Insight into efficient image registration techniques and the demons algorithm［J］.Inf Proc Process Med Imaging，2007，(20):495-506.

［6］ Kroon D J，Slump C H.MRI modalitiy transformation in demon registration［C］.Boston，USA:IEEE International Symposium on Biomedical Imaging:From Nano to Macro，2009:963-966.