一種改進的組織相似性映射圖方法

余紹德 伍世賓 張文濤 謝耀欽

(中國科學院深圳先進技術研究院深圳518055)

一種改進的組織相似性映射圖方法

余紹德 伍世賓 張文濤 謝耀欽

(中國科學院深圳先進技術研究院深圳518055)

相似性映射圖在磁共振醫(yī)學影像處理中有著重要作用，可以應用于信號分析、醫(yī)學圖像分割和組織的局部藥代動力學研究等?；诮M織相似性圖原理，文章通過擴展動態(tài)影像序列的概念，提出了一種新的最大相似性度量方法。該方法拓展了組織相似性映射圖的應用場景，并能大幅度提高映射圖的影像質(zhì)量。通過16組多回波T*2加權的腦組織動態(tài)影像序列對文章算法的有效性進行驗證。實驗結(jié)果表明，與原始影像比較，新方法獲得的影像能夠?qū)⑿旁氡忍岣?.8倍至17.4倍。

組織相似性映射；磁共振影像；相似性映射

1 引 言

磁共振成像是一種廣泛使用的醫(yī)學成像方法，具備高空間分辨率和高組織對比度，并且能夠采集任意橫截面的數(shù)據(jù)。為觀察組織的物理特性或生理特性，研究者們提出了很多不同類型的磁共振成像原理和方法，如加權方法[1]、磁敏感加權方法[2]和功能性磁共振成像方法[3]等。其中，加權磁共振成像不僅能夠反映組織的功能信息，通過利用不同組織具有不一樣的磁場敏感度，它還能夠反映組織的形態(tài)學特征，如組織中的鐵沉積[4]和血管中的含鐵血黃素含量等[5]。適當調(diào)節(jié)成像參數(shù)，醫(yī)生可以獲取感興趣組織的不同對比度和不同生理或物理特性的影像。當采用輔助藥物，如注入碘造影劑或釓造影劑，臨床數(shù)據(jù)的清晰度和組織的對比度將得到進一步提高。

對相同部位的同一斷層進行成像，由于其形態(tài)結(jié)構(gòu)保持不變，而感興趣組織的亮度會隨著造影劑在組織內(nèi)的新陳代謝而不斷變化?；诖耍琑ogowska等[6]提出了動態(tài)影像序列(Dynamic Imaging)的概念。動態(tài)影像序列為時間相關的影像序列。其中，影像中的感興趣區(qū)域亮度隨著時間變化而變化，而組織的形態(tài)結(jié)構(gòu)保持不變。通過逐點計算，相似性映射圖度量了信號與感興趣組織信號間的歸一化互相關系數(shù)。它可以用于分割感興趣組織，包括光刺激中活動腦組織的可視化、人體肺部腫瘤的定位和小腦幕腦膜瘤等。Wiart等[7]通過自回歸移動平均方法來度量任意時間信號與感興趣區(qū)域時間信號的相似關系，并將之用于進行腦組織分割。與以上兩種相似性度量方法不同的是，最近Haccke等[8]提出一種更直接的、基于信號與參考信號間的均方差來計算組織信號間的相似性差距。若信號間差距越小，則組織相似性映射圖(TissueSimilarityMapping,TSM)上的像素灰度值越接近于零。該方法已經(jīng)成功應用于灌注加權腦成像中的多發(fā)性硬化癥分析、腦組織間的對比分析、腦血管行為研究和相對血容量計算等。

以上基于動態(tài)影像序列的方法中，為了能通過計算時間序列信號與參考信號間的相似性而得到的相似性映射圖，數(shù)據(jù)采集前都需要給病人注入造影劑。雖然造影劑能夠提高磁敏感成像的對比度，但有些病人對造影劑過敏，導致這類方法的適用范圍受到限制[9,10]。本文工作擴展了動態(tài)影像序列的概念，討論了基于擴展概念的TSM方法增強影像質(zhì)量的可行性并進行了實驗驗證。文章第2部分主要介紹推廣的動態(tài)影像序列概念。第3部分詳細介紹實驗數(shù)據(jù)、實驗設計和實驗結(jié)果。第4部分討論了基于動態(tài)影像序列的相似性映射圖方法的研究領域和應用前景。

2 動態(tài)成像

動態(tài)影像序列被定義為基于時間變化來采集的影像序列。在采集數(shù)據(jù)前，需要給病人注入造影劑。在采集過程中，感興趣組織的解剖結(jié)構(gòu)保持不變，但由于時間的變化和組織功能的差異性，不同組織內(nèi)的造影劑濃度會發(fā)生改變。因此通過分析組織間造影劑的濃度變化，即影像數(shù)據(jù)間信號的灰度值關系，采用一維時間信號的相似性度量方法，就能夠進行信號分析、組織分割以及局部組織的藥代動力學研究等。

本文將外在的時間變化推廣為磁共振成像過程中的某個成像參數(shù)的變化，如T1加權成像中的重復時間(Time of Repetition, TR)，T2加權和T2

*加權中的回波時間(Time of Echo,TE)等。以T2

*加權成像為例說明并采集相關數(shù)據(jù)進行實驗分析。假設掃描同一斷層，其它成像參數(shù)不變，選取不同的TE值，由小到大依次為，則對應獲取的n張磁共振影像可以標記為。這n張影像的組織結(jié)構(gòu)完全相同，組織間沒有相對運動，每張影像由I行J列構(gòu)成。取某張影像上的任意一點(i,j)，按照TE值遞增存在一個n維的描述時間信號的行向量Vij，。手動勾畫感興趣區(qū)域，如大腦組織中的腦灰質(zhì)或腦白質(zhì)，取該區(qū)域灰度值的平均值生成參考信號。為了度量其他一維行向量信號與參考信號間的相似關系，我們需要選擇一個時間信號的相似性度量方法，如歸一化互相關系數(shù)[6]、均方差[8]等。在高信噪比的影像中，歸一化互相關方法計算的相似性度量值不具有獨特性，且結(jié)果不如絕對差或平均絕對差[11]。均方差用于度量一維信號向量間的L2距離(見式1)。

其中T表示向量的轉(zhuǎn)秩。當任意信號Vij與參考信號R相同時，MSEij等于零；當信號Vij與參考信號R不相同時，MSEij會非常大，即MSEij是一種最小相似性度量。通過逐點計算均方差，所有的點向量的均方差就構(gòu)成了TSM映射圖。為方便直觀了解信號與參考信號的相似性程度，本文將TSM映射圖的灰度值歸一化到[0,1]，然后用最大值1進行作差，將TSM映射圖的值變?yōu)樽畲笙嗨菩远攘?，即?/p>

其中運算符max表示獲取TSM映射圖中的最大像素值。由此獲得的mTSM映射圖，若灰度值越大，越接近于1，則表示該位置的原始信號向量與參考信號越相似。經(jīng)過推廣和后處理的mTSM映射圖是一種最大相似性度量映射圖，能夠直觀地體現(xiàn)任意位置點信號向量與參考信號的相似性。

3 實驗設計

3.1 數(shù)據(jù)采集

本實驗所有數(shù)據(jù)均源于3特斯拉的西門子磁共振成像系統(tǒng)，無造影劑類藥物輔助。其中，脈沖序列為梯度回波序列(Gradient Echo，GRE)，翻轉(zhuǎn)角為15度，可視范圍為220mm×220mm，獲得數(shù)據(jù)的分辨率為384×384像素，成像斷層的厚度為3.0mm，斷層間間距為0.9mm。多回波 T2

*加權磁共振序列通過改變回波時間TE，從2.61毫秒開始，以3.3毫秒為步長，增加到38.91毫秒，總計每個序列采集12張影像。實驗共4名志愿者，平均年齡為24.75歲。對每名志愿者腦部4個相鄰的平行斷層進行數(shù)據(jù)采集，總計獲得動態(tài)影像序列16組，腦組織磁共振影像192張。

3.2 實驗設計

腦組織的磁共振成像內(nèi)容主要為腦灰質(zhì)、腦白質(zhì)和腦脊液。腦灰質(zhì)的范圍非常狹小，手動勾畫容易引入誤差。為簡化實驗和方便交互，感興趣區(qū)域均選定為視覺上的灰度相似區(qū)域。本文采用信噪比來比較mTSM映射圖與原始影像的質(zhì)量，并通過偽彩色來顯示映射圖中信號的相似度量的差異。信噪比參數(shù)定義為：

其中ROI為手動勾畫的感興趣區(qū)域，而AIR為腦組織周邊勾畫的空氣區(qū)域。操作符mean和std分別表示計算區(qū)域內(nèi)像素的灰度均值和方差。手動交互過程中，每組動態(tài)影像序列僅勾畫2個感興趣區(qū)域范圍，分別以紅色和綠色來標記邊界(見圖1)。對應的正方形區(qū)域大小為20×20像素。以這兩個區(qū)域作為參考信號，相應得到2幅mTSM映射圖。空氣區(qū)域以粉色邊界為標記，位置固定，大小為60×60像素點。其中空氣區(qū)域是為了計算圖像的信噪比參數(shù)。如圖 1 所示，A、B、C 和 D 分別為四名志愿者的第一個動態(tài)影像序列的第10幀圖。

圖1 手動勾畫感興趣區(qū)域及空氣區(qū)域圖Fig.1. Manually segmented regions of interest and air area

4 實驗結(jié)果

4.1 影像信噪比分析

圖2四名志愿者第一組動態(tài)影像序列的兩個參考信號向量的值，分別與圖1中的感興趣區(qū)域?qū)?。磁共振系統(tǒng)采集的影像灰度值由組織內(nèi)的質(zhì)子密度、縱向弛豫時間、橫向弛豫時間、脈沖序列以及成像系統(tǒng)的放大系數(shù)來決定。在同一臺磁共振成像設備中，相同的脈沖序列，由于感興趣區(qū)域的組織成分的差異、質(zhì)子密度的不同，尤其是部分容積效應等因素的影響，參考信號的強度和衰減速度都有所不相同。A圖表明勾畫區(qū)域的信號差異非常小，B圖表明這兩個感興趣區(qū)域的灰度值存在明顯的差異，C圖表明兩個區(qū)域的質(zhì)子密度差別較大，而D圖的參考信號有相似的灰度變化趨勢。

醫(yī)學影像處理中，信噪比是一個非常重要的影像質(zhì)量度量參數(shù)?；谒拿驹刚叩牡谝唤M動態(tài)影像序列的兩個參考信號，圖3描述了12張原始影像的信噪比以及基于不同參考信號得到的2張mTSM映射圖的信噪比。其中，紅色為紅色邊界的感興趣區(qū)域的信噪比，綠色為綠色邊界感興趣區(qū)域的信噪比。由圖3可見，12張原始影像的感興趣區(qū)域的信噪比隨著TE的增加而減小(約從50dB降到20dB)。對應的2張mTSM映射圖的信噪比則都有大幅度提高。

圖2 四名志愿者各自第一組數(shù)據(jù)的兩個參考信號Fig.2. Two reference signals of the 1st group of image sequence from these four volunteers

針對每名志愿者的所有的動態(tài)影像序列，圖4描述了每個TE時刻的4張影像的感興趣區(qū)域的信噪比的均值和方差分析。其中，相同顏色對應相同邊界的感興趣區(qū)域，方差部分采用黑色柱子進行標注。從圖4可以看出，隨著TE值增大，各個感興趣區(qū)域的信噪比在逐漸減小。對應參考信號計算得到的2張mTSM映射圖的信噪比則都有很大提高。

對應圖4的四個統(tǒng)計結(jié)果如表1到表4所示。從表1可以看到，在TE1時刻的影像，紅色感興趣區(qū)域的信噪比均值約為50.54dB，綠色感興趣區(qū)域的信噪比均值約為49.98dB。在TE7時刻的影像，紅色區(qū)域的信噪比均值約為32.09dB，綠色區(qū)域的信噪比均值為31.60dB。在TE12時刻的影像，紅色和綠色感興趣區(qū)域的信噪比均值約為22.01dB和21.70dB。以紅色區(qū)域為參考信號得到的mTSM_R映射圖內(nèi)，紅色區(qū)域的平均信噪比約為194.97dB，綠色區(qū)域的平均信噪比約為193.93dB。以綠色感興趣區(qū)域為參考信號計算得到的mTSM_G映射圖內(nèi)，紅色和綠色感興趣區(qū)域的平均信噪比分別約為197.12dB和196.37dB。

從表2可以看到，TE1時刻影像的紅色和綠色感興趣區(qū)域的信噪比均值約為46.66dB和49.83dB；TE7時刻影像的紅色和綠色感興趣區(qū)域的信噪比均值約為31.73dB和32.69dB；TE12時刻影像的紅色和綠色感興趣區(qū)域的信噪比均值約為19.01dB和20.44dB。在mTSM_R映射圖內(nèi)，紅色區(qū)域的平均信噪比約為345.23dB，綠色區(qū)域的平均信噪比約為348.95dB。在mTSM_G映射圖內(nèi)，紅色和綠色感興趣區(qū)域的平均信噪比分別約為331.05dB和337.34dB。

圖3 四名志愿者各自第一組數(shù)據(jù)的感興趣區(qū)域信噪比Fig.3. SNR of the 1st image sequences and corresponding generated mapppings from these four volunteers

圖4 原始動態(tài)影像序列和對應映射圖的信噪比統(tǒng)計圖Fig.4. SNR statistics between original images and generated mappings

表1 原始影像和映射圖影像的信噪比統(tǒng)計(dB)Table1. Statistical SNR analysis in original images and generated mappings from the 1st volunteer(dB)

表2 原始影像和映射圖影像的信噪比統(tǒng)計(dB)Table2. Statistical SNR analysis in original images and generated mappings from the 2nd volunteer(dB)

從表3可以看到，TE1時刻影像的紅色和綠色感興趣區(qū)域的信噪比均值約為51.03dB和43.40dB；TE7時刻影像的紅色和綠色感興趣區(qū)域的信噪比均值約為33.04dB和27.73dB；TE12時刻影像的紅色和綠色感興趣區(qū)域的信噪比均值約為20.70dB和17.71dB。在mTSM_R映射圖內(nèi)，紅色和綠色區(qū)域的平均信噪比約為279.54dB和262.65dB。在mTSM_G映射圖內(nèi)，紅色和綠色感興趣區(qū)域的平均信噪比分別約為300.33dB和300.34dB。

從表4可以看出，在TE1時刻的影像，紅色感興趣區(qū)域的信噪比均值約為46.23dB，綠色感興趣區(qū)域的信噪比均值約為47.67dB。在TE7時刻的影像，紅色感興趣區(qū)域的信噪比均值約為29.58dB，綠色感興趣區(qū)域的信噪比均值為29.45dB。在TE12時刻的影像，紅色感興趣區(qū)域的信噪比均值約為19.69dB，綠色感興趣區(qū)域的信噪比均值為19.00dB。以紅色區(qū)域為參考信號得到的mTSM_R映射圖內(nèi)，紅色區(qū)域的平均信噪比約為325.54dB，綠色區(qū)域的平均信噪比約為326.28dB。以綠色感興趣區(qū)域為參考信號計算得到的mTSM_G映射圖內(nèi)，紅色和綠色感興趣區(qū)域的平均信噪比分別約為323.11dB和325.05dB。

從感興趣區(qū)域的信噪比統(tǒng)計結(jié)果可以看出，與原始動態(tài)影像序列相比mTSM映射圖的信噪比有較大幅度提升，可以提高3.8倍到17.4倍。

4.2 影像視覺分析

圖5展示了第一個志愿者的第一組動態(tài)影像序列中的第一張影像(A)和第七張影像(B)，以及基于紅色(C)和綠色(D)感興趣區(qū)域作為參考信號獲得的mTSM映射圖。觀察A圖和B圖可以發(fā)現(xiàn)，原始影像缺乏邊界信息和紋理信息，各組織間的對比度非常低。在C圖和D圖中，像素的偽彩色值越接近于1，則其與參考信號越相似，可以通過簡單的閾值方法來進行感興趣區(qū)域的分割和后繼處理。與原始影像對比可以看出，mTSM映射圖顯示了更詳細的細節(jié)信息，且對比度非常高。視覺上可以發(fā)現(xiàn)，各組織區(qū)域的范圍輪廓相對清晰。在影像分析和臨床診斷上，清晰的邊界信息和豐富的紋理信息，能夠提供更直接有效的幫助。

表3 原始影像和映射圖影像的信噪比統(tǒng)計(dB)Table3. Statistical SNR analysis in original images and generated mappings from the 3rd volunteer(dB)

表4 原始影像和映射圖影像的信噪比統(tǒng)計(dB)Table 4. Statistical SNR analysis in original images and generated mappings from the 4th volunteer(dB)

圖5 原始動態(tài)影像序列和對應映射圖的視覺分析Fig.5. Visual comparison among original dynamic images and corresponding mappings

5 討 論

通過度量與感興趣區(qū)域的信號相似性，映射圖方法可以對醫(yī)學影像進行信號分析、圖像分割和組織的局部藥代動力學研究等。本文首先推廣了動態(tài)影像序列概念，然后基于組織相似性映射圖理論，提出了一種新的信號最大相似性度量方法。該方法擴大了組織相似性映射圖原理的應用場景，并能大幅度提高映射圖影像的質(zhì)量?；?6組多回波T2*加權的腦組織動態(tài)影像序列的實驗驗證了新算法的有效性。結(jié)果表明新方法能夠?qū)⑿旁氡忍岣?.8倍至17.4倍，并提供更豐富的紋理信息，為影像分析和臨床診斷提供更直接有效的幫助。

圖1顯示了手動勾畫感興趣區(qū)域的內(nèi)容。在臨床實驗中，正確勾畫感興趣區(qū)域與后繼的映射圖計算結(jié)果息息相關。而感興趣區(qū)域的準確勾畫是算法結(jié)果正確性和臨床有效性的必要保證。圖2描述了兩個參考信號向量的分量值。信號強度隨著TE時間增加而逐漸遞減。但由于紅色和綠色感興趣區(qū)域的組織成分不一樣或更復雜的原因，如磁場強度的不均勻性[12]、部分容積效應的存在等，其信號強度的大小存在差距。圖4通過信噪比統(tǒng)計說明了本算法在提高影像質(zhì)量方面的有效性。表1到表4的統(tǒng)計結(jié)果表明，與原始影像比較，映射圖的信噪比提高3.8倍至17.4倍。圖5的視覺效果也證明了映射圖能夠提供更詳細的細節(jié)信息和更高的對比度。視覺上也可以發(fā)現(xiàn)，映射圖能夠提供更清晰的組織區(qū)域輪廓，而清晰的邊界和豐富的紋理信息，能夠給影像分析和臨床診斷提供直接有效的幫助。

在本文設計的實驗中，有幾個問題尚未深入討論和實驗。首先是多回波T2*加權磁共振成像中，怎樣選擇合適的回波個數(shù)可以得到最優(yōu)的映射圖結(jié)果。第二是對采集數(shù)據(jù)的各向同性的要求。本次實驗采集的數(shù)據(jù)斷層厚度3mm與斷層內(nèi)的分辨率0.9mm差別很大，導致可能出現(xiàn)部分容積效應。而人體組織是由不同的成分構(gòu)成，即使是相同的組織，其相對應的質(zhì)子密度也會存在差異。另外，手動勾畫參考信號增加了臨床交互的時間消耗，也容易導致不確定性，如勾畫腦灰質(zhì)區(qū)域或者是其它細小組織。最后，在進行算法處理前，如果能進行磁場強度不均勻性的校正和噪聲處理等，將更有利于后繼的映射圖計算。

6 總 結(jié)

本文通過推廣動態(tài)影像序列的概念，提出了一種新的最大相似性度量方法。通過實驗證明了該方法在提高影像質(zhì)量方面的可行性。本方法可以對圖像序列進行信息融合、信號分析并提高影像的質(zhì)量，可以應用在其它成像模式。

[1] Brown MA, Semelka RC. MRI: Basic Principles and Applications [M]. Wiley, 2011.

[2] Haacke EM, Xu Y, Cheng YC, et al. Susceptibility weighted imaging (SWI) [J]. Magnetic Resonance in Medicine, 2004, 52(3): 612-618.

[3] Matthews P, Jezzard P. Functional magnetic resonance imaging [J]. Journal of Neurology, Neurosurgery & Psychiatry, 2004, 75(1): 6-12.

[4] Prasad PV, Edelman RR, Epstein FH. et al. Noninvasive evaluation of intrarenal oxygenation with BOLD MRI [J]. Circulation, 1996, 94(12): 3271-3275.

[5] Tanaka YO, Anno I, Itai Y, et al. Paroxysmal nocturnal hemoglobinuria: MR fi ndings [J]. Journal of Computer Assisted Tomography, 1993, 17(5): 749-753.

[6] Rogowska J, Preston K, Hunter GJ, et al. Applications of similarity mapping in dynamic MRI [J]. IEEE Transactions on Medical Imaging, 1995, 14(3): 480-486.

[7] Wiart M, Rognin N, Berthezene Y, et al. Perfusionbased segmentation of the human brain using similarity mapping [J]. Magnetic Resonance in Medicine, 2001, 45(2): 261-268.

[8] Haacke EM, Li M, Juvvigunta F. Tissue similarity maps (TSMs): a new means of mapping vascular behavior and calculating relative blood volume in perfusion weighted imaging [J]. Magnetic Resonance Imaging, 2013, 31(4): 481-489.

[9] Tepel M, van der Giet M, Schwarzfeld C, et al. Prevention of radiographic-contrast-agent–induced reductions in renal function by acetylcysteine [J]. The New England Journal of Medicine, 2000, 343(3): 180-184.

[10] Brockow K. Contrast media hypersensitivity-scope of the problem [J]. Toxicology, 2005, 209(2): 189-192.

[11] 劉寶生, 閆莉萍，周東華. 幾種經(jīng)典相似性度量的比較研究 [J]. 計算機應用研究, 2006, 23(11): 1-3.

[12] Manjón JV, Lull JJ, Carbonell-Caballero J, et al. A nonparametric MRI inhomogeneity correction method [J]. Medical Image Analysis, 2007, 11(4): 336-345.

An Improved Method Based on Tissue Similarity Mapping

YU Shaode WU Shibin ZHANG Wentao XIE Yaoqin
( Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China )

The similarity mapping plays an important role in the medical image processing field, including signal investigation, image segmentation and pharmacokinetics of local tissues. Based on tissue similarity mapping (TSM), the concept of dynamic imaging was generalized in this paper, and an improved method was proposed. By the new method, the application fi elds of TSM can be extended and the image quality can be enhanced dramatically. With 16 series of human brain images acquired from 12-echo T2*weighted magnetic resonance imaging, these experiments validate that the signal to noise ratio (SNR) from improved method is increased by 3.8 to 17.4 times.

tissue similarity mapping; magnetic resonance imaging; similarity mapping

Q 819

A

2013-11-20

國家自然基金項目(81171402)，國家重點基礎研究發(fā)展計劃(973計劃)(2010CB732606)，廣東省創(chuàng)新團隊項目(No.2011S013)。

余紹德，碩士，研究助理，研究方向為生物醫(yī)學工程；伍世斌，博士研究生，研究方向為醫(yī)學圖像處理；張文濤，碩士研究生，研究方向為醫(yī)學圖像處理；謝耀欽(通訊作者)，博士，研究員，研究方向為醫(yī)學物理，E-mail：yq.xie@siat.ac.cn。