三维血管造影数据的分割

血管疾病是严重危害公众健康的主要疾病之一。随着成像技术的发展,X射线血管造影(XRA)、磁共振血管造影(MRA)、计算机断层扫描血管造影(CTA)已经成为目前大多数医院主要采用的诊断成像设备,已能获取更大的图像尺寸、容积和更高空间、时间分辨率,这迫切需要血管疾病的自动化诊断技术应用于临床。对于一定尺寸和复杂度的血管造影获取物(数据),分割是对数据集进行可视化、诊断和血管病理学量化的关键,并且依然是一项富有挑战性的任务。文章主要①针对CTA和MRA,从血管图像的获取、预处理、血管提取三个方面对当前血管分割技术进行总结和比较;②对临床血管病理和特异性问题进行概括。综合比较各种血管分割技术,并从血管病理辅助角度讨论冠状动脉分割问题;集中讨论和强调了血管成像、分析方法、解决目标方面发展的趋势和主流。目的在于概括该领域的现状及可能的发展方向。     

冠状动脉血管造影图像三维分割方法

冠状动脉计算机断层扫描血管造影技术已广泛应用于心血管疾病的诊断,冠状动脉的有效分割在冠心病诊断中起着重要的作用。本文提出一种冠状动脉血管造影图像三维分割方法,首先进行数据预处理;然后,利用分水岭算法得到子区域;最后,利用区域生长方法将分水岭子区域合并,实现冠状动脉的三维分割。本文以放射科医生手动标注结果作为标准,验证提出算法的可行性和有效性。实验结果表明,本文提出的分割方法能够有效克服冠状动脉周围组织的干扰,从而取得精确的分割结果。     

磁共振脑部图像壳核区域有监督蚁群分割算法研究

提出了一种对磁共振图像脑部基底节区内的壳核区域进行有监督蚁群分割算法.由于采用搜索轮廓与壳核模板的方差作为目标函数,所提出的有监督的蚁群算法模型的求解过程就转化把图像分割过程变成求解目标函数极小值的过程,亦变成寻找搜索空问的最优路径问题.同时提出一种新的寻找搜索空间的方案,并讨论了搜索方案的选取办法.通过对壳核模板的一般性假设,详细描述了对该类问题的求解方法和过程.实验结果表明提出的有监督蚁群分割算法与实际模板在本层形态上、上下相邻层之间的形态相似性和单一层内的连续性方面,均优于模糊聚类分割算法、区域生长分割算法、GVF Snake模型的图像分割算法和基本蚁群分割算法,并具有更快的收敛速度.     

基于Gibbs随机场的有限混合模型改进与脑部MR图像的稳健分割

有限混合(FM)模型已经广泛地应用于图像分割，但是由于没有考虑空间信息，导致分割的结果对噪声很敏感，分割出的区域存在很多杂散的孤立点。本文Gibbs随机场理论的指导下，将空间信息引入FM模型，提出了改进的脑部MR图像分割算法。此外，由树形K平均聚类来估计初始参数，实现了全自动的图像分割。本研究进行了仿真MR图像和真实MR图像的分割实验，定量的数据分析表明，我们所提的改进算法对噪声不敏感，可以更精确地将脑部MR图像标记为灰质、白质与脑脊液三种组织类型。     

基于冠脉造影图像血管树分割的血管狭窄自动识别方法

针对冠状动脉造影图像中的血管狭窄位置进行自动识别,并且定量评估其狭窄程度,为临床医生提供一种计算机辅助诊断方法,从而提高对冠状动脉狭窄的诊断准确率,同时减轻医生的劳动强度。所提出的基于冠脉造影图像的血管狭窄自动识别方法包括血管树分割以及血管狭窄识别两部分。在血管树分割部分,首先通过基于Frangi Hessian的改进模型进行图像增强,随后利用基于统计学区域融合方法对血管区域进行分割。在血管狭窄识别部分,首先利用水平集算法对分割结果进行细化获得血管骨架,随后提取血管边缘进行血管直径测量,最后采用局部最小点法计算整幅图像血管段狭窄的百分比,对狭窄段进行定位并分级。实验在153例患者的血管造影图像中检测出狭窄共计208段,其中轻度84段,中度42段,重度82段。统计分析结果显示,血管狭窄识别平均准确率为93.59%,敏感性为88.76%,特异性为95.58%,阳性预测值为90.51%,表明该方法能够有效地检测和定量评价动脉血管的狭窄程度,有助于心血管疾病的临床诊断。     

基于模糊Gibbs场和模糊C均值聚类的脑部磁共振图像的分割

提出了一种利用模糊Gibbs场和模糊C均值聚类的新算法,用来分割脑部磁共振(Magnetic resonance, MR)图像.本算法引入了像素的空间约束,提出了势团均匀分布的概念,并使用模糊信息定义了势团的Gibbs能量,并在传统的基于灰度的模糊C均值聚类(Fuzzy C-means, FCM)算法中引入Gibbs能量的补偿项,建立包含像素灰度信息和空间约束的新的目标函数,并得到模糊矩阵和聚类中心的迭代公式,克服了基于灰度信息的模糊C均值聚类算法的缺陷,从而改善了原有的分割模型.对合成图像和脑部MR图像的实验表明了本算法的有效性,可以有效地分割被噪声污染的低信噪比的MR图像.     

磁共振图像的分割

近年来，磁共振图像在临床上的应用越来越广泛和深入，但是，制约磁共振图像在临床上广泛应用和研究的一个瓶颈问题是图像分割。自从８０年代末磁共振图像应用于临床检查以来，人们提出了众多的磁共振图像的分方法。这些方法中有经典的方法，如阈值法、基于边界的方法和基于区域的方法；有现代的方法，如概率统计的方法、基于知识的方法、模糊方法和人工神经网络的方法等。本文对这些方法进行了综述和讨论。     

磁共振颅脑图像快速模糊聚类分割算法的研究

尽管模糊C-均值（简称FCM）聚类算法已广泛应用于图像分割研究,但是,由于模糊C-均值聚类算法所固有的一些缺点,特别是运算开销太大造成了该算法在实际应用中难以推广使用。根据模糊C-均值聚类算法和磁共振颅脑图象的特点,我们提出了一种分割磁共振颅脑图象的快速模糊C-均值（简称FFCM）聚类算法,该算法利用K-均值聚类结果指导模糊聚类的初始化,使模糊聚类的迭代次数明显减少。从而极大地提高模糊聚类的速度,实际应用表明,FFCM的分割速度比FCM快6.5倍以上,而分割精度与FCM相比无显著性差异。     

磁共振图像的分割

近年来,磁共振图像在临床上的应用越来越广泛和深入,但是,制约磁共振图像在临床上广泛应用和研究的一个瓶颈问题是图像分割。自从７０ 年代末磁共振图像应用于临床检查以来,人们提出了众多的磁共振图像的分割方法。这些方法中有经典的方法,如阈值法、基于边界的方法和基于区域的方法;有现代的方法,如概率统计的方法、基于知识的方法、模糊方法和人工神经网络的方法等。本文对这些方法进行了综述和讨论。     

Adaptive segmentation of cerebrovascular tree in time-of-flight magnetic resonance angiography

Accurate segmentation of the human vasculature is an important prerequisite for a number of clinical procedures, such as diagnosis, image-guided neurosurgery and pre-surgical planning. In this paper, an improved statistical approach to extracting whole cerebrovascular tree in time-of-flight magnetic resonance angiography is proposed. Firstly, in order to get a more accurate segmentation result, a localized observation model is proposed instead of defining the observation model over the entire dataset. Secondly, for the binary segmentation, an improved Iterative Conditional Model (ICM) algorithm is presented to accelerate the segmentation process. The experimental results showed that the proposed algorithm can obtain more satisfactory segmentation results and save more processing time than conventional approaches, simultaneously.     

一种基于静息态功能磁共振成像的快速丘脑分割算法

目的 探讨基于静息态功能磁共振成像(fMRI)的快速有效的丘脑分割方法.方法 静息态fMRI技术是通过测量血氧水平依赖(BOLD)信号的变化间接反映神经元的活动情况.利用丘脑内部的BOLD信号相关并结合聚类分析算法将丘脑进行功能性分割.结果 丘脑被划分为7个区域,同一区域内信号相似度高.此分割结果与利用丘脑-大脑皮层的功能连接强度所得的分割结果相似.结论 静息态fMRI不仅可以分析丘脑-大脑皮层之间的功能连接,还可分析丘脑内部的功能特征.仅利用丘脑内部信息分割丘脑具有运算量小、计算速度快的优点.     

核磁共振图像分割算法及应用进展

核磁共振成像(MRI)以其无辐射、多方位成像、空间分辨率高等优点在影像医学领域广泛应用,核磁共振图像的分割也发挥着越来越重要的作用.对应用较广的核磁图像的分割算法的原理和应用进行了系统的综述,将核磁图像分割算法分为5个主要研究方面:基于阈值,基于模式识别,基于活动轮廓模型,基于马尔科夫随机场(MRF),基于图切割;给出了不同算法分割特点和相关应用范围,并将部分算法应用在腹部核磁图像上进行分割实验,展示了不同算法分割核磁图像后的效果和特点.最后,展望了核磁图像分割的未来的发展趋势.     

3.0T 3D-TOF MRA对颅内动脉瘤检出率的临床应用研究

目的评价3.0 T时间飞跃法磁共振血管成像(3.0 T 3D-TOF MRA)对颅内动脉瘤的诊断价值。方法选择25例有颅内动脉瘤相关症状患者,其中男性14例,女性11例;年龄25～74岁,平均年龄57岁。对其3.0 T 3D-TOF MRA诊断为颅内动脉瘤患者的磁共振资料进行回顾性分析,并与数字减影血管造影(DSA)对照。结果3.0 T 3D-TOF MRA共显示28个动脉瘤,其中单发22例,3例为多发动脉瘤,起自颈内动脉系统25个;起自基底动脉系统3个;DSA检查共显示27个动脉瘤。结论3.0 T 3D-TOF MRA虽然对于直径≤3 mm的微小动脉瘤的诊断存在一定的误诊及漏诊率,但其诊断颅内动脉瘤时能比较全面地显示动脉瘤,三维信息对临床确立治疗方案有很大帮助。3.0 T 3D-TOF MRA不失为高危人群或临床怀疑颅内动脉瘤患者筛查及随诊观察的有效手段。     

有孔型椎基底动脉的磁共振增强血管成像研究简

目的分析有孔型椎基底动脉的磁共振增强血管成像（CEMRA）的影像学表现及相关血管性病变,提高对该血管异常影像学特征的认识。方法收集自2013年2月至2013年10月635例行头颈部CEMRA检查患者.其中男性337例,女性298例;年龄23～97岁,平均年龄62.4岁。将其图像传人工作站Volumeview软件行后处理,进行最大信号强度投影（MIP）.对图像进行分析。结果有孔型椎基底动脉共22例,其中有孔型基底动脉18例（检出率2.83％）,有孔型椎动脉4例（检出率0.63％）。有孔型椎基底动脉的异常血管形成圆孔状、裂隙样或凸透镜样形态。22例有孔型椎基底动脉中5例有孔基底动脉可见小脑下前动脉（AICA）开口于有孔血管。1例伴有烟雾病,1例合并前交通动脉瘤伴颅内出血,13例同时伴有动脉粥样硬化。结论颅内有孔型椎基底动脉的检出率约3.46％,有孔型血管尚可合并动脉瘤等其他血管性病变.CEMRA结合常规扫描能清楚显示和诊断有孔型椎基底动脉这一少见的血管异常。     

基于全卷积神经网络的直肠癌肿瘤磁共振影像自动分割方法

目的直肠肿瘤(rectum cancer,RC)的图像精确分割是直肠癌诊断和治疗的基础和关键。目前,直肠肿瘤的分割通常是由放射科医生逐切片进行,这种方式主观性强,工作量大。为此,本文提出了一种直肠肿瘤磁共振影像全自动分割网络,在有效减少放射科医生负担的同时提高了肿瘤分割结果的可重复性。方法首先采用一个预训练的ResNet50提取特征,并在网络隐藏层添加3个边输出模块,实现图像数据的多尺度特征提取,最后融合3个边输出模块获得最终的分割结果。将所提网络架构的分割结果与基于U-net网络架构的分割结果进行比较,并分析不同损失函数和感兴趣区域(region of interest,ROI)尺寸对所提网络分割性能的影响。结果本研究使用中山大学附属第六医院512例患者的影像数据对模型进行训练及测试,其中随机选取的461例患者的T2加权磁共振影像用于网络训练,剩下51例患者的T2加权磁共振影像用于网络测试。结果表明,所提网络分割结果的平均Dice相似性系数(Dice similarity coefficient,DSC)、平均敏感度(sensitivity)、平均特异度(specificity)及平均豪斯多夫距离(Hausdorff distance,HD)分别达到了83.61%、89.10%、96.36%和8.49,均优于基于U-net的分割方法。对于包含了肿瘤组织的ROI,尺寸越小,分割效果越好。对于给定尺寸的ROI,几种损失函数并无太大差异。结论该算法能够准确地勾画肿瘤边界,有助于提升医生工作效率。     

3.0T磁共振血管造影普查对颅内动脉开窗畸形的诊断价值

目的通过大样本病例研究颅内动脉开窗畸形磁共振血管造影(MRA)的检出率、好发部位及其临床意义。方法2009年10月至2011年3月行MRA 2 036例患者,确诊动脉开窗畸形25例(开窗畸形组),其中男性14例,女性11例;年龄30~81岁,平均年龄60.5岁。全部行头颅三维时间飞跃MRA(3D-TOF MRA)扫描,将原始图像经工作站处理,得到最大密度投影(MIP)和容积重组(VR)图像,分析颅内动脉开窗畸形的影像学特点,与伴发动脉瘤之间的相关性。结果 2 036例患者中,发现动脉开窗畸形共计25例(检出率1.23%,25/2 036),其中位于基底动脉11例;位于椎动脉颅内段4例;位于前交通动脉区6例;位于大脑中动脉3例;位于大脑后动脉1例。25例开窗畸形中有6例合并动脉瘤,4例位于颈内动脉颅内段,2例位于大脑前动脉。结论 3D-TOF MRA检查能准确诊断、显示颅内动脉开窗畸形。     

Magnetic resonance angiography of collateral vessel growth in a rabbit femoral artery ligation model

Collateral vessel growth was visualized in a rabbit femoral artery ligation model by serial contrast-enhanced magnetic resonance angiography (MRA) at 1.5 T in comparison with X-ray angiography (XRA). XRA and MRA were performed directly after femoral artery ligation (day 0+) and after 7 and 21 days. XRA (in-plane resolution, 0.3x0.3 mm) was performed with arterial catheterization for fast injection of iodinated contrast agent just proximal to the aortic bifurcation. MRA (in-plane, 0.6x0.6 mm) was performed at 1.5 T with a five-element phased-array coil and slow injection of gadolinium-based MR contrast agent into an ear vein. Collateral vessel scores on two-dimensional XRA projections and on three-dimensional digitally subtracted rotational MRA maximum intensity projections were obtained by two observers and compared. Collateral vessel counts and minimal detectable vessel diameters for MRA and XRA were combined in a computational flow model to interpret differences in spatial detection limits between imaging modalities in terms of flow. Collateral vessel scores were significantly higher in the ligated limb at day 7 (P < 0.05) and more so at day 21 (P < 0.001), in comparison with day 0+ or in the non-ligated control limb on both XRA and MRA. Significantly more (smaller) vessels were visualized with XRA than with MRA, particularly on day 21 (P < 0.05). Inter-observer agreement was high for both XRA (kappa = 0.82) and MRA (kappa = 0.78). The flow model showed that collateral vessels with diameters > 0.3 mm scored by XRA as well as MRA represent nearly 100% of the total blood flow, whereas smaller (0.1-0.3 mm diameter) vessels that can only be detected with XRA contribute little to the blood flow. Serial contrast-enhanced MRA can non-invasively visualize sub-millimeter collateral vessels that represent nearly 100% of the restored blood flow, in a femoral artery ligation model.     

A review on brain structures segmentation in magnetic resonance imaging

Background and objectivesAutomatic brain structures segmentation in magnetic resonance images has been widely investigated in recent years with the goal of helping diagnosis and patient follow-up in different brain diseases. Here, we present a review of the state-of-the-art of automatic methods available in the literature ranging from structure specific segmentation methods to whole brain parcellation approaches.MethodsWe divide first the algorithms according to their target structures and then we propose a general classification based on their segmentation strategy, which includes atlas-based, learning-based, deformable, region-based and hybrid methods. We further discuss each category's strengths and weaknesses and analyze its performance in segmenting different brain structures providing a qualitative and quantitative comparison.ResultsWe compare the results of the analyzed works for the following brain structures: hippocampus, thalamus, caudate nucleus, putamen, pallidum, amygdala, accumbens, lateral ventricles, and brainstem. The structures on which more works have focused on are the hippocampus and the caudate nucleus. In general, the accumbens (0.69 mean DSC) is the most difficult structure to segment whereas the structures that seem to get the best results are the brainstem, closely followed by the thalamus and the putamen with 0.88, 0.87 and 0.86 mean DSC, respectively. Atlas-based approaches achieve good results when segmenting the hippocampus (DSC between 0.75 and 0.90), thalamus (0.88–0.92) and lateral ventricles (0.83–0.93), while deformable methods perform good for caudate nucleus (0.84–0.91) and putamen segmentation (0.86–0.89).ConclusionsThere is not yet a single automatic segmentation approach that can emerge as a standard for the clinical practice, providing accurate brain structures segmentation. Future trends need to focus on combining multi-atlas methods with learning-based or deformable approaches. Employing atlases to provide spatial robustness and modeling the structures appearance with supervised classifiers or Active Appearance Models could lead to improved segmentation results.     

Combining optical coherence tomography with magnetic resonance angiography and Doppler ultrasonography for clinical detection of scleroderma

Scleroderma (SD) is a rare and agnogenic autoimmune disease whose progression can be modified by medical or surgical intervention if detected early. Multimodality imaging makes early detection of SD possible based on the structural and functional findings from different imaging methods. Combining optical coherence tomography (OCT) with magnetic resonance angiography (MRA) and Doppler ultrasonography (DUS) to identify the typical structural and functional features that can exhibit significant differences between SD patients and healthy controls. In this study, six participants (three healthy volunteers and three SD patients) were recruited and clinically examined by a rheumatologist. Participants’ fingers were scanned by MRA, DUS, and OCT, respectively. MRA and DSU imaging results showed that SD patients exhibited thicker finger skin, a loss of blood vessels, and lower blood flow, whereas OCT captured the high-resolution morphology changes of the skin, epidermal, dermis, and subcutaneous layers, demonstrating a distinct loss of the dermo-epidermal junction in SD patients. Multimodal imaging techniques offer a more comprehensive characterization of the morphological and functional information of biological tissues, which can assist physicians to achieve a more accurate SD diagnosis.