CN100586371C - 一种基于磁共振三维肾图的图像处理系统 - Google Patents

Abstract

本发明涉及一种基于磁共振三维肾图的图像处理系统，一种基于磁共振三维肾图的图像处理系统，其特征在于：它包括一个磁共振成像工作站，一台辅助计算控制装置，磁共振工作站通过灌注成像方式得到不同时相的磁共振影像，所述辅助控制装置，根据相关的计算方法完成对三维磁共振肾图的计算和显示输出，所述辅助技算控制装置包括：图像处理模块、抓取图像模块、图像切除模块、图像识别模块、图像剪影模块、图像分割模块和综合匹配模块。本发明能够较为准确的矫正MRI图像获取过程中肾脏由于呼吸导致的运动，并能对皮髓质进行准确的分割。本发明可以广泛应用于磁共振肾图图像处理中。

Description

一种基于磁共振三维肾图的图像处理系统

技术领域

本发明涉及一种磁共振图像处理系统，特别是关于一种基于磁共振三维肾图的图像处理系统。

背景技术

MRI(磁共振成像，Magnetic Resonance Imaging)动态增强扫描作为一种安全的肾脏功能评价方式，可用于肾脏的灌注和滤过功能评价，有重要的临床应用前景。在肾脏MR(磁共振)动态增强扫描时，磁共振对比剂顺序通过肾脏的皮质、髓质和集合系统，不同区域对比剂的信号强度相对于时间的变化情况可以反映该区域某些功能，将这种信号强度的变化绘制出来形成的时间-信号强度曲线称作MRR(Magnetic Resonance Renography)，也叫磁共振肾图。磁共振肾图，空间分辨率高，可清晰分辨肾脏皮质及髓质，而且检查过程对患者无放射性损害。如果能够分别或综合分析皮质和髓质的MRR曲线，在图像的信号强度和对比剂的浓度之间建立对应关系，那么便有可能得到肾小球滤过率等重要指标，进而建立一套定量分析系统，得到不同类型肾脏疾病所对应的指标参数，为肾脏疾病的诊断提供重要依据。

在采集MRR的肾脏动态增强扫描过程中，重复快速扫描病人的腹部，可以得到多时相数据并绘制磁共振肾图，总扫描时间可达2～4分钟。不同时间采集到的磁共振图像中，由于肾脏会随受检者的呼吸运动而发生一定程度的位移，所以在此基础上自动绘制的MRR，部分容积效应会很明显，从而影响MRR的准确性。要得到准确的MRR，需要对不同时相的动态增强图像进行配准。现在医院使用的多是MRI工作站上所附带的医学图像后处理软件，至今还尚未有工作站能够对肾灌注图像进行具有针对性的专门处理，尤其是对呼吸运动的矫正以及对肾实质的精确划分；这方面的成果即使在国外也只是停留在研究层面。由于无法对呼吸造成的图像移动进行矫正和对皮质髓质进行自动而高效的分割，从而使得肾图误差较大，难以提供有价值的临床信息，给后续的研究带来了困难。

目前医生只能通过对单张图像手动勾画的方法来获取感兴趣区域和进行数据分析，而采用LAVA(肝脏三维容积超快速多期动态增强成像技术，liver acquisitionwith volume acceleration)序列扫描的三维肾灌注图像数量庞大，国外研究表明，图像的配准和分割如果全部由研究者手动进行，处理一个病人的图像需要大约2～3小时，对临床应用来说，这种工作负担时间上不允许，强度也太大。因此，高效而准确的对呼吸造成的运动进行准确的识别矫正，以及对皮质髓质进行准确的分割，就成为了当前磁共振肾图研究中一个非常关键的课题。

发明内容

针对上述问题，本发明的目的是提供一种能够较为准确地矫正肾脏由于呼吸导致的运动，并能对皮髓质进行准确的分割，从而获得合理的三维磁共振肾图，为肾脏疾病的诊断提供重要依据的基于磁共振三维肾图的图像处理系统。

为实现上述目的，本发明采取以下技术方案：一种基于磁共振三维肾图的图像处理系统，其特征在于：它包括：图像读取模块、抓取图像模块、图像切除模块、图像识别模块、时相匹配剪影模块、图像分割模块和综合匹配模块；

所述图像读取模块从磁共振工作站上读取肾脏的磁共振三维扫描图像；

所述抓取图像模块确定每个时相图像数和背景时相、皮髓质分界时相、全肾时相；

所述图像切除模块切除全肾时相图像中的相关血管和肾盂区域；

所述图像识别模块识别全肾轮廓；

所述时相匹配剪影模块匹配背景时相与皮髓质分界时相，并剪影，所述匹配背景时相与皮髓质分界时相是以皮质区域作为模板，将传统的基于相关系数的二维相关匹配扩展到三维，所述三维相关系数计算公式如下：

$\mathrm{\ρ}(x,y,z)=\frac{\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}[f(r,s,t)-\stackrel{\‾}{f}][w(x+r,y+s,z+t)-\stackrel{\‾}{w}]}{{\left\{\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{[f(r,s,t)-\stackrel{\‾}{f}]}^2\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{[w(x+r,y+s,z+t)-\stackrel{\‾}{w}]}^2\right\}}^{\frac{1}{2}}}$

其中，r，s，t表示皮质区域象素的三维坐标，f(r，s，t)为已知图像皮质区域象素的灰度值，f为已知图像皮质区域象素的灰度均值，x，y，z为肾在待匹配三维图像内平移的坐标，w(x+r，y+s，z+t)为皮质平移后在待匹配图像内对应点的灰度值，w为其均值，ρ(x，y，z)为计算所得的相关系数，ρ(x，y，z)∈[-1，1]；

所述图像分割模块分割肾脏的皮质和髓质；所述综合匹配模块匹配所有时相的图像。

所述图像识别模块采用区域增长方法获取全肾轮廓，所述图像识别模块包括种子点模块、阈值计算模块和邻域合并模块；用户在全肾时相内选择一个或者若干个落在肾区域内的种子点，输入所述种子点模块；所述种子点模块从所有的种子点内取出一个种子点作为本次区域增长的起始点；在所述阈值计算模块中采用线性判别法计算该种子点生长阈值T；在所述邻域合并模块中计算当前种子点26邻域内每点的灰度值与当前区域增长所得到结果区域灰度的平均值之差，如果差小于当前种子点的生长阈值，就把该点合并到结果区域，并计为新的种子点；将所述种子点模块中所有的种子点依次输入所述阈值计算模块和邻域合并模块中，直到结果区域不能增长为止。

在所述阈值计算模块中计算种子点生长阈值T时，令T＝I*k，其中I为当前区域增长所得到结果区域灰度的平均值，k为用户设定的斜率。

本发明由于采取以上技术方案，其具有以下优点：1、由于本发明能够较为准确地矫正MRI图像获取过程中肾脏由于呼吸导致的运动，并能对皮髓质进行准确的分割，所以图像空间分辨率高，MRR更为准确。2、由于本发明能够分别或综合分析皮质和髓质的MRR曲线，在图像的信号强度和对比剂的浓度之间建立对应关系，使得MRR图定量分析成为可能，为肾脏诊断提供重要依据。3、由于本发明能高效而准确的对呼吸造成的运动进行准确的识别矫正，以及对皮质髓质进行准确的分割，所以可以节省时间、减轻工作强度。4、由于本发明是针对图像是三维的，需要处理的层面比较多的情况，提出了一种切割方法，所以能够极大的简化这个步骤的复杂程度。

附图说明

图1是本发明流程图

图2是运行程序起始界面图

图3是选取待处理的图像目录界面图

图4是设定时相长度的界面图

图5是分时相显示图像集结构的界面图

图6是输入用户选择的特定时相号(背景，CMD，全肾)的界面图

图7是确认输入时相号正确的界面图

图8是弹出的图像窗口

图9是确认和修改得到的肾脏轮廓示意图

图10是皮髓质区域分割结果示意图

图11是对比剂浓度变化曲线示意图

具体实施方式

下面结合附图和实施例，对本发明进行详细的描述。

如图1所示，本发明一种基于区域增长和相关匹配的磁共振三维肾图的图像处理系统，其具体操作流程如下：

第一步：运行程序，出现程序界面(如图2所示)，调用图像处理模块，选取待处理的图像目录(如图3所示)，读取图像，从磁共振工作站上获得的MRI图像是DICOM(医疗数字影像及传输标准，Digital Imaging Communications inMedicine)格式的。

DICOM文件是指按照DICOM标准而存储的医学文件。DICOM文件头包含了标识数据集合的相关信息，换句话说，很多关于图像的信息就存储在文件头中。由于DICOM图像的文件名顺序和图像在扫描中的次序并不一致，因此对我们来说，获取正确的图像编号是处理图像的先决条件，该信息存储在名为InstanceNumber的标签中。通过读取InstanceNumber的值，就能正确地对图像进行排序，为下一步处理做好准备。

第二步：用户输入与当前处理图像序列相关参数，包括每个时相图像数、背景时相、CMD(皮髓质分界，corticomedullary differentiation)时相、全肾时相、每个时相中肾的起始和结束图像。具体操作步骤如下：

1、输入时相长度(如图4所示)；

2、分时相显示图像集结构(如图5所示)；

3、输入用户选择的特定时相号，相号包括背景、CMD和全肾(如图6所示)；

4、确认输入时相号正确(如图7所示)。

第三步：弹出的图像窗口，通过双击鼠标，在肾脏的中心区域选择一个点(如图8所示)。

第四步：对所得肾脏轮廓进行确认和修改，必要时进行清除肾盂的操作(如图9所示)。在全肾时相的某些层面中，肾血管、肾盂和肾盏中由于有对比剂的存在，于是这些组织和皮质同时显影；另外，在图像上，某些病人的肝脏和脾脏和肠管的某些部分与肾脏密切相关，这样就对肾脏轮廓的识别带来了很大的困难，因此在进行全肾轮廓识别前需要将可能影响分割结果的区域，尤其是将肾盂和血管部分与肾实质分离。

进行必要的清除后，为获取全肾轮廓提出一种区域增长方法，其具体步骤如下：

1、用户在全肾时相内选择一个或者若干个种子点P1，P2，P3，…，Pn(种子点应落在肾区域内)；

2、从所有的种子点内选取一个点Pi作为本次区域增长的起始点；

3、计算该种子点生长阈值T：传统的方法中，T为固定的阈值，在处理不同图像时需要调整多次才能得到理想结果，本发明采用了一种线性计算判别阈值的方法，令T＝I*k，其中I为当前区域增长所得到结果区域灰度的平均值，k为用户设定的斜率。在肾区域内部，区域灰度均值较大，判别阈值因此较大，可以将某些因噪声引起的暗点合并；而在肾区域的边缘，象素点的灰度迅速降低，区域均值的降低导致判别阈值也随之急剧减小，能够有效防止过度生长。

4、计算当前种子点26邻域(图像空间中与该点相邻的26个像素点的集合)内每点与I的灰度值之差，如果差小于当前种子点的生长阈值，就把该点合并到结果区域，并计为新的种子点。

5、重复2、3、4的操作，直到结果区域不能增长为止。

第五步：用户确认皮髓质区域分割结果，包括剪影、预匹配、皮髓质区域分割和轮廓饱和度调整(如图10所示)。

图像剪影是把同一切面的CMD时相和背景时相的图像做减法运算，这样可以在CMD时相中去掉背景信号的影响，突出了对比剂信号的显示，提高了图像的对比度，有利于随后的皮质和髓质的识别和分割。

皮质和髓质的信号强度在不同时间由于对比剂浓度的不同而不断变化，而且皮质和髓质亮度的变化趋势大相径庭。传统的相关系数匹配方式使用一个m×n的子图像作为模板，适用于静态图像，因此这种方式对肾脏动态增强图像的匹配并不适用。考虑到在整个动态增强过程中，整个皮质区域的信号强度随着对比剂的浓度改变而相对均匀的变化，所以对传统的模板匹配方式加以改进，以皮质区域作为模板，同时将传统的基于相关系数的二维相关匹配扩展到三维，进一步增强了匹配结果的准确性。图像匹配时，将不同时相同一切面的图像按移动的模板取出相应得两个像素点集，应用相关系数计算公式计算出两个点集的相关系数，并且根据最大相关系数对应的图像模板位移来调整原始图像，完成两个时相间的图像匹配。

本发明所使用的三维相关系数计算公式如下：

$\mathrm{\ρ}(x,y,z)=\frac{\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}[f(r,s,t)-\stackrel{\‾}{f}][w(x+r,y+s,z+t)-\stackrel{\‾}{w}]}{{\left\{\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{[f(r,s,t)-\stackrel{\‾}{f}]}^2\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{[w(x+r,y+s,z+t)-\stackrel{\‾}{w}]}^2\right\}}^{\frac{1}{2}}}$

其中，r，s，t表示皮质区域象素的三维坐标，f(r，s，t)为已知图像皮质区域象素的灰度值，f为已知图像皮质区域象素的灰度均值，x，y，z为肾在待匹配三维图像内平移的坐标，w(x+r，y+s，z+t)为皮质平移后在待匹配图像内对应点的灰度值，w为其均值。ρ(x，y，z)为计算所得的相关系数，ρ(x，y，z)∈[-1，1]。

第六步：对皮质和髓质的分割依然采用区域增长分割方法，将经过匹配的全肾区域作为掩模，只在掩模内对髓质进行区域增长。用户在髓质内选择合适的种子点，可以得到髓质区域，此时剩下的区域可以认为就是皮质，对皮质和髓质分割的结果使得以皮质区域为模板进行精确匹配成为可能。

第七步：根据三维相关系数匹配方法，以皮质区域为模板，从全肾时相开始，各个时相依次和最临近的已匹配过的时相进行匹配，结果表明各个时相内由呼吸引起的运动得到了很好的识别。对比剂浓度变化曲线显示，曲线包括全肾、髓质和皮质共三条浓度曲线(如图11所示)。

如图1所示，用户对于所取得的曲线图满意后，肾脏自动分析工具箱调用返回。

Claims (3)

1、一种基于磁共振三维肾图的图像处理系统，其特征在于：它包括：图像读取模块、抓取图像模块、图像切除模块、图像识别模块、时相匹配剪影模块、图像分割模块和综合匹配模块；

所述图像读取模块从磁共振工作站上读取肾脏的磁共振三维扫描图像；

所述抓取图像模块确定每个时相图像数和背景时相、皮髓质分界时相、全肾时相；

所述图像切除模块切除全肾时相图像中的相关血管和肾盂区域；

所述图像识别模块识别全肾轮廓；

所述时相匹配剪影模块匹配背景时相与皮髓质分界时相，并剪影，所述匹配背景时相与皮髓质分界时相是以皮质区域作为模板，将传统的基于相关系数的二维相关匹配扩展到三维，所述三维相关系数计算公式如下：

$\mathrm{\ρ}(x,y,z)=\frac{\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}[f(r,s,t)-\stackrel{\‾}{f}][w(x+r,y+s,z+t)-\stackrel{\‾}{w}]}{{\left\{\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{[f(r,s,t)-\stackrel{\‾}{f}]}^2\underset{r}{\mathrm{\Σ}}\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{[w(x+r,y+s,z+t)-\stackrel{\‾}{w}]}^2\right\}}^{\frac{1}{2}}}$

其中，r，s，t表示皮质区域象素的三维坐标，f(r，s，t)为已知图像皮质区域象素的灰度值，f为已知图像皮质区域象素的灰度均值，x，y，z为肾在待匹配三维图像内平移的坐标，w(x+r，y+s，z+t)为皮质平移后在待匹配图像内对应点的灰度值，w为其均值，ρ(x，y，z)为计算所得的相关系数，ρ(x，y，z)∈[-1，1]；

所述图像分割模块分割肾脏的皮质和髓质；

所述综合匹配模块匹配所有时相的图像。

2、如权利要求1所述的一种基于磁共振三维肾图的图像处理系统，其特征在于：所述图像识别模块采用区域增长方法获取全肾轮廓，所述图像识别模块包括种子点模块、阈值计算模块和邻域合并模块；

用户在全肾时相内选择一个或者若干个落在肾区域内的种子点，输入所述种子点模块；

所述种子点模块从所有的种子点内取出一个种子点作为本次区域增长的起始点；

在所述阈值计算模块中采用线性判别法计算该种子点生长阈值T；

在所述邻域合并模块中计算当前种子点26邻域内每点的灰度值与当前区域增长所得到结果区域灰度的平均值之差，如果差小于当前种子点的生长阈值，就把该点合并到结果区域，并计为新的种子点；

将所述种子点模块中所有的种子点依次输入所述阈值计算模块和邻域合并模块中，直到结果区域不能增长为止。

3、如权利要求2所述的一种基于磁共振三维肾图的图像处理系统，其特征在于：在所述阈值计算模块中计算种子点生长阈值T时，令T＝I*k，其中I为当前区域增长所得到结果区域灰度的平均值，k为用户设定的斜率。

Images