CN104318567A - 一种基于医学影像分割肾脏血管房室的方法 - Google Patents
一种基于医学影像分割肾脏血管房室的方法 Download PDFInfo
- Publication number
- CN104318567A CN104318567A CN201410578625.6A CN201410578625A CN104318567A CN 104318567 A CN104318567 A CN 104318567A CN 201410578625 A CN201410578625 A CN 201410578625A CN 104318567 A CN104318567 A CN 104318567A
- Authority
- CN
- China
- Prior art keywords
- kidney
- images
- scan
- image
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明提供一种基于医学影像分割肾脏血管房室的方法,包括:获取肾脏动态增强扫描的全部影像;将不同扫描期相的肾脏增强扫描图像数据进行配准;将肾脏区域从肾脏增强扫描图像中分割出来;绘制肾脏区域图像内每个体素的TDC曲线;计算肾脏区域图像内每个体素的TDC曲线中到达峰值浓度的时间TTP;生成肾脏的TTP特征图;利用自适应阈值方法对肾脏的TTP特征图阈值化;得到肾脏血管房室分割结果。本发明基于动态增强肾脏扫描影生成关于肾脏对比剂浓度的时间特征图像,并基于该时间特征图像,利用图像处理方法实现血管房室的分割提取。
Description
技术领域
本发明属于医学影像分析技术领域,具体涉及一种基于医学影像分割肾脏血管房室的方法。
背景技术
基于医学影像分析肾脏的滤过功能将会成为未来临床应用的一个发展趋势,而且目前已经有大量的相关研究开展。在这个分析过程中,房室模型是被广泛应用的一个分析模型。研究中对于肾脏房室模型的划分各不相同,包括两室模型、三室模型等,均用于描述血液在整个肾脏的滤过过程。而相同的是,无论是几室模型,都会包含一个血管房室的划分,即血液从血管房室向其它房室滤过。在计算分析的过程中,获知血管房室的体积对肾脏滤过功能的计算有重要意义。然而,在目前基于医学影像的肾脏滤过功能分析中,还没有提出关于血管房室的分割提取方法。较常见的是针对肾脏皮质和髓质的划分。而研究表明,血管房室在物理结构上,部分位于肾脏皮质中,部分位于肾脏髓质中。
肾小球滤过率 (GFR,glomerular filtration rate)是指单位时间内两肾生成滤液的量,肾小球滤过率与肾血浆流量的比值称为滤过分数。肾小球滤过率和滤过分数是衡量肾功能的指标。基于医学影像来分析肾小球滤过率已经成为该领域的研究热点,尤其是基于动态增强MRI影像的肾脏功能分析,因其具有扫描无辐射、对比剂计量小、可同时获得分侧肾脏的功能值等优点,将有非常好的应用前景。
1.现有的分析模型需要血管房室的划分
现有的基于动态增强MRI影像的肾脏功能分析中,均涉及肾脏血管房室的划分。在Patlak-Rutland二室模型中,肾脏被划分为两个房室:血管房室和小管房室,如图1所示。从图1中可以看出,动脉血浆首先流入肾脏血管,之后通过肾小球的滤过功能进入肾脏的小管房室。Lee等提出了的一个三室化的模型,Lee VS, Rusinek H, Bokacheva L, et al. Renal function measurements from MR renography and a simplified multicompartmental model [J]. Am J Physiol Renal Physiol. 2007, 292(5):F1548-1559.其对于肾脏房室的划分与Patlak-Rutland模型不同,它将三个房室定义为:血管房室A、近端小管房室P和亨勒袢房室L,如图2所示,来自动脉的血浆流Ao进入肾血管房室A,之后含示踪剂的血浆经过肾小球滤过进入近端小管房室P,剩余部分经过肾静脉(向下的实线箭头)离开肾脏。滤过的液体横贯亨勒袢房室L,并经过输尿管离开肾脏。不含示踪剂的水经P和L房室重吸收进入小管周围的毛细血管,分别以和的比例,如虚线所示。这里近端小管房室P完全包含在肾脏皮质中,勒袢房室L完全包含在肾脏髓质中,而血管房室A部分包含于皮质,部分包含于髓质。
2.皮髓质分割方法
由于目前没有针对血管房室的分割方法,基本上都是对肾脏进行皮质和髓质的分割。肾脏皮髓质的划分方法相对较多,相关的列举如下:
中国专利【CN 100586371 C】公开了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。
中国专利【CN200410020673】公开了一种医学图像的三维分割方法,采用Canny算子进行边缘检测,采用余弦函数进行轮廓插值,利用Canny算子和梯度信息生成图像的全局能量代价函数,作为交互式分割基础,实现对关键层的轮廓提取,进而在关键层之间利用基于余弦函数的插值方法产生中间层轮廓,同时在中间层轮廓上根据该层的局部能量代价自动生成种子点,并依据局部能量代价函数进行轮廓的自动调整,对插值生成的轮廓进行自动的修正,从而得到真正的分割区域。
文章<Automatic renal cortex segmentation using implicit shape registration and novel multiple surfaces graph search.>中提到了利用隐含形状配准及多表面图搜索的方法来分割肾脏皮质。
文章<An automatic method for renal cortex segmentation on CT images: evaluation on kidney donors.>提出了基于CT对比增强扫描影像分割肾脏皮质的方法。
文章<Segmentation of kidney cortex in MRI studies: a constrained morphological 3D h-maxima transform approach> 提出了一种基于三维形态学变换的肾脏皮质分割方法。
上述方法均针对肾脏皮质进行分割,而非针对肾脏的血管房室进行分割;另外上述方法均为采用基于图像本身的分割方法。
如前所述,在利用肾脏的房室模型分析肾脏滤过功能时,肾脏被划分为血管房室、小管房室等。如果能够精确获取肾脏血管房室的划分,进而得到其体积、平均浓度等信息,将对肾脏滤过模型计算有较大帮助。肾脏内不同房室的划分与皮髓质划分不同,由于缺乏理想的房室划分方法,现有技术都是针对肾脏的皮髓质进行分割,以该结果来替代房室划分结果或基于此结果通过进一步的计算获得房室划分结果。到目前为止,还没有直接通过图像分析获得肾脏房室划分结果的方法。
另外,在对肾脏的皮髓质进行分割时,多数方法是利用注入对比剂后的肾脏图像进行分割处理的。由于对比剂流经肾脏后,其皮质会在一定时间内显示为高亮信号值,而髓质尚未发生明显变化,故很多方法利用这一特点进行皮髓质的分割。而该方法的不足之处在于扫描期相的选取,由于对比剂注入后会对肾脏进行多个期相的扫描,而不同扫描期相下,肾脏内高亮信号的区域会有各种变化,因此选取不同期相的扫描图像就会产生不同的皮髓质分割结果。
发明内容
针对现有技术存在的问题,本发明提供一种基于医学影像分割肾脏血管房室的方法。
本发明的技术方案是:
一种基于医学影像分割肾脏血管房室的方法,包括以下步骤:
步骤1:获取肾脏动态增强扫描的全部影像;
步骤1-1:在未注入对比剂的情况下,获取一个期相的肾脏扫描图像;
步骤1-2:注入对比剂,并且每间隔固定的时间进行一次肾脏增强扫描;
步骤1-3:连续获取多个期相的肾脏增强扫描图像,得到肾脏动态增强扫描的全部影像;
步骤2:将不同扫描期相的肾脏增强扫描图像数据进行配准;
步骤3:将肾脏区域从肾脏增强扫描图像中分割出来;
步骤4:绘制肾脏区域图像内每个体素的TDC曲线;
步骤5:计算肾脏区域图像内每个体素的TDC曲线中到达峰值浓度的时间TTP;
步骤6:生成肾脏的TTP特征图;
步骤7:利用自适应阈值方法对肾脏的TTP特征图阈值化;
步骤8:得到肾脏血管房室分割结果。
有益效果:
本发明基于动态增强扫描图像的特点,利用所有扫描期相的图像数据,生成关于肾脏对比剂浓度的时间特征图像,并基于该时间特征图像,利用图像处理方法实现血管房室的分割提取。需要说明的是,本发明的直接目的并不是获得诊断结果或健康状况,而只是从肾脏动态增强扫描的全部影像中获取作为中间结果的信息或生理参数,即肾脏血管房室的分割结果,进而获得其体积、浓度等参数,作为肾脏的功能分析的基础。
附图说明
图1是二室模型的肾脏房室示意图;
图2是三室化模型的肾脏房室示意图;
图3是本发明具体实施方式的同一体层不同时刻(期相)的扫描图像;
图4是本发明具体实施方式的最大密度投影后的图像;
图5是本发明具体实施方式的灰度腐蚀后的图像;
图6是本发明具体实施方式的沿L-R方向的最大密度分布曲线;
图7是本发明具体实施方式的沿H-F方向的最大密度分布曲线;
图8是本发明具体实施方式定位的肾脏区域;
图9是本发明具体实施方式的时间浓度曲线图;
图10是本发明具体实施方式的肾脏的TTP特征图;
图11是本发明具体实施方式的肾脏内所有体素的特征值直方图;
图12是本发明具体实施方式的对肾脏的TTP特征图阈值化的结果图;
图13是本发明具体实施方式的肾脏血管房室的分割结果;
图14是本发明具体实施方式的基于医学影像分割肾脏血管房室的方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
一种基于医学影像分割肾脏血管房室的方法,如图14所示,包括以下步骤:
步骤1:获取肾脏动态增强扫描的全部影像;
步骤1-1:在未注入对比剂的情况下,获取一个期相的肾脏扫描图像;
步骤1-2:注入对比剂,并且每间隔3秒的时间进行一次肾脏增强扫描;
步骤1-3:连续获取多个期相的肾脏增强扫描图像,得到肾脏动态增强扫描的全部影像;
影像的扫描全部在GE 3. 0T HDx 机器上完成,使用体部相控阵线圈,定位扫描后,首先进行常规序列扫描,然后进行MRU 和相位对比法MRA. 扫描参数TR = 4. 7 ms,TE = 1. 9 ms,TI = 5. 0 ms,翻转角15°,矩阵256 × 256,FOV = 30 cm × 30 cm,带宽100 kHz,层厚4. 0 mm,共16 层,采集时间3. 0 s.同一体层不同时刻(期相)的扫描图像如图3所示。
步骤2:将不同扫描期相的肾脏增强扫描图像数据进行配准;
当肾脏动态增强扫描过程完成后,获取肾脏在不同扫描期相的影像数据。为了避免由于在不同扫描期相(时刻)肾脏的相对运动对分析结果的影响,本实施方式中采用通用的三维配准算法对不同期相的肾脏进行配准。
步骤3:将肾脏区域从肾脏增强扫描图像中分割出来;
首先需要将肾脏从每期相扫描图像中提取出来,先对肾脏区域进行自动定位,之后利用增强后期的扫描图像(肾脏整体被较均匀增强)与未注入对比剂的扫描图像进行剪影,从而将肾脏区域从肾脏增强扫描图像中分割出来。
基于MR 动态增强扫描影像的特点,肾脏区域的自动定位方法如下:
(1)进行非增强扫描数据与实质期增强扫描数据的三维配准减影,获取非增强扫描数据的三维数据和实质期增强扫描三维数据;
(2)对获取的实质期增强扫描三维数据分别作冠状位和横断位投影,得到冠状位投影图像和横断位投影图像;
(3)在冠状位投影图像上定位肾脏区域:肾脏区域定位需要在上、下、左、右、前、后6个方向上完成,在冠状位投影图像上完成上、下、左、右4个方向的定位,前、后方向的定位将在横断位投影图像上完成;
(3.1)沿A-P ( 前、后) 方向做最大密度投影( MIP);
对减影后的三维数据沿前后方向作最大密度投影,得到如图4所示的图像;
(3.2)灰度腐蚀;
由图4可见,除肾脏之外还有其他组织的信号强度表现为高亮,但肾脏是其中均匀度较好且强度最大的区域,对其进行灰度腐蚀,以去除干扰区域,如图5所示;
(3.3)沿L-R( 左、右)方向计算MID( maximumintensity distribution,最大密度分布) 曲线;
由图5可看出,除肾脏区域外,其他区域已经不再是高亮区域.基于该图像,利用MID 曲线可以找到肾脏区域,生成图5的区域沿L-R方向的MID曲线,如图6所示;
(3.4)确定肾脏在H-F(上、下)方向上的区间[h,f];
图6中,中间虚线表示曲线均值,上、下两条虚线表示曲线的标准差,这里以均值加一个标准差作为阈值来求得区间的边界[h,f],由于沿L-R方向的MID曲线是通过灰度腐蚀图像获得的,因此需要对真实边界进行还原;
(3.5)沿H-F(上、下)方向计算最大密度分布曲线,如图7所示;
(3.6)确定肾脏在L-R方向上的区间,即左肾[L1,R1]和右肾[L2,R2];可以看到图7 中有两个峰,它们分别表示左肾区间和右肾区间;
(4)在横断位投影图像上定位肾脏的前后位置;具体方法同步骤(3);
经过上述步骤,定位的肾脏区域如图8所示;
自动定位完成后在定位的肾脏区域内利用增强后期(肾脏整体被较均匀增强)的图像与未注入对比剂的图像进行减影的方法而获得肾脏的分割结果。
步骤4:绘制肾脏区域图像内每个体素的TDC曲线(时间浓度曲线);
对于肾脏内的每一个体素,均可以得到其浓度(亮度信号)随时间(不同扫描期相)的变化曲线,即时间浓度曲线(TDC),如图9所示。
步骤5:计算肾脏区域图像内每个体素的TDC曲线中到达峰值浓度的时间TTP;
针对每个体素得到的TDC曲线计算出曲线中浓度达到峰值所对应的时间,即TTP。
步骤6:生成肾脏的TTP特征图,如图10所示;
当肾脏内所有体素的TTP计算完成后,可以得到整个肾脏关于TTP的特征图像,如图10所示。其中肾脏内较暗的区域代表其中的体素浓度达峰时间较短,较亮的区域代表其中的体素浓度达峰时间较长。
步骤7:利用自适应阈值方法对肾脏的TTP特征图阈值化,如图11、12所示;
得到肾脏的TTP特征图后,可以得到肾脏内所有体素的特征值直方图,如图11所示,根据该直方图利用大津阈值法获取自适应的肾脏血管房室分割阈值。阈值化后的结果如图12所示。
步骤8:得到肾脏血管房室分割结果。
根据阈值化后的结果,再辅以一些形态学处理,即可获得肾脏血管房室的分割结果,如图13所示。
Claims (3)
1.一种基于医学影像分割肾脏血管房室的方法,其特征在于:包括以下步骤:
步骤1:获取肾脏动态增强扫描的全部影像;
步骤1-1:在未注入对比剂的情况下,获取一个期相的肾脏扫描图像;
步骤1-2:注入对比剂,并且每间隔固定的时间进行一次肾脏增强扫描;
步骤1-3:连续获取多个期相的肾脏增强扫描图像,得到肾脏动态增强扫描的全部影像;
步骤2:将不同扫描期相的肾脏增强扫描图像数据进行配准;
步骤3:将肾脏区域从肾脏增强扫描图像中分割出来;
步骤4:绘制肾脏区域图像内每个体素的TDC曲线;
步骤5:计算肾脏区域图像内每个体素的TDC曲线中到达峰值浓度的时间TTP;
步骤6:生成肾脏的TTP特征图;
步骤7:利用自适应阈值方法对肾脏的TTP特征图阈值化;
步骤8:得到肾脏血管房室分割结果。
2.根据权利要求1所述的基于医学影像分割肾脏血管房室的方法,其特征在于:所述步骤2采用三维配准算法将不同扫描期相的肾脏增强扫描图像数据进行配准。
3.根据权利要求1所述的基于医学影像分割肾脏血管房室的方法,其特征在于:所述步骤3是利用增强后期的扫描图像与未注入对比剂的扫描图像进行减影,从而将肾脏区域从肾脏增强扫描图像中分割出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410578625.6A CN104318567B (zh) | 2014-10-24 | 2014-10-24 | 一种基于医学影像分割肾脏血管房室的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410578625.6A CN104318567B (zh) | 2014-10-24 | 2014-10-24 | 一种基于医学影像分割肾脏血管房室的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318567A true CN104318567A (zh) | 2015-01-28 |
CN104318567B CN104318567B (zh) | 2017-05-10 |
Family
ID=52373793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410578625.6A Expired - Fee Related CN104318567B (zh) | 2014-10-24 | 2014-10-24 | 一种基于医学影像分割肾脏血管房室的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318567B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803241A (zh) * | 2017-01-20 | 2017-06-06 | 深圳市安健科技股份有限公司 | 血管造影图像的处理方法及装置 |
CN108596933A (zh) * | 2018-04-20 | 2018-09-28 | 北京大学 | 一种无须标记的有监督的肾脏动态图像全自动分割方法 |
CN109350089A (zh) * | 2018-10-25 | 2019-02-19 | 杭州医学院 | 一种基于ct图像的甲状腺区域自动分割方法 |
CN109431531A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的血管分割方法及装置和计算机装置 |
CN113616226A (zh) * | 2021-09-14 | 2021-11-09 | 上海联影医疗科技股份有限公司 | 一种血管分析方法、系统、设备及存储介质 |
WO2023169578A1 (zh) * | 2022-03-11 | 2023-09-14 | 武汉联影智融医疗科技有限公司 | 一种用于介入手术的图像处理方法、系统和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101138498A (zh) * | 2007-10-17 | 2008-03-12 | 北京大学 | 一种基于磁共振三维肾图的图像处理方法 |
US20140294734A1 (en) * | 2013-03-31 | 2014-10-02 | Case Western Reserve University | Magnetic Resonance Imaging (MRI) Based Quantitative Kidney Perfusion Analysis |
-
2014
- 2014-10-24 CN CN201410578625.6A patent/CN104318567B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101138498A (zh) * | 2007-10-17 | 2008-03-12 | 北京大学 | 一种基于磁共振三维肾图的图像处理方法 |
US20140294734A1 (en) * | 2013-03-31 | 2014-10-02 | Case Western Reserve University | Magnetic Resonance Imaging (MRI) Based Quantitative Kidney Perfusion Analysis |
Non-Patent Citations (2)
Title |
---|
YANG TANG ET AL: "Renal segmentation in physiological feature space with dynamic contrast enhanced MR Urography:preliminary research", 《PROC. SPIE 7497, MIPPR 2009:MEDICAL IMAGING, PARALLEL PROCESSING OF IMAGES, AND OPTIMIZATION TECHNIQUES》 * |
李宏 等: "基于多期MR影像的肾脏自动定位与分割方法", 《东北大学学报(自然科学版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803241A (zh) * | 2017-01-20 | 2017-06-06 | 深圳市安健科技股份有限公司 | 血管造影图像的处理方法及装置 |
CN108596933A (zh) * | 2018-04-20 | 2018-09-28 | 北京大学 | 一种无须标记的有监督的肾脏动态图像全自动分割方法 |
CN108596933B (zh) * | 2018-04-20 | 2022-03-25 | 北京大学 | 一种无须标记的有监督的肾脏动态图像全自动分割方法 |
CN109350089A (zh) * | 2018-10-25 | 2019-02-19 | 杭州医学院 | 一种基于ct图像的甲状腺区域自动分割方法 |
CN109350089B (zh) * | 2018-10-25 | 2022-03-08 | 杭州医学院 | 一种基于ct图像的甲状腺区域自动分割方法 |
CN109431531A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的血管分割方法及装置和计算机装置 |
CN113616226A (zh) * | 2021-09-14 | 2021-11-09 | 上海联影医疗科技股份有限公司 | 一种血管分析方法、系统、设备及存储介质 |
WO2023169578A1 (zh) * | 2022-03-11 | 2023-09-14 | 武汉联影智融医疗科技有限公司 | 一种用于介入手术的图像处理方法、系统和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104318567B (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318567B (zh) | 一种基于医学影像分割肾脏血管房室的方法 | |
CN101506842B (zh) | 灌注成像的方法 | |
US6845260B2 (en) | Automatic vessel indentification for angiographic screening | |
US8068655B2 (en) | Method and system for vessel enhancement and artifact reduction in TOF MR angiography of brain | |
CN104143035B (zh) | 一种分割乳腺病灶的方法 | |
CN105447872A (zh) | 一种在超声影像中自动识别肝脏肿瘤类型的方法 | |
JP2003529421A (ja) | 血管セグメンテーションの自動化による磁気共鳴血管造影法 | |
WO2003009230A1 (en) | Magnetic resonance angiography method and apparatus | |
AU2011344876A1 (en) | Method for delineation of tissue lesions | |
Gupta et al. | Cardiac MR perfusion image processing techniques: a survey | |
CN104323777A (zh) | 一种扩散磁共振成像运动伪影的消除方法 | |
CN108375747A (zh) | 一种基于磁共振指纹的动态增强磁共振成像方法 | |
CN110246137A (zh) | 一种成像方法、装置及存储介质 | |
CN101658428A (zh) | 灌注成像技术中对位图进行处理的方法和系统 | |
CN104463844A (zh) | 基于brox光流法的超声造影图像血管灌注区提取方法 | |
CN104688269B (zh) | 一种时间强度曲线的呼吸运动补偿及双峰拟合的方法 | |
CN101425140A (zh) | 基于骨架特征的脑血管瘤图像识别检测方法 | |
US8798349B2 (en) | Systems and methods for detecting arterial input function (AIF) | |
Mostapha et al. | Dynamic MRI-based computer aided diagnostic systems for early detection of kidney transplant rejection: A survey | |
Guo et al. | Frame rate effects and their compensation on super-resolution microvessel imaging using ultrasound localization microscopy | |
CN105225234A (zh) | 基于支持向量机mri图像分割的肺部肿瘤识别方法 | |
Likhite et al. | Deformable and rigid model-based image registration for quantitative cardiac perfusion | |
Simmons et al. | Segmentation of neuroanatomy in magnetic resonance images | |
CN105184799A (zh) | 一种改进的无监督脑部肿瘤mri图像分割方法 | |
Jackowski et al. | Characterizing vascular connectivity from microCT images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170510 Termination date: 20171024 |