CN112819948A - 一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质 - Google Patents
一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112819948A CN112819948A CN202110163905.0A CN202110163905A CN112819948A CN 112819948 A CN112819948 A CN 112819948A CN 202110163905 A CN202110163905 A CN 202110163905A CN 112819948 A CN112819948 A CN 112819948A
- Authority
- CN
- China
- Prior art keywords
- thin layer
- voxel position
- inclination angle
- diffusion
- myocardial cell
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及医学图像处理技术领域,公开了一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质。通过本发明创造,提供了一种可有效降低薄层建模误差及简化薄层倾角量化计算过程的新型重建方案,即通过基于几何代数G3空间,使用双重矢量的有向面表示心肌细胞排列形成的薄层,并在此建模方式下重新定义薄层倾角量化计算方式,可以避免带来薄层建模误差,并简化薄层倾角量化计算过程,利于快速得到心肌细胞薄层排列结构的重建结果,方便在临床医学中基于弥散张量成像进行实时重建,进而可应用到磁共振成像仪器及扩散磁共振图像分析/处理软件中,便于实际应用和推广。
Description
技术领域
本发明属于医学图像处理技术领域,具体涉及一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质。
背景技术
心肌(cardiacmuscle)是由心肌细胞构成的一种肌肉组织,其中,心肌细胞(cardiac muscle cells or cardiomyocytes)是构成心房和心室的最小单位,心脏实现泵血功能得益于心肌细胞在心肌中有序的组织排列。心肌细胞由闰盘(intercalated discs)相连,在心肌中局部呈现方向性,并在心壁中呈现螺旋形态;同时,心肌细胞在心肌中存在另外一种组织形式:它们以约四个心肌细胞厚度为单位堆叠成薄层(sheetlet)。心肌细胞排列成螺旋形态使得心脏在收缩、舒张时心脏会扭转(从心脏短轴short-axis观察);心肌细胞堆叠成薄层结构使得心脏在收缩时相邻薄层相对滑动,趋垂直心壁,心壁变厚,最小化心室容积,以达到最大化向动脉泵血,而在心脏舒张时,相邻薄层相对滑动,逐渐趋向呈现竖立状态,垂直于心脏短轴平面,心壁变薄,最大化心室血容量。前述心肌细胞的两个基本组织形式是心脏实现其功能的微观结构基础。
弥散张量成像(Diffusion Tensor Imaging,DTI)能够以非侵入的方式得到水分子在心肌中的扩散特征,心肌中水分子的扩散特点可以间接地反映心肌细胞的排列结构。从DTI成像输出的弥散加权图像(Diffusion Weighted Image,DWI)出发,可以计算得到弥散张量,DTI成像以弥散张量的形式来表征水在肌肉组织中的扩散。弥散张量可经过特征分解得到三个特征值λ1、λ2和λ3(根据特征值大小降序排列),以及相对应的三个特征向量v(1)、v(2)和v(3)(即第一特征向量primary eigenvector,第二特征向量secondary eigenvector和第三特征向量tertiary eigenvector,均为单位向量,三个特征向量正交),其中,第一特征向量v(1)常被认为和心肌细胞的方向一致,可用于计算螺旋角helix angle(HA),量化心肌细胞排列所呈现的螺旋形态(被认为可以揭示心肌坏死)。而心肌细胞构成的薄层结构动态变化范围大小更能直接体现心脏的泵血能力,即在心脏跳动过程中,薄层相对滑动发生倾斜,倾斜的角度变化范围越大,心脏容积的变化越大,泵血能力越强。
因此有必要基于弥散张量成像对心肌细胞薄层排列结构进行建模、重建和量化,以便用于临床医学,即通过对比机能正常与非正常的心脏,发现心肌结构变化,定量表征心脏机能是否存在异常及识别机能异常程度等。目前已有薄层建模方式是将特征向量v(1)和v(2)构成的面表示心肌细胞薄层;而已有薄层倾斜角度计算方式为仅用单一的一维特征向量v(2)的投影来量化薄层的角度的变化常称作E2A,E2 angle。
但是上述这些对心肌细胞薄层排列结构进行建模、重建和量化的方法,会存在如下问题:
(1)关于心肌细胞薄层的建模,若用二维面v(1)-v(2)代表心肌细胞薄层,可能会存在一定误差,尤其是在特征值λ2和λ3比较接近的情况下(例如,心脏中左右心室连结区域可能出现这样的情况,另外当图像信噪比相对较低的时候,也有可能出现),误差特别明显,这一误差有必要消除或尽量降低;
(2)关于薄层倾斜程度的量化,即首先,薄层倾斜角的定义与计算(即用一维特征向量来表征二维面)是不合适的(即E2A定义并不合理),应该表示面本身、并且利用面本身来定义;其次,计算E2A的过程复杂:需先确定圆周轴circumferential axis,再计算心壁切面(即纵向longitudinal与圆周轴circumferential axis的所在平面)作为特征向量v(1)的投影面,得到投影再将投影作为法向量,得到另外的心肌细胞薄层交叉面作为特征向量v(2)的投影面,得到投影再求这两个投影面的交线,称作“wall-tangentdirection”,最后计算投影和交线“wall tangent direction”的夹角,得到E2A。
由此在现有心肌细胞薄层排列结构的建模、重建和量化过程中,存在薄层建模有误差及薄层倾角量化计算过程复杂的问题,有必要进行技术改进。
发明内容
为了解决在现有心肌细胞薄层排列结构的建模、重建和量化过程中,存在薄层建模有误差及薄层倾角量化计算过程复杂的问题,本发明目的在于提供一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质,通过基于几何代数G3空间,使用双重矢量的有向面表示心肌细胞排列形成的薄层,并在此建模方式下重新定义薄层倾角量化计算方式,可以避免带来薄层建模误差,并简化薄层倾角量化计算过程,利于快速得到心肌细胞薄层排列结构的重建结果,方便在临床医学中基于弥散张量成像进行实时重建,进而可应用到磁共振成像仪器及扩散磁共振图像分析/处理软件中,便于实际应用和推广。
第一方面,本发明提供了一种心肌细胞薄层排列结构的重建方法,包括:
获取弥散加权图像中各处弥散张量的几何代数表达形式,其中,所述几何代数表达形式包含有弥散张量的三个特征值λ1、λ2和λ3以及相对应的三个单位特征向量v(1)、v(2)和v(3),所述三个单位特征向量v(1)、v(2)和v(3)两两垂直;
根据所述各处弥散张量的几何代数表达形式,通过求解如下优化问题计算得到位于体素位置d的心肌细胞薄层的双重矢量表达形式:
式中,S表示所述心肌细胞薄层的双重矢量表达形式,L(S)表示关于变量S的目标函数,表示对所述目标函数L(S)求最小值,μ0表示第一预设参数,表示在所述体素位置d处弥散张量的第三个单位特征向量,k表示用于控制所述体素位置d周围邻域大小的自然数,i表示自然数,ωi表示与体素位置d+iδ对应的第二预设参数,δ表示单位体素,表示在体素位置d+iδ处弥散张量的第一个单位特征向量,|| ||表示范数计算符号,∧表示外乘;
根据所述心肌细胞薄层的双重矢量表达形式和预设参考面的双重矢量表达形式,按照如下公式计算得到对应的薄层倾斜角度:
输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,得到所述心肌的心肌细胞薄层排列结构的重建结果。
基于上述发明内容,提供了一种可有效降低薄层建模误差及简化薄层倾角量化计算过程的新型重建方案,即通过基于几何代数G3空间,使用双重矢量的有向面表示心肌细胞排列形成的薄层,并在此建模方式下重新定义薄层倾角量化计算方式,可以避免带来薄层建模误差,并简化薄层倾角量化计算过程,利于快速得到心肌细胞薄层排列结构的重建结果,方便在临床医学中基于弥散张量成像进行实时重建,进而可应用到磁共振成像仪器及扩散磁共振图像分析/处理软件中,便于实际应用和推广。
在一个可能的设计中,获取弥散加权图像中各处弥散张量的几何代数表达形式,包括:
采集所述心肌的弥散加权图像;
采用非线性最小二乘法从所述弥散加权图像中获取弥散张量;
对所述弥散加权图像中各处的弥散张量进行特征分解,得到对应的所述三个特征值λ1、λ2和λ3以及所述三个单位特征向量v(1)、v(2)和v(3)。
在一个可能的设计中,在计算得到位于体素位置d的心肌细胞薄层的双重矢量表达形式之后,所述方法还包括:
针对所述体素位置d,计算所有三重矢量级数的标准差;
根据所述标准差的数值大小程度,对重建结果评估图中处于体素位置d的薄层方向同异指数赋予对应预设大小的值,其中,所述重建结果评估图的坐标变量为体素位置d,所述薄层方向同异指数用于表征在对应体素位置处心肌细胞薄层与在邻域体素位置处心肌细胞薄层的方向同异程度;
输出展示所述重建结果评估图。
在一个可能的设计中,输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,包括:
以圆面形式直接展示所有心肌细胞薄层的双重矢量表达形式;
针对处于体素位置d的圆面,根据所述心肌细胞薄层的薄层倾斜角度的数值大小程度,赋予对应预设颜色。
在一个可能的设计中,输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,包括:
根据所述薄层倾斜角度的数值大小程度,对薄层倾斜角度图中处于体素位置d的倾角大小指数赋予对应预设大小的值,其中,所述薄层倾斜角度图的坐标变量为体素位置d,所述倾角大小指数用于表征在对应体素位置处心肌细胞薄层与所述预设参考面的夹角大小程度;
输出展示所述薄层倾斜角度图。
在一个可能的设计中,所述预设参考面采用心脏短轴面。
第二方面,本发明提供了一种心肌细胞薄层排列结构的重建装置,包括有依次通信连接的表达形式获取模块、双重矢量计算模块、倾斜角度计算模块和输出展示模块;
所述表达形式获取模块,用于获取弥散加权图像中各处弥散张量的几何代数表达形式,其中,所述几何代数表达形式包含有弥散张量的三个特征值λ1、λ2和λ3以及相对应的三个单位特征向量v(1)、v(2)和v(3),所述三个单位特征向量v(1)、v(2)和v(3)两两垂直;
所述双重矢量计算模块,用于根据所述各处弥散张量的几何代数表达形式,通过求解如下优化问题计算得到位于体素位置d的心肌细胞薄层的双重矢量表达形式:
式中,S表示所述心肌细胞薄层的双重矢量表达形式,L(S)表示关于变量S的目标函数,表示对所述目标函数L(S)求最小值,μ0表示第一预设参数,表示在所述体素位置d处弥散张量的第三个单位特征向量,k表示用于控制所述体素位置d周围邻域大小的自然数,i表示自然数,ωi表示与体素位置d+iδ对应的第二预设参数,δ表示单位体素,表示在体素位置d+iδ处弥散张量的第一个单位特征向量,|| ||表示范数计算符号,∧表示外乘;
所述倾斜角度计算模块,用于根据所述心肌细胞薄层的双重矢量表达形式和预设参考面的双重矢量表达形式,按照如下公式计算得到对应的薄层倾斜角度:
所述输出展示模块,用于输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,得到所述心肌的心肌细胞薄层排列结构的重建结果。
第三方面,本发明提供了一种计算机设备,包括通信相连的存储器和处理器,其中,所述存储器用于存储计算机程序,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计所述的重建方法。
第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如上第一方面或第一方面中任意一种可能设计的所述重建方法。
第五方面,本发明提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如上第一方面或第一方面中任意一种可能设计的所述重建方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的心肌细胞薄层排列结构的重建方法流程示意图。
图2是本发明提供的心肌细胞薄层排列结构重建结果的第一种输出示例图。
图3是本发明提供的心肌细胞薄层排列结构重建结果的第二输出示例图。
图4是本发明提供的薄层倾斜角度图的输出示例图。
图5是本发明提供的重建结果评估图的输出示例图。
图6是本发明提供的心肌细胞薄层排列结构的重建装置结构示意图。
图7是本发明提供的计算机设备的结构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,尽管本文可能使用术语第一、第二等等来描述各种单元,但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
应当理解,在本文中若将单元称作与另一个单元“连接”、“相连”或“耦合”时,它可以与另一个单元直相连接或耦合,或中间单元可以存在。相対地,在本文中若将单元称作与另一个单元“直接相连”或“直接耦合”时,表示不存在中间单元。另外,应当以类似方式来解释用于描述单元之间的关系的其他单词(例如,“在……之间”对“直接在……之间”,“相邻”对“直接相邻”等等)。
应当理解,本文使用的术语仅用于描述特定实施例,并不意在限制本发明的示例实施例。若本文所使用的,单数形式“一”、“一个”以及“该”意在包括复数形式,除非上下文明确指示相反意思。还应当理解,若术语“包括”、“包括了”、“包含”和/或“包含了”在本文中被使用时,指定所声明的特征、数量、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解,还应当注意到在一些备选可能设计中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实例中,可以不以非必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
如图1~3所示,本实施例第一方面提供的所述心肌细胞薄层排列结构的重建方法,可以但不限于适用于在具有一定计算资源的医学影像处理设备上执行。所述心肌细胞薄层排列结构的重建方法,可以但不限于包括有如下步骤S101~S104。
S101.获取弥散加权图像中各处弥散张量的几何代数表达形式,其中,所述几何代数表达形式包含有弥散张量的三个特征值λ1、λ2和λ3以及相对应的三个单位特征向量v(1)、v(2)和v(3),所述三个单位特征向量v(1)、v(2)和v(3)两两垂直。
在所述步骤S101中,所述弥散加权图像即为针对心脏器官采集的医学影像。具体的,获取弥散加权图像中各处弥散张量的几何代数表达形式,包括但不限于有如下步骤S1011~S1013:S1011.采集所述心肌的弥散加权图像;S1012.采用非线性最小二乘法从所述弥散加权图像中获取弥散张量;S1013.对所述弥散加权图像中各处的弥散张量进行特征分解,得到对应的所述三个特征值λ1、λ2和λ3以及所述三个单位特征向量v(1)、v(2)和v(3)。其中,所述弥散加权图像可使用现有医学影像采集设备采集得到,所述非线性最小二乘法和特征分解方法均为现有方法。
S102.根据所述各处弥散张量的几何代数表达形式,通过求解如下优化问题计算得到位于体素位置d的心肌细胞薄层的双重矢量表达形式:
式中,S表示所述心肌细胞薄层的双重矢量表达形式,L(S)表示关于变量S的目标函数,表示对所述目标函数L(S)求最小值,μ0表示第一预设参数,表示在所述体素位置d处弥散张量的第三个单位特征向量,k表示用于控制所述体素位置d周围邻域大小的自然数,i表示自然数,ωi表示与体素位置d+iδ对应的第二预设参数,δ表示单位体素,表示在体素位置d+iδ处弥散张量的第一个单位特征向量,|| ||表示范数计算符号,∧表示外乘。
在所述步骤S102中,本实施例是利用几何代数对心肌细胞薄层进行建模,即用G3空间(现有空间概念,即设{e1,e2,e3}为三维空间R3的自然基底,通过外乘构造三个单位双重矢量bivector:e1∧e2,e1∧e3,e2∧e3,张成双重矢量空间∧2R3,一个单位三重矢量:e1∧e2∧e3张成三重矢量空间∧3R3。以集合{1,e1,e2,e3,e1∧e2,e1∧e3,e2∧e3,e1∧e2∧e3}作为基张成一个维数为8的线性空间V。定义两个向量a与b的几何乘积(geometric product)为ab≡a·b觨a∧b,且aa=a2=||a||2=a·a,几何乘积满足分配律和结合律但不满足交换律。以几何乘积为代数乘,V构成一个代数结构G3,称之为三维空间R3的几何代数,这里简称几何代数)中的双重矢量bivector作为“有向面”直接表示心肌细胞薄层sheetlet,而非传统欧式空间中的法向量,或坐标点集的形式来表示一个面。如此带来的好处可有如下两点:(1)直接用双重矢量bivector以有向面的形式表示心肌细胞薄层sheetlet,从而直接计算角度(双重矢量bivector在几何代数中是基本计算单元,就像数值一样直接参与运算;面间的夹角可以直接计算,不必诉诸向量投影),并避免间接利用面上的向量(需要选择),或者面的法向量来计算;(2)可不受采集图像的心脏长轴(long-axis)的层数(slicenumber)影响,因为双重矢量bivecotr本身有“方向”,无须借助投影面或者向量参考,而对于现存方法,当整个心脏只采集非常有限的数据时,例如5层(slice),计算心壁切面的误差会非常大,特别是当只针对感兴趣的区域仅采集一层的时候,传统方法无法计算投影面,进而无法计算E2A。
在所述步骤S102中,前述优化问题的几何意义:最小化加权体积(平方)和,即对于几何代数向量空间G3,双重矢量bivector(后文简写B)可以表示有向面,三重矢量trivector(后文简写T)可以表示有向体;一个T可以由外乘(即wedge product,“∧”)构造,即T=B∧v,v表示某个特征向量。||B||2表示是B的标准平方squared norm或级数magnitude,||B||可理解为B的面积;类似地,||T||可以理解为T的体积;如此上述优化问题中部分表示尽量使待求解的S与垂直,这时能得到最大体积,(注意到原优化问题为minimize,且μ0前有乘负号);部分表示尽量使S和平行(即周围心肌细胞的局部排列呈现的薄层和S所代表的面平行),即在数学上S和在同一个同质化面homogenous space内,这时能得到最小有向体积。此外,前述优化问题的求解过程可基于现有算法常规得到,最终计算出位于所述体素位置d的心肌细胞薄层的双重矢量表达形式S。
在所述步骤S102中,所述第一预设参数μ0和所述第二预设参数ωi均可预设举例为1,参数k用于控制邻域大小,降低重建心肌细胞薄层的误差,当k=0时,前述优化问题会退化(即仅考虑当前体素信息而不考虑周围体素信息),此时求解得到的双重矢量bivector所代表的心肌细胞薄层sheetlet与现有定义的薄层面v(1)-v(2)一致。
S103.根据所述心肌细胞薄层的双重矢量表达形式和预设参考面的双重矢量表达形式,按照如下公式计算得到对应的薄层倾斜角度:
在所述步骤S103中,由于表示Sr的求反形式或逆序形式,有所述预设参考面优选采用心脏短轴面。另外,当所述薄层倾斜角度的规定角度范围介于0~90度之间时(即不考虑正负),可将所述薄层倾斜角度的计算公式替换为:此外,当S和Sr分别为单位二重矢量时,计算公式可进一步简化为:
S104.输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,得到所述心肌的心肌细胞薄层排列结构的重建结果。
在所述步骤S104中,具体输出展示方式可以但不限于有如下两种:(1)先以圆面形式直接展示所有心肌细胞薄层的双重矢量表达形式;然后针对处于体素位置d的圆面,根据所述心肌细胞薄层的薄层倾斜角度的数值大小程度,赋予对应预设颜色,如图2和图3(在图3中,背景图层为心脏的DWI B0图像,图中的心肌细胞薄层来自图2,并沿心壁选取,以便观察薄层倾斜角度在横穿心壁方向上的变化)所示;(2)先根据所述薄层倾斜角度的数值大小程度,对薄层倾斜角度图中处于体素位置d的倾角大小指数赋予对应预设大小的值(具体可以但不限于为颜色深浅值),其中,所述薄层倾斜角度图的坐标变量为体素位置d,所述倾角大小指数用于表征在对应体素位置处心肌细胞薄层与所述预设参考面的夹角大小程度;然后输出展示所述薄层倾斜角度图,如图4所示。
由此基于前述步骤S101~S104所描述的心肌细胞薄层排列结构的重建方法,提供了一种可有效降低薄层建模误差及简化薄层倾角量化计算过程的新型重建方案,即通过基于几何代数G3空间,使用双重矢量的有向面表示心肌细胞排列形成的薄层,并在此建模方式下重新定义薄层倾角量化计算方式,可以避免带来薄层建模误差,并简化薄层倾角量化计算过程,利于快速得到心肌细胞薄层排列结构的重建结果,方便在临床医学中基于弥散张量成像进行实时重建,进而可应用到磁共振成像仪器及扩散磁共振图像分析/处理软件中,便于实际应用和推广。
本实施例在前述第一方面的技术方案基础上,还提供了一种可输出重建评估结果的可能设计一,即在计算得到位于体素位置d的心肌细胞薄层的双重矢量表达形式之后,所述方法还包括但不限于有如下步骤S201~S204。
S202.针对所述体素位置d,计算所有三重矢量级数的标准差。
S203.根据所述标准差的数值大小程度,对重建结果评估图中处于体素位置d的薄层方向同异指数赋予对应预设大小的值(具体可以但不限于为颜色深浅值),其中,所述重建结果评估图的坐标变量为体素位置d,所述薄层方向同异指数用于表征在对应体素位置处心肌细胞薄层与在邻域体素位置处心肌细胞薄层的方向同异程度。
S204.输出展示所述重建结果评估图。
在前述步骤S201~S204中,对于某体素位置d,标准差数值越大,表明心肌细胞在心肌内局部邻域内呈现的方向越不一致,如图5所示,特别是在成像仪器信噪比高的情况下,这表明心肌内细胞的微观组织结构复杂(一般出现在心脏的左右心室交汇处)。此外对于右心室,由于心肌较薄,需要综合要考虑实际邻域内的体素个数。
如图6所示,本实施例第二方面提供了一种实现第一方面或第一方面中任意一种可能设计的所述重建方法的虚拟装置,包括有依次通信连接的表达形式获取模块、双重矢量计算模块、倾斜角度计算模块和输出展示模块;
所述表达形式获取模块,用于获取弥散加权图像中各处弥散张量的几何代数表达形式,其中,所述几何代数表达形式包含有弥散张量的三个特征值λ1、λ2和λ3以及相对应的三个单位特征向量v(1)、v(2)和v(3),所述三个单位特征向量v(1)、v(2)和v(3)两两垂直;
所述双重矢量计算模块,用于根据所述各处弥散张量的几何代数表达形式,通过求解如下优化问题计算得到位于体素位置d的心肌细胞薄层的双重矢量表达形式:
式中,S表示所述心肌细胞薄层的双重矢量表达形式,L(S)表示关于变量S的目标函数,表示对所述目标函数L(S)求最小值,μ0表示第一预设参数,表示在所述体素位置d处弥散张量的第三个单位特征向量,k表示用于控制所述体素位置d周围邻域大小的自然数,i表示自然数,ωi表示与体素位置d+iδ对应的第二预设参数,δ表示单位体素,表示在体素位置d+iδ处弥散张量的第一个单位特征向量,|| ||表示范数计算符号,∧表示外乘;
所述倾斜角度计算模块,用于根据所述心肌细胞薄层的双重矢量表达形式和预设参考面的双重矢量表达形式,按照如下公式计算得到对应的薄层倾斜角度:
所述输出展示模块,用于输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,得到所述心肌的心肌细胞薄层排列结构的重建结果。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果,可以参见第一方面或第一方面中任意一种可能设计所述的重建方法,于此不再赘述。
如图7所示,本实施例第三方面提供了一种执行第一方面或第一方面中任意一种可能设计的所述重建方法的计算机设备,包括通信相连的存储器和处理器,其中,所述存储器用于存储计算机程序,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计所述的重建方法。具体举例的,所述存储器可以但不限于包括随机存取存储器(Random-Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First Input Last Output,FILO)等等;所述处理器可以不限于采用型号为STM32F105系列的微处理器。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见第一方面或第一方面中任意一种可能设计所述的重建方法,于此不再赘述。
本实施例第四方面提供了一种存储包含第一方面或第一方面中任意一种可能设计的所述重建方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意一种可能设计所述的重建方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见第一方面或第一方面中任意一种可能设计所述的重建方法,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或第一方面中任意一种可能设计所述的重建方法。其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
以上所描述的实施例仅仅是示意性的,若涉及到作为分离部件说明的单元,其可以是或者也可以不是物理上分开的;若涉及到作为单元显示的部件,其可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
最后应说明的是,本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (10)
1.一种心肌细胞薄层排列结构的重建方法,其特征在于,包括:
获取弥散加权图像中各处弥散张量的几何代数表达形式,其中,所述几何代数表达形式包含有弥散张量的三个特征值λ1、λ2和λ3以及相对应的三个单位特征向量v(1)、v(2)和v(3),所述三个单位特征向量v(1)、v(2)和v(3)两两垂直;
根据所述各处弥散张量的几何代数表达形式,通过求解如下优化问题计算得到位于体素位置d的心肌细胞薄层的双重矢量表达形式:
式中,S表示所述心肌细胞薄层的双重矢量表达形式,L(S)表示关于变量S的目标函数,表示对所述目标函数L(S)求最小值,μ0表示第一预设参数,表示在所述体素位置d处弥散张量的第三个单位特征向量,k表示用于控制所述体素位置d周围邻域大小的自然数,i表示自然数,ωi表示与体素位置d+iδ对应的第二预设参数,δ表示单位体素,表示在体素位置d+iδ处弥散张量的第一个单位特征向量,|| ||表示范数计算符号,∧表示外乘;
根据所述心肌细胞薄层的双重矢量表达形式和预设参考面的双重矢量表达形式,按照如下公式计算得到对应的薄层倾斜角度:
输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,得到所述心肌的心肌细胞薄层排列结构的重建结果。
2.如权利要求1所述的重建方法,其特征在于,获取弥散加权图像中各处弥散张量的几何代数表达形式,包括:
采集所述心肌的弥散加权图像;
采用非线性最小二乘法从所述弥散加权图像中获取弥散张量;
对所述弥散加权图像中各处的弥散张量进行特征分解,得到对应的所述三个特征值λ1、λ2和λ3以及所述三个单位特征向量v(1)、v(2)和v(3)。
5.如权利要求1所述的重建方法,其特征在于,输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,包括:
以圆面形式直接展示所有心肌细胞薄层的双重矢量表达形式;
针对处于体素位置d的圆面,根据所述心肌细胞薄层的薄层倾斜角度的数值大小程度,赋予对应预设颜色。
6.如权利要求1所述的重建方法,其特征在于,输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,包括:
根据所述薄层倾斜角度的数值大小程度,对薄层倾斜角度图中处于体素位置d的倾角大小指数赋予对应预设大小的值,其中,所述薄层倾斜角度图的坐标变量为体素位置d,所述倾角大小指数用于表征在对应体素位置处心肌细胞薄层与所述预设参考面的夹角大小程度;
输出展示所述薄层倾斜角度图。
7.如权利要求1所述的重建方法,其特征在于,所述预设参考面采用心脏短轴面。
8.一种心肌细胞薄层排列结构的重建装置,其特征在于,包括有依次通信连接的表达形式获取模块、双重矢量计算模块、倾斜角度计算模块和输出展示模块;
所述表达形式获取模块,用于获取弥散加权图像中各处弥散张量的几何代数表达形式,其中,所述几何代数表达形式包含有弥散张量的三个特征值λ1、λ2和λ3以及相对应的三个单位特征向量v(1)、v(2)和v(3),所述三个单位特征向量v(1)、v(2)和v(3)两两垂直;
所述双重矢量计算模块,用于根据所述各处弥散张量的几何代数表达形式,通过求解如下优化问题计算得到位于体素位置d的心肌细胞薄层的双重矢量表达形式:
式中,S表示所述心肌细胞薄层的双重矢量表达形式,L(S)表示关于变量S的目标函数,表示对所述目标函数L(S)求最小值,μ0表示第一预设参数,表示在所述体素位置d处弥散张量的第三个单位特征向量,k表示用于控制所述体素位置d周围邻域大小的自然数,i表示自然数,ωi表示与体素位置d+iδ对应的第二预设参数,δ表示单位体素,表示在体素位置d+iδ处弥散张量的第一个单位特征向量,|| ||表示范数计算符号,∧表示外乘;
所述倾斜角度计算模块,用于根据所述心肌细胞薄层的双重矢量表达形式和预设参考面的双重矢量表达形式,按照如下公式计算得到对应的薄层倾斜角度:
所述输出展示模块,用于输出展示所有心肌细胞薄层的双重矢量表达形式及对应的薄层倾斜角度,得到所述心肌的心肌细胞薄层排列结构的重建结果。
9.一种计算机设备,其特征在于,包括通信相连的存储器和处理器,其中,所述存储器用于存储计算机程序,所述处理器用于读取所述计算机程序,执行如权利要求1~7中任意一项所述的重建方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7中任意一项所述的重建方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110163905.0A CN112819948B (zh) | 2021-02-05 | 2021-02-05 | 一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质 |
PCT/CN2021/077972 WO2022165882A1 (zh) | 2021-02-05 | 2021-02-25 | 一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110163905.0A CN112819948B (zh) | 2021-02-05 | 2021-02-05 | 一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819948A true CN112819948A (zh) | 2021-05-18 |
CN112819948B CN112819948B (zh) | 2022-08-26 |
Family
ID=75861952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110163905.0A Active CN112819948B (zh) | 2021-02-05 | 2021-02-05 | 一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112819948B (zh) |
WO (1) | WO2022165882A1 (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2137209A1 (fr) * | 2007-03-28 | 2009-12-30 | Guerbet | Composes pour le diagnostique de maladies liees a l'expression de vcam |
US20150018698A1 (en) * | 2013-07-09 | 2015-01-15 | Biosense Webster (Israel) Ltd. | Model based reconstruction of the heart from sparse samples |
US20150332483A1 (en) * | 2014-05-15 | 2015-11-19 | The Royal Institution For The Advancement Of Learning / Mcgill University | Methods of modelling and characterising heart fiber geometry |
US20170045601A1 (en) * | 2015-08-12 | 2017-02-16 | The Regents Of The University Of California | Methods and systems for generating a conductivity map of an in vivo tissue |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101666865B (zh) * | 2009-09-09 | 2012-12-19 | 西北工业大学 | 一种局部快速行进模式的弥散张量核磁共振图像配准方法 |
WO2014165646A1 (en) * | 2013-04-03 | 2014-10-09 | The General Hospital Corporation | Mapping cardiac tissue architecture systems and methods |
CN103761750B (zh) * | 2014-02-14 | 2016-08-10 | 华中科技大学 | 一种心肌质点运动图像与心肌纤维走向图像配准方法 |
CN104282021B (zh) * | 2014-09-28 | 2017-03-08 | 深圳先进技术研究院 | 磁共振弥散张量成像的参数误差估计方法和装置 |
-
2021
- 2021-02-05 CN CN202110163905.0A patent/CN112819948B/zh active Active
- 2021-02-25 WO PCT/CN2021/077972 patent/WO2022165882A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2137209A1 (fr) * | 2007-03-28 | 2009-12-30 | Guerbet | Composes pour le diagnostique de maladies liees a l'expression de vcam |
US20150018698A1 (en) * | 2013-07-09 | 2015-01-15 | Biosense Webster (Israel) Ltd. | Model based reconstruction of the heart from sparse samples |
US20150332483A1 (en) * | 2014-05-15 | 2015-11-19 | The Royal Institution For The Advancement Of Learning / Mcgill University | Methods of modelling and characterising heart fiber geometry |
US20170045601A1 (en) * | 2015-08-12 | 2017-02-16 | The Regents Of The University Of California | Methods and systems for generating a conductivity map of an in vivo tissue |
Non-Patent Citations (1)
Title |
---|
X.-X. YIN ET AL.: "Exploring the complementarity of THz pulse imaging and DCE-MRIs: Toward a unified multi-channel classification and a deep learning framework", 《COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112819948B (zh) | 2022-08-26 |
WO2022165882A1 (zh) | 2022-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7339586B2 (en) | Method and system for mesh-to-image registration using raycasting | |
CN102138161A (zh) | 长轴后期增强心脏mri的分割 | |
Feng et al. | Geometric modeling of subcellular structures, organelles, and multiprotein complexes | |
Zhao et al. | Left ventricular wall stress is sensitive marker of hypertrophic cardiomyopathy with preserved ejection fraction | |
CN107516314B (zh) | 医学图像超体素分割方法和装置 | |
Frindel et al. | Comparison of regularization methods for human cardiac diffusion tensor MRI | |
US20080218513A1 (en) | Triangulation Method of a Surface of a Physical Object | |
CN112819948B (zh) | 一种心肌细胞薄层排列结构的重建方法、装置、计算机设备及计算机可读存储介质 | |
CN116703994B (zh) | 医学图像配准的方法、计算设备和计算机可读存储介质 | |
CN115705638A (zh) | 医学图像优化方法、系统、电子设备及存储介质 | |
Nuñez-Garcia et al. | Standard quasi-conformal flattening of the right and left atria | |
US9569887B2 (en) | Methods of modelling and characterising heart fiber geometry | |
Moses et al. | Quantification of the curvature and shape of the interventricular septum | |
Yang et al. | A comparative study of different level interpolations for improving spatial resolution in diffusion tensor imaging | |
Histace et al. | Segmentation of myocardial boundaries in tagged cardiac MRI using active contours: a gradient-based approach integrating texture analysis | |
Wang et al. | An ensemble of U-Net architecture variants for left atrial segmentation | |
EP2332123A2 (en) | Anatomy-defined automated cpr generation | |
Tan et al. | A geometrical approach for automatic shape restoration of the left ventricle | |
Benninghoff et al. | Segmentation of three-dimensional images with parametric active surfaces and topology changes | |
Bock et al. | Coherency-based curve compression for high-order finite element model visualization | |
Villard et al. | Cardiac mesh reconstruction from sparse, heterogeneous contours | |
Wang | Three-dimensional medical CT image reconstruction | |
Fan et al. | Modeling active contraction and relaxation of left ventricle using different zero-load diastole and systole geometries for better material parameter estimation and stress/strain calculations | |
CN111242928A (zh) | 基于多视角学习的心房全自动分割跟踪定位方法 | |
CN114503118A (zh) | 通过将图像形成建模为一个或多个神经网络的图像重建 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |