CN116433469A - 一种基于脑干图谱的脑干图像配准方法及系统 - Google Patents
一种基于脑干图谱的脑干图像配准方法及系统 Download PDFInfo
- Publication number
- CN116433469A CN116433469A CN202310157780.XA CN202310157780A CN116433469A CN 116433469 A CN116433469 A CN 116433469A CN 202310157780 A CN202310157780 A CN 202310157780A CN 116433469 A CN116433469 A CN 116433469A
- Authority
- CN
- China
- Prior art keywords
- brain stem
- brain
- brainstem
- coordinate system
- standard
- 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.)
- Pending
Links
- 210000000133 brain stem Anatomy 0.000 title claims abstract description 246
- 238000000034 method Methods 0.000 title claims abstract description 43
- 210000004556 brain Anatomy 0.000 claims abstract description 93
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 230000009466 transformation Effects 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000003709 image segmentation Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 2
- 238000013136 deep learning model Methods 0.000 claims 2
- 210000004885 white matter Anatomy 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 210000004884 grey matter Anatomy 0.000 description 6
- 210000001259 mesencephalon Anatomy 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- HGBLNBBNRORJKI-WCABBAIRSA-N cyclacillin Chemical compound N([C@H]1[C@H]2SC([C@@H](N2C1=O)C(O)=O)(C)C)C(=O)C1(N)CCCCC1 HGBLNBBNRORJKI-WCABBAIRSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 210000003710 cerebral cortex Anatomy 0.000 description 2
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013425 morphometry Methods 0.000 description 2
- 230000000926 neurological effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- QNRATNLHPGXHMA-XZHTYLCXSA-N (r)-(6-ethoxyquinolin-4-yl)-[(2s,4s,5r)-5-ethyl-1-azabicyclo[2.2.2]octan-2-yl]methanol;hydrochloride Chemical compound Cl.C([C@H]([C@H](C1)CC)C2)CN1[C@@H]2[C@H](O)C1=CC=NC2=CC=C(OCC)C=C21 QNRATNLHPGXHMA-XZHTYLCXSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000001767 medulla oblongata Anatomy 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003562 morphometric effect Effects 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本公开提供了一种基于脑干图谱的脑干图像配准方法及系统，包括：获取若干不同类别的脑部MRI图像，并通过图像分割获得脑干mask数据；将脑部MRI图像从原始空间转换至MNI空间，获得MNI空间下的脑部MRI图像及第一变换矩阵；基于第一变换矩阵，将所述脑干mask数据转换至MNI空间；将MNI空间下的脑部MRI图像转换至脑干标准坐标系下，获得脑干标准坐标系下的脑部MRI图像及第二变换矩阵；基于所述第二变换矩阵，将MNI空间下的脑干mask数据转换至脑干标准坐标系下；并基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱；以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准及分割，并基于配准及分割结果实现脑干图像的分析。
Description
技术领域
本公开属于医学图像处理技术领域，尤其涉及一种基于脑干图谱的脑干图像配准方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
最早被广泛接受的人脑图谱是在1988年发表的Talairach andTournoux脑图谱，该图谱构建了标准坐标系，广泛用于脑皮质的配准和标准化，对于临床研究有着重要的意义；但发明人发现，该图谱仅基于一名60岁妇女的大脑图像，缺乏群体代表性；且只有左侧大脑半球结构，并映射到右半球，缺少半球不对称性比较；其中，使用单一主体模板的主要问题是，尽管是一个典型的健康个体，但所选主体可能代表某些大脑区域的正态分布的极端尾部；此外，单个主体模板不能代表人群中的解剖变异性；随之发展的是基于大量标本建立的概率性图谱，也称平均脑图谱，目前最为通用的模板是由加拿大蒙特利尔神经研究所（Montreal Neurological Institute，MNI）在国际脑图形协会（InternationalConsortium for Brain Mapping, ICBM）标准指导下构建的ICBM152模板。但是，ICBM152是基于北美个体的数据创建的，这一模板是否能用于全球人群人脑的精准研究还需要更多的评估，因为有研究表明，由于不同人群的表型、遗传、环境、发育和性别等因素不同，大脑的一般特征，如大小、形状、区域体积和结构位置，也各不相同，且现有的脑图谱通常缺乏脑干部位的研究，无法直接用于脑干部位的分析。
发明内容
本公开为了解决上述问题，提供了一种基于脑干图谱的脑干图像配准方法及系统，所述方案基于自主设计的一种脑干标准坐标系，以当前脑图谱的计算方法为基础，提供了一种脑干图谱的计算方法，有效保证了脑干图谱的计算精度，为后续的脑干研究奠定了基础。
根据本公开实施例的第一个方面，提供了一种基于脑干图谱的脑干图像配准方法，包括：
获取若干不同类别的脑部MRI图像，并基于预设的图像分割方法从所述脑部MRI图像中获取脑干mask数据；
通过将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵；基于第一变换矩阵，将所述脑干mask数据转换至MNI标准空间；
将MNI标准空间下的脑部MRI图像转换至脑干标准坐标系下，获得脑干标准坐标系下的脑部MRI图像及第二变换矩阵；其中，脑干标准坐标系具体为:在正中矢状面上，后连合与闩的连线，作为脑干标准坐标系的Z轴；以上髓帆与下丘的交点作Z轴的垂线，作为Y轴；Z轴和Y轴的交点作为原点；经过原点，垂直于所述正中矢状面作垂线，作为X轴；
基于所述第二变换矩阵，将MNI标准空间下的脑干mask数据转换至脑干标准坐标系下；并基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱；
以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准及分割，从而实现基于配准及分割结果的脑干图像分析。
基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱，具体为：读取所有受试者的脑干mask数据，并对每个体素点进行平均概率性计算，其中，每个体素点的数值从0到1，表示在该位置脑干出现的概率，获得一个具有位置信息的三维概率性矩阵。
利用计算得到的概率图谱，通过阈值化处理去除低于预设阈值的体素，实现对概率图谱的优化，获得阈值图谱。
将脑部MRI图像从原始空间转换至MNI标准空间，具体为：基于开源分析工具中的内置配准方法，将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵。
根据本公开实施例的第二个方面，提供了一种基于脑干图谱的脑干图像配准系统，包括：
数据获取单元，其用于获取若干不同类别的脑部MRI图像，并基于预设的图像分割方法从所述脑部MRI图像中获取脑干mask数据；
MNI空间变换单元，其用于通过将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵；基于第一变换矩阵，将所述脑干mask数据转换至MNI标准空间；
脑干标准坐标系变换单元，其用于将MNI标准空间下的脑部MRI图像转换至脑干标准坐标系下，获得脑干标准坐标系下的脑部MRI图像及第二变换矩阵；其中，脑干标准坐标系具体为:在脑干的正中矢状面上连接后连合与闩，作为脑干标准坐标系的Z轴；以上髓帆与下丘的交点作Z轴的垂线，作为Y轴；Z轴和Y轴的交点作为原点；经过原点，垂直于所述正中矢状面作垂线，作为X轴；
概率图谱获取单元，其用于基于所述第二变换矩阵，将MNI标准空间下的脑干mask数据转换至脑干标准坐标系下；并基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱；
配准单元，其用于以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准及分割，从而实现基于配准及分割结果的脑干图像分析。
根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种基于脑干图谱的脑干图像配准方法。
根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种基于脑干图谱的脑干图像配准方法。
与现有技术相比，本公开的有益效果是：
（1）本公开提供了一种基于脑干图谱的脑干图像配准方法及系统，所述方案基于自主设计的一种脑干标准坐标系，以当前脑图谱的计算方法为基础，提供了一种脑干图谱的计算方法，有效保证了脑干图谱的计算精度，为后续的脑干研究奠定了基础。
（2）本公开提供了的脑干标准坐标系，由于脑干在该坐标系下位置变异更小，可以提高对脑干内纤维核团的三维空间定位，基于该坐标系所构建的脑干概率性图谱更为精准。同时该坐标系也可以应用于脑干组织学切片的定位，协助组织学图像与影像图像的配准融合。
（3）本公开所述方案针对不同类型的人群制定了特定模板，可以对特定脑区进行精准定位与分割，在基于体素的形态测量研究中，可以提高研究的准确性；同时，本实施例所述方案准提供了两个模板，概率性模板以及阈值模板，可以更好地适配不同场景的需要。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例中所述的一种基于脑干图谱的脑干图像配准方法流程图；
图2为本公开实施例中所述的脑干图谱构建流程图；
图3为本公开实施例中所述的基于ITK-SNAP软件脑干分割结果示意图；
图4为本公开实施例中所述的MNI标准空间内的脑部MRI图像转换到标准脑干坐标系中的结果示意图（SPM12软件）；
图5为本公开实施例中所述的脑干标准坐标系的构建示意图。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
术语解释：
MNI 标准空间，加拿大蒙特利尔神经研究所（Montreal NeurologicalInstitute，MNI）提出的MNI标准空间。
实施例一：
本实施例的目的是提供一种基于脑干图谱的脑干图像配准方法。
如图1所示，一种基于脑干图谱的脑干图像配准方法，包括：
获取若干不同类别的脑部MRI图像，并基于预设的图像分割方法从所述脑部MRI图像中获取脑干mask数据；
通过将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵；基于第一变换矩阵，将所述脑干mask数据转换至MNI标准空间；
将MNI标准空间下的脑部MRI图像转换至脑干标准坐标系下，获得脑干标准坐标系下的脑部MRI图像及第二变换矩阵；其中，脑干标准坐标系具体为:在脑干的正中矢状面上，后连合与闩的连线，作为脑干标准坐标系的Z轴；以上髓帆与下丘的交点作Z轴的垂线，作为Y轴；Z轴和Y轴的交点作为原点；经过原点，垂直于所述正中矢状面作垂线，作为X轴；
基于所述第二变换矩阵，将MNI标准空间下的脑干mask数据转换至脑干标准坐标系下；并基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱；
以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准及分割，从而实现基于配准及分割结果的脑干图像分析。
进一步的，所述分析过程具体为：
（1）基于待分析脑干图像的类别选择对应的标准模板：针对不同人群的年龄段以及后续分析处理可能应用到的场景，选择合适的标准模板。
（2）标准模板和待分析的脑干图像的配准首先使用SPM12下内置的Segment功能，通过默认配置将个体T1加权扫描图像分割成灰质(GM)、白质(WM)和脑脊液(CSF)。使用“Normalize to MNI space”功能将GM和WM图像标准化到MNI标准空间。所有脑干图谱都附带一个与MNI标准空间相对应的位置关系矩阵，通过该矩阵将脑干图谱配置到个体GM、WM图像中，并将GM、WM图像与脑干图谱对应体素点乘，获得与图谱重合的体素，其他位置体素值为0，完成对GM和WM图像的分割。最后将分割得到的GM与WM图像合并，获得分割好的脑干图像，以备后续分析。
（3）基于配准、分割结果进行分析。将配准分割后的脑干图像进行进一步处理，例如进行体积分析，基于体素形态学分析(voxel-based morphometry，VBM)等。
进一步的，所述基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱，具体为：读取所有受试者的脑干mask数据，并对每个体素点进行平均概率性计算，其中，每个体素点的数值从0到1，表示在该位置脑干出现的概率，获得一个具有位置信息的三维概率性矩阵；具体的：首先，利用MATLAB两个读取nifti格式的函数spm_read_vol()、spm_vol()读取所有受试者的脑干mask数据，然后对每个体素点进行平均概率性计算，每个体素点的数值从0到1，表示在该位置脑干出现的概率，最后得到一个具有位置信息的三维概率性矩阵。将该矩阵通过spm_write_vol()函数导出为脑干概率性图谱。
进一步的，利用计算得到的概率图谱，通过阈值化处理去除低于预设阈值的体素，实现对概率图谱的优化，获得阈值图谱。
进一步的，所述将脑部MRI图像从原始空间转换至MNI标准空间，具体为：基于开源分析工具中的内置配准方法，将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵。
进一步的，所述不同类别的划分包括年龄段、性别的划分，其中，所获取的脑部MRI图像为健康人群的脑部图像。
进一步的，所述预设的图像分割方法具体为：基于开源医学影像标注工具从脑部MRI图像中进行手动分割；
或，基于Freesurfer开源软件通过模板匹配的方式进行自动分割。
具体的，为了便于理解，以下结合附图对本实施例所述方案进行详细说明：
有研究表明，大脑定位的错误或对大脑区域差异的不完善补偿会使模板在使用分析大脑图像时产生偏差。需要强调的是，成人的 MR 图像分析方法需要足够的标准化处理，用于将个体受试者的MR图像与一个共同的参考空间/模板对齐，以进行受试者间、样本间或群体间类型的比较，因此，针对特定人群的特定模板，因为可以对特定脑区进行精准定位与分割，在基于体素的形态测量研究中，可以提高研究的准确性，所以越来越受到广泛的关注。例如为婴儿、儿童、青少年、老年人等人群创建的模板，同时，经研究发现，脑干的形态随着年龄会发生不同的变化。区分脑干的变化是正常老化还是神经退行性疾病的前兆是目前急需解决的难题。所以建立具有年龄特异性的脑干图谱对于研究脑干的生理功能以及与脑干相关的神经系统疾病有指导性的作用。基于上述问题，本实施例提出一种基于脑干图谱的脑干图像配准方法，分别构建了中国人不同年龄组（具体为18-30、31-40、41-50、51-60、61-70，可以理解的，本实施例所述方案还可以应用于不同性别及不同国家的脑干图谱构建）的脑干图谱，并以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准，基于配准结果实现脑干图像的分析；如图2所示，具体方案如下：
（1）在构建脑干图谱前，需要在脑部MRI图像上手动分割脑干，所述方案通过对若干例受试者的头部MRI在ITK-SNAP工具上进行了手动分割（如图3所示），获得脑干mask数据。
（2）把脑干mask转换到MNI标准空间需要先将原始脑部MRI图像转换到MNI标准空间下，这会生成第一变换矩阵，然后将mask数据根据该矩阵进行转换，就得到了MNI标准空间下的mask数据。具体的，此过程使用SPM12分割工具箱完成：通过自动配准功能将MRI配准到MNI标准空间后获得DeformationFileds,然后将mask数据通过DeformationFileds（变换矩阵）变换到MNI标准空间中。
（3）将MNI标准空间下的MRI图像转换到脑干标准坐标系下，然后根据获得的第二变换矩阵将在MNI空间下的mask图像转换到标准空间坐标系下。其中，所述脑干标准坐标系的具体为：在正中矢状面上，连接后连合（PosteriorCommissure, PC）与闩（Obex，OB），称为PC-OB线，作为脑干标准坐标系的Z轴；以上髓帆与下丘的交点做垂线垂直于PC-OB线，为Y轴，交点即为原点O；X轴为经过原点O，垂直于正中矢状面的垂线。
具体的，在SPM12工具的display功能下，将MRI图像配准到脑干标准空间后（如图4所示），获得DeformationFileds（即第二变换矩阵），由于原始mask是二进制的，1表示脑干组织，0表示其他体素，经过平均获得一个概率图，我们称之为概率图谱。
进一步的，本实施例所述方案采用如上所述的脑干标准坐标系的具体原因如下：
（1）现有的常用坐标系说明
1）大脑前连合（AC）与后连合（PC）在正常生理状况下位置固定，也极少发生病理改变，并且在X线以及MRI图像中均能明显看见，定位准确。而且前连合后缘重点与后连合前缘中点的连线AP-PC线与脑内核团关系密切，以AC作为原点建立的Talairach坐标系，以及在此基础上建立的Talairach and Tournoux脑图谱不仅在神经影像的研究中起到了关键的作用，而且也广泛应用于临床实践活动中。
2）加拿大蒙特利尔神经研究所（MontrealNeurological Institute，MNI）建立的MNI标准空间，以Talairach坐标系为基础，应用于ICBM152脑图谱中。目前几乎所有的神经影像学研究都要配准到MNI标准空间才能进行图像处理以及后续的分析。标准的脑空间有利于对不同个体进行标准化的比较。而脑图谱的构建也对脑的自动分割起到了关键的作用。
3）在神经外科手术中，例如脑深部刺激，大脑的立体定位是十分重要的一个环节，外科手术的立体定位需要将MRI图像转换到MNI标准空间后求得的坐标值，进行反变换后转换到立体定位架上的坐标。神经核团在标准空间中的相对位置可以为临床诊断、治疗、评估提供重要的信息。
4）与脑干相关的坐标系中，主要有以下两种：
第一种：以延髓脑桥沟中点和髓纹下缘中点两点的中点作为原点，然后分别确定YZ，XY，ZX平面，两两平面相交即为X轴、Y轴和Z轴。YZ面的确定：以前面脑桥基底沟，后面菱形窝正中沟两条线将脑干正中切开，切面就是脑干局部坐标系的YZ面。XY面的确定：以延髓脑桥沟中点和髓纹下缘中点两点作为基点，作垂直于YZ面并通过这两个基点的面，就是脑干局部坐标系的XY面。XZ面的确定：通过原点，作垂直于延髓脑桥沟中点和髓纹下缘中点两点连线的平面即为XZ面。
第二种：在正中矢状面上，使用以脑桥 - 中脑交界处（Pontomesencephalicjunction; PMJ，一条连接四叠体板下侧与后方的线）为y轴，中脑导水管最低点为原点，确定YZ平面。X轴垂直于YZ平面。在经过原点的XY平面上，原点到中脑外侧沟为一个标准单位距离，建立新的脑干坐标系。
综上所述，上述的Talairach坐标系虽然适用于大脑，但是用于脑干的研究却存在许多的问题，具体为：
首先，传统的脑干组织学切片都以垂直于脑干长轴的方向进行切割，而AC-PC线并不垂直于脑干长轴，如果以AC-PC线对大脑进行扫描，那么在水平面上的扫描层面与传统组织学切片层面的差异巨大，传统研究的核团位置无法很好地定位到MRI图像上。
其次，脑干形态不论在个体间的变异还是随年龄的变化都有差异，特别是脑干在颅内位置的变异不可忽视，不同个体间脑干位置，尤其是延髓的位置，如果根据Talarich坐标系，变异十分明显。用于脑立体定位坐标的Talairach坐标系在定位大脑皮质和白质时较为准确，但是当用于脑干定位时，准确性有所下降。
进一步的，尽管目前已经有研究建立属于脑干的坐标系，但是均存在一定的问题。第一种方案虽然使坐标轴垂直于脑干长轴，在有部分应用价值，但存在的问题是原点定义过于繁琐，且定位标志复杂不固定，无法很好标准化坐标。第二种方案主要应用在深部脑刺激领域，由于深部刺激核团在PMJ附近，所以这个坐标系可以快速定位附近的核团，且比较准确。但是这种方案构建的坐标轴不是脑干场中，无法推广到更广泛的领域，缺乏一定的普适性。同时，有临床研究以脑桥-中脑交界处作为标志建立坐标系，虽然有利于中脑内核团的定位，但是，其Z轴的建立无法确保与脑干长轴垂直；有以脑干长轴建立的坐标系，但是在转换到Talairach坐标系存在一定的困难，并且长轴定义依赖于人工判定，没有明确的定位点。
因此，基于上述问题，本实施例提出了一种脑干标准坐标系（如图5所示），有效保证了脑干图谱构建的准确性，进而提高了脑干图像配准以及脑干分析的准确性。
进一步的，由于PC-OB线与AC-PC线关系密切，所以，在脑干标准坐标系下的坐标转换到MNI标准坐标系下相对较为简单，只要将脑干标准坐标系下的（x, y, z）点带入以下公式即可转换到MNI标准坐标系（x’, y’, z’）。与Talairach坐标系的转换：
其中，Y轴与AC-PC线的夹角为θ，AC点到Z轴的投影为c，AC点到y轴的投影为b。
进一步的，为了保证概率图谱的准确性，本实施例所述方案通过对概率图进行阈值化以去除概率低于 0.25 的体素，获得更准确的脑干图谱，称为阈值图谱。
（4）以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准，基于配准结果实现脑干图像的分析。
实施例二：
本实施例的目的是提供一种基于脑干图谱的脑干图像配准系统。
一种基于脑干图谱的脑干图像配准系统，包括：
数据获取单元，其用于获取若干不同类别的脑部MRI图像，并基于预设的图像分割方法从所述脑部MRI图像中获取脑干mask数据；
MNI空间变换单元，其用于通过将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵；基于第一变换矩阵，将所述脑干mask数据转换至MNI标准空间；
脑干标准坐标系变换单元，其用于将MNI标准空间下的脑部MRI图像转换至脑干标准坐标系下，获得脑干标准坐标系下的脑部MRI图像及第二变换矩阵；其中，脑干标准坐标系具体为:在脑干的正中矢状面上连接后连合与闩，作为脑干标准坐标系的Z轴；以上髓帆与下丘的交点作Z轴的垂线，作为Y轴；Z轴和Y轴的交点作为原点；经过原点，垂直于所述正中矢状面作垂线，作为X轴；
概率图谱获取单元，其用于基于所述第二变换矩阵，将MNI标准空间下的脑干mask数据转换至脑干标准坐标系下；并基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱；
配准单元，其用于以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准及分割，从而实现基于配准及分割结果的脑干图像分析。
进一步的，所述基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱，具体为：读取所有受试者的脑干mask数据，并对每个体素点进行平均概率性计算，其中，每个体素点的数值从0到1，表示在该位置脑干出现的概率，获得一个具有位置信息的三维概率性矩阵。
进一步的，本实施例所述系统与实施例一所述方法相对应，其技术细节在实施例一中进行了详细说明，故此处不再赘述。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例一中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一中所述的方法。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
上述实施例提供的一种基于脑干图谱的脑干图像配准方法及系统可以实现，具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于脑干图谱的脑干图像配准方法，其特征在于，包括：
获取若干不同类别的脑部MRI图像，并基于预设的图像分割方法从所述脑部MRI图像中获取脑干mask数据；
通过将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵；基于第一变换矩阵，将所述脑干mask数据转换至MNI标准空间；
将MNI标准空间下的脑部MRI图像转换至脑干标准坐标系下，获得脑干标准坐标系下的脑部MRI图像及第二变换矩阵；其中，脑干标准坐标系具体为:在正中矢状面上，后连合与闩的连线，作为脑干标准坐标系的Z轴；以上髓帆与下丘的交点作Z轴的垂线，作为Y轴；Z轴和Y轴的交点作为原点；经过原点，垂直于所述正中矢状面作垂线，作为X轴；
基于所述第二变换矩阵，将MNI标准空间下的脑干mask数据转换至脑干标准坐标系下；并基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱；
以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准及分割，从而实现基于配准及分割结果的脑干图像分析。
2.如权利要求1所述的一种基于脑干图谱的脑干图像配准方法，其特征在于，所述基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱，具体为：读取所有受试者的脑干mask数据，并对每个体素点进行平均概率性计算，其中，每个体素点的数值从0到1，表示在该位置脑干出现的概率，获得一个具有位置信息的三维概率性矩阵。
3.如权利要求1所述的一种基于脑干图谱的脑干图像配准方法，其特征在于，利用计算得到的概率图谱，通过阈值化处理去除低于预设阈值的体素，实现对概率图谱的优化，获得阈值图谱。
4.如权利要求1所述的一种基于脑干图谱的脑干图像配准方法，其特征在于，所述将脑部MRI图像从原始空间转换至MNI标准空间，具体为：基于开源分析工具中的内置配准方法，将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵。
5.如权利要求1所述的一种基于脑干图谱的脑干图像配准方法，其特征在于，所述不同类别的划分包括年龄段、性别的划分。
6.如权利要求1所述的一种基于脑干图谱的脑干图像配准方法，其特征在于，所述预设的图像分割方法具体为：基于开源医学影像标注工具从脑部MRI图像中进行手动分割；
或，基于预先训练好的深度学习模型进行自动分割，其中，所述深度学习模型包括FCNU-Net或 SegNet模型。
7.一种基于脑干图谱的脑干图像配准系统，其特征在于，包括：
数据获取单元，其用于获取若干不同类别的脑部MRI图像，并基于预设的图像分割方法从所述脑部MRI图像中获取脑干mask数据；
MNI空间变换单元，其用于通过将脑部MRI图像从原始空间转换至MNI标准空间，获得MNI标准空间下的脑部MRI图像及第一变换矩阵；基于第一变换矩阵，将所述脑干mask数据转换至MNI标准空间；
脑干标准坐标系变换单元，其用于将MNI标准空间下的脑部MRI图像转换至脑干标准坐标系下，获得脑干标准坐标系下的脑部MRI图像及第二变换矩阵；其中，脑干标准坐标系具体为:在正中矢状面上，后连合与闩的连线，作为脑干标准坐标系的Z轴；以上髓帆与下丘的交点作Z轴的垂线，作为Y轴；Z轴和Y轴的交点作为原点；经过原点，垂直于所述正中矢状面作垂线，作为X轴；
概率图谱获取单元，其用于基于所述第二变换矩阵，将MNI标准空间下的脑干mask数据转换至脑干标准坐标系下；并基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱；
配准单元，其用于以获得的不同类别的脑干概率图谱作为标准模板，分别对不同类别的待分析脑干图像进行配准及分割，从而实现基于配准及分割结果实现脑干图像的分析。
8.如权利要求7所述的一种基于脑干图谱的脑干图像配准系统，其特征在于，所述基于获得的脑干标准坐标系下的脑干mask数据，计算得到其概率图谱，具体为：读取所有受试者的脑干mask数据，并对每个体素点进行平均概率性计算，其中，每个体素点的数值从0到1，表示在该位置脑干出现的概率，获得一个具有位置信息的三维概率性矩阵。
9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的一种基于脑干图谱的脑干图像配准方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的一种基于脑干图谱的脑干图像配准方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310157780.XA CN116433469A (zh) | 2023-02-23 | 2023-02-23 | 一种基于脑干图谱的脑干图像配准方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310157780.XA CN116433469A (zh) | 2023-02-23 | 2023-02-23 | 一种基于脑干图谱的脑干图像配准方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116433469A true CN116433469A (zh) | 2023-07-14 |
Family
ID=87080417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310157780.XA Pending CN116433469A (zh) | 2023-02-23 | 2023-02-23 | 一种基于脑干图谱的脑干图像配准方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116433469A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117011352A (zh) * | 2023-09-27 | 2023-11-07 | 之江实验室 | 标准脑图谱构建方法、装置和计算机设备 |
-
2023
- 2023-02-23 CN CN202310157780.XA patent/CN116433469A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117011352A (zh) * | 2023-09-27 | 2023-11-07 | 之江实验室 | 标准脑图谱构建方法、装置和计算机设备 |
| CN117011352B (zh) * | 2023-09-27 | 2024-01-16 | 之江实验室 | 标准脑图谱构建方法、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Collins et al. | Automatic 3‐D model‐based neuroanatomical segmentation | |
| Dauguet et al. | Comparison of fiber tracts derived from in-vivo DTI tractography with 3D histological neural tract tracer reconstruction on a macaque brain | |
| Poupon et al. | Towards inference of human brain connectivity from MR diffusion tensor data | |
| EP2481349B1 (en) | Method, device, and program for processing images obtained from asl mri | |
| Kwak et al. | Fully-automated approach to hippocampus segmentation using a graph-cuts algorithm combined with atlas-based segmentation and morphological opening | |
| CN111354001B (zh) | 脑肿瘤图像分割方法、装置和存储介质 | |
| WO2018176985A1 (zh) | 自动化区分脑萎缩程度的定量计算方法 | |
| US20060270926A1 (en) | Methods and systems to segment central sulcus and Sylvian fissure | |
| Kim et al. | Multivariate hippocampal subfield analysis of local MRI intensity and volume: application to temporal lobe epilepsy | |
| CN108171697B (zh) | 一种基于簇的wmh自动提取系统 | |
| Worth et al. | Precise segmentation of the lateral ventricles and caudate nucleus in MR brain images using anatomically driven histograms | |
| Mikhael et al. | A critical analysis of neuroanatomical software protocols reveals clinically relevant differences in parcellation schemes | |
| CN116433469A (zh) | 一种基于脑干图谱的脑干图像配准方法及系统 | |
| CN110811622A (zh) | 一种基于扩散磁共振成像纤维束追踪技术的个体化结构连接脑图谱绘制方法 | |
| Lepage et al. | CIVET-Macaque: An automated pipeline for MRI-based cortical surface generation and cortical thickness in macaques | |
| Bhatia et al. | Groupwise combined segmentation and registration for atlas construction | |
| Ferraris et al. | A magnetic resonance multi-atlas for the neonatal rabbit brain | |
| CN112349391A (zh) | 一种优化肋骨自动标号方法 | |
| Prakash et al. | Rapid and automatic localization of the anterior and posterior commissure point landmarks in MR volumetric neuroimages1 | |
| Liu et al. | Automatic segmentation of the human brain ventricles from MR images by knowledge-based region growing and trimming | |
| Rushmore et al. | Anatomically curated segmentation of human subcortical structures in high resolution magnetic resonance imaging: An open science approach | |
| Rong et al. | A new atlas localization approach for subthalamic nucleus utilizing Chinese visible human head datasets | |
| CN113658234A (zh) | 脑部图像处理方法、电子设备及计算机可读存储介质 | |
| Tustison et al. | The ANTsX Ecosystem for Mapping the Mouse Brain | |
| Næss-Schmidt et al. | Patch-based segmentation from MP2RAGE images: comparison to conventional techniques |
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 |