三維大腦磁共振圖像的大腦皮層表面標誌區域識別方法
2023-11-10 20:14:57
專利名稱:三維大腦磁共振圖像的大腦皮層表面標誌區域識別方法
技術領域:
本發明涉及一種三維大腦磁共振圖像的大腦皮層表面標誌區域識別方法,利用三維大腦磁共振圖像中大腦皮層表面和腦皮下層組織之間的神經纖維連接模式識別大腦皮層表面標誌區域的方法,屬於醫學圖像處理領域、計算神經解剖學等領域。
背景技術:
在三維大腦磁共振圖像中,人類大腦皮層表面主要由腦溝和腦回構成,其解剖結構極其複雜,在不同人之間,大腦皮層表面的腦溝和腦回的解剖幾何模式變化很大。而在腦成像和神經科學領域,普遍認為在不同個體間,具有相同功能的大腦皮層表面區域與其它的皮層表面區域或者腦組織的結構連接是相似的。為了從三維大腦磁共振圖像中區分正常人和疾病患者,以及分析總結正常人大腦的解剖結構變化規律,需要在大腦皮層表面識別出標誌區域,來作為量化同一個個體內或者不同個體之間的相似性和差異性的結構基礎。初級的方法是採用最主要的幾條腦溝和腦回作為大腦皮層上共有的解剖標誌區域,但是大腦腦溝和腦回的尺度太大,其本身包含許多功能不一致的子區域,因此,需要識別出具備功能意義且個體間一致的精細的大腦標誌區域。目前從三維大腦磁共振圖像中定義和識別大腦皮層標誌區域的方法有四類1) 專家根據解剖結構憑藉專業知識手工標記,這種方法可重複性很差,並且個體之間差異很大;2)採用數據驅動方式對三維大腦磁共振圖像數據進行聚類,這類方法對聚類參數很敏感,而聚類的結果在神經科學上的意義也不是很明確;3)選取一個大腦圖像作為模板,請專家在該大腦圖像上定義標誌區域形成標準圖譜,然後通過配準該圖譜到其它大腦來獲得標誌區域,其缺點在於,如果不同個體的大腦之間具有顯著神經解剖變化時,這種基於配準的方法的準確性下降;4)採用基於任務的功能磁共振成像來識別激活的大腦標誌區域。 這種方法被認為是目前最準確的方法,但是這種方法費用昂貴,其精確性容易受實驗參數的影響,且受實驗對象健康條件的限制。以上四種大腦皮層表面標誌區域識別方法主要的缺點是,第一種專家標記的方法受個人人力和知識限制,主觀性太強,可重複性差,而且不適用於大規模數據集的處理;第二種採用聚類的方法很大程度上依賴於算法中關鍵幾個聚類參數,不同的聚類參數得到的聚類結果不一樣,聚類得到的大腦皮層表面標誌區域的數量和中心隨著參數的變化而變化,而且聚類過程中需要根據不同的數據集調整參數;第三種基於圖譜的方法以專家提供標誌圖譜為前提,圖像配準為基礎,如果所要標記的大腦與模板大腦的解剖結構差異太大時,其結果受配準算法的局限,準確性大大下降;第四種方法雖然可以準確獲得大腦皮層的標誌區域,但是每次獲取都需要設計磁共振掃描任務對單個個體大腦進行激活並掃描大腦進行數據收集,激活結果對掃描過程中設置的參數很敏感,而不同的任務激活的功能區域有限,獲得的標誌區域有限且實驗費用高,另外,由於掃描時間很長,過程複雜,掃描任務受實驗對象的身體健康等條件的限制,例如很難通過設計功能成像任務獲得老人,孩子等對象的標誌區域。鑑於不論用何種方法,所識別的大腦皮層表面標誌區域應該滿足兩個原則1)不同個體間相同功能的標誌區域應該具有相似的解剖位置;2)不同個體間的標誌區域與其它皮層區域或者腦組織的結構連接應該相似。而在人類大腦中,普遍存在著具有相似解剖位置的皮下層組織,包括左右半腦的扁桃體、尾狀核、海馬體、蒼白球、殼核和丘腦。三維大腦磁共振圖像中,不同個體間皮下層組織的分割結果相對於大腦皮層的解剖結構變化比較穩定,並且現有的分割方法可以得到滿意的分割效果,所以利用大腦皮層表面與皮下層組織結構的連接信息定義大腦皮層表面_皮下層組織的結構連接模式,可以提供穩定而可靠的信息來識別整個大腦皮層表面區域。
發明內容
要解決的技術問題為了避免現有技術的不足之處,本發明提出一種三維大腦磁共振圖像的大腦皮層表面標誌區域識別方法,以識別個體間一致的涵蓋大部分大腦皮層表面功能區域的大腦皮層標誌區域。本發明的思想在於在大腦皮層表面數字圖像中,對每一個頂點,以該頂點與周圍 3個層次的相鄰頂點構成的大腦皮層表面區域為元區域,利用每一個大腦皮層表面元區域與皮下層組織的結構連接信息,提出了一種基於大腦皮層表面-皮下層組織結構連接模式的大腦皮層表面上標誌區域的分割方法,最終獲取在數據集中個體間一致性強的、穩定的大腦皮層表面區域作為大腦皮層表面標誌區域。技術方案一種三維大腦磁共振圖像的大腦皮層表面標誌區域識別方法,其特徵在於步驟如下步驟1 利用彌散張量成像方法獲取大腦磁共振彌散張量成像DTI數據,然後利用可變形點陣模型腦組織提取工具去除大腦磁共振彌散張量成像DTI數據中的頭骨數據,閾值為0. 25-0. 4 ;利用流線算法從去除頭骨數據的大腦磁共振彌散張量成像數據中重建大腦白質神經纖維數字圖像,並利用高斯混合模型對去除頭骨之後的大腦磁共振彌散張量成像數據進行大腦組織分割,得到大腦灰質、大腦白質和大腦腦脊髓液三種大腦組織表示的數字圖像數據;步驟2 利用Marching Cubes方法從步驟1所獲得的白質數字圖像數據中,用一系列頂點和三角形重構拓撲結構正確的大腦皮層表面數字圖像;步驟3 利用Tl加權成像方法獲取Tl加權成像的三維大腦磁共振圖像數據,然後利用可變形點陣模型腦組織提取工具去除Tl加權成像的大腦磁共振圖像數據中的頭骨數據,閾值為0. 3-0. 4 ;然後利用磁共振成像綜合配準和分割工具FSL-FIRST從該圖像數據分割得到左右半腦各6個的皮下層組織圖像數據,並採用FSL FLIRT線性配準方法將這些皮下層組織圖像數據配準到大腦皮層表面數字圖像數據所在的大腦磁共振彌散張量成像DTI 數據空間;步驟4 採用在大腦白質數字圖像和大腦皮層表面數字圖像中的所有連接大腦皮層表面和皮下層組織的大腦白質神經纖維,並以與其相連的皮下層組織來標記這些大腦白質纖維,得到與皮下層組織數目相同的12束大腦白質神經纖維簇;步驟5 取大腦皮層表面數字圖像中的每一個頂點,以該頂點與周圍3個層次的相鄰頂點構成的表面區域為元區域,然後在這個元區域內,統計連接到該元區域內的所有大腦白質神經纖維的皮下層組織標記種類,選出與該元區域在同一個大腦半球的皮下層組織標記,然後從左到右按照扁桃腺、尾狀核、海馬體、蒼白球、殼核和丘腦的固定順序排列,採用這個排列作為該元區域的大腦皮層與皮下層組織連接模式,得到大腦皮層_皮下層組織連接向量;當有大腦白質神經纖維連接到其中某一個皮下層組織,則設定大腦皮層與皮下層組織連接向量的對應位為1,如果沒有則設置為0 ;步驟6 在三維大腦磁共振圖像中整個大腦皮層表面數字圖像中重複步驟5以獲得大腦皮層表面數字圖像所有的元區域的大腦皮層與皮下層組織連接模式,然後利用連通分量檢測方法將大腦皮層表面的元區域進行分類,將大腦皮層表面數字圖像中所有的元區域的大腦皮層_皮下層組織連接模式相同的元區域分為一類,得到對單個個體的大腦皮層表面分割;步驟7 針對一組三維大腦磁共振圖像數據重複步驟1到步驟6,獲得整組三維大腦磁共振圖像數據的大腦皮層表面分割;然後在整組數據裡面選取一個大腦磁共振數據作為模板圖像數據,利用FSL FLIRT工具將其它的大腦磁共振圖像數據分別配準到該模板圖像數據所在的坐標空間,得到對應的坐標空間轉換矩陣,利用這些轉換矩陣將整組的三維大腦皮層表面配準到模板圖像數據坐標空間下;然後根據不同個體間相同功能的標誌區域應該具有相似的解剖位置的大腦皮層標誌區域選取原則,在整個組的個體之間,選取大腦皮層_皮下層組織連接模式相同並且解剖位置最相近的大腦皮層元區域作為皮層標誌區域,以保證個體間的一致性。有益效果本發明提出的一種三維大腦磁共振圖像的大腦皮層表面標誌區域識別方法,實現了基於三維大腦磁共振圖像中大腦皮層表面和皮下層組織神經纖維結構連接模式的大腦皮層表面分割方法,其優越性在於1)不受專家知識的限制,可以處理大規模數據集;2)由於大腦皮層的解剖結構變化顯著,相對於採用大腦皮層表面區域之間的結構連接信息進行大腦皮層標誌區域識別的方法,本發明利用相對穩定的大腦皮層表面與皮下層組織的連接信息識別大腦皮層表面標誌區域;3)相對於只考慮大腦皮層表面與一個特定皮下層組織連接信息的方法,本發明採用6個皮下層組織(左右大腦各6個)來定義大腦皮層表面與皮下層組織的結構連接模式,連接模式更豐富,可以識別更多的大腦皮層區域作為大腦皮層表面的標誌區域;4)對不同個體之間的大腦溝回的神經解剖變化不敏感;5)相對於基於任務的功能磁共振圖像標誌區域的獲取方法,本發明僅僅需要彌散張量成像數據即可獲得可靠的大腦皮層表面標誌區域,所需時間短,費用低。
圖1 三維大腦磁共振圖像的大腦皮層表面標誌區域識別流程圖;圖2 :8個腦個體的三維大腦磁共振圖像的12個皮下層組織的分割結果,右側是皮下層組織名稱和顏色對應表;圖3 三維大腦磁共振圖像中右側大腦皮層表面數字圖像、6個皮下層組織以及連接二者的神經纖維的聯合視圖;圖4 8個腦個體的三維大腦磁共振圖像中大腦皮層表面與右腦皮下層組織相連的神經纖維所構成的連接模式可視化;圖5 隨機選取的三維大腦磁共振圖像中三個皮層區域以及其所對應的大腦皮層表面與皮下層組織的連接模式示意圖;連接模式的6個位分別對應於與該大腦皮層表面區域在同一個半腦的6個皮下層組織,1意思是該大腦皮層表面區域與皮下層組織存在神經纖維連接,0代表沒有連接;圖6 —個三維大腦磁共振圖像中大腦皮層表面標誌區域識別的例子;(a)是一個大腦皮層表面與皮下層組織連接模式的10個個體的分類結果,(b)是根據個體間一致性提取的穩定的大腦皮層表面標誌區域。由黃色箭頭突出顯示,不同的顏色代表不同的大腦皮層表面區域;
具體實施例方式現結合實施例、附圖對本發明作進一步描述本發明整個流程可以參考附圖1,具體的實施步驟如下1.數據預處理利用彌散張量成像方法獲取大腦磁共振彌散張量成像DTI數據,然後利用可變形點陣模型腦組織提取工具去除大腦磁共振彌散張量成像DTI數據中的頭骨數據,閾值為 0. 3 ;利用流線算法從去除頭骨數據的大腦磁共振彌散張量成像數據中重建大腦白質神經纖維數字圖像,並利用高斯混合模型對去除頭骨之後的大腦磁共振彌散張量成像數據進行大腦組織分割,得到大腦灰質、大腦白質和大腦腦脊髓液三種大腦組織表示的數字圖像數據;利用Marching Cubes方法從上述所獲得的白質數字圖像數據中,用一系列頂點和三角形重構拓撲結構正確的大腦皮層表面數字圖像;利用Tl加權成像方法獲取Tl加權成像的三維大腦磁共振圖像數據,利用可變形點陣模型腦組織提取工具去除Tl加權成像的大腦磁共振圖像數據中的頭骨數據,閾值為0. 3-0. 4 ;然後利用磁共振成像綜合配準和分割工具FSL-FIRST從該圖像數據分割得到左右半腦各6個的皮下層組織圖像數據,並採用 FSL FLIRT線性配準方法將這些皮下層組織圖像數據配準到大腦皮層表面數字圖像數據所在的大腦磁共振彌散張量成像DTI數據空間;圖2中為8個腦個體的皮下層組織分割實例, 由圖可見,分割結果在不同個體間的一致性較理想。2.定義大腦皮層表面與皮下層組織連接模式採用在大腦白質數字圖像和大腦皮層表面數字圖像中的所有連接大腦皮層表面和皮下層組織的大腦白質神經纖維,並以與其相連的皮下層組織來標記這些大腦白質纖維,得到與皮下層組織數目相同的12束大腦白質神經纖維簇;圖3是穿過右半腦6個皮下層組織的6簇白質神經纖維與大腦皮層表面數字圖像的聯合可視化。圖5顯示了 8個個體的大腦皮層表面與皮下層組織相連的神經纖維簇的分布情況,可以看出在同一個大腦的不同大腦皮層表面區域所包含的與皮下層組織相連的纖維簇類別具有明顯的差異,但是不同個體之間相對應的大腦皮層表面區域,與皮下層組織相連的大腦白質神經纖維簇類別分布則非常相似,例如紅色箭頭標出的大腦皮層表面區域,因此,在大腦皮層表面數字圖像中,利用這些纖維簇的皮下層區域標記信息,可以定義大腦皮層表面與皮下層組織的連接模式,然後利用大腦皮層表面與皮下層的連接模式信息來分割大腦皮層表面區域,最終獲得可靠的皮層結構標誌區域。取大腦皮層表面數字圖像中的每一個頂點,以該頂點與周圍3個層次的相鄰頂點構成的表面區域為元區域,然後在這個元區域內,統計連接到該元區域內的所有大腦白質神經纖維的皮下層組織標記種類,選出與該元區域在同一個大腦半球的皮下層組織標記, 然後從左到右按照扁桃腺、尾狀核、海馬體、蒼白球、殼核和丘腦的固定順序排列,採用這個排列作為該元區域的大腦皮層與皮下層組織連接模式,得到大腦皮層_皮下層組織連接向量;當有大腦白質神經纖維連接到其中某一個皮下層組織,則設定大腦皮層與皮下層組織連接向量的對應位為1,如果沒有則設置為O ;見表1所示,圖5是三個皮層元區域及其大腦皮層_皮下層連接模式的例子。3.大腦皮層表面分割在整個大腦皮層表面數字圖像中重複步驟2以獲得大腦皮層表面所有的元區域的大腦皮層_皮下層組織連接模式,然後利用連通分量檢測方法將皮層表面的元區域進行分類,將大腦皮層表面數字圖像中上所有的元區域的大腦皮層_皮下層組織連接模式相同的元區域分為一類,實現對單個個體的大腦皮層表面分割;圖6a顯示了某一個連接模式的 8個大腦的皮層表面分割結果。4.大腦皮層表面標誌區域識別重複步驟1到步驟3,獲得一組三維大腦磁共振圖像數據的大腦皮層表面分割;然後在這一組數據裡面選取一個大腦磁共振數據作為模板圖像數據,利用FSL FLIRT工具將其它的大腦磁共振圖像數據分別配準到該模板圖像數據所在的坐標空間,得到對應的坐標空間轉換矩陣,利用這些轉換矩陣將整個組的三維大腦皮層表面配準到模板圖像數據坐標空間下;然後根據不同個體間相同功能的標誌區域應該具有相似的解剖位置的大腦皮層標誌區域選取原則,在整個組的個體之間,選取大腦皮層-皮下層組織連接模式相同並且解剖位置最相近的大腦皮層元區域作為皮層標誌區域,以保證個體間的一致性。圖6b為通過個體間一致性提取的穩定的大腦皮層表面標誌區域。表1為通過本發明在一組數據中得到的大腦皮層表面標誌區域
皮下層區域扁桃腺尾狀核海馬體蒼白球殼核丘腦有連接111111無連接000000.大腦皮層表面元區域與皮下層組織結構連接模式的定義1代表該大腦皮層表面元區域與皮下層組織有神經纖維連接,0代表沒有連接。
權利要求
1. 一種三維大腦磁共振圖像的大腦皮層表面標誌區域識別方法,其特徵在於步驟如下步驟1 利用彌散張量成像方法獲取大腦磁共振彌散張量成像DTI數據,然後利用可變形點陣模型腦組織提取工具去除大腦磁共振彌散張量成像DTI數據中的頭骨數據,閾值為 0. 25-0. 4 ;利用流線算法從去除頭骨數據的大腦磁共振彌散張量成像數據中重建大腦白質神經纖維數字圖像,並利用高斯混合模型對去除頭骨之後的大腦磁共振彌散張量成像數據進行大腦組織分割,得到大腦灰質、大腦白質和大腦腦脊髓液三種大腦組織表示的數字圖像數據;步驟2 利用Marching Cubes方法從步驟1所獲得的白質數字圖像數據中,用一系列頂點和三角形重構拓撲結構正確的大腦皮層表面數字圖像;步驟3 利用Tl加權成像方法獲取Tl加權成像的三維大腦磁共振圖像數據,然後利用可變形點陣模型腦組織提取工具去除Tl加權成像的大腦磁共振圖像數據中的頭骨數據, 閾值為0. 3-0. 4 ;然後利用磁共振成像綜合配準和分割工具FSL-FIRST從該圖像數據分割得到左右半腦各6個的皮下層組織圖像數據,並採用FSL FLIRT線性配準方法將這些皮下層組織圖像數據配準到大腦皮層表面數字圖像數據所在的大腦磁共振彌散張量成像DTI 數據空間;步驟4 採用在大腦白質數字圖像和大腦皮層表面數字圖像中的所有連接大腦皮層表面和皮下層組織的大腦白質神經纖維,並以與其相連的皮下層組織來標記這些大腦白質纖維,得到與皮下層組織數目相同的12束大腦白質神經纖維簇;步驟5 取大腦皮層表面數字圖像中的每一個頂點,以該頂點與周圍3個層次的相鄰頂點構成的表面區域為元區域,然後在這個元區域內,統計連接到該元區域內的所有大腦白質神經纖維的皮下層組織標記種類,選出與該元區域在同一個大腦半球的皮下層組織標記,然後從左到右按照扁桃腺、尾狀核、海馬體、蒼白球、殼核和丘腦的固定順序排列,採用這個排列作為該元區域的大腦皮層與皮下層組織連接模式,得到大腦皮層_皮下層組織連接向量;當有大腦白質神經纖維連接到其中某一個皮下層組織,則設定大腦皮層與皮下層組織連接向量的對應位為1,如果沒有則設置為0 ;步驟6 在三維大腦磁共振圖像中整個大腦皮層表面數字圖像中重複步驟5以獲得大腦皮層表面數字圖像所有的元區域的大腦皮層與皮下層組織連接模式,然後利用連通分量檢測方法將大腦皮層表面的元區域進行分類,將大腦皮層表面數字圖像中所有的元區域的大腦皮層_皮下層組織連接模式相同的元區域分為一類,得到對單個個體的大腦皮層表面分割;步驟7 針對一組三維大腦磁共振圖像數據重複步驟1到步驟6,獲得整組三維大腦磁共振圖像數據的大腦皮層表面分割;然後在整組數據裡面選取一個大腦磁共振數據作為模板圖像數據,利用FSL FLIRT工具將其它的大腦磁共振圖像數據分別配準到該模板圖像數據所在的坐標空間,得到對應的坐標空間轉換矩陣,利用這些轉換矩陣將整組的三維大腦皮層表面配準到模板圖像數據坐標空間下;然後根據不同個體間相同功能的標誌區域應該具有相似的解剖位置的大腦皮層標誌區域選取原則,在整個組的個體之間,選取大腦皮層_皮下層組織連接模式相同並且解剖位置最相近的大腦皮層元區域作為皮層標誌區域, 以保證個體間的一致性。
全文摘要
本發明涉及一種三維大腦磁共振圖像的大腦皮層表面標誌區域識別方法,其特徵在於利用皮層表面與皮下層組織的結構連接信息來定義大腦皮層表面與皮下層組織的結構連接模式,通過對該連接模式的分類,實現對單個個體大腦皮層表面區域的分割,然後提取個體間穩定且一致性強的大腦皮層表面區域作為大腦皮層表面標誌區域。相對於其他方法,本發明利用了個體間穩定和一致性很強的大腦皮層表面與皮下層組織的連接模式來識別大腦皮層表面標誌區域,所得到的大腦皮層表面標誌區域更穩定和更一致。
文檔編號G06T7/00GK102332054SQ20111024656
公開日2012年1月25日 申請日期2011年8月25日 優先權日2011年8月25日
發明者劉天明, 張德剛, 胡新韜, 郭雷 申請人:西北工業大學