首页 / 专利库 / 地球科学 / 断层 / 一种对基于断层成像技术提供的人体关节数据进行处理的方法

一种对基于断层成像技术提供的人体关节数据进行处理的方法

阅读:911发布:2020-05-08

专利汇可以提供一种对基于断层成像技术提供的人体关节数据进行处理的方法专利检索,专利查询,专利分析的服务。并且本 发明 提供了一种对基于 断层 成像技术提供的人体关节数据进行处理的方法,包括:1)针对同一名被拍摄人的同一个关节部位,获得与第一次断层成像的扫描序列对应的人体关节数据I以及与第二次断层成像的扫描序列对应的人体关节数据II;2)基于人体关节数据I和人体关节数据II中的成骨部分,将人体关节数据I中的软骨部分和人体关节数据II中的软骨部分配准到相同的空间域中。通过该方案可以确定前后两次断层扫描的相应检测 位置 之间的对应关系,以将所述数据用于实现针对同一病人不同时期的关节软骨图像进行定性、定量的分析比对。,下面是一种对基于断层成像技术提供的人体关节数据进行处理的方法专利的具体信息内容。

1.一种对基于断层成像技术提供的人体关节数据进行处理的方法,包括:
1)针对同一名被拍摄人的同一个关节部位,获得与第一次断层成像的扫描序列对应的人体关节数据I以及与第二次断层成像的扫描序列对应的人体关节数据II;
2)基于人体关节数据I和人体关节数据II中的成骨部分,将人体关节数据I中的软骨部分和人体关节数据II中的软骨部分配准到相同的空间域中。
2.根据权利要求1所述的方法,在步骤2)之前还包括:
2-0)对所述人体关节数据I和所述人体关节数据II中的至少一个进行断层上的插值。
3.根据权利要求1或2所述的方法,其中步骤2)包括:
2-11)计算与人体关节数据I对应的图像和与人体关节数据II对应的图像之间的互信息;
2-12)确定使得所述互信息最大时,与人体关节数据I对应的各幅图像和与人体关节数据II对应的相应图像之间的对应关系;
其中,基于一幅图像中每个灰度值i的发生概率来计算所述图像的信息熵以得到所述互信息。
4.根据权利要求3所述的方法,其中步骤2-0)包括:
对人体关节数据I的图像和人体关节数据II的图像进行插值,得到包含相等数量的图像的图像序列A和图像序列B;
步骤2)包括:
2-21)采用下式针对图像序列A中的图像A和图像序列B中的图像B计算归一化的互信息:
其中, 是对图像A进行旋转平移所获得的图像,ρ为旋转平移的参数,I(x,y)是针对图像x和图像y的互信息,H(x,y)是针对图像x和图像y的联合熵;以及步骤2-22):
基于Powell算法,通过调整旋转平移的参数ρ,搜索确定使得NMI(B,A)最大时图像序列A中的各幅图像和与图像序列B中的相应图像之间的对应关系。
5.根据权利要求1所述的方法,其中采用以下方式来提供所述人体关节数据I和所述人体关节数据II,包括:
i)获得基于断层成像技术对一个人体关节部位的扫描序列;
ii)针对所述扫描序列中的一个层面图,确定所述层面图中的软骨组织的轮廓曲线以及所述层面图中的成骨组织的轮廓曲线;
iii)根据各个层面图中的软骨组织的轮廓曲线以及成骨组织的轮廓曲线,确定所述人体关节部位中软骨组织数据,其中所述软骨组织数据对应于一空间区域,所述空间区域为从由所述软骨组织的轮廓曲线所确定的第一空间区域中去除其与由所述成骨组织的轮廓曲线所确定的第二空间区域之间的交集后形成的第三空间区域;
步骤iii)还包括:
提供所述人体关节部位中成骨组织数据,所述成骨组织数据用于确定由所述成骨组织的轮廓曲线所确定的第二空间区域。
6.根据权利要求5所述的方法,其中步骤ii)包括:
ii-1a)针对所述层面图,确定其中软骨组织的大致轮廓和成骨组织的大致轮廓;
ii-2a)基于所述软骨组织的大致轮廓采用主动轮廓模型演化得到所述层面图中的软骨组织的轮廓曲线,基于所述成骨组织的大致轮廓采用主动轮廓模型演化得到所述层面图中的成骨组织的轮廓曲线。
7.根据权利要求5所述的方法,其中步骤ii)包括:
ii-1b)针对所述层面图,将当前层面图中所述软骨组织的大致轮廓和所述成骨组织的大致轮廓设置为基于设置的灰度阈值范围筛选得到;
ii-2b)对所述软骨组织的大致轮廓执行区域生长法以得到所述层面图中的软骨组织的轮廓曲线,对所述成骨组织的大致轮廓执行区域生长法以得到所述层面图中的成骨组织的轮廓曲线。
8.根据权利要求5所述的方法,其中步骤ii)包括:
将当前层面图中所述软骨组织的大致轮廓和所述成骨组织的大致轮廓分别设置为,基于得到的与当前层面图相邻的另一层面图中的软骨组织的轮廓曲线以及成骨组织的轮廓曲线。
9.根据权利要求5-8中任意一项所述的方法,其中步骤2)包括:
2-31)基于人体关节数据I和人体关节数据II,确定分别与其中成骨组织对应的空间区域2a和空间区域2b;
2-32)通过配准使得所述空间区域2a和空间区域2b具有大致相同的空间位置
2-33)根据成骨组织与软骨组织之间的对应关系以及步骤2-32)中的配准结果,将与人体关节数据I中软骨组织对应的空间区域1a和与人体关节数据II中的软骨组织对应的空间区域1b配准到相同的空间域中。
10.一种计算机可读存储介质,其中存储有计算机程序,所述计算机程序在被执行时用于实现如权利要求1-9中任意一项所述的方法。

说明书全文

一种对基于断层成像技术提供的人体关节数据进行处理的

方法

技术领域

[0001] 本发明涉及医学影像处理技术,特别涉及一种提供用于针对关节软骨进行定性、定量分析的数据的方法。

背景技术

[0002] 骨关节炎(osteoarthritis,OA)是一种退行性关节疾病,又称退行性关节炎或骨关节疾病,是一种中老年人群中的常见病。图1a示出了一个正常膝关节和一个典型的具有骨关节炎的膝关节的对比图,从图中可以看出患者的关节软骨产生了损伤使得部分骨质暴露,其还伴随有软骨溃疡和半月板损伤,脱落的软骨碎片以游离体的形式存在于关节中。在此种情况下,由于人体的免疫反应,会产生各种炎症。软骨组织的蜕变是造成骨关节炎患者疼痛的主要原因,在软骨组织发生改变后,患者易产生关节疼痛、僵硬及功能丧失的病症,严重影响其生活质量,并增加其生活负担。研究表明,导致OA发生的因素有很多,包括年龄、职业、生活习惯、四头肌薄弱、关节受异常及稳定性减弱、肥胖、遗传、外伤、内分泌紊乱、生长因子及免疫因子缺乏等。传统的治疗方式为在疾病初期采取保守治疗,在疾病的发展后期采用关节置换。
[0003] 随着再生医学技术的发展,细胞工程技术和组织工程技术已经在软骨缺损治疗领域得到10多年安全性和有效性检验,有些已经通过FDA认证,并且已经初步开始商业化,比如美国健赞公司的基质诱导自体软骨细胞移植等。脂肪间充质干细胞(Adipose Derived Stem Cells,ADSCs)取材来源方便,且具有多能性,已经得到很多专家的关注。在实验室通过对人腹部脂肪进行体外分离培养,诱导成脂、成骨、成软骨以及细胞表面标记鉴定ADSCs,观察其成、软骨活性。临床抽取患者腹部脂肪组织,体外分离纯化,收集成富含ADSCs和血管间质细胞的复合活性细胞成分-stromal vascular fraction(SVF),单独或复合玻璃酸钠、自体富含血小板血浆(Platelet Rich Plasma,PRP),注射到患者患有OA的关节腔以治疗骨性关节炎的临床观察和文献报道得到学术界和临床的关注。诸如ADSCs的再生医学技术的主要目的在于恢复患者受损的关节软骨以改善其病症。
[0004] 由于不同的患者之间存在个体差异,为了验证外源性ADSCs能否对一名患者的软骨缺损再生修复产生效果,需要检测该名患者的关节软骨状况,例如对其在手术前和手术后的关节软骨进行比对。由于关节软骨具有复杂的三维空间结构,因而现有的检测方式大多采用诸如磁共振成像(Magnetic Resonance Imaging,MRI)的断层成像技术。以MRI为例,其可以反映出被检测对象在三维空间上的结构状况,并且具有无创、无电离辐射、时间及空间分辨率高、软组织对比度好等优点,目前被绝大多数专家学者判断为是用于评价关节软骨损伤修复的最佳检查方法。
[0005] 然而,现有的基于MRI技术的诊断多是直接将MRI扫描序列提供给医生和患者,由医生根据经验观察并判断关节软骨的受损和修复情况,这为医生的工作带来了许多压力。这是由于关节软骨是附着在成骨上的一层非常薄的组织,其手术前和手术后的变化可能非常细微,这些变化有可能难以通过肉眼识别。并且,受到患者在拍摄时的体位和医生对拍摄仪器的操作的影响,前后两次MRI扫描所获的序列在空间位置上可能存在些许差异,而对于非常薄的关节软骨而言,即便是细微差异也可能会影响医生的判断。
[0006] 因此,需要一种能够实现基于MR技术对关节软骨进行定性、定量分析的数据处理方法。

发明内容

[0007] 因此,本发明的目的在于克服上述现有技术缺陷,提供一种基于断层成像技术提供人体关节数据的方法,包括:
[0008] 1)获得基于断层成像技术对一个人体关节部位的扫描序列;
[0009] 2)针对所述扫描序列中的一个层面图,确定所述层面图中的软骨组织的轮廓曲线以及所述层面图中的成骨组织的轮廓曲线;
[0010] 3)根据各个层面图中的软骨组织的轮廓曲线以及成骨组织的轮廓曲线,确定所述人体关节部位中软骨组织数据,其中所述软骨组织数据对应于一空间区域,所述空间区域为从由所述软骨组织的轮廓曲线所确定的第一空间区域中去除其与由所述成骨组织的轮廓曲线所确定的第二空间区域之间的交集后形成的第三空间区域。
[0011] 优选地,根据所述方法,其中步骤3)还包括:
[0012] 提供所述人体关节部位中成骨组织数据,所述成骨组织数据用于确定由所述成骨组织的轮廓曲线所确定的第二空间区域。
[0013] 优选地,根据所述方法,其中步骤2)包括:
[0014] 2-1a)针对所述层面图,确定其中软骨组织的大致轮廓和成骨组织的大致轮廓;
[0015] 2-2a)基于所述软骨组织的大致轮廓采用主动轮廓模型演化得到所述层面图中的软骨组织的轮廓曲线,基于所述成骨组织的大致轮廓采用主动轮廓模型演化得到所述层面图中的成骨组织的轮廓曲线。
[0016] 优选地,根据所述方法,其中步骤2)包括:
[0017] 将当前层面图中所述软骨组织的大致轮廓和所述成骨组织的大致轮廓分别设置为,基于得到的与当前层面图相邻的另一层面图中的软骨组织的轮廓曲线以及成骨组织的轮廓曲线。
[0018] 优选地,根据所述方法,其中步骤2)包括:
[0019] 2-1b)针对所述层面图,将当前层面图中所述软骨组织的大致轮廓和所述成骨组织的大致轮廓设置为基于设置的灰度阈值范围筛选得到;
[0020] 2-2b)对所述软骨组织的大致轮廓执行区域生长法以得到所述层面图中的软骨组织的轮廓曲线,对所述成骨组织的大致轮廓执行区域生长法以得到所述层面图中的成骨组织的轮廓曲线。
[0021] 优选地,根据所述方法,其中步骤1)包括:
[0022] 1-1)将具有高分辨率的磁共振扫描仪的参数配置为:
[0023] repetition time(TR):14.10ms;echo time(TE):5.0ms;field of view(FOV):171mm×171mm;data matrix:320×320;slice thickness:0.53mm;
[0024] 1-2)采用经过配置的所述磁共振扫描仪来获取所述人体关节部位的T2 3D稳态双回波压脂序列。
[0025] 优选地,根据所述方法,其中步骤1)包括:
[0026] 在采用所述断层成像技术拍摄所述人体关节部位时,固定被拍摄人的身体位置以及所述关节部位的屈伸程度。
[0028] 1)针对同一名被拍摄人的同一个关节部位,获得与第一次断层成像的扫描序列对应的人体关节数据I以及与第二次断层成像的扫描序列对应的人体关节数据II;
[0029] 2)基于人体关节数据I和人体关节数据II中的成骨部分,将人体关节数据I中的软骨部分和人体关节数据II中的软骨部分配准到相同的空间域中。
[0030] 优选地,根据所述方法,其中采用上述任意一种基于断层成像技术提供人体关节数据的方法来提供所述人体关节数据I和所述人体关节数据II。
[0031] 优选地,根据所述方法,在步骤2)之前还包括:
[0032] 2-0)对所述人体关节数据I和所述人体关节数据II中的至少一个进行断层上的插值。
[0033] 优选地,根据所述方法,其中步骤2)包括:
[0034] 2-11)计算与人体关节数据I对应的图像和与人体关节数据II对应的图像之间的互信息;
[0035] 2-12)确定使得所述互信息最大时,与人体关节数据I对应的各幅图像和与人体关节数据II对应的相应图像之间的对应关系;
[0036] 其中,基于一幅图像中每个灰度值i的发生概率来计算所述图像的信息熵以得到所述互信息。
[0037] 优选地,根据所述方法,其中步骤2-0)包括:
[0038] 对人体关节数据I的图像和人体关节数据II的图像进行插值,得到包含相等数量的图像的图像序列A和图像序列B;
[0039] 步骤2)包括:
[0040] 2-21)采用下式针对图像序列A中的图像A和图像序列B中的图像B计算归一化的互信息:
[0041]
[0042] 其中, (A,ρ)是对图像A进行旋转平移所获得的图像,ρ为旋转平移的参数,I(x,y)是针对图像x和图像y的互信息,H(x,y)是针对图像x和图像y的联合熵;以及[0043] 步骤2-22):
[0044] 基于Powell算法,通过调整旋转平移的参数ρ,搜索确定使得NMI(B,A)最大时图像序列A中的各幅图像和与图像序列B中的相应图像之间的对应关系。
[0045] 优选地,根据所述方法,其中步骤2)包括:
[0046] 2-31)基于人体关节数据I和人体关节数据II,确定分别与其中成骨组织对应的空间区域2a和空间区域2b;
[0047] 2-32)通过配准使得所述空间区域2a和空间区域2b具有大致相同的空间位置;
[0048] 2-33)根据成骨组织与软骨组织之间的对应关系以及步骤2-32)中的配准结果,将与人体关节数据I中软骨组织对应的空间区域1a和与人体关节数据II中的软骨组织对应的空间区域1b配准到相同的空间域中。
[0049] 一种计算机可读存储介质,其中存储有计算机程序,所述计算机程序在被执行时用于实现上述任意一项所述的方法。
[0050] 一种计算机设备,包括存储器和处理器,在所述存储器上存储有能够在处理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上述任意一项所述的方法的步骤。
[0051] 与现有技术相比,本发明的实施例具有以下优点:
[0052] 基于一次断层扫描得到的人体关节部位的扫描序列,针对每一个层面图分别确定其所包含的软骨组织的轮廓以及成骨组织的轮廓,并基于各个层面上的所述两个轮廓得到在三维空间中与软骨组织的轮廓对应的第一空间区域、以及与成骨组织的轮廓对应的第二空间区域,从第一空间区域中去除其与第二空间区域的交集以得到软骨组织在三维空间上的区域。由此,能够准确地分离出在以不规则的碗状的形态紧密地贴附在成骨的端部上的一层非常薄的软骨组织。
[0053] 通过灰度阈值筛选结合手动勾画(或区域生长法)或者将已确定的与当前层面图相邻的另一层面图的软骨组织(或成骨组织)的轮廓曲线作为得到软骨组织(或成骨组织)的大致轮廓,并对该大致轮廓执行区域生长法,可以剔除位于一个关节的两侧的软骨之间的非联通区域以及诸如韧带的非软骨组织,从而进一步提高针对软骨识别的精确度。
[0054] 对软骨组织(或成骨组织)的大致轮廓执行主动轮廓模型演化,所得到的轮廓曲线针对的是针对一个连通的组织的区域,其可以避免将非软骨组织识别为软骨,并且主动轮廓模型非常有利于得到针对软骨(或成骨)的准确的轮廓曲线。
[0055] 将扫描仪的参数配置为设定值,非常有利于使得所获得的关节部位中的各类软组织(例如关节软骨、韧带、关节囊和滑膜等)、以及硬骨之间具有较大的区分度。
[0056] 在采用所述断层成像技术拍摄所述人体关节部位时,固定被拍摄人的身体位置以及所述关节部位的屈伸程度。由此,可以确保每一次都可以在相同的位置、相同的度拍摄到屈伸程度相同的人体关节,使得可以对与多次拍摄对应的关节软骨数据进行定性、定量的分析比对。
[0057] 针对同一名被拍摄人的同一个关节部位的两次拍摄结果(分别对应于人体关节数据I和II)中的至少一次结果进行断层上的插值,并基于根据插值的结果,将人体关节数据I中的软骨部分和人体关节数据II中的软骨部分配准到相同的空间域中。减少了对前后两次拍摄结果进行对齐时的操作粒度,减少了两次拍摄时由于扫描序列对应于关节中不同的空间截面所带来的影响。
[0058] 基于人体关节数据I和II中的成骨部分,对人体关节数据I和II中的软骨部分进行对齐,提高了对齐所采用的具有高置信度的数据量(成骨部分在较短时间内的变化不大,因而采用这部分信息进行对齐,其置信度更高)。直接采用<实施例1>所得到的成骨的三维模型数据进行对齐,其计算量更小,可以快速地确定前后两次拍摄的软骨在空间上的对应关系。
[0059] 基于互信息的计算方式,利用了信息论的原理,计算与人体关节数据I对应的一幅图像和与人体关节数据II对应的一幅图像中所包含相同信息最大时,人体关节数据I的图像和人体关节数据II中图像之间的对应关系。提供了一种便于计算机自动实现对其的方法。在搜索使得互信息最大时人体关节数据I的图像A和人体关节数据II中图像B时采用Powell算法,可以快速地进行求解。
[0060] 综上,本发明的实施例提供了针对通过断层成像技术获取的扫描序列来提供人体关节数据的方法,使得能够准确地分离出关节软骨,并且可以确定前后两次断层扫描的相应检测位置之间的对应关系,以将所述数据用于实现针对同一病人不同时期的关节软骨图像进行定性、定量的分析比对。附图说明
[0061] 以下参照附图对本发明实施例作进一步说明,其中:
[0062] 图1a示出了一个正常膝关节和一个典型的具有骨关节炎的膝关节的对比图;
[0063] 图1b示出了一个膝关节的矢状面图;
[0064] 图2是根据本发明的一个实施例对针对人体膝关节拍摄的磁共振扫描序列进行处理以获得用于建立三维的关节软骨模型的数据的方法流程图
[0065] 图3a是根据本发明的一个实施例所建立的人体膝关节3D模型的一个冠状面的截面图;
[0066] 图3b是与图3a对应的人体膝关节3D模型的一个矢状面的截面图;
[0067] 图3c示出了针对与图3a对应的人体膝关节3D模型执行软骨组织的轮廓曲线所确定的第一空间区域中去除其与由所述成骨组织的轮廓曲线所确定的第二空间区域的交集后所得到的软骨组织在三维空间的立体图;
[0068] 图3d示出了针对图3c的膝关节软骨中某一空间位置上的厚度进行测量的示意图;
[0069] 图3e是采用本发明的一个实施例的方法所得到的一名患者在治疗前、治疗后12周、治疗后24周时右膝关节贴附在两侧成骨上的软骨的三维模型的示意图;
[0070] 图4是根据本发明的一个实施例对同一患者在治疗的不同时期的膝关节软骨影像进行配准的方法流程图;
[0071] 图5a是根据本发明的一个实施例将同一名病患的同一个膝关节的两次拍摄所得到的关节软骨的两个三维模型映射到同一空间域的结果图;
[0072] 图5b示出了针对图5a中对齐的膝关节软骨的三维模型进行定量分析的示意图。

具体实施方式

[0073] 如背景技术中所介绍地,MRI是将人体置于特殊的磁场中,发射无线电射频脉冲,并接收通过人体吸收后的能量,通过计算机处理获得磁共振图像。而由于一次扫描产生的信息量极其巨大,因此现有的MRI技术都是选择多个断层进行图像恢复,所恢复出的图像序列又被称作为MRI扫描序列。发明人认为,直接观察MRI扫描序列为医生的诊断带来了许多压力,并且不同时期检测或的MRI扫描序列在空间位置上可能存在些许差异,这并不利于针对同一病人不同时期的关节软骨图像进行定性、定量的分析比对。
[0074] 如前文所述,关节软骨的形状是否异常是OA检测的关键,因此需要从MRI扫描结果中区分出软骨与其他组织。发明人通过研究后发现,采用通过断层扫描技术得到的图像来构建关节软骨的三维模型的难点在于,关节软骨的组织非常薄、且以类似于碗状的形态紧密地贴附在成骨的端部,使得在分离该软骨组织时容易出现组织缺失、不准确等缺陷。图1b示出了一个膝关节的矢状面图,从图中可以看到在关节软骨的周围还包括诸如关节囊和滑膜、滑膜腔、韧带等其他人体组织,这些组织与关节软骨的质地类似,使得容易将它们误认为是软骨组织。
[0075] 对此,申请人发现人体中不同组织的密度不同、并且对无线电射频脉冲的吸收率也不相同,其反应在断层成像结果中表现为不同的人体组织具有不同的灰度,并且不同人体组织之间通常是不完全连通的,因而可以利用这两点识别出人体关节中的软骨质部分。在区分出人体关节的各部位之后,可以利用数据处理手段进行三维数据恢复并以可视化模型的方式直观地展示出来。
[0076] 并且,为了实现针对同一患者在治疗的不同时期的关节软骨的磨损程度进行定性、定量的分析比较,可以对该患者的几次MRI扫描结果的3D影像进行配准,以确保不同时期获得的影像处于同一个坐标系。考虑到患者的病程发展和恢复度,各次MRI扫描结果中软骨的长度、面积、体积可能均不相同,这为配准增加了难度。对此,申请人提出可以基于信息论,针对两次影像计算它们的互信息,求解使得互信息最大时两次影像的配准结果,也就是使得两次影像分别的信息熵之间的交集最大的配准结果。例如,使得两次影像在窗口内的关联性最高,相当于对齐或配准了影像。
[0077] 基于上述考虑,本发明提供了一种基于断层成像技术提供人体关节数据的方法,以便恢复出单独的关节软骨的三维模型,以及一种对人体关节进行断层扫描获得的图像序列的处理方法,以将分别与至少两次拍摄对应的人体软骨进行比对。下面结合附图和具体实施方式对本发明作详细说明。
[0078] <实施例1>
[0079] 参考图2,根据本发明的一个实施例,提供一种对针对人体膝关节拍摄的磁共振扫描序列进行处理以获得用于建立三维的关节软骨模型的数据的方法,包括:
[0080] 步骤1.利用核磁共振扫描仪采集膝关节的影像数据。
[0081] 在采集膝关节影像时,可以提示患者躺平并调整体位,使得膝关节的屈伸程度、摆放位置、相较于扫描仪的旋转角度均为固定的,以便在每次拍摄时均能够以相同的角度拍摄到人在相同姿态下膝关节的相同区域。
[0082] 根据本发明的一个实施例,为了有利于获得准确的关节软骨数据,可以利用影像分析程序对所获得的扫描序列进行诸如去噪等的图像处理
[0083] 根据本发明的一个实施例,也可以采用具有高分辨率的扫描仪进行采集,或将图像处理与具有高分辨率的扫描仪相结合。这里所采用的具有高分辨率的扫描仪可以例如是SIEMENS PRISMA 3.0T磁共振扫描仪,并基于西子prisma磁共振扫描仪自带的关节扫描协议并结合待扫描关节软骨的特点进行参数调整以获得相应的扫描序列。
[0084] 通过调整扫描仪的脉冲参数,可以使得所拍摄到的扫描序列中的各类组织(尤其是诸如关节软骨、韧带、关节囊和滑膜等各种不同的软组织)之间的轮廓清晰、分明,非常有利于在随后的步骤中提取与软骨组织区域对应的数据。以采用SIEMENS PRISMA 3.0T磁共振扫描仪为例,可以针对膝关节将该序列的具体参数设置为:repetition time(TR):14.10ms;echo time(TE):5.0ms;field of view(FOV):171mm×171mm;data matrix:320×
320;slice thickness:0.53mm。
[0085] 下面通过一个实例来介绍根据本发明的一个实施例采集针对膝关节的断层扫描序列的方式。
[0086] 首先,使得患者的体位调整到预定的状态,进行一次粗略的扫描从而定位到与膝关节对应的关注区域,获得该区域的粗略影像,作为定位像。保持患者体位不变,然后在此基础上基于该关注区域进行简单调整并进行正式的细致的扫描,得到关注区域的影像序列。以采用西门子prisma磁共振扫描仪对膝关节进行扫描为例,通过前后两次扫描可以获得一个膝关节定位像和一个以T2_de3d_we_sag_iso命名的序列,在扫描时可以参考前述参数来配置扫描仪。根据T2_de3d_we_sag_iso序列的物理成像原理,其属于T2 3D稳态双回波压脂序列,该序列在一个TR时间内获得fisp和psif两个回波共同成像(即T1像和T2像)以对物体中各体素的空间位置进行定位,这里fisp和psif的主要差别在于激发顺序以及编码顺序,fisp先进行选层编码,然后相位编码,最后进行频率编码,psif的顺序则反过来。这种成像方式的信噪比高,并且所获得的成像中软组织的对比度高,T2像的占比较高,因而尤其适用于针对诸如关节这样的包含许多不同软组织的部位的成像。在成像过程中,表现为高信号,关节软骨呈中等信号。
[0087] 针对不同的扫描仪,可以对配置参数进行相应的调整,以使得所获得的关节部位中软组织、硬骨之间具有较大的区分度。调整的原则可以参考相应扫描仪所获得的扫描序列中组织对比度的产生原理:例如,短repetition time(TR)短echo time(TE)则结果偏重于T1像;长TR长TE则偏重于T2像;长TR短TE则倾向于质子加权(PDW)图像。不同权重组成的图像反映的组织对比度差异会不同。具体的调节过程可以通过实验确定。其他的参数主要与图像信噪比以及安全性相关。主要采用经验值,也可以通过实验确定。
[0088] 步骤2.基于采集到的膝关节的影像数据,确定其中成骨组织的轮廓以及软骨组织的轮廓。
[0089] 根据本发明的一个实施例,针对通过该磁共振扫描得到的扫描序列中的每一个层面,得到其中软骨组织的大致轮廓和成骨组织的大致轮廓,这里可以直接通过灰度阈值筛选或者结合手动勾画或区域生长法得到该大致轮廓。例如,可以将扫描序列中的一个层面作为一个mask导入到mimics软件中,采用自定义将筛选的阈值设置为在100~350之间,得到软组织的大致轮廓。阈值筛选可以轻松地区分出成骨组织与软组织,然而各类软组织的灰度差异相对较小,基于灰度阈值筛选的结果中很可能还包含与关节软骨具有近似灰度的其他软组织,例如韧带等,因而在本发明的一个实施例中需要对筛选结果进行进一步的处理,例如手动勾画其中的关节软骨或者针对筛选结果执行区域生长法。这里的区域生长法可以确定筛选结果中的连通区域,由于关节软骨与其他的软组织并不连通,因而可以基于该方式去除非关节软骨组织以及位于关节两侧成骨的软骨之间的非联通区域。
[0090] 在本发明的又一个实施例中,为了得到更准确的成骨组织的轮廓以及软骨组织的轮廓,对该大致轮廓采用主动轮廓模型演化。所述主动轮廓模型可以例如是变分水平集模型、snake主动轮廓模型等现有模型。基于主动轮廓模型可以得到与一个连通组织对应的轮廓,因而对于采用诸如基于灰度阈值筛选得到上述大致轮廓的方案而言,可以择一地选择使用区域生长法或主动轮廓模型演化。
[0091] 以snake主动轮廓模型为例,可以将软骨组织(或成骨组织)的大致轮廓上的点作为控制点v(s)=[x(s),y(s)],s∈[0,1],假设该控制点v(s)在图像中的坐标位置由x(s)和y(s)确定,s是以傅立叶变换形式描述边界的自变量。这里可以把s理解为一个由k个x,y坐标组成的轮廓点的复数形式,即s(k)=x(k)+jy(k),k为轮廓线上的点的总数,如果将x(k)和y(k)以三角函数表示的话,s则是傅里叶变换形式的边界,其取值范围在0到1之间。在snake主动轮廓模型中,相邻的控制点之间以直线连接从而构成该大致轮廓。在snake的控制点上定义能量函数,表示为:
[0092]
[0093]
[0094] 其中,由加号相连的三项中,第一项是v(s)的一阶导数的模,称为弹性能量,第二项是v(s)的二阶导数的模,称为弯曲能量,第三项是图像能量,α和β为针对控制点设置的参数,在某一点的α和β的值决定曲线可以在这一点伸展和弯曲的程度。其中,弹性能量和弯曲能量的作用在于控制轮廓线的形变,起到保持轮廓连续性和平滑性的作用,图像能量表示变形曲线与图像局部特征吻合的情况。
[0095] 在采用snake主动轮廓模型对软骨组织(或成骨组织)的大致轮廓进行演化时,求解使得Etotal最小时的轮廓线v(s)上各个点的位置,即上述x(k)和y(k)的值,以作为软骨组织(或成骨组织)的轮廓曲线。
[0096] 在本发明的一些实施例中,可以将主动轮廓模型与前文中对灰度阈值筛选的结果进一步执行区域生长法(或手动勾画)的方式结合在一起。例如,可以将区域生长法(或手动勾画)得到的轮廓曲线作为当前层面的snake主动轮廓模型的起始轮廓点,也可以对经过snake主动轮廓模型演化得到的轮廓执行区域生长法(或手动勾画)。优选地,在执行主动轮廓模型演化之前执行区域生长法(或手动勾画),以提高演化的准确度并降低演化所需的计算量。
[0097] 根据本发明的一个实施例,将当前层面图中所述软骨组织的大致轮廓和所述成骨组织的大致轮廓分别设置为与当前层面图相邻的另一层面图中的软骨组织的轮廓曲线以及成骨组织的轮廓曲线。这样设置的原因在于,断层扫描的相邻层面图之间的差异相对较小,直接将针对相邻的另一层面图计算得到的轮廓曲线作为当前层面的大致轮廓则可以省略诸如前述实施例中进行灰度阈值筛选、手动勾画、区域生长等操作,快速地确定软骨组织和成骨组织的大致轮廓。优选地,针对第一个层面图执行基于灰度阈值筛选以及区域生长(或手动勾画)的操作以得到软骨组织和成骨组织的大致轮廓,针对其余各个层面图将与其相邻的层面图中软骨组织和成骨组织的轮廓曲线作为该层面中软骨组织和成骨组织的大致轮廓。
[0098] 步骤3.根据各个层面图中的软骨组织和成骨组织的轮廓曲线,确定膝关节中的软骨组织区域,所述软骨组织区域为一个空间上的区域,该区域是从由所述软骨组织的轮廓曲线所确定的第一空间区域中去除其与由所述成骨组织的轮廓曲线所确定的第二空间区域之间的交集后形成的第三空间区域。
[0099] 在得到了断层扫描序列中的各个层面图中的软骨组织和成骨组织的轮廓曲线之后,可以基于该轮廓曲线得到软骨组织的空间模型以及成骨组织的空间模型,这里基于轮廓曲线建立空间模型可以采用任意一种合适的现有技术,例如对扫描序列进行插值以得到三维模型。图3a示出了根据本发明的一个实施例所建立的人体膝关节3D模型的一个冠状面的截面图,在该冠状面图中可观测到膝关节的髁间窝,其中标亮的部分为膝关节软骨。图3b示出了与图3a对应的人体膝关节3D模型的一个矢状面的截面图,在该矢状面图中可观测到髌骨和股骨头的结合处,其中标亮的部分为膝关节软骨。
[0100] 参考图3a和图3b可以看出,膝关节具有两侧成骨,每一侧成骨的端部均覆盖有非常薄的一层软骨组织。由于软骨组织不可能生长在成骨内部,从较早步骤所确定的两侧软骨组织中减去其分别与两侧成骨组织的交集有助于确定更准确的软骨组织区域。
[0101] 在本发明的一个实施例中,从由所述软骨组织的轮廓曲线所确定的第一空间区域中去除其与由所述成骨组织的轮廓曲线所确定的第二空间区域的交集,所得到的结果即是软骨组织区域。图3c示出了针对与图3a对应的人体膝关节3D模型执行从第一空间区域中去除其与第二空间区域的交集后所得到的软骨组织的三维空间上的立体图。
[0102] 从图3c中可以看出,采用本发明的方式计算得到的软骨组织区域的三维模型可以清楚地反映出关节软骨的磨损部位以及磨损状况,其可以辅助针对关节软骨病变的诊断,基于该三维模型的数据使得医生可以针对关节中紧密贴附在成骨上的一层非常薄的软骨组织在三维空间上进行定性、定量分析。例如,参考图3d中所示出地,对膝关节软骨中某一空间位置上的厚度进行测量以监控在一段时间内该位置处的软骨的变化情况。这样的可用于定性、定量分析的数据可以在完全无创的情况下采用现有的断层扫描仪器而实施,病人无需忍受手术带来的痛苦,医院也无需采购新的大型医疗设备。
[0103] 在本发明的一些实施例中,还可以以其他形式的数据来提供与该三维模型对应的关节软骨数据。例如,软骨的长度、面积、体积,软骨的形状(圆形度、椭圆各轴长,矩形各边长等)。又例如,基于灰度共生矩阵的针对软骨的图像纹理特征,包括:基于断层扫描所得到的与关节软骨部位的层面图对应的能量值、对比度、相关性、方差、逆差矩、和平均、和方差、和熵、熵、差方差、差熵、相关性信息度量(IMC)、另一个相关性信息度量(AIMC)、最大相关性系数等。
[0104] 在本发明的又一些实施例中,除所述关节软骨数据之外,还提供与成骨的三维模型对应的相关数据。
[0105] 根据本发明的一个实施例,以用户图形交互界面的方式提供针对关节的三维模型。基于三维可视化技术对分割出来的成骨和软组织添加不同的可视化渲染效果(色彩,光照等),可以将膝关节各部位直观的展示出来。并提供各种可视化工具,如旋转/平移、放大/缩小、窗宽窗位调整等,为治疗效果定性评估以及结果展示提供基础;此外,提供各种不同的测量工具,如长度、面积、体积以及均值/方差等量化分析工具。通过对膝关节3D图像的直接观察以及测量可以对关节面软骨的磨损部位和程度得到定性以及定量的分析。
[0106] <实施例2>
[0107] 发明人发现在医疗实践过程中,为了追踪一名患者的病程发展状况以确定恰当治疗方式,或者为了研究在为一名患者实施了脂肪间充质干细胞治疗后的一段时间其关节软骨是否得到修复,需要对该患者在两个时期的关节软骨状况进行比对。
[0108] 图3e示出了采用<实施例1>的方法所得到的一名患者在治疗前、治疗后12周、治疗后24周时右膝关节贴附在两侧成骨上的软骨的三维模型的示意图。可以看到,基于该方法可以方便地对几次拍摄到的软骨磨损状况进行定性分析,然而为了定量地比对软骨磨损状况,还需要将前后两次拍摄得到的针对同一关节的软骨进行空间上的对齐,以比较软骨整体上的变化状况以及在相同位置处的软骨厚度。然而,两次断层扫描所获得的扫描序列很可能对应于关节中不同的空间截面,在两次断层扫描时扫描仪与关节之间的旋转角度、患者关节的屈伸程度也可能存在差异,这使得很难将第一次拍摄的扫描序列与第二层拍摄的扫描序列对齐到相同的空间域中。
[0109] 对此,参考图4,根据本发明的一个实施例,对同一患者在治疗的不同时期的膝关节软骨影像进行配准的方法,包括:
[0110] 步骤1.针对同一名被拍摄人的同一个关节部位,获得与第一次断层成像的扫描序列对应的人体关节数据I以及与第二次断层成像的扫描序列对应的人体关节数据II。
[0111] 这里所述人体关节数据I和II可以是通过断层扫描得到的扫描序列本身,也可以是与该扫描序列对应的数据,还可以是通过本发明<实施例1>所得到的与关节软骨、成骨的三维模型对应的数据。
[0112] 步骤2.对所述人体关节数据I和所述人体关节数据II中的至少一个进行断层上的插值。在本发明中可以采用任意恰当的方式进行插值,例如通过图像处理的方式预测在扫描序列的两个相邻层面图之间的层面图。通过这样的方式可以减小断层上的粒度,使得与一个扫描序列经过插值所得到的层面图对应的关节断层和与另一个扫描序列的层面图对应的关节断层在空间上相靠近,以减少两次拍摄时扫描序列对应于关节中不同的空间截面所带来的影响。
[0113] 步骤3.根据插值的结果,基于人体关节数据I和人体关节数据II中的成骨部分,将人体关节数据I中的软骨部分和人体关节数据II中的软骨部分配准到相同的空间域中。
[0114] 发明人发现,在几个月的时间段内,人体关节的成骨的变化相较于软骨而言非常小,尤其是对于相对更易产生骨关节炎的成年人而言。因而,可以利用这一特点基于前后两次拍摄到的关节成骨将第一次拍摄的扫描序列与第二层拍摄的扫描序列对齐到相同的空间域中,从而得到对关节软骨的对齐结果。
[0115] 根据本发明的一个实施例,在步骤1中采用通过本发明<实施例1>所得到的与关节软骨、成骨的三维模型对应的数据作为人体关节数据I和II时,可以直接确定与人体关节数据I中成骨组织对应的空间区域2a以及与人体关节数据II中成骨组织对应的空间区域2b。通过配准使得所述空间区域2a和空间区域2b具有大致相同的空间位置。根据对成骨区域的配准结果、以及成骨组织与软骨组织之间的对应关系,可以得到将与人体关节数据I中软骨组织对应的空间区域1a和与人体关节数据II中的软骨组织对应的空间区域1b配准到相同的空间域中的结果。
[0116] 根据本发明的又一个实施例,还可以基于信息论的原理,对人体关节数据I和II进行对齐。通过计算与人体关节数据I对应的图像和与人体关节数据II对应的图像之间的互信息,找到使得互信息最大时与人体关节数据I对应的各幅图像和与人体关节数据II对应的相应图像之间的对应关系。在计算所述互信息时,可以根据一幅图像中每个灰度值i的发生概率来计算所述图像的信息熵,从而得到所述互信息。优选地,在计算所述互信息时使得图像中包含关节中成骨的部分。在本发明的一些实施例中,还可以仅针对图像中软骨的部分计算互信息以进行对齐操作。
[0117] 根据本发明的一个实施例,,首先基于下式对计算与人体关节数据I对应的图像A和与人体关节数据II对应的图像B之间的互信息:
[0118] I(A,B)=H(A)+H(B)-H(A,B),
[0119]
[0120]
[0121]
[0122] 其中,基于一幅图像中每级灰度i的发生概率来计算PA(i)、PB(i)、PA(i,j)。可以将一幅图像中像素的灰度值看作是一个随机变量,每个点的灰度值看作是与该随机变量对应的一个事件,由此可以将灰度i的发生概率定义为:
[0123]
[0124] 其中,N为整幅图像中的像素总数,hi是图像中灰度值为i的像素点的总数量。基于该式,可以计算PA(i)、PB(i)、PA(i,j),由此得到互信息I(A,B)。
[0125] 针对人体关节数据I和II的图像进行互信息计算,找出使得所述互信息最大时与人体关节数据I对应的各幅图像和与人体关节数据II对应的相应图像之间的对应关系,由此完成针对前后两次断层扫描所获得的图像的对齐操作。
[0126] 又例如,还可以针对与人体关节数据I对应的图像A和与人体关节数据II对应的图像B计算它们之间归一化的互信息。首先,对人体关节数据I的图像和人体关节数据II的图像进行插值得到图像序列A和图像序列B,使得图像序列A和图像序列B中包含相等数量的图像。随后,采用下式针对图像序列A中的图像A和图像序列B中的图像B计算归一化的互信息:
[0127]
[0128] 其中, (A,ρ)是对图像A进行旋转平移所获得的图像,ρ为旋转平移的参数,I(x,y)是针对图像x和图像y的互信息,H(x,y)是针对图像x和图像y的联合熵。
[0129] 随后,基于Powell算法,通过调整旋转平移的参数ρ,搜索确定使得NMI(B,A)最大时图像序列A中的各幅图像和与图像序列B中的相应图像之间的对应关系。
[0130] 这里的Powell算法是一种求解最大互信息的贪心算法,其通过在多维搜索空间中选择多个线性无关的搜索方向,并在每次迭代过程中调整这些方向以加速得到使得互信息最大时的图像A和图像B。然而可以理解,在本发明中还可以采用诸如遍历搜索等其它搜索算法。
[0131] 以Powell算法为例,其搜索过程包括:
[0132] 步骤3-1.选取初始参数x0=ρ0(△x0,△y0,△z0;θ0, ω0),其每个参数分别表示顺着x,y,z三轴的平移值和绕x,y,z三轴的旋转角,在六维搜索空间中设定6个线性无关的初始搜索方向d0,d1,...,d5设定迭代允许误差ε>0,令k=0;
[0133] 步骤3-2.进行基本搜索:令y0=xk,依次沿d0,d1,...,d5进行一维搜索:
[0134] f(yi-1+λi-1di-1)=maxλf(yi-1+λdi-1)
[0135] yi=yi-1+λi-1di-1
[0136] 其中λi为各搜索方向上一维搜索的步长,i=1,2,...,6;
[0137] 步骤3-3.检查是否满足终止准则:取加速方向dn=yn-y0,若||dn||<ε,则迭代终止,得到yn为问题的近似最优解,否则,转步骤4;
[0138] 步骤3-4.确定搜索方向:根据每次迭代中搜索方向的共轭程度不减的原则,可以得到满足条件 的m值,再判断f(y0)-2f(yn)+f(2fn-y0)<2[f(ym)-f(ym+1)]是否成立,若成立,转步骤3-5,否则转步骤3-6;
[0139] 步骤3-5.调整搜索方向:从点yn出发沿方向dn进行一维搜索,求出λn,使得f(yn+λndn)=maxλf(yn+λdn),并且令xk+1=yn+λdn,di=di+1,i=m,m+1,...,n-1,k=k+1,返回步骤3-2;
[0140] 步骤3-6.不调整搜索方向:令xk+1=yn,k=k+1,返回步骤3-2。
[0141] 由此,可以完成针对前后两次断层扫描所获得的图像的对齐操作。
[0142] 在本发明的一个实施例中,在执行完针对前后两次断层扫描所获得的图像的对齐操作之后,分别针对每次断层扫描所获的图像继续执行如前述<实施例1>中针对所述扫描序列中的一个层面图,确定所述层面图中的软骨组织的轮廓曲线以及所述层面图中的成骨组织的轮廓曲线,以及根据各个层面图中的软骨组织的轮廓曲线以及成骨组织的轮廓曲线,提供所述人体关节部位中软骨组织数据,其中所述软骨组织数据用于确定一空间区域,所述空间区域为从由所述软骨组织的轮廓曲线所确定的第一空间区域中去除其与由所述成骨组织的轮廓曲线所确定的第二空间区域之间的交集后形成的第三空间区域的操作。由此,以提供用于对对齐后的软骨组织进行定性、定量分析的数据。
[0143] 图5a示出了根据本发明的一个实施例,将同一名病患的同一个膝关节的两次拍摄所得到的关节软骨的两个三维模型映射到同一空间域的结果,其中灰度较浅的区域对应于较早拍摄得到的关节软骨的三维模型,灰度较深的区域对应于较晚拍摄得到的关节软骨的三维模型。可以看到,这两次拍摄的关节软骨被映射到相同的空间域上,并且可以清楚地反映出较晚拍摄得到的关节软骨在哪些空间区域上比较早拍摄的关节软骨更厚。
[0144] 图5b示出了针对图5a中对齐的膝关节软骨的三维模型进行定量分析的示意图,其中网格区域对应于较早拍摄的关节软骨,非网格区域对应于较晚拍摄得到的关节软骨。可以看到,在关节软骨的同一位置处,较晚拍摄的软骨厚度为7.09mm,其相较于较早拍摄的软骨厚度5.81mm得到了改善。
[0145] 需要说明的是,上述实施例中介绍的各个步骤并非都是必须的,本领域技术人员可以根据实际需要进行适当的取舍、替换、修改等。例如,本发明中提供成像的MRI技术还可以被替换为其他断层成像技术,例如电子计算机断层扫描(Computed Tomography,CT)。又例如,上述对同一患者在治疗的不同时期的关节部位的影像进行配准,也可以是对不同患者的关节部位的影像进行配准,例如将健康的人体关节与患者的关节进行配准。
[0146] 最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管上文参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈