無圖譜腦組織分割方法
【專利摘要】本發(fā)明涉及無圖譜腦組織分割方法。將被配置用于在單個獲取內(nèi)在不同的反轉(zhuǎn)時間獲取該部分的兩個圖像體積的MRI序列與用于獲取脂肪-水分離圖像的脂肪-水分離方法相組合。對于每個回波時間獲取兩個圖像體積，分別為在第一回波時間的第一圖像體積和第二圖像體積，以及在第二回波時間的第一圖像體積和第二圖像體積，并且將這兩個圖像體積組合成均勻圖像。所獲取的圖像被組合以形成最終均勻圖像、最終脂肪-水分離圖像和最終第二圖像體積，它們被饋送給多通道圖像分割算法，該多通道圖像分割算法使用馬爾可夫隨機場模型來將該部分分割成多類顱組織，以便獲得所述部分的已分割的圖像。
【專利說明】無圖譜腦組織分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及用于在磁共振(MR)成像中去除非腦組織的方法和系統(tǒng)。特別地，本發(fā) 明涉及用于從MR神經(jīng)圖像中去除表示非腦組織如顱骨、頭皮、血管或腦膜的圖像部分，以 及用于自動分割腦磁共振圖像的方法和系統(tǒng)。

【背景技術(shù)】
[0002] 為了使用MR成像技術(shù)來獲取圖像，待被成像的對象被放置在強靜磁場B0中，強靜 磁場B0迫使與對象氫核自旋關(guān)聯(lián)的氫核磁矩采取相對于所述靜態(tài)磁場平行或反向平行的 取向。自旋軸不完全與靜態(tài)磁場對齊，而是繞所述靜態(tài)磁場的方向軸以特征頻率旋進，從而 導致靜態(tài)磁場的方向上的凈磁化。為了從氫原子核激發(fā)信號，可以以上述特征頻率向?qū)ο?施加被稱為RF脈沖并且磁場B1與其關(guān)聯(lián)的射頻能量脈沖，上述特征頻率被稱為拉莫爾頻 率，其對于一種類型的原子核與磁場的磁通密度成比例。與該脈沖關(guān)聯(lián)的射頻能量擾亂凈 磁化使之偏離其平衡，使其以被稱為翻轉(zhuǎn)角的角度偏離靜態(tài)磁場而旋轉(zhuǎn)，該角度取決于電 磁射頻輻射的磁分量的強度和持續(xù)時長。因此，凈磁化開始圍繞靜態(tài)磁場主軸旋進，其橫向 分量根據(jù)法拉第磁感應(yīng)定律在接收線圈中感應(yīng)出電動勢。該電動勢使得產(chǎn)生隨后作為MR 圖像重建的基礎(chǔ)的感應(yīng)信號。該感應(yīng)信號的幅值尤其取決于產(chǎn)生磁化的原子核的數(shù)量、其 弛豫時間，即凈磁化返回沿所述強磁場的軸的平衡狀態(tài)所需的時間。其他因素包括所謂的 自旋準備。為了優(yōu)化信號的診斷價值，已經(jīng)提出了一個或更多個射頻脈沖的不同的組合，而 且考慮一些參數(shù)如脈沖的重復時間、其回波時間、翻轉(zhuǎn)角、其帶寬等。
[0003] 物質(zhì)被放入磁場后變得被磁化所需要的時間，或者所述物質(zhì)在射頻脈沖之后恢復 縱向磁化所需要的時間通常被稱為縱向弛豫時間T1 (也被稱為自旋晶格弛豫)。該縱向弛 豫時間T1具體地由順從于磁場的環(huán)境中的共振質(zhì)子與其他質(zhì)子和其他磁原子核之間的熱 相互作用來確定。縱向弛豫時間T1具體地取決于所述物質(zhì)的固有振動頻率和所述拉莫爾 頻率之間的關(guān)系。類似地，橫向弛豫時間T2 (也被稱為自旋-自旋弛豫）描述了具有不同 的磁量子態(tài)的具有相同的進動頻率的鄰近原子核之間的相互作用，以及表示在射頻脈沖之 后橫向磁化持續(xù)多長時間的量度。橫向弛豫時間T2因而表征由自旋進動的相干性下降引 起的感應(yīng)信號的指數(shù)衰減。
[0004] 因而由自身縱向弛豫時間T1和自身橫向弛豫時間T2來表征人體的每種組織。許 多研究使用了 T1加權(quán)協(xié)議，即導致其中該組織的大部分的對比度歸因于縱向弛豫時間T1 的值的差異的圖像的協(xié)議，來對軟組織尤其是大腦進行成像，因為所述T1加權(quán)協(xié)議通常提 供形成腦的組織如腦灰質(zhì)或腦白質(zhì)之間的良好對比度。此外，過去的十年中高分辨率MR成 像的發(fā)展實現(xiàn)了腦圖像的高級后處理，提高了形成腦的組織之間的對比度。腦對比度例如 在形態(tài)測量學中至關(guān)重要，因為定量量度從圖像數(shù)據(jù)得出以確定某些腦組織如腦灰質(zhì)或腦 白質(zhì)的體積，用于支持后面的診斷決策并且?guī)椭罄m(xù)比較。此外，研究老化的腦或疾病引起 的腦變質(zhì)的許多研究依靠準確的并且可重現(xiàn)的腦組織分割，即MR圖像中腦和非腦組織之 間的區(qū)分。
[0005] 遺憾的是，MR神經(jīng)影像的一個主要的問題是獲取用于區(qū)分腦組織和非腦組織如顱 骨的良好的對比度。通常，在能夠進行這樣的高級圖像后處理之前必須擦除表示非腦組織 的圖像的部分。這個過程(通常被稱為顱骨剝離)受到需要的組織和不需要的組織的非常相 似的圖像強度的阻礙，可能導致去除太多或者太少非腦組織，這可能使接下來的后處理的 最終輸出偏倚，并且在最壞的情況下，錯誤地影響診斷決策。
[0006] 涉及各種顱骨剝離算法的不同的方法已經(jīng)用于區(qū)分腦組織和非腦組織。各種方法 都完全基于TI加權(quán)協(xié)議，如由Suresh等人在論文Neurolmage49,225(2010)中描述的方 法，其中使用強度閾值設(shè)定以及隨后使用圖形分割理論去除狹窄連接來去除非腦組織。同 樣，在臨床實踐中目前突出的MR獲取序列如磁化準備快速梯度回波（MPRAGE)提供在對應(yīng) 于不同的組織的強度范圍之間存在顯著的重疊的圖像，使圖像分割具有挑戰(zhàn)性。為了解決 這樣的獲取相關(guān)的問題，大部分現(xiàn)有的神經(jīng)成像軟件包如SPM、FSL或FreeSulier將非硬性 圖像注冊用于已預計算的數(shù)字腦圖譜。通常，使用提供從具體的對象隊列提取的先驗信息 的、依賴圖譜--即已預分割的模板數(shù)據(jù)--的分割算法來處理所獲取的腦圖像數(shù)據(jù)。遺 憾的是，預分割信息可能使圖像分割偏向通過圖譜編碼的正常解剖形態(tài)。事實上，取決于年 齡、性別和種族，腦形態(tài)可能差別很大。另外，患病的腦可能顯著地不同于通常從健康的志 愿者獲得的圖譜信息。施加的現(xiàn)有圖譜信息因此可能導致分割結(jié)果的劣化，并且對于被施 加到每個特定的大腦不夠精確。此外，其還需要大量的計算。
[0007] 因此，仍然需要改進顱骨剝離過程的結(jié)果。


【發(fā)明內(nèi)容】

[0008] 因此本發(fā)明的目的是提供去除MR頭部圖像的非腦組織的無圖譜腦組織分割方 法，以使得能夠進行腦結(jié)構(gòu)的精確測量并且從而確保MR成像診斷。確實，改進顱骨剝離方 法對于所有高級的腦后處理技術(shù)都非常重要。
[0009] 考慮到上述和其他目的，根據(jù)本發(fā)明，提供了被配置用于對腦的至少一部分進行 成像的無圖譜磁共振成像方法，該方法包括以下步驟：
[0010] 使用磁共振成像（MRI)序列，該磁共振成像（MRI)序列至少通過以下參數(shù)表征：第 一反轉(zhuǎn)時間TI1、第二反轉(zhuǎn)時間TI2、第一回波時間TE1、第二回波時間TE2、重復時間TR、第 一翻轉(zhuǎn)角和第二翻轉(zhuǎn)角；并且該磁共振成像（MRI)序列被配置用于在單個獲取內(nèi)在不同的 反轉(zhuǎn)時間TI1和TI2獲取所述部分的兩個圖像體積，分別為第一圖像體積和第二圖像體積， 其中所述MRI序列是與標準MPRAGE相比有利地提供了具有顯著降低的T2*加權(quán)和加權(quán) 的無偏置T1對比度的磁化準備2快速梯度回波（MP2RAGE)序列。T2*是描述信號由于自 旋-自旋相互作用、磁場的不均勻性和磁化率效應(yīng)而引起的指數(shù)衰減的時間常量。T2*因此 是包括所有相互作用的一組自旋的相干性的損失的量度。ro是質(zhì)子密度，即在組織的樣本 內(nèi)移動的氫原子的濃度；
[0011] 使用與MP2RAGE組合的Dixon方法來獲取所述部分的脂肪-水分離圖像，即選擇 所述MRI序列的回波時間TE1和TE2使得每個回波時間TE1、TE2基于脂肪和水之間的化學 位移，即，使得它們的差異TE2-TE1使得脂肪和水信號累積相位差，其中脂肪和水成分為同 相位和反相位。有利地，Dixon方法允許代替?zhèn)鹘y(tǒng)的T1加權(quán)圖像，來獲取其中脂肪和硬腦 膜物質(zhì)以與所有其他組織明顯不同的強度范圍呈現(xiàn)的脂肪-水分離圖像。有利地，通過脂 肪-水分離圖像獲取的信息顯著地改進了顱骨剝離的結(jié)果。用于水和脂肪分離的Dixon原 始方法（cf. Dixon W. T.，Simple proton spectroscopic imaging, Radiology 1，189 (1984)) 獲取具有不同回波時間的兩個圖像，所述不同回波時間被選擇為使得水和脂肪分別為同相 位和反相位并且可以被組合以獲取分離的水和脂肪圖像。這個簡單的方法假設(shè)水處于共 振，這在存在B0場不均勻性的情況下限制水和脂肪分離的性能；也可以在此應(yīng)用獲取脂 肪-水分離圖像的更先進的其它方法。
[0012] 使用MRI和所述MRI序列來對于每個回波時間獲取所述兩個圖像體積，分別為在 第一回波時間的第一圖像積和第二圖像體積，以及在第二回波時間的第一圖像體積和第二 圖像體積；
[0013] 對于每個回波時間，將兩個圖像體積組合為"均勻"圖像，即，如在Marques等人的 論文 Neuroimage49, 1271 (2010)中詳細描述的，由 Real (A+B*)八 | A12+1B |2)[算子 * 為復共 軛]給出的均勻圖像，分別為在第一回波時間的第一均勻圖像和在第二回波時間的第二均 勻圖像。有利地，MP2RAGE序列使得能夠增加圖像體積的對比度屬性；
[0014] 對第一回波時間和第二回波時間的第一圖像體積應(yīng)用脂肪-水分離方法例如 Dixon方法來獲得第一脂肪-水分離圖像并且/或者對第一回波時間和第二回波時間的第 二圖像體積應(yīng)用所述脂肪-水分離方法例如所述Dixon方法來獲得第二脂肪-水分離圖 像；
[0015] 向多通道圖像分割算法饋送至少以下輸入圖像：
[0016] 由所述均勻圖像的組合產(chǎn)生的最終均勻圖像，
[0017] 由所述脂肪-水分離圖像的組合產(chǎn)生的最終脂肪-水分離圖像，
[0018]由所述第二圖像體積的組合產(chǎn)生的最終第二圖像體積，
[0019] 其中所述多通道圖像分割算法使用馬爾可夫隨機場（MRF)模型（Van Leemput等 人，IEEE Transactions on Medical Imagingl8 (10) ,897-908 (1999) ;Roche 等人，Medical Image Analysisl5 (6) 830-839 (2011))根據(jù)從輸入圖像生成的數(shù)據(jù)來將所述部分分割成多 類顱組織；以及
[0020] 輸出該部分的已分割的圖像。
[0021] MP2RAGE序列是被配置用于在不同的反轉(zhuǎn)時間生成兩個不同的圖像以便克服由在 高靜態(tài)磁場B0處的人MR圖像中可觀察到的發(fā)射B1場的空間不均勻性引起的質(zhì)量劣化的 改進的MPRAGE。由Marque等人在論文Neuroimage49, 1271(2010)中具體地描述了 MP2RAGE 技術(shù)，并且MP2RAGE技術(shù)涉及雙回波序列，即與第二反轉(zhuǎn)時間TI2處的第二快速梯度回波塊 分離了延遲TB的在第一反轉(zhuǎn)時間TI1處的第一快速梯度回波塊。從而獲得表示同一體積 的兩個圖像。
[0022] Dixon方法基于脂肪的共振頻率與水的共振頻率不同的事實。可以根據(jù)Dixon 方法從所述電流信號提取在感應(yīng)的電流信號中編碼的脂肪和水的信息。相對于彼此的身 體組織中的脂肪和水的共振信號的化學位移S，或者換句話說它們相互的共振頻率差是 δ =3. 4ppm，其將對應(yīng)于在接近0. 5特斯拉的磁場中大約68Hz的差異。在3特斯拉，頻率的 變化是Af=S YB0=434Hz，其中γ是目標中質(zhì)子的旋磁比，以及B0是靜態(tài)磁場強度。通過 調(diào)整上述類型的成像序列的回波時間使得它們的差TE2-TE1等于V(2 Λ f) (k=l，3, 5,…）， 水和脂肪信號在第一和第二回波之間累積k^i弧度的相位差。因而，相位差在時間TE1等 于φ = ΤΕ1·Δ?7 (2π)弧度，并且在時間TE2等于φ + kTt弧度。
[0023] 因而本發(fā)明描述了能夠通過結(jié)合水-脂肪分離(例如，Dixon)方法和MP2RAGE MRI 序列來自動分割用于圖像引導的診斷和干預的腦磁共振圖像的方法。具體地，本方法可以 應(yīng)用于腦的每個掃描以便重建3維（3D)腦并且獲取全腦的3D圖像。具體地，饋送給多通道 圖像分割算法的步驟之后可以是總顱內(nèi)體積（TIV)外部的體素的去除，也被稱為顱骨剝離， 其中可以優(yōu)選地借助于用于去除分類為流體的非腦體素的標準數(shù)學形態(tài)學操作（開放的、 最大的連接成分的提取和孔填充)來實現(xiàn)總顱內(nèi)體積提取。優(yōu)選地，可以在所述總顱內(nèi)體積 外部的體素的去除之后執(zhí)行剩余體素到腦脊液、灰質(zhì)和白質(zhì)的進一步組織分類。有利地，所 述組織分類是腦形態(tài)學應(yīng)用的基礎(chǔ)步驟，所述腦形態(tài)學應(yīng)用旨在向臨床醫(yī)生提供與患者相 關(guān)聯(lián)的體積測量并且將它們與給定標準范圍比較以便檢測潛在疾病或者評估治療效果。
[0024] 優(yōu)選地，MRF模型是考慮灰質(zhì)、白質(zhì)、流體、硬腦膜物質(zhì)、肌肉、脂肪和空氣作為貢 獻于輸入圖像的不同的組織的7類模型。換句話說，MRF模型能夠使用產(chǎn)生于兩個圖像體 積--均勻圖像和脂肪-水分離圖像--的圖像數(shù)據(jù)來將所述腦的部分分割成7類腦組 織。具體地，根據(jù)本發(fā)明的MRF模型包括被配置用于憑借組織關(guān)聯(lián)來施加不同組織之間的 空間關(guān)系的軟拓撲約束。換句話說，MRF模型能夠通過抑制腦組織和非腦類之間的解剖學 上不可能的鏈接或關(guān)系來實施拓撲約束，從而使得分割對圖像噪聲更強健。優(yōu)選地，MRF模 型還包括饋送給所述多通道圖像分割算法的所有輸入通道(例如，在T1加權(quán)圖像和脂肪圖 像的情況下的兩個通道）的采樣模型，以將多通道信息結(jié)合到分割處理中。
[0025] 優(yōu)選地，圖像分割的輸出（即所述已分割的圖像）是例如通過傳統(tǒng)的機器學習方法 如變分EF算法或圖形分割使用最大后驗估計來計算的標記圖像。
[0026] 盡管在本文中將本發(fā)明示出并且描述成體現(xiàn)為用于對腦的至少一部分進行成像 的方法，所述方法不需要使用預計算的數(shù)字腦圖譜，然而本發(fā)明不意在限于所示出的細節(jié)， 因為在不偏離本發(fā)明的精神并且在權(quán)利要求的對等物的范圍的情況下，可以在本文中做出 各種修改和結(jié)構(gòu)改變而。
[0027] 具體的，本發(fā)明還涉及用于執(zhí)行前述方法的MRI系統(tǒng)。優(yōu)選地，所述MRI系統(tǒng)包括 存儲計算機程序指令的非暫態(tài)計算機可讀存儲介質(zhì)，所述計算機指令在被下載至計算機的 主存儲器時使系統(tǒng)執(zhí)行至少以下步驟：
[0028] 使用Dixon方法來獲取腦的一部分的脂肪-水分離圖像；
[0029] 對于第一反轉(zhuǎn)時間TI1和第二反轉(zhuǎn)時間TI2獲取兩個圖像體積，分別為在第一回 波時間的第一圖像體積和第二圖像體積，以及在第二回波時間的第一圖像體積和第二圖像 體積；
[0030] 對于每個回波時間，將兩個圖像體積組合為"均勻"圖像，分別為在第一回波時間 的第一均勻圖像和在第二回波時間的第二均勻圖像；
[0031] 將脂肪-水分離方法應(yīng)用于第一反轉(zhuǎn)時間TI1和第二反轉(zhuǎn)時間TI2的第一圖像體 積以獲得第一脂肪-水分離圖像以及/或者將脂肪-水分離方法應(yīng)用于第一反轉(zhuǎn)時間TI1 和第二反轉(zhuǎn)時間TI2的第二圖像體積以獲得第二脂肪-水分離圖像；
[0032] 將至少以下輸入圖像饋送給多通道圖像分割算法：
[0033] 由所述均勻圖像的組合產(chǎn)生的最終均勻圖像，
[0034] 由所述脂肪-水分離圖像的組合產(chǎn)生的最終脂肪-水分離圖像，
[0035] 由所述第二圖像體積的組合產(chǎn)生的最終第二圖像體積，
[0036] 其中所述多通道圖像分割算法使用馬爾可夫隨機場模型根據(jù)從輸入圖像生成的 數(shù)據(jù)來將所述部分分割成多類顱組織；以及
[0037] 輸出所述部分的已分割的圖像。
[0038] 最后，當結(jié)合附圖來閱讀以下特定的實施例的描述時可以根據(jù)以下特定的實施例 的描述最佳地理解要求保護的方法和系統(tǒng)。

【專利附圖】

【附圖說明】
[0039] 圖1示出了根據(jù)本發(fā)明的生成MRI序列的MRI MP2RAGE序列和Dixon脂肪-水分 離技術(shù)的組合的示意性表示。
[0040] 圖2示出了借助于要求保護的MRI序列根據(jù)本發(fā)明獲得的圖像的組合的示意流程 圖。

【具體實施方式】
[0041] 圖1和圖2示意性地示出了根據(jù)本發(fā)明的無圖譜磁共振成像方法的優(yōu)選實施方 式。本方法被配置用于對腦的至少一部分進行成像，并且包括以下步驟：
[0042] 使用MRI序列3, MRI序列3被配置用于獲取所述部分的兩個圖像體積II、12、 ΙΓ、12'，分別為在單個獲取內(nèi)在不同的反轉(zhuǎn)時間Til、TI2對于每個回波時間TE1、TE2的 第一圖像體積II、II'和第二圖像體積12、12'，其中所述MRI序列3是使用Dixon方法2 來獲取所述部分的脂肪-水分離圖像的雙回波MP2RAGE序列1，所述MP2RAGE序列1優(yōu)選 地使用全面自動校準部分并行獲?。℅eneRalized Autocalibrating Partially Parallel Acquisition, GRAPPA)來執(zhí)行并且通過以下參數(shù)來具體地表征：
[0043] TIl/TI2/TR=700/2500/5000ms,
[0044] TE1/TE2=2. 44/6. 06ms,
[0045] GRAPPA具有折減因子R=3，
[0046] TA=8:52分是總獲取時間；
[0047] 使用MRI和所述MRI序列來對于每個回波時間TE1、TE2獲取所述兩個圖像體積 II、12、ΙΓ、12'，其中對于每個回波時間，在第一反轉(zhuǎn)時間TI1獲取第一圖像體積II、ΙΓ， 在第二反轉(zhuǎn)時間TI2獲取第二圖像體積12、12' ；
[0048] 對于每個回波時間TE1、TE2,將所述第一和第二圖像體積II、12、ΙΓ、12'組合為 "均勻"圖像U1、U2,即所述均勻圖像，其中根據(jù)在第一回波時間TE1的圖像體積11、12的組 合來獲得第一均勻圖像U1，以及根據(jù)在第二回波時間TE2的圖像體積11'、12'的組合來獲 得第二均勻圖像U2。優(yōu)選地，本方法提出了增加讀出帶寬來擬合MP2RAGE協(xié)議的無變化的 兩個回波讀數(shù)；
[0049] 在每個回波時間TE1、TE2對所述兩個圖像體積II、12、ΙΓ、12'可選地應(yīng)用零 差（homodyne)相位濾波之后，使用Dixon方法來從第一和/或第二圖像體積獲取所述脂 肪-水分離圖像，其中優(yōu)選地可以執(zhí)行2點Dixon圖像分解來根據(jù)在第一反轉(zhuǎn)時間TI1的 第一圖像體積Ι1、ΙΓ生成第一脂肪-水分離圖像D1，以及/或者根據(jù)在第二反轉(zhuǎn)時間TI2 的第二圖像體積12、12'生成第二脂肪-水分離圖像D2 ;
[0050] 優(yōu)選地，
[0051] 將第一脂肪-水分離圖像D1和第二脂肪-水分離圖像D2組合成最終脂肪-水分 離圖像DF，以及/或者
[0052] 將第一均勻圖像U1和第二均勻圖像U2組合成最終均勻圖像UF，以及/或者
[0053] 將在第一和第二回波時間獲得的第二反轉(zhuǎn)時間TI2的第二圖像體積12、12'組合 成最終第二圖像體積，
[0054] 其中通過計算圖像的均方根（RMS)來執(zhí)行所述組合；
[0055] 將組合的圖像--即最終脂肪-水分離圖像DF、最終均勻圖像UF、最終 第二圖像體積--饋送給多通道圖像分割算法，其中所述多通道圖像分割算法 使用馬爾可夫隨機場（MRF)模型（參見Van Leemput等人，IEEE Transactions on Medical Imagingl8(10)，897-908(1999) ;Roche 等人，Medical Image Analysisl5 (6) 830-839 (2011))來將所述部分分割成多類顱組織。有利地，將最終第二圖像 體積輸入多通道圖像分割算法提供了可以抵消由背景噪聲增強引起的最終均勻圖像的對 比度的缺乏的均勻背景強度；
[0056] 輸出腦的部分的已分割的圖像。已分割的圖像是在輸入組合的圖像時所獲得的多 通道圖像分割算法的輸出。
[0057] 優(yōu)選地，多通道圖像分割算法將輸入圖像劃分為表示灰質(zhì)、白質(zhì)、流體、硬腦膜 物質(zhì)、肌肉、脂肪和空氣的七個組織類。優(yōu)選地，多通道圖像分割算法包括3個步驟以 實現(xiàn)7類的分割，每個步驟基于變分期望最大化（VEM)算法（Van Leemput等人，IEEE Transactions on Medical Imagingl8 (10) ,897-908 (1999) ;Roche 等人，Medical Image Analysisl5(6)830-839(2911))。使用5類分割模型的第一步驟將輸入圖像分為流體、灰 質(zhì)、白質(zhì)、非腦組織和空氣。在第二步驟，從圖像中去除被分類為空氣的體素，并且使用6類 分割模型來將剩余體素分為流體、灰質(zhì)、白質(zhì)、硬腦膜物質(zhì)、脂肪和皮膚。第三步驟計算由被 分類為灰質(zhì)、白質(zhì)和流體的體素的合集構(gòu)成的集合的主要連接成分，去除未包括在上述主 要連接成分中的體素，并且使用4類分割模型來將剩余的體素分為皮層灰質(zhì)、深部灰質(zhì)、白 質(zhì)和腦脊液。
[0058] 優(yōu)選地，根據(jù)本發(fā)明的方法包括借助于標準的數(shù)學形態(tài)學操作以去除分類為流體 的非腦體素來實現(xiàn)的總顱內(nèi)體積提取。
[0059] 優(yōu)選地，本發(fā)明包括將要求保護的方法應(yīng)用于腦的每個掃描來重建3D腦圖像，并 且根據(jù)本方法執(zhí)行的腦的所述掃描來計算灰質(zhì)體積。
[0060] 最后，所提出的發(fā)明避免了需要使用數(shù)字圖譜來驅(qū)動圖像分割。因此，整個處理管 線可以更快并且更小地偏向通過圖譜編碼而得到的普通解剖結(jié)構(gòu)，這在檢測與疾病相關(guān)的 形態(tài)學變化的情況下非常重要，因為作為患病對象的病理的結(jié)果或特征，患病對象的解剖 結(jié)構(gòu)可能顯著地偏離于譜圖。另外，如果輸入圖像具有足夠好的質(zhì)量，則所提出的發(fā)明能夠 極大地減少在TIV和周圍組織之間的界面處的分割錯誤。
[0061] 雖然已經(jīng)根據(jù)本發(fā)明的優(yōu)選實施方式公開了本方法，本領(lǐng)域的技術(shù)人員應(yīng)當理解 的是還可以實現(xiàn)其他實施方式。盡管前述討論聚焦于具體的實施方式，可以理解的是可以 預期其他配置。除非以其他方式明確地指出，術(shù)語"一個（a)"、"一個（an)"和"這個（the)" 表示"一個或更多個"。
[0062] 鑒于各種可能的數(shù)據(jù)監(jiān)測系統(tǒng)和方法，詳細的實施方式意在僅是示例性的并且不 應(yīng)當理解為本發(fā)明的范圍的限制。相反，本發(fā)明要求保護的是落入所附權(quán)利要求及其對等 物的精神和范圍內(nèi)的所有這樣的修改。
[〇〇63] 本說明書中的描述都不應(yīng)當被解讀為表示任何具體的元件、步驟或功能是必須包 括在權(quán)利要求范圍內(nèi)的基本元件。僅通過允許的權(quán)利要求和其對等物來定義發(fā)明主題的范 圍。除非明確地敘述，在本說明書中描述的本發(fā)明的其他方面不限制權(quán)利要求的范圍。
【權(quán)利要求】
1. 一種被配置用于對腦的至少一部分進行成像的無圖譜磁共振成像方法，所述方法包 括以下步驟： 使用磁共振成像序列，所述磁共振成像序列被配置用于在單個獲取內(nèi)在相互不同的反 轉(zhuǎn)時間獲取所述腦的所述部分的兩個圖像體積，分別為第一圖像體積和第二圖像體積，其 中所述磁共振成像序列是對于每個反轉(zhuǎn)對比度具有第一回波時間TE1和第二回波時間TE2 的磁化準備2快速梯度回波序列； 使用Dixon方法來獲取所述部分的脂肪-水分離圖像，使得脂肪和水成分為同相位和 反相位； 使用磁共振成像和所述磁共振成像序列來對于每個反轉(zhuǎn)時間TI1和TI2獲取所述兩個 圖像體積，分別為在所述第一回波時間的所述第一圖像體積和所述第二圖像體積，以及在 所述第二回波時間的所述第一圖像體積和所述第二圖像體積； 對于每個回波時間，將所述兩個圖像體積組合以形成"均勻"圖像，分別為在所述第一 回波時間的第一均勻圖像和在所述第二回波時間的第二均勻圖像； 將脂肪-水分離方法應(yīng)用于所述第一反轉(zhuǎn)時間TI1和所述第二反轉(zhuǎn)時間TI2的所述第 一圖像體積來獲得第一脂肪-水分離圖像，以及/或者將所述脂肪-水分離方法應(yīng)用于所 述第一反轉(zhuǎn)時間TI1和所述第二反轉(zhuǎn)時間TI2的所述第二圖像體積來獲得第二脂肪-水分 離圖像； 將至少以下輸入圖像饋送給多通道圖像分割算法： 由所述均勻圖像的組合產(chǎn)生的最終均勻圖像； 由所述脂肪-水分離圖像的組合產(chǎn)生的最終脂肪-水分離圖像； 由所述第二圖像體積的組合產(chǎn)生的最終第二圖像體積； 其中所述多通道圖像分割算法使用馬爾可夫隨機場模型根據(jù)從所述輸入圖像生成的 數(shù)據(jù)來將所述部分分割成多類顱組織；以及 輸出所述部分的已分割的圖像。
2. 根據(jù)權(quán)利要求1所述的無圖譜磁共振成像方法,其包括使用并行成像技術(shù)來執(zhí)行所 述磁化準備2快速梯度回波序列。
3. 根據(jù)權(quán)利要求1所述的無圖譜磁共振成像方法，其包括在每個回波時間對所述兩個 圖像體積應(yīng)用零差相位濾波。
4. 根據(jù)權(quán)利要求1所述的無圖譜磁共振成像方法，其包括執(zhí)行2點Dixon圖像分解來 根據(jù)在所述第一反轉(zhuǎn)時間的所述第一圖像體積生成第一脂肪-水分離圖像，以及/或者根 據(jù)在所述第二反轉(zhuǎn)時間的所述第二圖像體積生成第二脂肪-水分離圖像。
5. 根據(jù)權(quán)利要求1所述的無圖譜磁共振成像方法，其包括： 將所述第一脂肪-水分離圖像和所述第二脂肪-水分離圖像組合為最終脂肪-水分離 圖像；以及/或者 將所述第一均勻圖像和所述第二均勻圖像組合為最終均勻圖像；以及/或者 將在所述第一回波時間和所述第二回波時間獲得的所述第二反轉(zhuǎn)時間的所述第二圖 像體積組合為最終第二圖像體積； 從而通過計算所述圖像的均方根來執(zhí)行所述組合步驟。
6. 根據(jù)權(quán)利要求1所述的無圖譜磁共振成像方法，其中，通過標準數(shù)學形態(tài)學操作以 便去除分類為流體的非腦體素來實現(xiàn)總顱內(nèi)體積提取。
7. 根據(jù)權(quán)利要求1所述的無圖譜磁共振成像方法，其包括將所述多通道圖像分割算 法配置成將所述腦分割為七個組織類，包括：灰質(zhì)、白質(zhì)、流體、硬腦膜物質(zhì)、肌肉、脂肪和空 氣。
8. -種被配置用于執(zhí)行根據(jù)權(quán)利要求1所述的方法的磁共振成像系統(tǒng)。
9. 根據(jù)權(quán)利要求8所述的磁共振成像系統(tǒng)，包括以非暫態(tài)形式存儲計算機程序指令的 計算機可讀介質(zhì)，所述計算機程序指令限定至少以下步驟： 使用Dixon方法來獲取腦的一部分的脂肪-水分離圖像； 對于第一反轉(zhuǎn)時間TI1和第二反轉(zhuǎn)時間TI2獲取兩個圖像體積，分別為在第一回波 時間的第一圖像體積和第二圖像體積，以及在第二回波時間的第一圖像體積和第二圖像體 積； 對于每個回波時間，將所述兩個圖像體積組合為"均勻"圖像，分別為在所述第一回波 時間的第一均勻圖像和在所述第二回波時間的第二均勻圖像； 將脂肪-水分離方法應(yīng)用于所述第一反轉(zhuǎn)時間TI1和所述第二反轉(zhuǎn)時間TI2的所述第 一圖像體積以獲得第一脂肪-水分離圖像，以及/或者將所述脂肪-水分離方法應(yīng)用于所 述第一反轉(zhuǎn)時間TI1和所述第二反轉(zhuǎn)時間TI2的所述第二圖像體積以獲得第二脂肪-水分 離圖像； 將至少以下輸入圖像饋送給多通道圖像分割算法： 由所述均勻圖像的組合產(chǎn)生的最終均勻圖像； 由所述脂肪-水分離圖像的組合產(chǎn)生的最終脂肪-水分離圖像； 由所述第二圖像體積的組合產(chǎn)生的最終第二圖像體積； 其中所述多通道圖像分割算法使用馬爾可夫隨機場模型根據(jù)從所述輸入圖像生成的 數(shù)據(jù)來將所述部分分割成多類顱組織；以及 輸出所述腦的所述部分的已分割的圖像。
【文檔編號】A61B5/055GK104103066SQ201410128831
【公開日】2014年10月15日 申請日期:2014年4月1日 優(yōu)先權(quán)日:2013年4月3日
【發(fā)明者】亞歷克西斯·羅什, 托比亞斯·科伯, 貢納爾·克呂格爾 申請人:瑞士西門子有限公司