一种基于多图谱的脑白质高信号检测和定位方法技术

本发明专利技术公开一种基于多图谱的脑白质高信号检测和定位方法。包括以下步骤：首先，利用正常老年人大脑的FLAIR数据建立多图谱库。其次，将图谱库中的图谱逐个配准到目标图像，并利用多图谱融合算法进行融合。最后，根据融合结果实现图像分割，并将具有局部异常强度的体素被自动检测为白质高信号。本发明专利技术在对大脑白质进行分割的同时，也检测和定位出了白质高信号区域，该区域与人工描绘的结果很好地吻合，具有较高的准确度和精确性，效果优于当今其它的白质高信号检测方法。

A method of high signal detection and location of white matter based on multi Atlas

The invention discloses a brain white matter high signal detection and positioning method based on multi atlas. It includes the following steps: first, using the flair data of normal old people's brain to establish a multi map library. Secondly, the atlas in the atlas are registered to the target image one by one, and the multi atlas fusion algorithm is used for fusion. Finally, image segmentation is realized according to the fusion results, and voxels with local abnormal intensity are automatically detected as white matter high signal. At the same time of brain white matter segmentation, the invention also detects and locates the white matter high signal area, which is well consistent with the result of artificial description, has high accuracy and accuracy, and the effect is superior to other white matter high signal detection methods.

【技术实现步骤摘要】
一种基于多图谱的脑白质高信号检测和定位方法
本申请涉及脑磁共振图像处理领域，尤其涉及基于多图谱的检测和定位方法。
技术介绍
在T2加权或FLAIR(fluidattenuatedinversionrecovery)磁共振成像上出现白质高信号(Whitematterhyperintensities，WMH)是一种常见的放射学特征。白质高信号主要反映了小血管疾病的程度和分布,并且随着年龄的增长它们越来越常见。最近的研究结果表明，它们也可能是阿尔茨海默病还有灰质萎缩的核心特征之一。在评估有记忆障碍的患者时，考虑白质高信号的空间分布具有重要意义。比如，脑室周围的白质高信号比起深层的白质高信号与认知能力有着更强的关联性；在阿尔茨海默病的发展中，后验白质高信号负荷起着十分重要的作用。之前有的研究小组根据先验知识来检测特定大脑区域的白质高信号，检测结果会受到主观因素的影响，从而导致准确性不高且不具有广泛的适用性。在过去十年中，已经有人开发出了全自动的白质高信号检测算法，包括各种形式的基于强度的阈值处理方法、聚类和机器学习方法、离群分析方法、形态学操作以及贝叶斯方法等，详见文献1：Admiraal-Behlouletal.,2005；Jacketal.,2001；Jietal.,2013；Ongetal.,2012；Simoesetal.,2013；Yooetal.,2014。文献2：Dyrbyetal.,2008；Ghafoorianetal.,2017；Ghafoorianetal.,2016；Ithapuetal.,2014；Laoetal.,2008；Seghieretal.,2008。文献3：Maldjianetal.,2013；Ongetal.,2012；VanLeemputetal.,2001；Yangetal.,2010。文献4：Beareetal.,2009；Shietal.,2013。文献5：Herskovitsetal.,2008；Ithapuetal.,2014。这些方法中有的使用单FLAIR对比，有的采用多种模态包括T1、T2、质子密度，甚至扩散张量成像数据。这些方法的检测精度很大程度上依赖于应用和图像模态。它们通常会产生全脑的白质高信号负荷的测量值，但是却很少能够自动地测量出具体区域的白质高信号负荷，用来系统地评估白质高信号的分布。因此，开发一种不仅可以用于测量总的白质高信号，还可以系统地评估白质高信号分布的工具是非常重要的，例如，在不同的小叶划分、深层脑和皮质下结构的白质高信号负荷。
技术实现思路
为了克服现有技术的不足，本专利技术提出了一种基于多图谱的脑白质高信号检测和定位方法，该方法借助多图谱FLAIR数据库，结合多图谱似然融合方法，利用白质高信号具有不符合其所在感兴趣区域中的局部强度分布的异常强度的特点，导致其在多图谱融合过程有着较低的后验概率，从而可同时实现大脑白质的分割和白质高信号的检测。为了达到上述目的，本专利技术采用以下技术方案予以实现：基于多图谱的脑白质高信号检测和定位方法，它包括以下步骤：步骤一：建立FLAIR图像多图谱数据库，所述多图谱数据库包括若干认知正常但具有不同程度脑萎缩解剖学特征的被试个体的FLAIR图谱数据，每个图谱数据的大脑区域被画分为若干感兴趣区域，且通过标签进行标记；步骤二：将FLAIR图像多图谱数据库中的每个图谱图像及其标签一并配准到目标图像；步骤三：利用多图谱似然融合方法进行加权融合，得到目标图像中每个体素属于不同标签的后验概率；步骤四：使用贝叶斯最大后验估计获得目标图像中每个体素的最终分割标签以及该体素属于最终分割标签的最大后验概率；步骤五：将目标图像中最大后验概率值低于概率阈值的体素判断为白质高信号体素。基于该方案，各步骤还可以进一步提供以下优选的实现方式。需要注意的是，各优选方式中的技术特征在没有冲突的情况下均可进行相互组合。当然这些优选方式也可以通过其他能够实现相同技术效果的方式实现，不构成限制。作为优选，所述步骤一的FLAIR图像多图谱数据库的建立方法如下：计算所有被试的白质高信号负荷，从中选择白质高信号小于1.8ml且认知正常的个体的FLAIR数据建立多图谱数据库，多图谱数据库中的不同图谱具有同等年龄阶段人群中最小到中等程度的脑萎缩解剖学特征；然后使用Matlab中的SPM软件包最大化FLAIR图像与T1加权图像之间的互信息，将每个FLAIR图像配准到对应的T1加权图像；再使用MRICloud进行多图谱分割，将每张图谱中的大脑区域分割为若干感兴趣区域。作为优选，所述步骤二的图像配准方法如下：首先，使用N4偏差校正对目标图像进行全局不均匀性校正；然后，通过仿射变换将每张图谱图像及其标签一并配准到校正后的目标图像；最后，使用大形变微分度量映射LDDMM方法迭代地对图谱图像及其标签进行非线性变换，向目标图像配准。作为优选，所述步骤三的多图谱似然加权融合方法如下：计算每个体素的后验概率：其中，N是FLAIR图像多图谱数据库中图谱的总个数，是目标图像IT中体素x属于标签l的后验概率，wi(l)是权重项，是由随机轨道模型得到的图谱图像i中体素x属于标签l的先验似然。作为优选，所述步骤四中目标图像的最终分割标签计算公式如下：其中LT(x)为目标图像IT中体素x的最终分割标签；L为每张图谱图像中标签的总数；每个体素x的最大后验概率，即该体素属于最终分割标签LT(x)的后验概率为作为优选，所述概率阈值设定为0.02；将最大后验概率小于阈值的体素标定为白质高信号。作为优选，经过步骤一到五处理后，再进行后处理以降低假阳性率，所述后处理方法如下：首先生成目标图像中大脑白质区域掩膜(mask)，利用掩膜对目标图像进行处理，去除掩膜区域外的白质高信号体素；然后再去除目标图像中体素强度小于最小强度阈值的暗黑体素；最后去除目标图像中体积小于最小体积阈值的白质高信号簇，得到目标图像中最终的白质高信号体素。进一步的，所述的大脑白质区域掩膜的生成方法如下：按照所述步骤一建立FLAIR图像多图谱数据库，其中每个图谱数据的大脑区域被分割为若干简化的感兴趣区域；所述简化的感兴趣区域包括大脑白质区域和大脑白质区域外的其他若干功能区域；然后基于该FLAIR图像多图谱数据库，重复所述步骤二到步骤四，得到目标图像中每个体素对应于简化的感兴趣区域的最终分割标签，根据标签确定目标图像中大脑白质区域的分布，得到大脑白质区域掩膜。进一步的，所述的最小强度阈值为感兴趣区域的体素强度均值减去其标准差的1.5倍。进一步的，所述的最小体积阈值为50mm3。相对于现有技术，本专利技术具有以下特点：本专利技术基于多图谱融合算法和多图谱FLAIR数据库，传统的多图谱算法常用于图像分割，而本专利技术将该算法用于白质高信号检测。本专利技术可以看成是基于异常值检测的一个特例，即用正常的图像去辨别具有异常强度的体素，不同之处在于先前的方法只是基于病本文档来自技高网...

【技术保护点】
1.一种基于多图谱的脑白质高信号检测和定位方法，其特征在于，包括以下步骤：/n步骤一：建立FLAIR图像多图谱数据库，所述多图谱数据库包括若干认知正常但具有不同程度脑萎缩解剖学特征的被试个体的FLAIR图谱数据，每个图谱数据的大脑区域被划分为若干感兴趣区域，且通过标签进行标记；/n步骤二：将FLAIR图像多图谱数据库中的每个图谱图像及其标签一并配准到目标图像；/n步骤三：利用多图谱似然融合方法进行加权融合，得到目标图像中每个体素属于不同标签的后验概率；/n步骤四：使用贝叶斯最大后验估计获得目标图像中每个体素的最终分割标签以及该体素属于最终分割标签的最大后验概率；/n步骤五：将目标图像中最大后验概率值低于概率阈值的体素判断为白质高信号体素。/n

【技术特征摘要】
1.一种基于多图谱的脑白质高信号检测和定位方法，其特征在于，包括以下步骤：
步骤一：建立FLAIR图像多图谱数据库，所述多图谱数据库包括若干认知正常但具有不同程度脑萎缩解剖学特征的被试个体的FLAIR图谱数据，每个图谱数据的大脑区域被划分为若干感兴趣区域，且通过标签进行标记；
步骤二：将FLAIR图像多图谱数据库中的每个图谱图像及其标签一并配准到目标图像；
步骤三：利用多图谱似然融合方法进行加权融合，得到目标图像中每个体素属于不同标签的后验概率；
步骤四：使用贝叶斯最大后验估计获得目标图像中每个体素的最终分割标签以及该体素属于最终分割标签的最大后验概率；
步骤五：将目标图像中最大后验概率值低于概率阈值的体素判断为白质高信号体素。


2.根据权利要求1所述的基于多图谱的脑白质高信号检测和定位方法，其特征在于，所述步骤一的FLAIR图像多图谱数据库的建立方法如下：
计算所有被试个体的白质高信号负荷，从中选择白质高信号小于1.8ml且认知正常的个体的FLAIR数据建立多图谱数据库，多图谱数据库中的不同图谱具有同等年龄阶段人群中最小到中等程度的脑萎缩解剖学特征；然后使用Matlab中的SPM软件包最大化FLAIR图像与T1加权图像之间的互信息，将每个FLAIR图像配准到对应的T1加权图像；再使用MRICloud进行多图谱分割，将每张图谱中的大脑区域分割为若干感兴趣区域。


3.根据权利要求1所述的基于多图谱的脑白质高信号检测和定位方法，其特征在于，所述步骤二的图像配准方法如下：
首先，使用N4偏差校正对目标图像进行全局不均匀性校正；然后，通过仿射变换将每张图谱图像及其标签一并配准到校正后的目标图像；最后，使用大形变微分度量映射LDDMM方法迭代地对图谱图像及其标签进行非线性变换，向目标图像配准。


4.根据权利要求1所述的基于多图谱的脑白质高信号检测和定位方法，其特征在于，所述步骤三的多图谱似然加权融合方法如下：
计算每个体素的后验概率：



其中，N是FLAIR图像多图谱数据库中图谱的总个数...

【专利技术属性】
技术研发人员：吴丹，张祎，舒敏，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33