对阿尔茨海默病的扩散磁共振成像处理方法技术

对阿尔茨海默病的扩散磁共振成像处理方法，首先在3D T1图像上勾画出感兴趣区ROI，将勾画好的T1图像配准到dMRI图像中，随后计算出双侧海马的α,H,μ和ADC的平均值，然后使用FSL工具对获得的图像进行头部运动和涡流畸变校正，使用b值为0和954s/mm2时获得的图像计算ADC值，采用FM模型对图像进行分析以获取异常扩散参数，根据基于FM模型的dMRI理论获得由扩散引起的信号衰减，再进行统计学分析获得结果，因此能够较好地反映生物活细胞扩散过程，达到真正信号衰减曲线和拟合曲线之间的最佳一致性。一致性。一致性。

【技术实现步骤摘要】
对阿尔茨海默病的扩散磁共振成像处理方法


[0001]本专利技术涉及医学图像处理的
，尤其涉及一种对阿尔茨海默病的扩散磁共振成像处理方法。

技术介绍

[0002]阿尔茨海默病(Alzheimer's disease,AD)是一种复杂而常见的神经退行性疾病，其特征是记忆丧失和认知功能下降。根据世界卫生组织(World Health Organization,WHO)的数据，痴呆影响了全世界近4750万人，并且每年仍会增加大约770万新病例。阿尔茨海默病是最常见的痴呆类型，在这些病例中可能占60-70％，阿尔茨海默病对患者的日常生活造成了重大影响。AD的发病机制非常复杂，主要包括β淀粉样蛋白(Aβ)和过度磷酸化tau蛋白的形成分别导致Aβ斑块和神经原纤维缠结形成，进而导致神经元死亡。现在AD的诊断较复杂并且准确率不高，因此在临床研究中开发一种有效的AD诊断方法十分重要。
[0003]扩散磁共振成像(diffusion magnetic resonance imaging,dMRI)是一种可以描述生物组织中水分子随机运动的强大工具，它能够提供关于组织微观特性的独特信息，并对检测大脑灰质和白质的变化高度敏感。水分子在神经系统中的扩散过程是有方向性的。这种方向依赖，即各向异性，主要是由于固有的轴突膜阻碍水分子的扩散和轴突的密集堆积导致。在微米水平上测量水分子扩散的各向异性能够反映微观结构的变化。
[0004]与其他磁共振成像方法相比，dMRI研究细胞水平水的扩散过程，远优于传统的毫米级分辨率图像。目前临床上应用最广泛的dMRI技术之一是表观扩散系数(apparent diffusion coefficient,ADC)，dMRI获得的b值在0～1000s/mm2之间。ADC的临床应用广泛，可用于鉴别脑肿瘤和对肿瘤进行分级，也可用于鉴别轻度认知障碍(mild cognitive impairment,MCI)和AD患者。扩散张量成像(diffusion tensor imaging,DTI)是研究中广泛应用的dMRI技术之一。从DTI中获得的分数各向异性(fractional anisotropy,FA)和平均扩散率(mean diffusivity,MD)是MCI和AD患者脑异常的潜在生物标志物。然而，ADC和DTI都有一定局限性。首先，传统的dMRI采用单指数模型，它假设生物组织中存在规则的扩散过程。然而许多研究发现观测到的dMRI信号衰减曲线偏离了单指数形式。而ADC和DTI均基于常规的单指数扩散模型，观测到的扩散时间反映了扩散的非高斯性质。二是DTI张量模型过于简单，这意味着其各项指标受微观结构的许多特征的影响。为了解决这一问题，许多基于不同理论和反常扩散过程的模型被开发出来，以找到真正信号衰减曲线和拟合曲线之间的最佳一致性。这些模型能对疾病类型和分级进行更详细的检测，但其信号衰减曲线仍不太匹配。

技术实现思路

[0005]为克服现有技术的缺陷，本专利技术要解决的技术问题是提供了一种对阿尔茨海默病的扩散磁共振成像处理方法，其能够较好地反映生物活细胞扩散过程，达到真正信号衰减曲线和拟合曲线之间的最佳一致性。
[0006]本专利技术的技术方案是：这种对阿尔茨海默病的扩散磁共振成像处理方法，其包括以下步骤：
[0007](1)图像获取：在磁共振扫描仪上，使用8通道头线圈，使用Stejskal-Tanner单次自旋回波平面成像序列获得所有受试者的dMRI图像；
[0008](2)左右侧海马被选为感兴趣区ROI，首先在3D T1图像上勾画出ROI，然后将勾画好的T1图像配准到dMRI图像中，随后计算出双侧海马的α,H,μ和ADC的平均值，α指诺亚指数，量化随机过程的波动，当α＝2时增量是高斯分布，而当0<α<2时增量是L
é
vy分配；Η是赫斯特指数，描述分子轨道的自相似性；μ是记忆参数，且μ＝Η-1/α，当μ>0时，增量呈正相关且为长程依赖，而当μ<0，增量是负相关且为短程依赖；
[0009](3)使用FSL工具对获得的图像进行头部运动和涡流畸变校正，使用b值为0和954s/mm2时获得的图像计算ADC值，采用FM模型对图像进行分析以获取异常扩散参数，根据基于FM模型的dMRI理论，由扩散引起的信号衰减通过公式(1)计算：
[0010][0011]D
α,Η
指反常扩散的扩散系数，γ指旋磁比，G0指扩散梯度幅值，Δ指梯度分离时间，η指一个无量纲数，是由α,H,δ和Δ确定的；
[0012](4)采用单因素方差分析比较轻度AD患者、中度AD患者和健康对照者这三组在年龄、受教育程度和MMSE评分方面的差异，数据用均数
±
标准差来表示，性别采用卡方检验进行比较，P值<0.05为差异有统计学意义。
[0013]本专利技术首先在3D T1图像上勾画出感兴趣区ROI，将勾画好的T1图像配准到dMRI图像中，随后计算出双侧海马的α,H,μ和ADC的平均值，然后使用FSL工具对获得的图像进行头部运动和涡流畸变校正，使用b值为0和954s/mm2时获得的图像计算ADC值，采用FM模型对图像进行分析以获取异常扩散参数，根据基于FM模型的dMRI理论获得由扩散引起的信号衰减，再进行统计学分析获得结果，因此能够较好地反映生物活细胞扩散过程，达到真正信号衰减曲线和拟合曲线之间的最佳一致性。
附图说明
[0014]图1示出了左右侧海马被选为感兴趣区。
[0015]图2示出了一个AD患者(第一行，58岁男性)和一个健康对照组(第二行，60岁男性)的轴位T1加权图像、α、H、ADC图，肉眼所见双侧海马在AD患者和健康对照者之间未见明显差异。
[0016]图3示出了AD患者与健康对照组之间的比较。散点图(A)和表(B)显示α和ADC值可以鉴别AD患者和健康对照组，而H和μ值在鉴别二组时未见明显统计学差异。AD组共24人，健康对照组共11人。采用双样本t检验，P<0.05为差异有统计学意义。
[0017]图4示出了轻度AD和中度AD患者之间的比较。散点图(A)和表(B)显示α和ADC值可以鉴别二组，而H和μ值在鉴别二组时未见明显统计学差异。轻度AD患者共12人，中度AD患者共12人。采用双样本t检验，P<0.05为差异有统计学意义。
[0018]图5示出了由α,ADC,α+ADC组成的ROC曲线图以鉴别AD患者(n＝24)和健康对照者(n＝11)。如图所示α+ADC的曲线下面积(AUC＝0.848,左侧ROI；AUC＝0.856,右侧ROI)高于单独α和单独ADC。
[0019]图6示出了由α,ADC,α+ADC组成的ROC曲线图以鉴别轻度AD患者(n＝12)和中度AD患者(n＝12)。如图所示α+ADC的曲线下面积(AUC＝0.861,左侧ROI；AUC＝0.868,右侧ROI)高于单独α和单独ADC。
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.对阿尔茨海默病的扩散磁共振成像处理方法，其特征在于：其包括以下步骤：(1)图像获取：在磁共振扫描仪上，使用8通道头线圈，使用Stejskal-Tanner单次自旋回波平面成像序列获得所有受试者的dMRI图像；(2)左右侧海马被选为感兴趣区ROI，首先在3D T1图像上勾画出ROI，然后将勾画好的T1图像配准到dMRI图像中，随后计算出双侧海马的α,H,μ和ADC的平均值，α指诺亚指数，量化随机过程的波动，当α＝2时增量是高斯分布，而当0<α<2时增量是L
é
vy分配；Η是赫斯特指数，描述分子轨道的自相似性；μ是记忆参数，且μ＝Η-1/α，当μ>0时，增量呈正相关且为长程依赖，而当μ<0，增量是负相关且为短程依赖；(3)使用FSL工具对获得的图像进行头部运动和涡流畸变校正，使用b值为0和954s/mm2时获得的图像计算ADC值，采用FM模型对图像进行分析以获取异常扩散参数，根据基于FM模型的dMRI理论，由扩散引起的信号衰减通过公式(1)计算：D
α,Η
指反常扩散的扩散系数，γ指旋磁比，G0指扩散梯度幅值，Δ指梯度分离时间，η指一个无量纲数，是由α,H,δ和Δ确定的；(4)采用单因素方差分析比较轻度AD患者、中度AD患者和健康对照者这三组在年龄、受教育程度和MMSE评分方面的差异，数据用均数
±
标准差来表示，性别采用卡方检验进行比较，P值<0.05为差异有统计学意义。2.根据权利要求1所述的对阿尔茨海默病的扩散磁共振成像处理方法，其特征在于：所述步骤(1)中，在常规dMRI序列扫描过程中，扩散梯度分离时间Δ依次为27.060ms，39.560ms，52.060ms，每个Δ值的扩散梯度幅值G0依次为15.67、19.68、24.73、31.06、39.01和49.00mT/m，梯度时间常数δ固定为20.676ms；因此，在每个梯度方向获得了18个非零b值：151、239、377、595、939、1481、245、387、611...

【专利技术属性】
技术研发人员：马国林，杜雷，高文文，刘秀秀，王依格，
申请(专利权)人：中日友好医院中日友好临床医学研究所，
类型：发明
国别省市：