一种基于体素的全脑QSM联合ROI分析的方法技术

本发明专利技术公开了一种基于体素的全脑QSM联合ROI分析的方法，包括：获取QSM图像，创建全脑样本模板；根据QSM图像和全脑样本模板的配准关系，进行体素的QSM全脑分析，获得全脑QSM结果；基于全脑QSM结果，结合Brainnetome图集和OASIS

【技术实现步骤摘要】
一种基于体素的全脑QSM联合ROI分析的方法


[0001]本专利技术属于图像处理
，特别是涉及一种基于体素的全脑QSM联合ROI分析的方法。

技术介绍

[0002]铁参与人体众多重要的活动，比如代谢、DNA合成、正常脑功能维持。脑内铁负载过多，会产生过多的自由基，造成氧化应激损伤，造成神经元及细胞死亡，导致神经元退变。多种神经退行性疾病，比如阿尔茨海默病、帕金森病、肌萎缩侧索硬化症等神经元退变疾病，以及正常的老化，均证实铁介导的氧化应激损伤参与疾病的病理机制。多种抗氧化应激药物在神经退行性疾病的应用，更进一步说明准确有效评价氧化应激在疾病中的作用，对于实现在体分析大脑内氧化应激损伤和相关药物作用，具有非常现实的意义。定量磁敏感图(quantitative susceptibility mapping,QSM)是近年发展起来可直接反应脑内铁含量的方法，该方法获得的脑内铁含量可与尸检铁蛋白染色结果比拟，从而间接反映大脑的氧化应激损伤范围和程度。然而，目前大多数基于QSM的脑内铁含量分析，采用的是基于个别感兴趣解剖区域的分析，即通过优先选定一部分脑区，评价相应脑区的铁含量变化。而优先选定ROI的分析有两个缺点。一方面无论是老龄化亦或是神经退行性疾病，累及的脑区众多，筛选部分ROI的分析，并不能反映全脑水平的铁含量变化特点，因此获得的铁含量异常的脑区容易产生偏移。另一方面，以往基于常规解剖图集的选择方法，选择感兴趣区中含有较多的白质成分，而过多的铁主要被巨噬细胞吞噬，沉积于少突胶质细胞以及神经元等皮层结构，包含过多白质成分的感兴趣区，容易降低均值检测的敏感性。

技术实现思路

[0003]为解决上述问题，本专利技术提出通过基于体素的全脑QSM分析获得成人脑内铁含量分布差异，结合Brainnetome atlas和OASIS
‑
TRT
‑
20融合模板，获得基于功能的精细皮层ROI，同时结合精细皮层ROI，去除全脑水平分析由于平滑作用带来的膨胀或模糊效应，增加皮层铁含量异常检出敏感性，从而精准评价成人脑内铁含量。
[0004]本专利技术提供了如下方案：一种基于体素的全脑QSM联合ROI分析的方法，包括：
[0005]获取QSM图像，创建全脑样本模板；根据所述QSM图像和所述全脑样本模板的配准关系，进行基于体素的QSM全脑分析，获得全脑QSM结果；
[0006]基于所述全脑QSM结果，结合Brainnetome图集和OASIS
‑
TRT
‑
20融合模板，进行ROI分析，获得目标分析结果。
[0007]优选地，获取所述QSM图像包括：
[0008]通过梯度回波序列获得原始QSM图像，通过多回波磁敏感对所述原始QSM图像进行加权，基于加权后的QSM图像进行拉普拉斯的相位去卷积，获得不同回波时间下的去卷积相位图，将所述相位图标准化并通过复杂调和伪影去除法进行背景相位移除；基于条件的LSQR技术进行频率加权，获得所述QSM图像。
[0009]优选地，获取所述QSM图像还包括：
[0010]基于非线性最小二乘法拟合，获得初始场图，通过傅里叶变换和拉普拉斯变换，获得每个回波时间下基于拉普拉斯算子的相位解缠绕；将每个回波时间下解缠绕后的相位图像，通过相应的回波时间进行标准化，获得频移；通过条件最小二乘法和所述频移，获得所述QSM图像。
[0011]优选地，创建所述全脑样本模板包括：
[0012]对T1结构像数据进行射频偏移校正，获得校正T1结构像；
[0013]对所述校正T1结构像去头皮、配准生成所述全脑样本模板。
[0014]优选地，所述配准包括四次线性配准和六次非线性配准。
[0015]优选地，对所述T1结构像数据进行射频偏移校正包括：
[0016]采用FSL FAST4，基于混合高斯模型，获得直方图，通过给定均值和方差，采用马尔科夫随机场标记体素，实现射频偏移校正。
[0017]优选地，获得所述全脑QSM结果包括：根据所述QSM图像和所述全脑样本模板的配准关系，采用非线性及刚性变化，对所述QSM图像进行配准及平滑处理，基于广义线性模型，通过非参数置换检验，获得基于体素的全脑QSM分布差异图。
[0018]优选地，所述QSM图像和所述全脑样本模板的配准包括：
[0019]基于刚性和仿射配准，将幅度图配准至个体高清结构像空间，获得配准矩阵；通过线性插值法，将所述QSM图像，利用所述配准矩阵及变形图，配准至样本模板空间。
[0020]优选地，所述平滑处理之前，还包括对所述QSM图像进行平滑补偿处理；
[0021]所述平滑补偿处理包括:
[0022]将射频偏移校正后的3D结构像进行分割，并将分割后的灰质、白质图像相加，获得全脑实质图；
[0023]将所述全脑实质图配准到所述样本模板空间，获得脑实质蒙片；
[0024]基于fslmaths的3D高斯核进行卷积，获得全脑实质蒙片平滑图像和平滑QSM图像；
[0025]基于体素方式，去除所述平滑QSM图像中的所述全脑实质蒙片平滑图像，获得平滑补偿后的QSM空间平滑图像。
[0026]本专利技术公开了以下技术效果：
[0027]本专利技术提供的一种基于体素的全脑QSM联合ROI分析的方法，通过创建全脑样本模板，通过严格的配准方法，获得基于体素的全脑QSM图像，以此获得全脑范围的组间铁含量差异，同时，通过进一步选择精细皮层ROI验证成人脑内铁含量水平，能够更加全面的反应全脑水平的铁含量变化特点。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1为本专利技术实施例的方法流程图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0032]如图1所示，本专利技术提供了一种基于体素的全脑QSM联合ROI分析的方法,包括：QSM图像预处理、基于样本的模板创建、基于体素的QSM组间分析、基于精准皮层的ROI(Region of Interest)配准分析四个步骤。
[0033]其中，(1)QSM图像预处理包括生成QSM图像，具体步骤为：基于拉普拉斯的相位去卷积，不同回波时间下的去卷积相位图标准化、采用相位数据的复杂同质化伪影降低技术、基于条件的LSQR技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于体素的全脑QSM联合ROI分析的方法,其特征在于，包括：获取QSM图像，创建全脑样本模板；根据所述QSM图像和所述全脑样本模板的配准关系，进行体素的QSM全脑分析，获得全脑QSM结果；基于所述全脑QSM结果，结合Brainnetome图集和OASIS
‑
TRT
‑
20融合模板，进行ROI分析，获得目标分析结果。2.根据权利要求1所述的基于体素的全脑QSM联合ROI分析的方法，其特征在于，获取所述QSM图像包括：通过梯度回波序列获得原始QSM图像，通过多回波磁敏感对所述原始QSM图像进行加权，基于加权后的QSM图像进行拉普拉斯的相位去卷积，获得不同回波时间下的去卷积相位图，将所述相位图标准化并通过复杂调和伪影去除法进行背景相位移除；基于条件的LSQR技术进行频率加权，获得所述QSM图像。3.根据权利要求2所述的基于体素的全脑QSM联合ROI分析的方法，其特征在于，获取所述QSM图像还包括：基于非线性最小二乘法拟合，获得初始场图，通过傅里叶变换和拉普拉斯变换，获得每个回波时间下基于拉普拉斯算子的相位解缠绕；将每个回波时间下解缠绕后的相位图像，通过相应的回波时间进行标准化，获得频移；通过条件最小二乘法和所述频移，获得所述QSM图像。4.根据权利要求1所述的基于体素的全脑QSM联合ROI分析的方法，其特征在于，创建所述全脑样本模板包括：对T1结构像数据进行射频偏移校正，获得校正T1结构像；对所述校正T1结构像去头皮、配准生成所述全脑样本模板。5.根据权利要求4所述的基于体素的全脑QS...

【专利技术属性】
技术研发人员：陈平，张秋丽，牛晨，段倩倩，
申请(专利权)人：西安国际医学中心有限公司，
类型：发明
国别省市：