【摘要】：乳腺癌是婦女最常見的惡性腫瘤之一,目前的影像學(xué)檢查能夠發(fā)現(xiàn)臨床無病狀或隱匿的乳腺病灶,在乳腺癌的早期檢出和診斷方面具有重要的作用。磁共振成像(Megnetic Resonance Imaging, MRI)具有良好的軟組織分辨率及空間分辨率,無放射性,成像技術(shù)和專用線圈的發(fā)展使得MRI成為乳腺腫瘤診斷方面具有潛力的一種影像學(xué)首段,目前,用于乳腺檢查的MRI技術(shù)包括T1加權(quán)像、T2加權(quán)像、彌散加權(quán)成像、波譜成像、動態(tài)其動態(tài)增強(qiáng)磁共振成像(Dynamic Contrast-Enhanced MRI, DCE-MRI),尤其DCE-MRI可以從形態(tài)學(xué)和血流動力學(xué)兩方面提供病灶內(nèi)部的特征,是最為常用的MRI檢查。然而,臨床對乳腺DCE-MRI時間序列的影像學(xué)分析通常采用半定量的方式,依賴于醫(yī)生的經(jīng)驗和主觀判斷,缺乏定量的DCE-MRI表現(xiàn)描述,診斷結(jié)果與醫(yī)生的經(jīng)驗、水平、狀態(tài)等因素相關(guān)。通過計算機(jī)輔助分析方法,可客觀定量地分析DCE-MRI的影像特征,減少主觀因素對診斷結(jié)果的影響,通過分析量化的影像特征參數(shù)與病灶良惡性之間的關(guān)系,提高DCE-MRI診斷乳腺癌的準(zhǔn)確率。 DCE-MRI診斷乳腺癌的敏感度很高,在95%-100%之間,在發(fā)現(xiàn)小的及多發(fā)乳腺病灶方面也具有優(yōu)勢；但特異性相對較低,如何提高DCE-MRI診斷乳腺癌的特異性正在成為研究熱點。本文的研究目標(biāo)是精確估計乳腺DCE-MRI的藥代動力學(xué)(Pharmacokinetic,PK)參數(shù),提高DCE-MRI診斷乳腺癌的特異性。其中,PK參數(shù),如容積轉(zhuǎn)移常數(shù)、組織血管外-細(xì)胞外體積分?jǐn)?shù)等,可用于評估腫瘤血管系統(tǒng)的血流動力學(xué)情況,反映腫瘤新生血管的增長速度和腫瘤病灶惡性生長程度,是DCE-MRI的主要優(yōu)勢。PK參數(shù)的定量分析對于提高DCE-MRI診斷乳腺癌的特異性具有重要的理論意義和臨床價值。 然而從圖像處理和分析的角度來看,乳腺DCE-MRI定量參數(shù)的精確估計存在一些困難(1)乳腺DCE-MRI成像過程中會受到噪聲干擾,影響組織形變場和PK參數(shù)的估計,以及可視化效果。(2)乳腺DCE-MRI掃描過程中,病人運(yùn)動、呼吸等會使增強(qiáng)圖像序列產(chǎn)生偽影,運(yùn)動偽影會導(dǎo)致時間-強(qiáng)度曲線的錯誤估計和有偏差的定量參數(shù),降低小病灶的檢出率,妨礙醫(yī)生對影像信息的獲取和判斷。(3)乳腺DCE-MRI掃描的時間分辨率有限,一般僅有5-10個時間采樣點,導(dǎo)致在單像素上估計的PK參數(shù)不可靠、準(zhǔn)確度不高。在感興趣區(qū)域上(RegionOf Interest, ROI)上對時間-強(qiáng)度曲線進(jìn)行平均,是提高估計穩(wěn)定性的一個途徑,但過小的ROI仍會導(dǎo)致不穩(wěn)定的計算結(jié)果,過大的ROI則可能包含多種類型的組織。一種可行的解決方案,是在PK參數(shù)成像重建中融入更多的先驗信息,避免對ROI大小選取的需要,得到像素水平上的定量參數(shù),以反映腫瘤不同區(qū)域的狀態(tài)。因此乳腺DCE-MRI時間序列圖像的噪聲抑制、運(yùn)動補(bǔ)償和參數(shù)成像,是對DCE-MRI進(jìn)行精確定量分析、提高乳腺癌診斷特異性的關(guān)鍵之一。 本文的主要研究內(nèi)容包括： (1) DCE-MRI圖像的噪聲抑制。這是進(jìn)行乳腺DCE-MRI圖像序列運(yùn)動補(bǔ)償和PK參數(shù)準(zhǔn)確估計的必要前提。MR圖像中的噪聲一般認(rèn)為服從Rician分布,是一種與信號相關(guān)的非加性噪聲。此外,MR圖像中的Rician噪聲水平在空間上可能不均勻。針對加性高斯白噪聲的去噪方法不能直接應(yīng)用于MR圖像的去噪。針對空間變化的Rician噪聲,本文的思路是,對空間變化的噪聲水平建模并進(jìn)行估計,然后對圖像各處的幅值依據(jù)不同的局部噪聲水平進(jìn)行方差穩(wěn)定變換,使得噪聲與信號幅值和空間位置無關(guān),進(jìn)而結(jié)合有效的去噪算法抑制這種空間變化的Rician噪聲。問題的關(guān)鍵轉(zhuǎn)化為如何有效估計MR圖像中不同位置的噪聲水平。MR圖像中Rician噪聲水平的估計,較為常用的是基于背景區(qū)域的方法。假設(shè)背景區(qū)域的信號值為零,采用最大似然或者幅值圖像的二階矩進(jìn)行估計Rician噪聲的水平,但不適用于空間變化噪聲水平的估計。本文提出了一種基于稀疏性約束的Rician噪聲水平場的估計方法,首先采用修正的中值絕對偏差(MAD)得到噪聲水平的局部估計,然后對噪聲水平場進(jìn)行稀疏性約束并采用L1正則化最小平方(L1-LS)方法對局部估計進(jìn)行擬合,最后利用噪聲水平場對噪聲圖像幅值進(jìn)行空間自適應(yīng)方差穩(wěn)定變換,使得噪聲與信號幅值和空間位置無關(guān),采用BM3D算法即可實現(xiàn)對噪聲的抑制,最后通過方差穩(wěn)定逆變換得到無偏的去噪圖像。仿真實驗中,噪聲水平場估計的平均相對誤差小于0.2%,利用空間自適應(yīng)方差穩(wěn)定變換進(jìn)行去噪,相比方差穩(wěn)定變換,去噪圖像的峰值信噪比可提高2dB；采用真實乳腺M(fèi)R圖像進(jìn)行去噪實驗,利用自適應(yīng)方差穩(wěn)定變換可得到較高的Q度量。結(jié)果表明,所提出的方法能有效估計噪聲水平場,并用于抑制MR圖像中空間變化的噪聲。 (2) DCE-MRI圖像的運(yùn)動補(bǔ)償。乳腺DCE-MRI掃描過程中,病人運(yùn)動等會使圖像序列產(chǎn)生運(yùn)動偽影,運(yùn)動偽影會導(dǎo)致時間-強(qiáng)度曲線的錯誤估計和有偏差的定量參數(shù)。消除運(yùn)動偽影的影響,可提高參數(shù)估計的準(zhǔn)確度。乳腺DCE-MRI的配準(zhǔn)方法一般將增強(qiáng)前后的MRI圖像視為不同模態(tài)的圖像,然后使用互信息作為相似性度量對增強(qiáng)前后的圖像對進(jìn)行配準(zhǔn),難以融入針對DCE-MRI特點的先驗知識。另外,DCE-MRI配準(zhǔn)的能量函數(shù)多采用基于梯度的方法進(jìn)行優(yōu)化,計算比較耗時。近年來,馬爾科夫隨機(jī)場(Markov Random Field, MRF)能量的高效優(yōu)化方法的提出,如Graph Cuts和Fast-PD算法,促進(jìn)了MRF在圖像配準(zhǔn)中的應(yīng)用,減少配準(zhǔn)所需時間,并可以靈活地對組織形變場添加多種約束。為充分利用數(shù)據(jù)信息和增強(qiáng)在空間和時間上的先驗信息,本文提出了聯(lián)合估計增強(qiáng)場時間序列和組織形變場的貝葉斯框架。采用離散馬爾科夫隨機(jī)場模型分別對增強(qiáng)場時間序列和組織形變場進(jìn)行建模和添加平滑約束,并通過分步迭代方式進(jìn)行估計。首先假設(shè)序列圖像已對齊,采用馬爾科夫隨機(jī)場模型對增強(qiáng)場時間序列進(jìn)行建模和估計；然后用估計的增強(qiáng)場對增強(qiáng)圖像序列進(jìn)行“去增強(qiáng)”處理,近似地消除對比劑的增強(qiáng)效果,使得DCE-MRI圖像序列可視為單一模態(tài)圖像進(jìn)行配準(zhǔn),組織形變場由基于B樣條的FFD描述,FFD控制點的位移場使用離散MRF建模,歸一化相關(guān)系數(shù)(Normalized Cross Correlation, NCC)作為圖像相似性度量,并采用Fast-PD算法快速完成離散MRF能量的優(yōu)化；以上兩步交替迭代直至收斂。將最后求解的形變場對DCE-MRI序列圖像進(jìn)行運(yùn)動補(bǔ)償,實現(xiàn)序列圖像的配準(zhǔn)。實驗結(jié)果表明,本文方法可準(zhǔn)確估計增強(qiáng)場時間序列,并可達(dá)到較高的配準(zhǔn)精度。 (3)乳腺DCE-MRI的PK參數(shù)準(zhǔn)確估計。在乳腺DCE-MRI藥代動力學(xué)參數(shù)估計的研究中,研究人員最常采用的是使用非線性最小二乘法逐體素進(jìn)行曲線擬合。由于噪聲、時間分辨率有限等因素的影響,采用非線性最小二乘擬合時間-強(qiáng)度曲線難以準(zhǔn)確估計乳腺DCE-MRI的PK參數(shù)圖,需要對DCE-MRI時間序列圖像中的數(shù)據(jù)信息和先驗知識進(jìn)行充分利用。一般用時間-強(qiáng)度曲線估計PK參數(shù),需要將MRI T1信號強(qiáng)度轉(zhuǎn)化為對比劑濃度,并用合適的參數(shù)模型描述對比劑(如Gd-DTPA)濃度隨時間的變化情況,較為常用的藥代動力學(xué)房室模型是Kety-Tofts模型和Brix模型。本文采用兩房室Brix模型,這種模型使用局部參數(shù)化動脈輸入函數(shù)(AIF),允許較低的掃描時間分辨率,并且Brix模型中的參數(shù)與生理參數(shù)聯(lián)系更為直接�？紤]常用的藥代動力學(xué)房室模型,同質(zhì)組織應(yīng)具有相同的PK參數(shù),PK參數(shù)在空間上還應(yīng)具有一定的平滑性。本文提出一種利用組織空間結(jié)構(gòu)信息對PK參數(shù)圖進(jìn)行約束和估計的方法,使得估計的PK參數(shù)圖在空間上平滑,并在不同的組織區(qū)域具有一致性。以增強(qiáng)時間序列圖像作為引導(dǎo)圖像,采用引導(dǎo)圖像濾波器提取組織結(jié)構(gòu)信息,對參數(shù)圖進(jìn)行非線性濾波實現(xiàn)對參數(shù)圖的隱式約束。引導(dǎo)圖像濾波是一種快速的邊緣保持濾波器,其基本原理是通過提取引導(dǎo)圖像信息對輸入圖像進(jìn)行濾波,輸出的圖像在保留輸入圖像整體特征的同時,能充分獲取引導(dǎo)圖像的變化細(xì)節(jié),從而使得估計的PK參數(shù)圖保留了乳腺組織結(jié)構(gòu)。仿真和真實圖像數(shù)據(jù)實驗結(jié)果表明,與非線性最小二乘擬合方法相比,本文方法估計的PK參數(shù)圖更準(zhǔn)確,并能有效分辨乳腺組織和病灶類型,而且估計的參數(shù)圖能用于區(qū)分良惡性腫瘤。 本文系統(tǒng)地研究了DCE-MRI圖像序列的噪聲抑制方法、運(yùn)動補(bǔ)償方法和PK參數(shù)圖的估計方法,并分析了估計的PK參數(shù)圖與乳腺腫瘤良惡性之間的關(guān)系。
【圖文】：

Fig. 1-1 Breast DCE-MRI sequence image圖1-1顯示了一位病人的乳腺DCE-MRI時間序列圖像，從圖上我們可以看到增強(qiáng)后圖像相對于增強(qiáng)前的圖像，，局部對比度發(fā)生了很大的變化，并出現(xiàn)了新的影像特征。乳腺動態(tài)增強(qiáng)MR成像的病理生理基礎(chǔ)至今尚未完全明了，但以下機(jī)制已明確[11]。目前，動態(tài)增強(qiáng)中最常用的造影劑是順磁性造影劑(GD-DTPA),是一種細(xì)胞外小分子對比劑。在正常成熟的血管內(nèi)，GD-DTPA彌散到血管外-細(xì)胞外間隙(Extravascular Extracellular Space, EES)的過程緩慢，而腫瘤新生血管的高滲透性使得GD-DTPA能夠快速彌散到EES,其分布容積與EES一致。乳腺癌在DCE-MRI上表現(xiàn)為快進(jìn)快出的灌注特征，是腫瘤新生血管的特點及其血流動力學(xué)的特征所造成的。另外

突然中止而形成中晚期的平臺；（3)流出型，早期信號強(qiáng)度逐漸增加，達(dá)到峰值之后強(qiáng)度的逐漸降低。圖1-2顯示了三種類型的時間-強(qiáng)度曲線。流入型的時間-強(qiáng)度曲線提示良性，平臺型為可疑惡性，需要進(jìn)一步診斷，流出型提示惡性。因此時間-信號強(qiáng)度曲線需結(jié)合形態(tài)學(xué)特征及早期增強(qiáng)率進(jìn)行診斷，其三者相結(jié)合的聯(lián)合標(biāo)準(zhǔn)診斷，其診斷的準(zhǔn)確性為95%。文獻(xiàn)報道[20]認(rèn)為DCE-MRI可提高乳腺病灶的檢出且有助于明確病灶的內(nèi)部結(jié)構(gòu)浸潤范圍及其血供情況。31 1 1 \ 1 1 J 1 2.5- ^ -！ —流入型10-5-/ —平臺型-/ ——流出型Q t ！ !■ -1 i J 1 i123456789時間采樣點圖1-2時間-強(qiáng)度曲線類型Fig.1-2 The form of curve of time-intensity6
【學(xué)位授予單位】：南方醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：R737.9;R969.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 彭康強(qiáng);黃子林;謝傳淼;陳林;歐陽翼;鄭慶生;張巖;何浩強(qiáng);吳沛宏;;乳腺動態(tài)增強(qiáng)MRI及其后處理技術(shù)在乳腺腫瘤診斷中的應(yīng)用[J];癌癥;2009年05期

2 李敏;金真;李功杰;張磊;曾亞偉;李科;崔彥;張建忠;;乳腺動態(tài)增強(qiáng)MRI參數(shù)與腫瘤血管的相關(guān)性及其鑒別診斷價值[J];磁共振成像;2010年01期

3 王陽萍;黨建武;杜曉剛;李莎;田仲澤;;基于Demon算法的乳房核磁共振圖像配準(zhǔn)[J];計算機(jī)科學(xué);2010年02期

4 郎寧;謝敬霞;;乳腺磁共振檢查的技術(shù)進(jìn)展[J];醫(yī)學(xué)影像學(xué)雜志;2008年06期

5 楊玲;李連弟;陳育德;D．M．Parkin;;中國乳腺癌發(fā)病死亡趨勢的估計與預(yù)測[J];中華腫瘤雜志;2006年06期

6 陳武凡;;并行磁共振成像的回顧、現(xiàn)狀與發(fā)展前景[J];中國生物醫(yī)學(xué)工程學(xué)報;2005年06期

7 陳蓉,龔水根,張偉國,陳金華,何雙梧,劉寶華;不同MRI序列顯示乳腺病變的比較[J];中國醫(yī)學(xué)影像技術(shù);2004年01期

8 沈玉英;蔡慶;許傳哠;顧培華;徐建良;黃振健;施增儒;;動態(tài)增強(qiáng)MRI在乳腺疾病良惡性鑒別診斷中的價值[J];中國醫(yī)學(xué)影像技術(shù);2006年11期

9 吳錫;周激流;謝明元;;非局部主成分分析極大似然估計MRI圖像Rician噪聲去噪[J];中國生物醫(yī)學(xué)工程學(xué)報;2012年04期

相關(guān)博士學(xué)位論文 前1條

1 陽維;乳腺腫瘤的超聲圖像特征定量分析與良惡性識別[D];上海交通大學(xué);2009年

本文編號：2591703