医学影像处理技术及其在小肠运动性研究中的应用

摘要

小肠运动性的定量评价可以揭示小肠运动机能的重要信息，在医学研究和临床应用方面意义重大。基于MRI(核磁共振成像)技术的小肠运动性定量评价通常需要人工检测小肠片段的轮廓或小肠片段内腔直径的变化规律来进行，是一件非常耗时和费力的任务，无法在临床中大量应用。
　　 为了提高小肠运动性定量评价的效率，作者提出基于医学影像处理技术的两类小肠运动性的定量评价方法。第一类方法类似于人工方法的计算机处理，它采用医学影像分割方法获取特定小肠片段的轮廓。这一类方法包括ILBFLS方法(Improved Local Binary Fitting model based LevelSet method)和OAFM方法(Orientation Adaptive Fast Marching method)。另一类方法是从一个较宏观的角度，对小肠的某个指定区域做整体性的运动分析，这类方法称之为DBAM方法(Difference Between Adjacent MRimages method)。第一类方法适用于放射科医生指定小肠片段的运动性分析，而第二类方法适用于小肠的指定区域的运动性分析。
　　 ILBFLS方法是对“基于传统LBF(Local Binary Fitting)模型的LevelSet方法”的改进，基于传统LBF模型的Level Set方法可以较准确的获取目标物体的轮廓，但需要目标物体的初始化轮廓和较长的迭代时间。而在ILBFLS方法中，作者提出小肠片段轮廓自动初始化的方法和采用改进LBF模型的Level Set方法。对于60幅图像组成的一个小肠核磁共振图像序列中感兴趣小肠片段的轮廓分割的时间比较结果来看，放射科医生手动分割一个序列需要180分钟至200分钟，而采用ILBFLS方法仅仅需要2分钟，分割效率显著提高。同时ILBFLS方法在医学影像分割技术方面取得改进，对于相同的小肠核磁共振图像序列，ILBFLS方法比基于传统LBF模型的Level Set方法，迭代次数与迭代时间减少20％至26％。
　　 OAFM方法是对传统的Fast Marching方法的改进，Fast Marching方法是具有单一波动方向的Level Set方法。传统的Fast Marching方法在图像对比度较低的情况下，可能会出现边界溢出的情况。在OAFM方法中，作者提出边缘方向自适应的Fast Marching方法，并且加入轮廓演化停止条件，以减少边界溢出的可能性。相对于ILBFLS方法，OAFM方法进一步提高了分割效率，对于需要放射科医生手动分割用时180分钟至200分钟的60幅图像组成的一个小肠核磁共振图像序列，OAFM方法需要用时1分30秒至2分钟。同时OAFM方法在医学影像分割技术方面也取得改进，OAFM方法减少了轮廓分割时边界溢出的问题，针对同样的小肠核磁共振图像序列，传统的Fast Marching方法取得89.6％的分割准确率，而OAFM方法取得94.2％的分割准确率。
　　 针对传统的对指定小肠片段运动性分析的局限性，作者提出了DBAM方法。DBAM方法采用小肠序列中相邻核磁共振图像中感兴趣区域的差异来进行小肠运动性的定量评价。作者讨论了采用灰度差确定DBAM值和采用作者提出的负互信息确定DBAM值的方法和效果。通过与放射科医生手动测量数据的比较，正规化灰度差确定的DBAM值的偏差在10％至15％之间，而负互信息确定的DBAM值偏差在3％至5％之间，负互信息确定的DBAM值在医学测量的合理误差范围中，即小于5％。同时采用负互信息确定的DBAM值求得的小肠蠕动频率也符合小肠的运动规律，证明了采用负互信息确定的DBAM值的合理性与采用DBAM方法对小肠运动性进行定量评价的可行性。
　　 作者提出的两大类三种小肠运动性分析方法：ILBFLS方法、OAFM方法和DBAM方法可以对小肠运动性进行全面的量化评价。这两大类方法与传统的手动测量相比，效率提高显著；同时在医学影像分割技术方面也有所改进，在医学方面和医学影像处理方面都有科学意义。采用这三种方法的小肠运动性分析技术正在日本申请专利，同时已经应用于胃肠道疾病患者的小肠运动件分析。

目录

文摘

英文文摘

上海交通大学博士学位论文答辩决议书

第一章 绪论

1.1 研究背景

1.2 研究方法

1.3 论文的组织结构

1.4 本章小结

第二章 医学图像分割

2.1 图像分割

2.2 医学图像分割

2.2.1 医学图像的分类

2.2.2 医学图像分割的应用和特点

2.2.3 医学图像分割发展概况

2.2.4 医学图像分割方法

2.3 LevelSet方法

2.3.1 LevelSet方法的定义

2.3.2 LevelSet方法的原理

2.3.3 LevelSet方法的重初始化

2.4 FastMarching方法

2.4.1 FastMarching方法的原理

2.4.2 FastMarching方法中的粘性解

2.4.3 FastMarching方法中的UpwindSchemes

2.4.4 FastMarching方法的步骤

2.5 本章小结

第三章 采用ILBFLS方法的小肠片段轮廓分割

3.1 小肠核磁共振图像去噪

3.2 ILBFLS方法中感兴趣区域的确定

3.3 轮廓自动初始化

3.3.1 小肠片段倾角的检测和校正

3.3.2 小肠片段轮廓自动初始化

3.4 改进的LBF模型

3.4.1 Mumford-Shah模型

3.4.2 Chan-Vese模型

3.4.3 LBF模型与改进的LBF模型

3.5 ILBFLS方法与基于传统LBF模型的LEVELSET方法的比较

3.6 本章小结

第四章 采用OAFM方法的小肠片段轮廓分割

4.1 各向同性FASTMARCHING方法

4.1.1 Dijkstra算法与静态Hamilton-Jacobi方程

4.1.2 Tsitsiklis算法

4.1.3 各向同性FastMarching方法

4.2 各向异性FastMarching方法

4.2.1 各向异性FastMarching方法与Causality条件

4.2.2 各向异性FastMarching方法

4.3 各向异性FastMarching方法的速度函数

4.3.1 小肠片段倾角信息应用于速度函数

4.3.2 ROI的确定与高斯混合模型

4.3.3 边界惩罚因子应用于速度函数

4.4 OAFM方法与传统FASTMARCHING方法的比较

4.5 本章小结

第五章 采用DBAM方法的的小肠ROI运动性分析

5.1 DBAM方法的相关序列的获得

5.2 采用DBAM方法分析小肠运动性的原理

5.2.1 图像的相异度度量

5.2.2 差方和和绝对差和

5.2.3 负互信息

5.3 DBAM值与小肠蠕动频率的关系

5.4 DBAM值、小肠片段的灰度和小肠蠕动频率的关系

5.5 采用DBAM方法小肠运动性分析的结果

5.6 本章小结

第六章 全文总结

6.1 主要结论

6.2 研究展望

参考文献

符号与标记(附录)

致谢

攻读博士学位期间已发表或录用的论文