亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁最新消息最新消息基於3D紋理特徵模擬和腦圖譜的小鼠腦核磁共振顯微成像分割演算法

基於3D紋理特徵模擬和腦圖譜的小鼠腦核磁共振顯微成像分割演算法

來源 : 中國醫療設備 2018第3期
update : 2018/05/16
引言
利用高解析度的核磁共振顯微成像(Magnetic Resonance Microscopy, MRM)進行小鼠大腦的神經影像學分析已經成為腦科學的研究熱點 [1-3]。和人腦 MRI 影像處理類似,非均勻場校正 [4]、圖像配准 [5] 以及腦區分割 [6] 等都是小鼠腦 MRM 影像處理的關鍵步驟,其準確性將直接影響後續分析結果。圖像分割就是把圖像分成若干個特定的、具有獨特性質的區域並提取感興趣目標的技術和過程。小鼠的腦圖像分割就是按照小鼠大腦的解剖結構,將小鼠大腦分為若干個感興趣區的過程。在小鼠腦的形態學分析中,往往對分割的精度有較高的要求 [7]。

目前,小鼠腦解剖結構的“金標準”,是基於光學組織切片劃分的 Paxions-Franklin 腦圖譜(P-F Atlas) [8],它一般可將小鼠大腦劃分為上百個感興趣區。與光學組織切片相比,活體採集的小鼠 MRM 腦圖像解析度和對比度都比較低,感興趣區之間的邊緣比較模糊,不但腦區劃分有限 [5],往往資料量也偏少 [9]。基於 P-F Atlas 來實現小鼠 MRM 感興趣區的手工劃分是非常複雜且枯燥無味的,需要耗費大量的時間。隨著研究的不斷深入,傳統的手工劃分耗時耗力且精細程度遠不如解剖圖譜 [2,10],對研究造成了一定的障礙。如果能夠在 P-F Atlas 與活體 MRM 腦圖像之間建立一一對應的空間關係,就可以將 P-F Atlas 中腦區映射到活體腦圖像中,滿足研究中更精細的分割需求。

瑪律科夫隨機場模型是目前最主要的二維紋理合成模型之一,其原理為待填充點的紋理只由其一定範圍內的鄰域決定。按照規定好的順序合成輸出圖像中的某個待合成點時,該點的值由已合成的點的一定範圍內的“鄰域”來決定 [11]。 Efros 等 [12] 提出了一個基於瑪律科夫隨機場模型的基於點的合成演算法,首先從樣本圖像中選擇一些紋理小塊作為種子點 ;然後,對於待合成的圖元點,通過計算樣本圖中所有圖元與其鄰域的關係,找到滿足條件的點進行合成。但是,其每合成一個圖元都要對樣本圖中圖元點進行窮盡計算,計算量非常大。 Wei[13] 對該演算法進行了改進,採用“L”形鄰域以及通過多解析度和樹形結構向量量化進行加速,在一定程度上提高了計算的效率,但計算量還是比較大。基於塊合成的方法可以大大提高合成的效率,Efros 等 [14] 提出了一種二維紋理塊狀合成演算法,首先隨機選擇樣圖中的一塊放到輸出圖像的左上角,然後在輸入樣圖中搜索下一個紋理塊,兩個紋理塊需達到“最佳匹配”,但較多的重複紋理會造成不匹配的情況。 Liang[15] 也提出了一種基於塊的二維紋理合成演算法,該種演算法通過計算已合成區域與樣圖中紋理塊重疊區域的相關性,在樣圖中找到相關性高於設定閾值的紋理塊進行合成。我們這裡將 Liang提出的演算法擴充到三維,通過計算三維立體的圖像塊的邊界空間重疊區域的相關性進行合成。

本文主要分為 3 部分 :首先提出一種基於 P-F Atlas 的三維塊合成的小鼠 MRM 腦圖像的紋理生成演算法 ;然後,評估圖像分割的準確性 ;最後,對該演算法及流程的不足之處和未來研究方向進行討論。

1 材料與方法
1.1 資料獲取
本次研究所用到的小鼠 MRM 腦圖像資料為新加坡國立大學計算功能解剖實驗室(Computational Functional Anatomy Lab, CFAL)在網上提供的共用資料(http://www.bioeng.nus.medu.sg/cfa/mouse_atlas.html)。該數據包含 5 只 C57BL/6 雄性小鼠 T2 加 權 MRM 圖 像(TR=2000 ms, TE=46 ms, 視 場FOV=9 mm×13 mm×25 mm, 矩 陣 =88×140×256), 採集設備為布魯克 7-T/20-cm ClinScan MRI 系統,圖像的解析度為 100 μm×98 μm×98 μm。這些圖像都通過非參數不均勻強度歸一化(Nonparametric Non-Uniform Intensity Normalization, N3)非均勻場校正 [16] 進行了預處理,然後剛體配准到 P-F 立體定位空間進行劃分,基於組織切片圖譜將每個鼠腦劃分為相互獨立的 39 個解剖結構(表 1)。研究中使用的電子版小鼠解剖腦圖譜為 P-F Atlas[8],小鼠的種類為 C57BL/6J,跟活體 MRM 資料相同。
表1 劃分的39個腦區的名字及其相應的編號

1.2 解剖圖譜的劃分
首先,我們將 P-F Atlas 劃分為與活體 MRM 資料相對應的 39 個腦區,該部分工作全部在 MRIcro 軟體上完成。由於 P-F Atlas在小腦的劃分上沒有對白質和灰質進行區分,而 MRM 資料中的小腦進行了白質和灰質的區分,所以我們在研究中去除了分析中不常用的小腦部分。其次,由於海馬體的劃分原則比較模糊,因此我們將 4 個屬於海馬體的腦區合併為一個進。最終,我們從圖譜中分割出的腦區為 34 個。圖譜劃分的流程圖,見圖 1。手工分割出的腦區以及其與個體腦圖譜的對應編號,見表 2,合併腦區以對應的第一個編號為准。
圖1 解剖圖譜手工分割流程

表2 手工分割解剖圖譜與個體圖譜對應的腦區編號和名字

1.3 基於立體塊的小鼠MRM三維紋理合成演算法和模擬
基於立體塊的小鼠 MRM 三維紋理合成演算法的主要步驟為 :① 將圖像反轉作為樣本圖像輸入 ;② 在樣本圖像中隨機選擇一個體積一定的立方體放在待合成空白圖像的左上角,作為第一個紋理合成的塊 ;③ 在樣圖中搜索出所有與上述體積相同的立方體,將其分別放置在待合成位置,在邊緣上與已合成區域有一定的體積重合(根據待合成立方體的位置,重合的區域有 7 種情況),然後計算這些重合區域的互相關性,將高於某一閾值的立方體放在一個集合中,最後,從集合中隨機選擇一個立體塊作為待合成區域的紋理進行合成 ;④ 重複步驟③直到輸出圖像合成完畢 ;⑤ 將圖像再次反轉,輸出紋理圖像。

立體塊大小的選擇可以根據實際情況進行調整,如果所選立體塊太小則會增加計算時間,而太大則可能會忽略局部紋理特徵。本文選用的立體塊大小為 6×6×6 個體素。實驗證明,該演算法可以很好地合成小鼠較大腦區的紋理特徵。本文中,在解剖圖譜中劃分出的 21 個較大腦區由我們提出的這種三維紋理合成演算法進行合成。因為小鼠大腦的體積非常小,且擁有較多體積微小的腦區,包括一些白質腦區,如胼胝體等,其形狀都是細長怪異的,故這些腦區無法利用塊狀演算法進行有效合成。此外,由於腦脊液的紋理特徵不明顯,我們也無法對腦室進行紋理合成。因此,剩餘 13 個腦區利用蒙特卡洛法和高斯平滑完成合成。表 2中,第一列為....完整資訊