彭鳒僑盧永輝 李 穎 李新春 朱巧洪劉襄平 成 功

因為正電子發(fā)射成像 (positron emission tomography,PET)可以在體外無創(chuàng)性地獲取細(xì)胞新陳代謝過程的圖像信息,從而被廣泛地應(yīng)用于早期診斷和精確放療。由于存在低空間分辨率和低信噪比的缺點,PET圖像所顯示的病變區(qū)域的解剖定位欠佳,僅可視為功能定位;CT對剛體(骨、關(guān)節(jié)等)病灶成像清晰,但對軟體(血管、神經(jīng)、前列腺、關(guān)節(jié)囊等)病灶的顯像比不上磁共振成像 (magnetic resonance imaging,MRI)。所以,通過圖像融合來獲得訊號互補(bǔ)帶來的清晰顯影是放射診斷領(lǐng)域的熱點。

圖像融合分為同機(jī)融合 (異源圖像的掃描同時發(fā)生在同一臺影像設(shè)備上)和異機(jī)融合(異源圖像的掃描在不同時段而且發(fā)生在不同的影像設(shè)備上)兩種方式。2000年以來PET+CT圖像的同機(jī)融合設(shè)備已經(jīng)誕生,而CT+MRI或 PET+MRI的同機(jī)圖像融合現(xiàn)階段還未完善,只能通過異機(jī)融合來實現(xiàn),所以,通過異機(jī)融合來獲得訊號互補(bǔ)帶來分明的顯影是放射診斷領(lǐng)域的難點。將CT圖像和MRI圖像融合的結(jié)果,既可對硬組織如骨關(guān)節(jié)等的已定位病灶進(jìn)行準(zhǔn)確定性,又可對軟組織如肝腦脾等的已定性病灶進(jìn)行準(zhǔn)確定位。雖然目前將PET的代謝圖像和CT的解剖圖像融合可以實現(xiàn)骨關(guān)節(jié)等剛體組織高代謝區(qū)域的準(zhǔn)確定位,但肝腦脾腎等柔體組織高代謝區(qū)域的精確定位還得依賴PET+MRI的圖像融合。

方 法

1.研究對象

選擇2010年10月期間入住本院胸外科的腫瘤病人 6例(男 4例 ,女 2例 ,年齡 38～57歲)。

2.儀器設(shè)備

Philips Intera 1.5T Nova MR掃描機(jī);GE Discover-ST8 PET;Toshiba Aquilion 16排CT;比利時Materialise的Mimics-13醫(yī)學(xué)成像儀。

3.研究方法

3.1 體表定位:以人體真空墊塑模固定雙下肢,以專用線圈固定頭部,并以同一定位床來保證不同時段的同一體位,確保用于掃描的定位框架在分別進(jìn)行PET、CT、MRI掃描時位置沒有偏差。通常,頭部定位框選擇患者的雙側(cè)眶上孔、眉間、下頜骨下緣中心4個點,胸部定位框選擇患者的雙側(cè)鎖骨中點、雙側(cè)第12肋骨中點4個點,膝部定位框選擇患者的脛骨內(nèi)側(cè)踝、腓骨頭、髕骨中心3點。PET、CT操作前在選定的框位以鉛點作熒光標(biāo)記,MRI操作前以魚肝油膠囊作熒光標(biāo)志。

3.2 標(biāo)本采集

(1)CT掃描:掃描時取仰臥位,眶耳平面與水平垂直,掃描平面平行于眶耳平面,范圍自顱頂骨至膝關(guān)節(jié)以下20cm,分別獲得冠狀、矢狀、橫斷三維數(shù)據(jù)。掃描參數(shù)為:電壓=120kV,電流=100m A,FOV=500mm,層厚 5mm。

(2)MR掃描:掃描時取仰臥位,眶耳平面與水平垂直,掃描平面分別垂直于髁突長軸取斜矢狀向,范圍自顱頂骨至膝關(guān)節(jié)以下20cm,分別獲得冠狀、矢狀、橫斷三維數(shù)據(jù)。掃描參數(shù)為:T1加權(quán)成像,SE序列,重復(fù)時間(TR)為500ms,回波時間 (TE)為17m s,視場 (FOV)=200mm,矩陣256×256,信號采集均值次數(shù)(NEX)為2,翻轉(zhuǎn)角 =90°,層厚 6mm,無間隙容積掃描。

(3)PET掃描:掃描40min前注射6.63m Ci正電子核素氟標(biāo)記脫氧葡萄糖 (Fluoro-D-glucose,2-deoxy-2-[F-18],18F-FDG或FDG)為示蹤劑,掃描時采用 GE Discovery ST-8 PET,取仰臥位,眶耳平面與水平垂直,掃描平面平行于眶耳平面,范圍自顱頂骨至膝關(guān)節(jié)以下20cm,分別獲得冠狀、矢狀、橫斷三維數(shù)據(jù)。掃描參數(shù)為:電壓=120kV,電流=100m A,FOV=500mm,層厚3.75mm,層間隙 3.27mm。

3.3 數(shù)據(jù)處理

(1)PET/CT/MR的“二機(jī)二維”配準(zhǔn):MRI+CT的配準(zhǔn),是在成像工作站Mimics-13平臺以D ICOM格式分別引入頭部、軀干和下肢的MR系列數(shù)據(jù),然后同樣以D ICOM格式分別引入頭部、軀干和下肢的CT系列數(shù)據(jù)。讀取相應(yīng)的標(biāo)志物進(jìn)行分割,尋找重心及其空間關(guān)系,為每幅圖像選擇3個特征平面,又在每個平面上選擇3個人體特征點(如骨性標(biāo)志)為配準(zhǔn)點,以基于3×3=9個重心點的對應(yīng)關(guān)系進(jìn)行配準(zhǔn),根據(jù)軟硬組織解剖位置的匹配關(guān)系進(jìn)行精細(xì)調(diào)整。PET+CT的配準(zhǔn)以及PET+MRI的配準(zhǔn)是在引入相應(yīng)的二維圖源后參照MRI+CT配準(zhǔn)的同一程序來實現(xiàn)。

(2)PET/CT/MR的“二機(jī)二維”融合:由于異機(jī)圖像融合的精確度明顯低于同機(jī)圖像融合,MRI+CT的融合,是在以上“9點3面”立體對準(zhǔn)的基礎(chǔ)上將MRI圖像關(guān)聯(lián)映射到CT圖像上。在Mimics-13融合界面下對定位圖像進(jìn)行融合選擇,影像訊號的疊加有“加/減/乘/除/差異/最大/最小/平均”等 12種的方法,我們按照臨床需要選擇了加法,按信息交互自動融合模式進(jìn)行圖像融合。PET+CT融合以及PET+MRI融合也是參照MRI+CT融合的程序把相應(yīng)的原圖映射到靶圖上實現(xiàn)。

(3)PET/CT/MRI的“二機(jī)三維”重建:把“(2)”融合出來的MRI+CT、PET+CT、PET+MRI等二維圖像輸入到逆向軟件Mimics,輸出三角網(wǎng)格和點云,在實時工作站經(jīng)反求工程對網(wǎng)格進(jìn)行光順、填充、壓縮、刪除等編輯,再經(jīng)布爾差運算組建計算計輔助設(shè)計 (computer aided design,CAD)模型,重構(gòu)出“非均勻有理B樣條 (non-uniform rational B-sp lines,NURBS)”內(nèi)外曲面,然后將多個曲面縫合成實體模型。其中數(shù)據(jù)處理次序“(2)”、“(3)”可以倒置,即先經(jīng)“(3)”分別重建PET、CT和MR的3D圖,然后參照“(2)”的操作方案分別把這些立體圖兩兩融合成MRI+CT、PET+CT、PET+MRI等“二機(jī)三維”圖像。

結(jié) 果

1.CT+MRI融合的臨床病例

1.1 頭顱2D/3D的異機(jī)融合:根據(jù)成像系統(tǒng)各自的特長(CT長于硬組織定位而短于軟組織定性,MRI長于軟組織定性而短于硬組織定位),CT+MRI的影像融合的被賦予兩重臨床意義:更準(zhǔn)確地了解CT所發(fā)現(xiàn)的異常病灶的性質(zhì);更準(zhǔn)確地了解MRI所發(fā)現(xiàn)的異常組織的位置。這種融合后的二模綜合圖像包含著來自CT和MRI各自的信號特征,攜帶著互補(bǔ)的醫(yī)學(xué)信息,明亮的硬組織顯像見圖1A和1D,清晰的軟組織區(qū)域見圖1B和1E,融合圖像吸取了CT和MRI的優(yōu)點,生成了同時體現(xiàn)頭顱結(jié)構(gòu)、位置和性質(zhì)的影像見圖1C和1F,將為顱腦病變位置的判斷提供充分的依據(jù)。

1.2 膝部2D/3D的異機(jī)融合:如圖2的影像病例,因右膝疼痛1月余,發(fā)現(xiàn)左上肺腫物2周入院。右側(cè)股骨下段內(nèi)側(cè)踝區(qū)見8cm×5cm大片狀異常信號影,邊緣模糊,T1WI為低型號,T2WI呈高型號,周圍骨皮質(zhì)斷裂,周圍軟組織內(nèi)可見腫塊影,增強(qiáng)后病變可見強(qiáng)化,預(yù)診:“(左肺上葉前段肺癌)右股骨下內(nèi)踝骨質(zhì)破壞,考慮骨轉(zhuǎn)移”。在圖2C和2F的融合過程中,許多原本意義不大的信息,比如附著于骨組織的關(guān)節(jié)盤、韌帶的微小病變可能被發(fā)現(xiàn),這就有利于未知病變的早期診斷和已知病變性質(zhì)的鑒別診斷。

2.PET+MRI融合的臨床病例

2.1 頭顱2D/3D的異機(jī)融合:根據(jù)成像系統(tǒng)各自的特長(PET長于定性而短于定位,MRI長于軟組織定位而短于定性),PET+MRI的影像融合的被賦予兩重臨床意義:了解MRI所發(fā)現(xiàn)的異常軟體病灶的代謝情況;了解PET所發(fā)現(xiàn)的異常代謝軟體組織的明確位置。這種融合后的二模綜合圖像包含著來自PET和MRI各自的信號特征,攜帶著互補(bǔ)的醫(yī)學(xué)信息,清晰的代謝區(qū)域見圖3A和3D,腦組織顯像見圖3B和3E,融合圖像吸取了PET和MRI的優(yōu)點,生成了同時體現(xiàn)頭顱結(jié)構(gòu)和代謝狀況呈半清晰影像見圖3C和3F,將為腦部腫瘤的放射治療提供合理的方案。

2.2 膝部2D/3D的異機(jī)融合:許多原本無意義的信息,比如代表著某些組織的生理性攝取,在融合過程中可能被發(fā)現(xiàn),這就有利于已知病變性質(zhì)的鑒別以及微小病變的早期診斷。例如左下圖4A影像的病例背景:右側(cè)股骨下段內(nèi)側(cè)踝處見溶骨破壞,放射性攝取增高最大SUV=14,初步診斷:“(左肺上葉前段肺癌)右股骨下內(nèi)踝轉(zhuǎn)移”。異機(jī)融合時,有時用于對位的解剖結(jié)構(gòu)信息不多,導(dǎo)致體表輪廓、病變攝取顯影不夠,可以通過添加“偽彩”來突顯(圖4A,4B,4C,4D),這一流程由同機(jī)融合來完成的效果比異機(jī)融合更加鮮明(圖4E:右側(cè)股骨下段內(nèi)側(cè)踝處見放射性攝取增高最大SUV=14),致此得出最后診斷:“(左肺上葉前段肺癌)右股骨下內(nèi)踝轉(zhuǎn)移”。

3.PET+CT融合的臨床病例

3.1 軀干2D/3D的異機(jī)融合:根據(jù)成像系統(tǒng)各自的特長(PET長于定性而短于定位,CT長于硬組織定位而短于定性),PET+CT的影像融合被賦予兩重臨床意義:了解CT所發(fā)現(xiàn)的異常剛體病灶的代謝情況;了解PET所發(fā)現(xiàn)的異常代謝剛體組織的明確位置。這種融合后的二模綜合圖像包含著來自PET和CT各自的訊號特征,攜帶著互補(bǔ)的醫(yī)學(xué)信息,明亮的骨質(zhì)顯像見圖5A和5D,清晰的代謝區(qū)域見圖5B和5E,融合圖像吸取了PET和CT的優(yōu)點,生成了同時體現(xiàn)軀干結(jié)構(gòu)和代謝狀況呈清晰的影像見圖5C和5F,將為軀干病灶性質(zhì)的早期發(fā)現(xiàn)創(chuàng)造條件。

3.2 軀干橫斷面的同機(jī)融合:異機(jī)融合時,有時用于對位的解剖結(jié)構(gòu)信息不多,導(dǎo)致體表輪廓、病變攝取顯影不夠,可以通過添加“偽彩”來突顯,這一流程由PET+CT同機(jī)融合來完成的效果比異機(jī)融合更加鮮明(圖6)。病人因咳嗽伴咯血2月就診,軀干CT掃描如圖6A中的左上圖所示:右肺門2.9cm×2.7cm結(jié)節(jié)狀高密度影,注入對比劑增強(qiáng)后見結(jié)節(jié)呈片狀不均勻強(qiáng)化,診斷“右肺中央型肺癌”。進(jìn)一步的軀干PET掃描如群圖6A中的右上圖所示:右肺下頁基底2.9cm×2.7cm團(tuán)塊,放射性攝取SUV最大值=9.0,高度濃聚;隆突下可見1.5cm×1.3cm腫大淋巴結(jié),異常攝取增高灶SUV最大值=4.5。獲得比CT更詳細(xì)的診斷“右肺中央型肺癌、隆突下淋巴結(jié)轉(zhuǎn)移”。更進(jìn)一步的軀干PET+CT同機(jī)融合影像如群圖6A中的左下圖所示:(在以上兩圖所見的基礎(chǔ)上)右肺門可見0.9cm×1.0cm淋巴結(jié),異常放射性攝取增高灶SUV最大值=3.7;右后下胸膜增厚,放射性濃集SUV=4.1。至此獲得比PET更詳細(xì)的明確診斷“右肺中央型肺癌右后下胸膜轉(zhuǎn)移、右肺門淋巴結(jié)轉(zhuǎn)移、隆突下淋巴結(jié)轉(zhuǎn)移”。

討 論

1.影像融合的現(xiàn)狀

從同源單模融合到異源多模融合,從二維融合到高維融合,從黑白到彩色融合,從形態(tài)圖像到功能圖像融合,國內(nèi)外理論上涌現(xiàn)出的算法越來越豐富[1-4],圖像越來越精細(xì),融合級數(shù)越來越高,例如基于像素級(IHS、PCA、HPF、線型加權(quán)、小波變換)、特征級(模糊邏輯法、D-S推理法、Bayesian理論法、相關(guān)聚類法)、決策級(模糊集理論、神經(jīng)網(wǎng)絡(luò)法、專家系統(tǒng)法、貝葉斯估計法)的融合[5-8]。然而這些進(jìn)展模式實際應(yīng)用起來不是失真就是模糊,不是占容過大就是運算緩慢,不是流程繁瑣就是操作不便。為了克服既往圖像融合中所存在問題,本研究撇開針對某一融合算法的孤立運用,在Mimics成像系統(tǒng)的實時工作站通過圖像疊加技術(shù)一次性解決了異機(jī)圖像融合的關(guān)聯(lián)問題[9]。

2.對位配準(zhǔn)的體會

數(shù)字影像是異機(jī)圖像融合的技術(shù)基礎(chǔ)[10-11],通過通用的D ICOM格式在不同工作站之間進(jìn)行數(shù)據(jù)的傳遞,轉(zhuǎn)換成BM P/JPG格式的圖片。定位配準(zhǔn)是通過空間浮動讓一幅圖像與另一幅圖像在空間上的一一對應(yīng),最后達(dá)成人體某一解剖點在兩幅匹配的圖像上具備相同坐標(biāo)位置的過程,也是圖像融合的首要步驟和先決條件。按三維坐標(biāo)進(jìn)行圖像的對準(zhǔn),在參照背景圖像和靶圖像的橫斷面、矢狀面及冠狀面上分別選定3個標(biāo)志點,然后由軟件對這3個斷面都進(jìn)行配準(zhǔn)誤差的校正,在立體對準(zhǔn)的基礎(chǔ)上按照臨床需要進(jìn)行圖像的重疊。目前異機(jī)圖像融合的12種方法中,以圖像疊加來完成融合的技術(shù)比較成熟[12],應(yīng)用也最廣泛,雖然,以CT或MRI圖像為背景用灰度色階顯影PET圖像疊加的異機(jī)融合圖像,比起用彩色色階顯影獲得的同機(jī)融合圖像,對比度沒有那么分明。

表1 多模顯像的特征對照

MRI+CT融合技術(shù)同時提供MRI和CT兩者的共通信息比起他們單獨顯像更能準(zhǔn)確地描出軟硬組織病灶的彼鄰位置;PET+CT融合技術(shù)同時提供PET和CT兩者的共通信息可以確定硬組織病灶的位置及與組織的性質(zhì);PET+MRI融合技術(shù)同時提供PET和MRI兩者的共通信息可以確定軟組織病灶的位置及組織的性質(zhì)。各種圖像融合的結(jié)果,首先在治療前期為放射治療靶區(qū)、手術(shù)切除范圍提供精準(zhǔn)的量值,其次在治療中期及時了解腫瘤對治療的反應(yīng)而幫助治療方案的調(diào)整,最后在治療后期還能為療效評估和復(fù)發(fā)檢測提供統(tǒng)計的依據(jù)。

所以,總結(jié)以上 PET/CT/MR“二機(jī)三維”圖像融合的臨床例證病例歸納對照見表1。

3.異機(jī)融合的展望

本實驗設(shè)計了“9點3面”定位配準(zhǔn)法,是實現(xiàn)異機(jī)融合的理論基礎(chǔ)。本研究撇開針對某一融合算法的孤立運用,在成像系統(tǒng)Mimics的實時工作站通過圖像疊加技術(shù)一次性解決了異機(jī)圖像融合的關(guān)聯(lián)問題,在實踐獲得快捷、清晰的三維融合效果。雖然我們試驗的CT+MRI和PET+MRI異機(jī)融合處在初始階段,其顯像效果一時比不上現(xiàn)有PET+CT的同機(jī)融合那么加鮮明,但是在目前國內(nèi)外還沒有完整的CT+MRI或PET+MRI同機(jī)融合設(shè)備的條件下,這種數(shù)字化異機(jī)融合手段是對這一空缺技術(shù)的補(bǔ)充,同時,這種嘗試也將為醫(yī)學(xué)成像廠家研制CT+MRI或PET+MRI同機(jī)融合設(shè)備提供經(jīng)驗借鑒。

楊立才,劉延梅,劉 欣,等.基于小波包變換的醫(yī)學(xué)圖像融合方法.中國生物醫(yī)學(xué)工程學(xué)報,2009,28:11-13

岳 晉,楊汝良,宦若虹,等.基于雙密度雙樹復(fù)數(shù)小波變換的圖像融合研究.電子與信息學(xué)報,2009,31:130-132

楊曉慧.基于非下采樣Contou rlets的CT/MRI圖像自適應(yīng)融合.計算機(jī)技術(shù)與發(fā)展,2008,18:114-119

李康安,張貴祥,張 峰,等.腦內(nèi)占位病變的磁敏感加權(quán)成像初步探討.中國醫(yī)學(xué)計算機(jī)成像雜志,2009,15:297-301

林有籟,劉月華,王冬梅,等.CT和MRI圖像融合三維重建顳下頜關(guān)節(jié)的研究.華西口腔醫(yī)學(xué)雜志,2008,26:140-143

羅火靈,許永忠,冉 洋,等.CT與MR醫(yī)學(xué)圖像的三種融合方法對比研究。中國醫(yī)療器械信息,2008,12:56-59

余 霞,葛 紅,李 彬,等.醫(yī)學(xué)圖像融合的并行實現(xiàn).計算機(jī)工程與應(yīng)用,2008,44:172-174

陳 萍,田嘉禾,楊曉豐,等.18F-FL T與18F-FDG PET/CT不同判斷方法鑒別肺良惡性腫瘤診斷效能的比較.中華核醫(yī)學(xué),2008,28:151-154

買買提吐遜·吐爾地,米那瓦爾·阿不都熱依木,鐘良軍,等.MRI和CT圖像融合構(gòu)建頭面部分層網(wǎng)格模型的研究.中國醫(yī)學(xué)計算機(jī)成像雜志,2010,16:157-160

Ardekani BAS,Guckemus A,Bachman MJ,et al.Quantitative comparison of algorithms for inter-subject registration of 3D volumetric brain MRI scans.J Neurosci Methods,2005,142:67-76

Ledezma CJ,Chen W,Sai V,et al.18F-FDOPA PET/MRI fusion in patients with primary/recurrent gliomas:Initial experience.European Journal of Radiology,2009,71:242-248

Ashburner,J.A fast diffeomorphic image registration algorithm.Neuro Image,2007,38:95-113