楊盼盼 杜超璘 龔曉亮 馬超 陳宇飛 單曉英 傅彩霞 嚴(yán)序 王莉 陳錄廣 金愛(ài)國(guó) 陸建平

基于三維Dixon磁共振成像的胰腺計(jì)算機(jī)輔助分割可行性研究

楊盼盼 杜超璘 龔曉亮 馬超 陳宇飛 單曉英 傅彩霞 嚴(yán)序 王莉 陳錄廣 金愛(ài)國(guó) 陸建平

目的探討3.0T三維Dixon磁共振成像(3D Dixon MRI)進(jìn)行胰腺計(jì)算機(jī)輔助分割的可行性。方法招募胰腺正常志愿者5名，行上腹部相同掃描參數(shù)的屏氣3D Dixon MRI序列檢查。基于醫(yī)學(xué)影像交互平臺(tái)(MITK)自主開(kāi)發(fā)胰腺分割程序，由有經(jīng)驗(yàn)的放射科醫(yī)師分別在Dixon反相位和水相位圖像上進(jìn)行兩次胰腺手動(dòng)分割及計(jì)算機(jī)輔助分割。分析兩次手動(dòng)分割的相似度以及計(jì)算機(jī)分割與手動(dòng)分割的相似度，相似度用Dice系數(shù)表示。結(jié)果Dixon MRI的反相位和水相位圖像上胰腺信號(hào)強(qiáng)度均較周邊組織偏高?；贒ixon反相位和水相位圖像，兩次手動(dòng)分割平均Dice系數(shù)分別為0.81±0.01和0.85±0.03，水相位圖的相似度顯著高于反相位圖，差異有統(tǒng)計(jì)學(xué)意義(P=0.013)；計(jì)算機(jī)分割與手動(dòng)分割的Dice系數(shù)分別為0.69±0.08和0.75±0.03，水相位圖的相似度高于反相位圖，但差異無(wú)統(tǒng)計(jì)學(xué)意義(P=0.155)。結(jié)論3.0T反相位及水相位Dixon圖像均可清晰顯示胰腺，水相位圖像胰腺計(jì)算機(jī)輔助分割可獲得高的相似度，對(duì)Dixon MRI進(jìn)行胰腺計(jì)算機(jī)輔助分割是可行的。

胰腺； 磁共振成像； 圖像處理，計(jì)算機(jī)輔助

計(jì)算機(jī)輔助診斷(computer-aided detection/diagnosis, CAD)在臨床醫(yī)學(xué)中的應(yīng)用價(jià)值越來(lái)越重要，基于影像學(xué)的胰腺自動(dòng)分割方法對(duì)胰腺癌放療定位[1]、胰腺結(jié)構(gòu)與功能評(píng)價(jià)[2]等具有重要意義。應(yīng)用計(jì)算機(jī)斷層掃描(computed tomography, CT)進(jìn)行的腹部多器官分割中，胰腺分割的精確性顯著小于其他器官[3]。隨著磁共振成像(magnetic resonance imaging, MRI)技術(shù)的發(fā)展，一方面它對(duì)胰腺疾病的診斷越來(lái)越重要，另一方面它具有軟組織對(duì)比、無(wú)電離輻射及成像序列多樣等優(yōu)點(diǎn)，使得基于MRI圖像的胰腺分割越來(lái)越被重視[4]。Dixon技術(shù)是常用的腹部3D MRI檢查方法之一，一次屏氣掃描即可獲得水和脂肪分離的MRI圖像[5]，本研究前瞻性探討基于該方法進(jìn)行胰腺計(jì)算機(jī)分割的可行性。

資料與方法

一、一般資料

招募2016年10月至11月來(lái)長(zhǎng)海醫(yī)院行MRI檢查的志愿者5名，其中男性3名，女性2名，年齡40～68歲，平均52.6歲。

二、掃描方法

所有志愿者的MRI檢查均在同一3.0T超導(dǎo)磁共振成像儀(MAGNETOM Skyra, Siemens, Erlangen, Germany)上完成。嵌入式線圈用于信號(hào)激發(fā)，18通道體部相陣控線圈用于信號(hào)接收，取頭先進(jìn)、仰臥方式行常規(guī)上腹部MRI掃描。3D Dixon序列掃描為14 s一次屏氣完成，主要參數(shù)：重復(fù)時(shí)間(TR) 3.97 ms，回波時(shí)間(TE) 1.26/2.49 ms，矩陣320×196，視野(FOV) 400 cm×325.2 cm，層數(shù)64，層厚6 mm(重建層厚3 mm)，層間距0 mm，反轉(zhuǎn)角 9°。

三、圖像分析

1．Dixon數(shù)據(jù)重建及分析：工作站自帶軟件進(jìn)行Dixon數(shù)據(jù)分析，自動(dòng)重建同相、反相、水相及脂相的4相位圖像。兩名放射科醫(yī)師獨(dú)立評(píng)價(jià)圖像的診斷質(zhì)量及用于勾畫(huà)胰腺邊界的可行性，從而明確可用于進(jìn)一步數(shù)據(jù)分析的圖像。

2．手動(dòng)胰腺分割：基于醫(yī)學(xué)影像交互平臺(tái)(medical imaging interaction toolKit，MITK)，由一位經(jīng)過(guò)訓(xùn)練的放射科醫(yī)師分別在Dixon反相位和水相位圖像上沿著胰腺邊界進(jìn)行自由曲線的手動(dòng)胰腺分割，2周后進(jìn)行第二次數(shù)據(jù)分析，用于評(píng)價(jià)Dixon反相位和水相位圖像手動(dòng)胰腺分割的相似度。

3．計(jì)算機(jī)胰腺分割：利用開(kāi)源MITK平臺(tái)自主設(shè)計(jì)的程序在Dixon反相位和水相位圖像上進(jìn)行自動(dòng)胰腺分割。步驟操作：(1)Dixon數(shù)據(jù)導(dǎo)入到MITK平臺(tái)；(2)分割前使用圖像裁剪選擇輸入圖像中的感興趣區(qū)域，標(biāo)定胰腺所在區(qū)域，減少自動(dòng)分割中的誤差；(3)使用3維大律法[6]獲取感興趣區(qū)域上的閾值，對(duì)整個(gè)感興趣區(qū)域進(jìn)行二值化處理，分離出不同的器官組織部分；(4)對(duì)二值化后的結(jié)果進(jìn)行連續(xù)兩次的形態(tài)學(xué)計(jì)算[7]，進(jìn)行連續(xù)的兩次腐蝕和開(kāi)運(yùn)算，目的是為了分離出不同區(qū)域的器官組織，去除各個(gè)器官組織的粘連；(5)對(duì)上述步驟后的分割結(jié)果用鼠標(biāo)點(diǎn)擊，選擇出胰腺組織區(qū)域，即分割結(jié)果中的最大區(qū)域，去除其余不相關(guān)的組織；(6)得到每層的分割結(jié)果，繪制三維隱函數(shù)圖像、繪制立體胰腺圖像。

4．分割結(jié)果的相似度評(píng)價(jià)：分別計(jì)算醫(yī)師兩次手動(dòng)胰腺分割的相似度及計(jì)算機(jī)自動(dòng)分割與手動(dòng)分割的相似度，相似度用Dice系數(shù)表示[4]。

四、統(tǒng)計(jì)學(xué)處理

應(yīng)用SPSS16.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。采用獨(dú)立樣本t檢驗(yàn)分析基于Dixon反相位和水相圖像進(jìn)行胰腺分割的Dice系數(shù)差異。P<0.05為差異具有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

一、MRI圖像

所有志愿者的MRI檢查圖像均未顯示胰腺異常信號(hào)，Dixon MRI圖像未見(jiàn)明顯偽影，獲得的反相位和水相位圖像上胰腺信號(hào)強(qiáng)度均較周邊組織偏高，胰腺邊界清晰，可用于胰腺分割的勾畫(huà)，其中反相位圖像有明顯勾邊效應(yīng)。而同相位和脂相位圖像上因胰腺邊界不清晰，本研究未進(jìn)一步行數(shù)據(jù)分析。

二、兩次手動(dòng)胰腺分割相似度

基于Dixon反相位和水相位圖像，醫(yī)師兩次手動(dòng)分割平均Dice系數(shù)分別為0.81±0.01和0.85±0.03，水相位圖像手動(dòng)胰腺分割相似度較反相位圖像上相似度更高，差異具有統(tǒng)計(jì)學(xué)意義(t=3.181，P=0.013，表1)。

表1基于Dixon反相位及水相位圖像醫(yī)師手動(dòng)胰腺分割的Dice系數(shù)

Dixon圖像病例1病例2病例3病例4病例5均值(x±s)反相位0.810.810.800.820.790.81±0.01水相位0.870.870.880.800.860.85±0.03

二、計(jì)算機(jī)胰腺分割與醫(yī)師手動(dòng)分割的相似度

基于Dixon反相位和水相位圖像，計(jì)算機(jī)分割與醫(yī)師手動(dòng)分割的Dice系數(shù)分別為0.69±0.08和0.75±0.03，差異無(wú)統(tǒng)計(jì)學(xué)意義(t=1.569,P=0.155，表2，圖1、2)，胰腺體部較胰腺頭、尾分割的相似度更高。

表2基于Dixon反相位及水相位圖像的計(jì)算機(jī)分割與醫(yī)師手動(dòng)分割的Dice系數(shù)

Dixon圖像病例1病例2病例3病例4病例5均值(x±s)反相位0.610.680.810.640.730.69±0.08水相位0.760.760.790.720.720.75±0.03

討 論

胰腺是人體的第二大消化器官，兼具內(nèi)外分泌功能，其位于上腹部深處，鄰近肝臟、脾臟及腸道，周邊組織復(fù)雜，不同個(gè)體的胰腺位置和形態(tài)變化多樣，基于影像學(xué)的胰腺分割具有一定難度。利用二維或三維CT的方法進(jìn)行胰腺分割有較多的研究[9]，盡管CT掃描速度較快及圖像分辨率較高，但CT具有明顯的電離輻射及較低的軟組織分辨力，同時(shí)基于CT圖像的胰腺分割的精確性顯著低于其他腹部器官[3]。MRI在區(qū)分軟組織方面優(yōu)于其他影像學(xué)方法，同時(shí)具有無(wú)輻射等顯著優(yōu)點(diǎn)，雖然在胰腺腫瘤診斷中未能完全取代CT成像，但其檢查序列多樣性能夠獲得更多有價(jià)值信息，如利用MRI胰膽管成像技術(shù)及T1、T2聯(lián)合使用可以獲得更多關(guān)于腫瘤及腫瘤和周邊器官的關(guān)系等信息，用于患者治療前的影像學(xué)評(píng)價(jià)[10]。Dixon是常用水脂分離成像方法[5]，其原理是根據(jù)人體內(nèi)水和脂肪的化學(xué)位移差異，通過(guò)雙回波技術(shù)采集到同相位和反相位的磁共振圖像，經(jīng)過(guò)簡(jiǎn)單數(shù)學(xué)運(yùn)算得到單純的水和脂肪信號(hào)的MRI圖像。MRI設(shè)備一次掃描可以同時(shí)得到Dixon 4相位圖像，其優(yōu)點(diǎn)是模型簡(jiǎn)單，計(jì)算結(jié)果穩(wěn)定，已廣泛應(yīng)用于臨床[11]?；贛RI圖像的胰腺分割方法越來(lái)越受到關(guān)注，如Gou等[12]探討了根據(jù)2D動(dòng)態(tài)增強(qiáng)MRI及3D脂肪抑制VIBE序列的多種方法[4]進(jìn)行胰腺分割的可行性，其對(duì)2例正常胰腺分割的Dice系數(shù)分別為0.709～0.770及0.6542～0.830。Shen等[2]開(kāi)發(fā)了基于3D Dixon水相和脂相圖像的腹部器官自動(dòng)分割方法，對(duì)20例肥胖患者胰腺分割的Dice平均系數(shù)為0.672。本研究根據(jù)Dixon水相位圖像，利用常規(guī)算法得到的自動(dòng)胰腺分割獲得較高相似度(Dice系數(shù)為0.72～0.79)，值得一提的是，本研究中的分隔算法為基于閾值及形態(tài)學(xué)方法，更簡(jiǎn)單易行。

圖1 基于Dixon反相位(1A、1B、1C)和水相位(1D、1E、1F)圖像的胰腺頭部、體部及尾部的醫(yī)師手動(dòng)分割(紅色)和計(jì)算機(jī)分割(綠色)圖

圖2 基于Dixon水相位圖像的醫(yī)師手動(dòng)分割(2A)和計(jì)算機(jī)自動(dòng)分割(2B)結(jié)果的3D重建圖

醫(yī)學(xué)圖像處理中的圖像分割分為手動(dòng)分割、半自動(dòng)分割及自動(dòng)分割。手動(dòng)分割需要具有豐富經(jīng)驗(yàn)的醫(yī)師對(duì)圖像進(jìn)行判斷，直接勾畫(huà)器官或目標(biāo)區(qū)域，常作為計(jì)算機(jī)半自動(dòng)及自動(dòng)分割學(xué)習(xí)的參考標(biāo)準(zhǔn)，是CAD中的關(guān)鍵步驟。針對(duì)MRI圖像中胰腺自動(dòng)分割問(wèn)題，本研究根據(jù)傳統(tǒng)的閾值分割方法，結(jié)合形態(tài)學(xué)分割優(yōu)化了分割效果，進(jìn)行連續(xù)的兩次腐蝕和開(kāi)運(yùn)算，目的是為了分離出不同區(qū)域的器官組織，去除各個(gè)器官組織的粘連。本研究使用了技術(shù)成熟的閾值及形態(tài)學(xué)的分割方法，在現(xiàn)有MITK平臺(tái)中可直接調(diào)用，具有操作簡(jiǎn)單、推廣便利的優(yōu)勢(shì)。

應(yīng)用Dixon MRI方法作為常規(guī)臨床檢查序列之一，無(wú)需對(duì)比增強(qiáng)掃描。本結(jié)果顯示，醫(yī)師兩次手動(dòng)分割的相似度在水相位圖上顯著高于反相位圖，差異有統(tǒng)計(jì)學(xué)意義；計(jì)算機(jī)輔助分割與手動(dòng)分割的相似度在水相位圖上也高于反相位圖，但差異無(wú)統(tǒng)計(jì)學(xué)意義，考慮與病例數(shù)較少有關(guān)。盡管醫(yī)師判斷Dixon反相位圖像有明顯的勾邊效應(yīng)，即胰腺邊界為明顯的低信號(hào)特征，更利于用手動(dòng)分割，但計(jì)算機(jī)半自動(dòng)分割中基于Dixon水相位圖像的胰腺半自動(dòng)分割的精確度更高，主要原因是Dixon水相位圖像中胰腺信號(hào)較周邊組織更高、分界更清，而反相位圖像中胰腺與十二指腸、血管等組織交界處的勾邊效應(yīng)邊界模糊。因此，當(dāng)進(jìn)行MRI胰腺分割相關(guān)研究時(shí)根據(jù)Dixon MRI水相位圖像更加有利于計(jì)算機(jī)輔助診斷分析，可供后續(xù)生物參數(shù)的計(jì)算。盡管本研究得到了較好的初步結(jié)果，但仍將優(yōu)化算法，進(jìn)一步探討該方法在胰腺腫瘤分割中的價(jià)值，同時(shí)將克服半自動(dòng)分割的瓶頸，實(shí)現(xiàn)基于Dixon MRI的準(zhǔn)確、快速的全自動(dòng)胰腺分割。

[1] Crijns SP, Raaymakers BW, Lagendijk JJ. Proof of concept of MRIguided tracked radiation delivery: Tracking one-dimensional motion [J]. Phys Med Biol, 2012,57(23):7863-7872. DOI:10.1088/0031-9155/57/23/7863.

[2] Shen J, Baum T, Cordes C, et al. Automatic segmentation of abdominal organs and adipose tissue compartments in water-fat MRI: Application to weight-loss in obesity [J]. Eur J Radiol, 2016, 85(9):1613-1621. DOI:10.1016/j.ejrad.2016.06.006.

[3] Chu C, Oda M, Kitasaka T, et al. Multi-organ segmentation based on spatially-divided probabilistic atlas from 3D abdominal CT images [J]. Med Image Comput Comput Assist Interv, 2013, 16(Pt2):165-172. DOI: 10.1007/978-3-642-40763-5_21.

[4] Gou S, Lee P, Hu P, et al. Feasibility of automated 3-dimensional magnetic resonance imaging pancreas segmentation [J]. Advances in Radiation Oncology, 2016, 1(3):182-193. DOI: 10.1016/j.adro.2016.05.002.

[5] Dixon WT. Simple proton spectroscopic imaging[J]. Radiology, 1984,153(1): 189-194. DOI: 10.1148/radiology.153.1.6089263.

[6] Otsu N. A threshold selection method from gray level histograms [J]. IEEE Transactions on Systems, Man and Cybernetics, 1979,9(1): 63-66. DOI: 10.1109/TSMC.1979.4310076.

[7] H?hne KH, Hanson WA. Interactive 3D segmentation of MRI and CT volumes using morphological operations [J]. J Comput Assist Tomogr, 1992,16(2):285-294. DOI: 10.1097/00004728-199203000-00019.

[8] Zijdenbos AP, Dawant BM, Margolin RA, et al. Morphometric Analysis of White Matter Lesions in MR Images: Method and Validation [J]. IEEE Trans Med Imaging, 1994,13(4):716-724. DOI: 10.1109/42.363096.

[9] Shimizu A, Kimoto T, Kobatake H, et al. Automated pancreas segmentation from three-dimensional contrast-enhanced computed tomography [J]. Int J Comput Assist Radiol Surg, 2010,5(1):85-98. DOI:10.1007/s11548-009-0384-0.

[10] Frampas E, David A, Regenet N, et al. Pancreatic carcinoma: Key-points from diagnosis to treatment [J]. Diagn Interv Imaging, 2016,97(12):1207-1223. DOI:10.1016/j.diii.2016.07.008.

[11] Ma J. Dixon techniques for water and fat imaging. J Magn Reson Imaging, 2008, 28(3): 543-558. DOI:10.1002/jmr.21492.

[12] Gou S, Wu J, Liu F, et al. Feasibility of automated pancreas segmentation based on dynamic MRI [J]. Br J Radiol, 2014,87(1044):20140248. DOI：10.1259/bjr.20140248.

Feasibilityofcomputer-aidedpancreassegmentationbasedonthreedimensionalDixonMRI

YangPanpan,DuChaolin,GongXiaoliang,MaChao,ChenYufei,ShanXiaoying,FuCaixia,YanXu,WangLi,ChenLuguang,JinAiguo,LuJianping.

DepartmentofRadiology,ChanghaiHospital,SecondaryMilitaryMedicalUniversity,Shanghai200433,China

LuJianping,Email:cjr.lujianping@vip.163.com

ObjectiveTo investigate the feasibility of computer-aided pancreas segmentation based on three-dimensional (3D) Dixon MRI at 3.0-T.MethodsFive volunteers with health pancreas underwent upper abdominal 3D Dixon MRI at 3.0T with the same scan parameters while holding breath. The automatic segmentation of pancreas is based on the Medical Imaging Interaction ToolKit (MITK) with homemade software. A experienced radiologist performed manual segmentation and computer aided segmentation of the pancreas on the opposed phase and water phase images twice. Similarity was analyzed and compared for the manual and automated segmentations for the two group images. Similarity was presented as Dice coefficients.ResultsBoth of the oppose phase and water phase images of Dixon MRI showed that the signal intensity of pancreas was higher than that of the surrounding tissue, the similarity of water phase was obviously higher than that of oppose phase and the differences were statistically significant. Based on Dixon MRI water phase and oppose phase images, the mean dice coefficients for the manual segmentations were 0.81±0.01 and 0.85±0.03, respectively, for both the oppose phase and water phase images (P=0.013). For the automated segmentations, the dice coefficients were 0.69±0.08 and 0.75±0.03 for water phase images and the oppose images, respectively, and the difference was not statistically significant (P=0.155).Conclusions3.0T oppose phase and water phase of Dixon images could clearly show the pancreas, and automated pancreas segmentation based on water phase Dixon MRI obtained higher similarity, which was feasible.

Pancreas; Magnetic resonance imaging; Image processing, computer-assisted

FundprogramNatural Science Foundation of Shanghai(14ZR1408300)；Medical Guidance Project of Shanghai Municipal Science and Technology Commission(14411960100)

10.3760/cma.j.issn.1674-1935.2017.06.010

200433 上海，第二軍醫(yī)大學(xué)長(zhǎng)海醫(yī)院放射科(楊盼盼、馬超、王莉、陳錄廣、金愛(ài)國(guó)、陸建平)；同濟(jì)大學(xué)嵌入式系統(tǒng)與服務(wù)計(jì)算國(guó)家重點(diǎn)實(shí)驗(yàn)室(杜超璘、龔曉亮、陳宇飛、單曉英)；西門子公司磁共振合作事業(yè)部(傅彩霞、嚴(yán)序)

陸建平，Email：cjr.lujianping@vip.163.com

上海市自然科學(xué)基金(14ZR1408300)；上海市科委醫(yī)學(xué)引導(dǎo)項(xiàng)目(14411960100)

2017-03-07)

冀凱宏)