基于灌注分析模型的計算機輔助診斷

（1. 電子科技大學(xué) 計算機科學(xué)與工程學(xué)院，成都 610054； 2. 德陽市人民醫(yī)院，四川 德陽 618000）



摘 要：在放射學(xué)領(lǐng)域引入了灌注分析方法作為輔助診斷的有效手段。介紹了計算機輔助診斷的基本原理、血流計算的灌注分析方法，并設(shè)計了一種針對結(jié)腸病變的灌注影像分析系統(tǒng)。實驗表明使用動態(tài)CT灌注成像方法及后處理算法，可及時檢測到一些常規(guī)CT檢查所不能夠檢測到的結(jié)腸病變，對于一些病變的及時診斷、及時治療具有重要意義。

關(guān)鍵詞：灌注; 計算機輔助診斷; 放射學(xué); 醫(yī)學(xué)圖像

中圖分類號：TP391.41 文獻標志碼：A

文章編號：10013695(2009)03118903



Application of dynamic perfusion imaging in computer aided diagnosis based on model for capillary exchange



FANG Chunlan1， CHEN Leiting1， ZHENG Rui1， LEI Yu2



(1.School of Computer Science Engineering，University of Electronic Science Technology of China， Chengdu 610054， China; 2 The People’s Hospital of Deyang， Deyang Sichuan 618000， China)



Abstract:This paperintroduced the fundamental of computer aided diagnosis，and then proposed an analyse method using perfusion CT，which was based on a model for capillary exchange.Designed an system for rectal cancer with dynamic multisection CT.The results acquired from theexperiments show that the algorithm can check and measure some colonic pathological changes which may not be detected in normal analyze.It’s important for initial observation of colonic cancer and treatment response.It is significant for in time diagnosis and treatment of some pathological changes.

Key words：perfusion; computer aided diagnosis(CAD); radiology; medical image



0 引言

近年來，隨著CT（計算機斷層掃描）等技術(shù)的發(fā)展，計算機輔助診斷(CAD)逐漸成為醫(yī)學(xué)影像學(xué)中的研究熱點之一。

計算機輔助診斷在醫(yī)學(xué)中的應(yīng)用可追溯到20世紀50年代。1959年，美國學(xué)者Ledley等人首次提出了計算機輔助診斷的數(shù)學(xué)模型，并診斷了一組肺癌病例；1966年，Ledley提出計算機輔助診斷的概念。20世紀80年代初，計算機輔助診斷系統(tǒng)獲得進一步發(fā)展，其中應(yīng)用在中醫(yī)領(lǐng)域的專家系統(tǒng)最為引人注目。目前，在世界范圍內(nèi)，醫(yī)學(xué)影像學(xué)中的計算機輔助診斷新技術(shù)不斷涌現(xiàn)，發(fā)展日新月異。

計算機輔助診斷包括兩方面的含義：幫助發(fā)現(xiàn)病變和診斷病變。例如在乳腺癌[1]和肺結(jié)節(jié)[2，3]的診斷系統(tǒng)中，系統(tǒng)一方面幫助醫(yī)生發(fā)現(xiàn)結(jié)節(jié)及可疑病變；另一方面幫助醫(yī)生判斷病變的性質(zhì)，即良性或惡性。

計算機輔助診斷的過程包括病人一般資料和檢查資料的搜集、醫(yī)學(xué)信息的量化處理、統(tǒng)計學(xué)分析，直至最后得出診斷結(jié)果。目前較為流行的模型有Bayes定理、最大似然法模型、序貫?zāi)Ｐ秃蜕窠?jīng)網(wǎng)絡(luò)模型等。

醫(yī)學(xué)影像學(xué)中，計算機的輸出結(jié)果是定量分析相關(guān)影像資料特點而獲得的，計算機輔助診斷能幫助醫(yī)師提高診斷準確性和對于圖像、疾病解釋的一致性。但由于人體解剖結(jié)構(gòu)的復(fù)雜性、組織器官的不規(guī)則性以及個體之間的差異性，如何有效地提取人體各個組織的圖像特征是計算機輔助診斷的難點所在。

放射學(xué)領(lǐng)域引入了灌注分析方法作為輔助診斷的有效手段。研究表明，CAD對于提高放射科醫(yī)生診斷的準確率、減少漏診起到了積極的作用。

1 計算機輔助診斷的基本原理

計算機輔助診斷是醫(yī)學(xué)圖像處理與三維重建系統(tǒng)中具有實用意義的重要功能之一，也是醫(yī)學(xué)圖像處理與三維重建的一個重要的研究方向。將基于圖像序列的輔助診斷信息和三維顯示[4]有機結(jié)合起來，是醫(yī)學(xué)圖像處理與三維重建系統(tǒng)的一個重要目的。

通常醫(yī)學(xué)影像學(xué)中的計算機輔助診斷分為三步：

a)圖像處理過程。目的是把病變從正常結(jié)構(gòu)中提取出來。在該過程中，圖像處理的目的是便于計算機識別可能存在的病變，便于計算機進一步從復(fù)雜的解剖背景中將病變及可疑結(jié)構(gòu)識別出來。通常此過程先將圖像數(shù)字化，一般從CT、MR等影像設(shè)備上獲取的原始圖像本身就是數(shù)字化的圖像。針對各種病變運用不同的圖像處理和計算方法，基本原則是圖像增強和圖像過濾等，通過處理計算機從正常解剖背景中分離、顯示出可疑病變。

b)圖像征象的提取或圖像特征的量化過程。目的是將第一步計算機提取的病變特征進一步量化，即病變的征象分析量化過程。所分析征象是影像診斷醫(yī)生對病變診斷具有價值的影像學(xué)表現(xiàn)，如病變的大小、密度、形態(tài)特征等。

c)數(shù)據(jù)處理過程。將b)獲得的圖像征象數(shù)據(jù)輸入人工神經(jīng)元網(wǎng)絡(luò)等各種數(shù)學(xué)或統(tǒng)計算法中形成計算機輔助診斷系統(tǒng)，通過對病變進行分類等處理，進而區(qū)分各種病變，即實現(xiàn)疾病的診斷。這一步中常用的方法包括決策樹、神經(jīng)元網(wǎng)絡(luò)、Bayes網(wǎng)絡(luò)、規(guī)則提取等方法。

目前的計算機輔助診斷研究大多局限在乳腺和胸部肺結(jié)節(jié)性病變，身體其他部位的研究目前仍很少且不成熟。其主要原因是步驟b)，即有效地提取圖像特征的問題沒有得到很好的解決。

放射學(xué)領(lǐng)域引入了灌注分析方法作為輔助診斷的有效手段。通過對病變體及其他感興趣的區(qū)域進行定性及定量的分析，可以提高醫(yī)療診斷的準確性和可靠性。

2 血流計算的灌注分析方法

隨著醫(yī)學(xué)影像技術(shù)與計算機技術(shù)的發(fā)展，在醫(yī)療領(lǐng)域內(nèi)以觀察腦[5]、肝[6]、肺、結(jié)腸[7，8]等組織血流灌注狀況為目的的動態(tài)CT 灌注成像和定量分析研究日益增多。通過對人體血管中注入一定數(shù)量的對比劑，來增強血管或組織的CT影像，可以幫助讀片醫(yī)師有效定位病變區(qū)域位置和分析病變原因[9]。

由于人體解剖結(jié)構(gòu)的復(fù)雜性，組織器官的不規(guī)則性以及個體之間的差異性，有很多疾病無法通過讀片醫(yī)師的經(jīng)驗來判斷。研究發(fā)現(xiàn)，通過對動態(tài)CT灌注檢查所獲得的時間影像序列進行量化分析，可以測量出感興趣區(qū)域組織的血流灌注量，繪制出相應(yīng)的時間密度曲線；然后根據(jù)中心容積原理對這些曲線進行分析、計算得到患者的相關(guān)血流動力學(xué)參數(shù)，如血流量（blood flow，BF）、腦血容量（blood volume，BV）、平均通過時間（mean transit time，MTT）、峰值時間（time to peak，TTP）等；最后按照一定的色彩分布對計算得到的血流動力學(xué)參數(shù)進行映像，分別繪制出不同具有臨床輔助診斷意義的功能影像，利用這些功能影像，放射科醫(yī)師可以有效識別出用肉眼無法識別的病變。

根據(jù)JohnsonWilson[10]模型和動態(tài)CT灌注影像定量測量相關(guān)理論，可以設(shè)計出相應(yīng)的后處理算法。CT灌注成像及定量分析的主要依據(jù)是血液動力學(xué)中的中心容積原理。該理論假定在人的器官中存在一個無滲漏的毛細血管網(wǎng)絡(luò)，理想狀態(tài)時，進入網(wǎng)絡(luò)中的血流量在該網(wǎng)絡(luò)中勻速流過。假設(shè)進入這個網(wǎng)絡(luò)的血流量為BF(mL/min/g)，通過網(wǎng)絡(luò)的血流量為BV(mL/g)。對于不同的流過路徑，由于血管長度不同，血液由動脈流入到由靜脈流出所經(jīng)過的時間不同，將血液通過毛細血管網(wǎng)的平均時間作為考慮參數(shù)，定義為平均通過時間MTT。

根據(jù)中心容積原理，BF、BV、MTT之間具有如下簡單的關(guān)系：

CF=BV/MTT(1)

先采用靜脈團注造影劑法，利用動態(tài)CT對整個過程進行連續(xù)掃描來獲得時間序列影像，再經(jīng)后處理獲得所需的功能影像。在時間影像序列中，影像的生物形態(tài)保持不變，但對于不同的造影劑，各種組織結(jié)構(gòu)的藥物動力學(xué)性狀不同，使得在整個序列中，不同影像中對應(yīng)像素點處的造影劑密度值發(fā)生了變化。

對于血屏障不完整的情況，造影劑產(chǎn)生一定的血管外滲漏，峰值穩(wěn)定時間縮短。為此需要提高團注造影劑量，使其大于血管的容量。利用這種密度值與組織結(jié)構(gòu)間對應(yīng)的依賴關(guān)系，能夠指示疾病的活動性狀，研究疾病的發(fā)展過程。例如，在臨床醫(yī)學(xué)中一般被用于觀察急性腦缺血時腦組織血液灌注狀況。

為了消除像素點配準誤差對分析結(jié)果的影響，可以取相應(yīng)像素點的3×3鄰域內(nèi)像素點的平均值作為分析點的CT值。

根據(jù)對時間序列影像中感興趣區(qū)域（region of interest，ROI）內(nèi)像素點CT平均值隨時間的變化關(guān)系，繪制出如圖1所示的時間密度曲線(time density curve，TDC)。

通過對該曲線的進一步分析處理，可得到一些具有實用價值的醫(yī)學(xué)指標參數(shù)，獲得功能影像，實現(xiàn)相應(yīng)的醫(yī)學(xué)影像輔助診斷分析。一般較常用的分析指標參數(shù)包括最大值、達到最大值的時間、曲線覆蓋的面積等。

為了測定MTT，引入了脈沖殘余函數(shù)IRF(impulse residue function)，表達為R(t)。該函數(shù)描述了以團注方式注入動脈中的造影劑在指定的血管網(wǎng)絡(luò)中的殘余量與時間的關(guān)系。根據(jù)中心容積原理可知，在組織器官血屏障完整的理想情況下，該函數(shù)的自變量區(qū)間（造影劑通過血管網(wǎng)絡(luò)的最小時間）上對應(yīng)的函數(shù)值恒定.利用這個函數(shù)，可以計算出：

MTT=∞0R(t)dt/R(0)(2)

在實際情況中，由于器官內(nèi)的血屏障會有一定程度的破壞，造影劑在血管內(nèi)外會發(fā)生一定程度的滲漏，IRF的實際描述應(yīng)修正。此時有

R(t)=E#8226;Re(t)+(1-E)#8226;Ri(t)(3)

其中：Ri(t)為造影劑通過血管網(wǎng)絡(luò)的過程中，血管內(nèi)環(huán)境中的造影劑殘余量，且當t=0時其取值為1.0；Re(t)為造影劑通過血管網(wǎng)絡(luò)的過程中，滲出到血管外環(huán)境中的造影劑殘余量，并且當t=0時其取值為0.0；E為開始外滲時造影劑殘余量與最初的造影劑殘余量的比值。在實際應(yīng)用中可通過測定時間密度曲線的上升沿起始點、曲線最高點及下降沿轉(zhuǎn)折點來計算得出。由于在動態(tài)CT所獲得的灌注影像中明確地識別出血管網(wǎng)絡(luò)的入口存在一定的困難，一般采用組織殘余函數(shù)來間接計算該值。在血流量保持穩(wěn)定且造影劑對影像數(shù)據(jù)的增強與造影劑濃度呈線性關(guān)系時，有

Q(t)=BF#8226;CaR(t)(4)

其中：Q(t)為在動脈輸入增強曲線上的測得值；*代表卷積操作；R(t)為感興趣區(qū)的IRF值；Ca(t)和Q(t)均可通過注入造影劑的方法精確測得。對式(4)進行反卷積操作，并使用反向外推法可得

Rsi(t)=BF#8226;(1-E)#8226;Ri(t)(5)

即經(jīng)BF比例變換后的血管內(nèi)環(huán)境IRF值。此時MTT可由下式得到：

MTT=∞0Rsi(t)dt/Rsi(0)(6)

對于血流和血容積的計算，根據(jù)式(4)以及t=0時Ri(0)=1.0可得

BF=Rsi(0)/(1-E)(7)

結(jié)合上式可得

BV=∞0Rsi(t)dt/(1-E)(8)

以上理論推導(dǎo)在放射學(xué)界已是經(jīng)典模型。然而根據(jù)以上數(shù)學(xué)模型實現(xiàn)出可供醫(yī)師實際運用的輔助診斷程序，在工業(yè)界只有極少數(shù)范本，如GE公司的Perfusion灌注分析軟件。因為如何根據(jù)實際情況調(diào)整具體的參數(shù)，均需要與放射科醫(yī)師進行頻繁的交流探討。

3 實驗結(jié)果及分析

在IBM Intelli Station ZPro 6221，1GB內(nèi)存，顯卡為NVIDIA Quadro FX 3400 256MB顯存的圖形工作站上，按照本文所述算法，以Java為開發(fā)工具實現(xiàn)了一個具有實用功能的灌注分析系統(tǒng)。對一組臨床結(jié)腸CT灌注圖像進行了實驗。

這組結(jié)腸CT灌注掃描切片是對病人進行了平片掃描（用于分析過程確定基準值）和動態(tài)灌注掃描，獲取過程如下：

患者平臥在掃描床上，左臂舉起平行于頭部，利用高壓注射器經(jīng)右肘靜脈快速注入對比劑，流速4 ml/s，總量50ml；在注入對比劑的同時，開始進行同步動態(tài)CT掃描，掃描條件120kV，300mA，1層/s，層厚10mm，連續(xù)掃描40s，共獲得40張連續(xù)影像。

圖2為患者的CT平掃影像和灌注增強影像（作最大密度投影），從圖中很難發(fā)現(xiàn)影像學(xué)異常。圖3是用該系統(tǒng)對這組灌注影像序列進行不同的定量分析，可分別得到MTT、PS（表面滲透率，與BF相關(guān)）、BF、BV圖在BF和MTT圖中可以清楚看到出現(xiàn)了異常顯示（對應(yīng)色階顯示會有所異常），從而為確定患者的病癥提供輔助依據(jù)。

表1是使用該系統(tǒng)對40位結(jié)腸疾病患者病例的診斷情況統(tǒng)計，病變組織和健康組織的參數(shù)值在統(tǒng)計學(xué)上表現(xiàn)出明顯的差異性，這表明這個診斷程序的判斷結(jié)果具有統(tǒng)計學(xué)意義，能夠有效地診斷出結(jié)腸病變。對腦、肝、肺等組織病變的臨床測試也證明，使用動態(tài)CT灌注成像方法及后處理算法，可及時檢測到一些常規(guī)CT檢查所不能夠測到的疾病影像學(xué)癥狀，對于一些病變的及時診斷、及時治療具有十分重要的意義。

4 結(jié)束語

本文對基于灌注分析模型的計算機輔助診斷原理進行了介紹，分析了具體算法并以結(jié)腸病變的診斷為例實現(xiàn)了灌注分析功能，對腦、肝、肺等組織病變的臨床實驗也證明了其有效性。

利用人工智能技術(shù)，建立輔助診斷的知識規(guī)則庫，并結(jié)合放射學(xué)一些實驗?zāi)Ｐ停糜嬎銠C自動尋找人體病變特征，快速檢索和判斷這些特征；進一步將輔助診斷信息的表達與人體器官模型的三維信息顯示有機結(jié)合起來，發(fā)揮出更大的效能，將是今后工作中需要重點研究的問題。

參考文獻：

［1］

BREM R F，BAUM J，LECHNER M，et al.Improvement in sensitivity of screening mammography with computeraided detection:a multiinstitutional trial[C]//Proc of AJR’03. 2003:687693.

[2]SHIRAISHI J，ABE H，ENGELMAAN R，et al. Computeraided diagnosis to distinguish benign from m alignant solitary pulmonary nodules on radiographys:ROC analysis of radiologists performanceinitial experience[J].Radiology，2003， 227:469474.

[3]NAKAMURA K ，YOSHIDA H ，ENGELMANN R ，et al. Computerized analysis of the likelihood of m alignancy in solitary pulmonary nodules with use of artificial neural networks[J].Radiology， 2000， 214:823830.

[4]SHAHIDI R， TOMBROPOULOS R， GRZESCZUKP R. Clinical applications of threedimensional rendering of medical data set[J]. Proceedings of the IEEE，1998， 86(3):555568.

[5]LIN Yan ， GAO Peiyi .Personal computer aided cerebral perfusion imaging with dynamic CT[J]. Chinese Medical Journal， 2004， 117(3):472474.

[6]MILES K A， LEGGETT D A， KELLEY B B， et al. Invivo assessment of neovascularisation of liver metastases using perfusion CT[J]. Br J Radiol， 1998， 71(843):276281.

[7]SAHANI DU V， KALVA S P，HAMBERG L M， et al. Assessing tumor perfusion and treatment response in rectal cancer with multisection CT[J]. Initial Observations Radiology， 2005， 234(3):785792.

[8]BROWN C. The role of MRI in the preoperative staging of rectal cancer[J]. Imaging， 2000(12):141150.

[9]MILES K A， CHARNSANGAVEJ C， LEE F T， et al. Application of CT in the investigation of angiogenesis in oncology[J].Acad Radiol ，2000， 7(10):840850.

[10]JOHNSON J A， WILSON T A. A model for capillary exchange[J]. Am J Physiol， 1966， 210(6):12991303.