基于Demons算法的MR圖像與病理切片的非剛性配準

趙 倩，史長征，羅嘉莉，曾德威，陳 婷

(1.廣州醫科大學公共衛生學院統計系 廣東 廣州 510182;2.暨南大學附屬第一醫院醫學影像中心 廣東 廣州 510630)

腦膠質瘤是神經系統最常見的原發腫瘤，約占原發性神經系統腫瘤的42%［1］。目前，罹患惡性膠質瘤患者的中位生存期僅為9個月，2年存活率為5%，偏良性膠質瘤患者10年存活率為20%，患者大多在確診后1 a內死亡［2］。MRI檢查具備較高的軟組織分辨率和多平面、多方位成像，對腦腫瘤的診斷有重要價值。為研究不同病理特征所對應的MR參數特點，首先需要獲取腫瘤相應層面的全面病理信息，這在人腦膠質瘤中通常難以實現。本研究基于SD大鼠的C6膠質瘤模型獲取其腫瘤的病理切片，進一步探討如何將MR圖像與病理切片圖像進行有效配準。

基于光流場的Demons算法是一種較為穩定的非剛性配準算法［3］。近年來，為達到更準確、更快速的配準變換，國內外一些學者提出了一種可用于多模態圖像配準的改進Demons算法［4-6］。在Demons算法單純利用參考圖像梯度信息為驅動圖像變形力的基礎上，結合兩幅圖像的互信息，作為當前變換的附加力，并將浮動圖像的梯度信息加入到光流場方程中。最終把參考圖像梯度和圖像互信息共同作為內力使浮動圖像向兩幅圖像互信息增大的方向變形。

本課題組采用Demons算法對腦膠質瘤MR圖像和病理切片進行非剛性配準，結合MR圖像與病理切片的灰度信息，對病理切片進行變形。初步判斷腦膠質瘤在腦組織中的真實區域，排除腦腫瘤周邊水腫或其它臨床指征對判別腫瘤區域的影響，最終獲取較好的配準結果。

1 材料和方法

1.1 大鼠C6膠質瘤模型 SD大鼠禁食12 h，腹腔注射麻醉后，立體定位儀固定頭部。取單側尾殼核為接種點，采用微量注射器抽取10 μl C6膠質瘤細胞懸液，將細胞懸液注入接種點，縫合頭皮，消毒切口，常規飼養。

1.2 MR掃描和圖像后處理 采用GE signa 1.5T磁共振成像系統和八通道的腕線圈(GE Healthcare，Milwaukee，WI)，SD大鼠在接種C6膠質瘤細胞第2周進行MR檢查。冠狀面T2加權成像(TR/TE:2 960/68 ms;矩陣:256×192)，T1加權成像(TR/TE:300/10 ms;矩陣:256 ×192)，掃描層厚2.0 mm，層距0 mm，矩陣284×224，FOV=80 mm ×80 mm，激勵次數(NEX)=2次。平掃后馬上行增強掃描，造影劑0.1 mmol/kg，掃描參數同T1加權成像。

1.3 病理標本 大鼠行MRI檢查后立即處死開胸，鼠體僵硬后斷頭取腦，對應MRI掃描中心層面將鼠腦切片取材，石蠟包埋，以5 μm層厚連續切片，行常規病理學檢查、HE染色、拍照，獲取病理圖片，見圖1。

1.4 圖像預處理 采用Matlab R2012b對獲得的T1加權成像增強(T1增強)圖像(圖1a)和病理圖像(圖1b)進行預處理。首先對照彩色病理圖像，在T1增強中選出相應的病灶區域，去除多余的圖像背景(圖1c);然后將彩色病理圖像轉化為灰度圖像，基于最近鄰域法對缺失區域進行補充，使病理圖片上腫瘤位置與MR圖像基本一致;最后采用雙立方插值法，將病理圖像和T1增強圖像的分辨率調至一致(圖1d)。

2 Demons算法及結果

Demons算法是一種基于光流理論的配準方法，假設圖像在運動的過程中灰度保持不變，通過像素的運動完成兩幅圖像配準［3］。對于浮動圖像M和參考圖像F，需要找出一個形變向量u驅駛浮動圖像中的每個像素點向參考圖像中對應點移動。給定一個點p，設f是參考圖像F上的灰度，m是浮動圖像M上的灰度。則有:

其中，▽f為參考圖像F的梯度向量。改進后的形變向量增加了浮動圖像的梯度信息，并通過參數α控制形變向量的大小，提高了配準的速度和穩定性［4］。

配準實際上就是尋找一個形變向量u，使得形變后浮動圖像和參考圖像能較為相似。通常采用均方誤差作為相似性測度，當▽E(u)=0時，取得最優解［5-6］:

將預處理后的T1增強圖像作為參考圖像，病理切片圖像作為待配準圖像，采用Demons算法進行配準。圖1e為Demons算法得到配準后的病理圖像，圖1f為T1增強圖像與配準后病理圖像的融合。配準后互信息為 0.68。

3 討論

經MR掃描后，可直接觀測腦腫瘤的侵犯范圍、解剖位置和大小，但難以給出腫瘤的病理信息。病理切片雖然能準確地給出腫瘤組織的病理和分級結果，但在制作過程中，由于化學物質的影響，腫瘤會出現脫水皺縮現象。因此，若能將MR圖片和病理切片圖片進行有效的配準，就能全方面地得到腫瘤的解剖信息和病理信息。

本文以T1增強為參照圖像，病理切片圖像為浮動圖像，采用Demons算法配準后，原本有皺縮現象的病理切片已發生變形，腫瘤邊界向四周延伸。配準后的病理圖像與MR圖像的腫瘤輪廓已基本達到一致，基本還原至T1增強腫瘤的范圍、位置、大小。

配準后的病理圖像，不但保留了金標準病理切片“病變部位與正常組織存在清晰邊界”的特點，而且腫瘤分布與MR圖像基本吻合，可認為是腦腫瘤在腦組織中接近真實的反映。本文對病理切片和MR圖像的配準進行嘗試，進一步證明Demons算法對多模圖像配準的有效性，具有較好的速度和精度。

圖1 Demons算法配準結果

［1］ 陳忠平，重視膠質瘤的規范化治療［J］.中國臨床神經外科雜志，2007，12(5):257-258.

［2］ Gilbertson R J，Rich J N.Making a tumour’s bed:glioblastoma stem cells and the vascular niche［J］.Nature Reviews Cancer，2007，7(10):733-736.

［3］ Thirion J P.Image matching as a diffusion process:an analogy with Maxwell’s Demon［J］.Medical Image Analysis，1998，2(3):243-258.

［4］ Wang H，Dong L，O’Daniel J，et al.Validation of an accelerated ＇demons＇algorithm for deformable image registration in radiation therapy［J］.Phys Med Biol，2005，50(12):2887-2905.

［5］ Vercauteren T，Pennec X，Malis E，et al.Insight into efficient image registration techniques and the demons algorithm［J］.Inf Proc Process Med Imaging，2007，(20):495-506.

［6］ Kroon D J，Slump C H.MRI modalitiy transformation in demon registration［C］.Boston，USA:IEEE International Symposium on Biomedical Imaging:From Nano to Macro，2009:963-966.