基于三維Dixon磁共振成像的胰腺計算機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 嚴序 王莉 陳錄廣 金愛國 陸建平

基于三維Dixon磁共振成像的胰腺計算機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 嚴序 王莉 陳錄廣 金愛國 陸建平

目的探討3.0T三維Dixon磁共振成像(3D Dixon MRI)進行胰腺計算機輔助分割的可行性。方法招募胰腺正常志愿者5名，行上腹部相同掃描參數的屏氣3D Dixon MRI序列檢查。基于醫學影像交互平臺(MITK)自主開發胰腺分割程序，由有經驗的放射科醫師分別在Dixon反相位和水相位圖像上進行兩次胰腺手動分割及計算機輔助分割。分析兩次手動分割的相似度以及計算機分割與手動分割的相似度，相似度用Dice系數表示。結果Dixon MRI的反相位和水相位圖像上胰腺信號強度均較周邊組織偏高。基于Dixon反相位和水相位圖像，兩次手動分割平均Dice系數分別為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，差異有統計學意義(P=0.013)；計算機分割與手動分割的Dice系數分別為0.69±0.08和0.75±0.03，水相位圖的相似度高于反相位圖，但差異無統計學意義(P=0.155)。結論3.0T反相位及水相位Dixon圖像均可清晰顯示胰腺，水相位圖像胰腺計算機輔助分割可獲得高的相似度，對Dixon MRI進行胰腺計算機輔助分割是可行的。

胰腺； 磁共振成像； 圖像處理，計算機輔助

計算機輔助診斷(computer-aided detection/diagnosis, CAD)在臨床醫學中的應用價值越來越重要，基于影像學的胰腺自動分割方法對胰腺癌放療定位[1]、胰腺結構與功能評價[2]等具有重要意義。應用計算機斷層掃描(computed tomography, CT)進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)技術的發展，一方面它對胰腺疾病的診斷越來越重要，另一方面它具有軟組織對比、無電離輻射及成像序列多樣等優點，使得基于MRI圖像的胰腺分割越來越被重視[4]。Dixon技術是常用的腹部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行胰腺計算機分割的可行性。

資料與方法

一、一般資料

招募2016年10月至11月來長海醫院行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超導磁共振成像儀(MAGNETOM Skyra, Siemens, Erlangen, Germany)上完成。嵌入式線圈用于信號激發，18通道體部相陣控線圈用于信號接收，取頭先進、仰臥方式行常規上腹部MRI掃描。3D Dixon序列掃描為14 s一次屏氣完成，主要參數：重復時間(TR) 3.97 ms，回波時間(TE) 1.26/2.49 ms，矩陣320×196，視野(FOV) 400 cm×325.2 cm，層數64，層厚6 mm(重建層厚3 mm)，層間距0 mm，反轉角 9°。

三、圖像分析

1．Dixon數據重建及分析：工作站自帶軟件進行Dixon數據分析，自動重建同相、反相、水相及脂相的4相位圖像。兩名放射科醫師獨立評價圖像的診斷質量及用于勾畫胰腺邊界的可行性，從而明確可用于進一步數據分析的圖像。

2．手動胰腺分割：基于醫學影像交互平臺(medical imaging interaction toolKit，MITK)，由一位經過訓練的放射科醫師分別在Dixon反相位和水相位圖像上沿著胰腺邊界進行自由曲線的手動胰腺分割，2周后進行第二次數據分析，用于評價Dixon反相位和水相位圖像手動胰腺分割的相似度。

3．計算機胰腺分割：利用開源MITK平臺自主設計的程序在Dixon反相位和水相位圖像上進行自動胰腺分割。步驟操作：(1)Dixon數據導入到MITK平臺；(2)分割前使用圖像裁剪選擇輸入圖像中的感興趣區域，標定胰腺所在區域，減少自動分割中的誤差；(3)使用3維大律法[6]獲取感興趣區域上的閾值，對整個感興趣區域進行二值化處理，分離出不同的器官組織部分；(4)對二值化后的結果進行連續兩次的形態學計算[7]，進行連續的兩次腐蝕和開運算，目的是為了分離出不同區域的器官組織，去除各個器官組織的粘連；(5)對上述步驟后的分割結果用鼠標點擊，選擇出胰腺組織區域，即分割結果中的最大區域，去除其余不相關的組織；(6)得到每層的分割結果，繪制三維隱函數圖像、繪制立體胰腺圖像。

4．分割結果的相似度評價：分別計算醫師兩次手動胰腺分割的相似度及計算機自動分割與手動分割的相似度，相似度用Dice系數表示[4]。

四、統計學處理

應用SPSS16.0軟件進行統計學分析。采用獨立樣本t檢驗分析基于Dixon反相位和水相圖像進行胰腺分割的Dice系數差異。P<0.05為差異具有統計學意義。

結 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，Dixon MRI圖像未見明顯偽影，獲得的反相位和水相位圖像上胰腺信號強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，其中反相位圖像有明顯勾邊效應。而同相位和脂相位圖像上因胰腺邊界不清晰，本研究未進一步行數據分析。

二、兩次手動胰腺分割相似度

基于Dixon反相位和水相位圖像，醫師兩次手動分割平均Dice系數分別為0.81±0.01和0.85±0.03，水相位圖像手動胰腺分割相似度較反相位圖像上相似度更高，差異具有統計學意義(t=3.181，P=0.013，表1)。

表1基于Dixon反相位及水相位圖像醫師手動胰腺分割的Dice系數

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、計算機胰腺分割與醫師手動分割的相似度

基于Dixon反相位和水相位圖像，計算機分割與醫師手動分割的Dice系數分別為0.69±0.08和0.75±0.03，差異無統計學意義(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算機分割與醫師手動分割的Dice系數

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，周邊組織復雜，不同個體的胰腺位置和形態變化多樣，基于影像學的胰腺分割具有一定難度。利用二維或三維CT的方法進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在區分軟組織方面優于其他影像學方法，同時具有無輻射等顯著優點，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值信息，如利用MRI胰膽管成像技術及T1、T2聯合使用可以獲得更多關于腫瘤及腫瘤和周邊器官的關系等信息，用于患者治療前的影像學評價[10]。Dixon是常用水脂分離成像方法[5]，其原理是根據人體內水和脂肪的化學位移差異，通過雙回波技術采集到同相位和反相位的磁共振圖像，經過簡單數學運算得到單純的水和脂肪信號的MRI圖像。MRI設備一次掃描可以同時得到Dixon 4相位圖像，其優點是模型簡單，計算結果穩定，已廣泛應用于臨床[11]。基于MRI圖像的胰腺分割方法越來越受到關注，如Gou等[12]探討了根據2D動態增強MRI及3D脂肪抑制VIBE序列的多種方法[4]進行胰腺分割的可行性，其對2例正常胰腺分割的Dice系數分別為0.709～0.770及0.6542～0.830。Shen等[2]開發了基于3D Dixon水相和脂相圖像的腹部器官自動分割方法，對20例肥胖患者胰腺分割的Dice平均系數為0.672。本研究根據Dixon水相位圖像，利用常規算法得到的自動胰腺分割獲得較高相似度(Dice系數為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學方法，更簡單易行。

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、體部及尾部的醫師手動分割(紅色)和計算機分割(綠色)圖

圖2 基于Dixon水相位圖像的醫師手動分割(2A)和計算機自動分割(2B)結果的3D重建圖

醫學圖像處理中的圖像分割分為手動分割、半自動分割及自動分割。手動分割需要具有豐富經驗的醫師對圖像進行判斷，直接勾畫器官或目標區域，常作為計算機半自動及自動分割學習的參考標準，是CAD中的關鍵步驟。針對MRI圖像中胰腺自動分割問題，本研究根據傳統的閾值分割方法，結合形態學分割優化了分割效果，進行連續的兩次腐蝕和開運算，目的是為了分離出不同區域的器官組織，去除各個器官組織的粘連。本研究使用了技術成熟的閾值及形態學的分割方法，在現有MITK平臺中可直接調用，具有操作簡單、推廣便利的優勢。

應用Dixon MRI方法作為常規臨床檢查序列之一，無需對比增強掃描。本結果顯示，醫師兩次手動分割的相似度在水相位圖上顯著高于反相位圖，差異有統計學意義；計算機輔助分割與手動分割的相似度在水相位圖上也高于反相位圖，但差異無統計學意義，考慮與病例數較少有關。盡管醫師判斷Dixon反相位圖像有明顯的勾邊效應，即胰腺邊界為明顯的低信號特征，更利于用手動分割，但計算機半自動分割中基于Dixon水相位圖像的胰腺半自動分割的精確度更高，主要原因是Dixon水相位圖像中胰腺信號較周邊組織更高、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邊界模糊。因此，當進行MRI胰腺分割相關研究時根據Dixon MRI水相位圖像更加有利于計算機輔助診斷分析，可供后續生物參數的計算。盡管本研究得到了較好的初步結果，但仍將優化算法，進一步探討該方法在胰腺腫瘤分割中的價值，同時將克服半自動分割的瓶頸，實現基于Dixon MRI的準確、快速的全自動胰腺分割。

[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，第二軍醫大學長海醫院放射科(楊盼盼、馬超、王莉、陳錄廣、金愛國、陸建平)；同濟大學嵌入式系統與服務計算國家重點實驗室(杜超璘、龔曉亮、陳宇飛、單曉英)；西門子公司磁共振合作事業部(傅彩霞、嚴序)

陸建平，Email：cjr.lujianping@vip.163.com

上海市自然科學基金(14ZR1408300)；上海市科委醫學引導項目(14411960100)

2017-03-07)

冀凱宏)