PET脑视功能区自动提取的研究.doc

PET脑视功能区自动提取的研究【摘要】目的建立自动提取脑部功能区的方法。方法 通过非线性的空间变换将PET图像经过图像配准和图像形变两个步骤，归一化到Talairach坐标系，根据图谱中脑功能区的坐标，在3D图像中提取相应的功能区；为验证功能区提取的有效性，对志愿者带眼罩和不带眼罩各14例，加光刺激，提取视区并染色，计算经小脑归一化后的平均密度值。结果 两组视区平均密度值显著性差异(P0.001)；视区位置符合解剖学定义。结论 自动提取功能区的方法是有效的。【关键词】 视区; 配准; 空间归一化; PET The Study of Automatic Functional Area of Brain Extraction in PET ImagesZHANG Jian-ge, GUO Wan-hua, LI Pei-yong, et al（Department of Biomedical Engineering, SSMU, Shanghai 200025， China）【Abstract】Objective To establish a method which can extract functional areas of the brain automatically. Methods 18F-FDG PET images were spatial normalized to Talairach Atlas space through two steps, image registration and image deformation. The functional areas were extracted from 3D PET images based on the coordinate gotten from Atlas; 14 Volunteers with eyepatch and 14 volunteers without eyepatch were simulated by light, Brodmann 17 area was extracted and rendered, the grey value of the area were normalized by cerebellum, then the grey mean of whole area were measured. Results The grey mean between two groups had significant difference (P0.001). The position of Brodmann 17 area fitted anatomical definition. Conclusion The automatic functional area extracted method was proved to be available.【Key words】Brodmann 17 area; Registration; Spatial normalization; PET 【作者简介】张剑戈 （1972-），男，山东济南人，讲师，硕士PET是一种无创性的探测生理性放射核素标记化合物在机体内分布的断层显像技术，是对活机体的生物化学显像。外加刺激或疾病会使相关功能区的葡萄糖代谢发生变化，分析18F-FDG PET显像中功能区的像素密度值的情况，对认知学研究和疾病的诊断都有重要意义1。通过感兴趣区（ROI）可计算区域的放射性计数，再对这些放射性计数进行统计分析，是分析大脑活动的常用方法，但是这种方法主观性强、随机误差大、可重复性差。Friston等人提出了统计参数地图（Statistical Parametric Mapping, SPM）方法2，依靠像素密度值对全脑功能成像进行数学分析，适用于统计分析成组比较的样本资料，但不能分析单独个体的区域像素资料。本研究通过非线性的空间变换（Nonlinear Spatial Transform）将PET图像映射（Mapping）到Talairach坐标系3，根据图谱中脑功能区的坐标，从个体的三维PET图像中自动地提取出功能区，利用像素的灰度值计算放射性计数，以分析不同刺激条件下脑部功能区活动情况。方法和材料提取脑功能区，首先进行图像与图谱空间归一化（Spatial Normalize）4,5，包括3D图像配准(image registration)和图像3D形变两个步骤；然后从Talairach模型中得到待研究功能区的3D坐标；最后从图像中提取出功能区域。图像配准 本文利用仿射变换(affine transform)实现图像配准6。仿射变换由旋转、平移、尺度变换等空间变换组合而成，定义为：。式中X、Y表示像素的空间位置，M是44的空间变换矩阵。仿射变换包括12个参数，记为P。PET图像记为f，图谱记为g， f(X)和g(Y)分别表示f和g中位置为X和Y的像素灰度值。用Di(P)描述灰度差值，下标i表示图像中第i个像素。f(MXi)与g(Xi)之间具有相关性。用矩阵T描述仿射变换参数P的变化，以Di(P)的平方和作为优化目标函数：最优化点附近参数值与函数值近似为线性关系，用一阶Taylor函数近似函数Di(P)，经过迭代得到仿射变换参数矩阵P，根据仿射变换公式将图像f映射到图谱空间g。图像形变 不同个体的头部形状存在差异，为了使用根据标准图谱所确定的功能区坐标，PET图像需要形变与图谱形状吻合，内部组织，包括灰质、白质和脑脊液等也随之形变。研究人员提出了多种形变算法79，但这些方法存在不能自动进行或是计算量大的问题。本文根据Friston等提出的非线性形变算法2,5，通过基函数的线性组合建立形变域(deform field)，实现3D图像的形变，有效地减少了形变参数的数量。3D图像从坐标X到坐标Y的形变表示为：式中yi和xi分别表示在三维空间上的坐标。tid表示了在d维上第i个系数，而bid(X)表示在位置X上d维的第i个基函数。式中的部分是外加的形变域。DCT（discrete cosine transform）函数具有可分离性，低频部分能准确地描述平滑的图像。选择DCT变换核作为基函数，系数矩阵T在x，y方向分别记为Tx、Ty，基函数记为Bx、By，矩阵T的DCT为BxTxByT和BxTyByT。在这里的T实际上就是基函数线性组合的系数。矩阵B中元素bi,j定义为：类似于求解图像配准，计算出系数矩阵T。图1显示了图谱和归一化前后图像的情况。获取功能区坐标 Talairach坐标系以连接前后连合的直线（AC-PC直线）为基准，以AC-PC直线中点作为坐标原点，从后到前的方向作为y轴方向，从左到右的方向作为x轴方向，从下到上的方向作为z轴的方向，左侧的对应脑解剖方位左侧，右侧对应右侧。利用Talairach daemon team编制的软件，取出图谱中所有像素点和对其所属解剖位置的描述。以这些像素的坐标和描述建立脑部功能区的数据库，用对像素的描述作为数据库的关键字，根据功能区的名称从数据库中检索出属于该区域的全部像素点。表1 Talairach解剖空间视区的部分像素点Tab 1 Partial pixels of Brodmann area 17 in Talairach spaceCoordinateRegion nameXYZLevel 1Level 2Level 3Level 4Level 514-48-5LCOLIOGGMB17-14-48-4LCOLIOGGMB17-14-47-5LCOLIOGGMB17LC: left cerebrum; OL: occipital lobe; IOG: inferior occipital gyrus; GM: Gray Matter; B17: Brodmann area 17提取功能区域由图谱得到的功能区空间分辨率是1mm1mm1mm，大于PET图像的空间分辨率2mm2mm2mm，降低前者的分辨率与PET图像相同。根据功能区的坐标，从归一化后的图像中提取出相应的功能区域。图2显示了提取出的小脑。 样本来源和图像采集 选择2000年9月2001年6月间在上海瑞金医院核医学科进行健康检查和志愿者28例正常脑显像，男、女各14例，年龄为1281岁，年龄构成未有统计学差异，且无神经系统疾和其它重大器质性病史。光线刺激组采取睁眼、开灯的环境中采集，视觉屏蔽组在注射18F-FDG后在昏暗环境中休息，图像采集时戴眼罩。使用ADAC公司的CPET仪。检查前受试者禁食6小时以上，肘静脉给药剂量为1.48MBq2.67MBq/Kg。将头部固定于透射扫描相同位置，采集时间为39分钟。重建成的图像尺寸为128128，层厚2mm，并按平行OM线重采样进行倾斜校正，应用自行开发的程序将图像转换为ANALYZE 7数据格式。结果提取视区 将图像与Talairach模型归一化，根据Brodmann 17区坐标提取出目标区域。图3用彩色显示了提取出的视区。试验结果 为减少个体差异的影响，以小脑作为参考区10,11 进行归一化处理，计算每个观察对象的Brodmann 17区和小脑平均像素密度值的比值，以归一化后的值作为区域的像素平均密度值，结果见下表。表2 视觉17区平均密度值Tab 2 Mean of pixels density in Brodmann area 17No.EyepatchWith Without 11.69991.24342121.4548491.09619431.5575151.32087541.3608851.34261751.4177381.27518661.5598191.17338771.6650831.25978481.4616671.41711691.3371761.382386101.3479670.94919111.6588881.500478121.5014111.23913131.3977951.274749141.5125451.3289721.4950.0321.2720.036两组间方差齐性，采用两组间T检验，t=4.5893，P0.0001，证明两组视区的平均密度值有统计学差异。从数据可见戴眼罩组的视觉17区的平均密度值较不戴眼罩的低，即蒙眼可减低视觉区的葡萄糖代谢。在视觉刺激试验中，其他功能区域同时被提取出来，进行两组间t检验。按=0.05的检验水准，除视觉区以外，其他解剖区的像素密度值的变化均没有统计学意义，视觉区域像素没有被误分割到其他功能区。讨论在功能性图像定量研究中，感兴趣区分析法使用广泛，但在位置准确性、一致性、客观性方面存在着难以克服的缺点。由于Brodmann 17区不是一个连续的区域，形状不规则，难以手工画出感兴趣区。针对上述问题，将PET图像映射到标准图谱，根据视觉区域在图谱空间中的位置，自动地提取出目标区域。光刺激试验的结果显示了志愿者在带眼罩和不带眼罩两种情况下，伴随视觉区葡萄糖代谢的改变，视区的放射性计数有统计学差异，而其他功能区域在光刺激前后平均灰度值没有显著性差异，同时说明视区定位是准确的。图像与图谱归一化是准确地提取出功能区的关键。不同个体之间的头部形状有很大差异，因此不能直接使用功能区在图谱中的坐标。影响功能区准确提取的主要因素是图像发生形变使形状吻合的前提下，内部组织是否也与图谱吻合。目前国外提出的薄板样条算法、粘稠液体模型和生物力学模型存在着需要交互操作或是计算时间长，仅对CT等解剖性成像有效的问题。考虑到PET图像与图谱之间位置、大小、图像分辨率以及形状的差异，将归一化过程分为图像配准和图像形变两个步骤。待配准图像是相同成像模式下得到的，对应像素的灰度值为线性关系，在配准过程中采用灰度差值作为优化的目标函数，解决位置、大小、图像分辨率不同的问题。在图像形变的过程中采取SPM的算法，引入了由DCT基函数线性组合而成的外加形变域，待求的形变参数为基函数线性组合的系数，最终使图像的形状与图谱的形状相同。对视区的提取仅仅是脑功能区自动提取的初步尝试。随着研究的深入，将会提取出更多的功能区，对其像素灰度平均值、纹理、灰度值变化范围等图像特征的计算结果，可以广泛地应用在认知学研究、计算机辅助诊断。图1 PET图像空间归一化到Talairach图谱Fig 1 The PET image being spatial normalized to Talairach brain Atlas图3 提取出的Brodmann 17区Fig 3 The Brodmann 17 area being Extracted图2 提取出的小脑Fig 2 The Cerebellum being extracted 【参考文献】1 Chugani HT. A critical period of brain development: Studies of cerebral glucose utilization with PET J. Preventive Med, 1998, 27:184188.2 Action HD, Friston KJ. Statistical parametric mapping in functional neuroimaging: beyond PET and fMRI activation studies J. Eur J Nucl Med, 1998,25: 663-667.3 Talairach J ,Tournoux P. Coplanar stereotaxic atlas of the human brain J. New York Georg Thieme Verlag,1988：31-36.4 Fox PT. Spatial normalization origins: Objectives, applications, and alternatives J. Human brain mapping, 1995, 3: 161-164.5 Friston KJ, Ashburner J, Frith CD, et al. Spatial Registration and Normalization of Images J. Human Brain Mapping, 1995, 2 : 165-189.6 Hill DL, Hawkes DJ, Hussain Z, et al. Accurate Frameless Registration of MR and CT Images of the Head: Applications in Surgery and Radiotherapy Planning J. Radiology, 1994, 191:447-454.7 Bookstein FL. Principal warps: Thin-plate splines and the decomposition of deformations J. IEEE