一种基于肺MRI动态增强扫描的定量分析方法，将参考区域模型、FuzzyC-Mean算法和固定T1算法相结合，通过给定参考组织的T1值，计算感兴趣组织的T1(0)，克服了传统双翻转角计算T1（0）方法需要进行两次扫描的缺点；参考组织模型避免了为得到动脉输入函数对动脉区域信号的测量，减少了研究者的工作强度；在肺部肿瘤分割中根据肿瘤区域在注射对比剂期间的信号变化与正常组织的差异性进行自动精确的分割，在参数估计中一改传统算法中逐个体素进行计算，而采用将其体素按其浓度变化的特征进行分类，逐步进行计算极大地提高计算效率，并且对抑制磁共振信号噪声对计算结果的影响有较好的结果。
【技术实现步骤摘要】
本专利技术涉及一种医学定量分析技术，尤其涉及一种应用在肺部核磁动态增强扫描(DCE-MRI)影像上的定量分析方法，用来分析肺部肿瘤组织的药物流体动力学参数变化，并借此用来评估治疗的不同阶段的效果。
技术介绍
肺癌是目前发病率和死亡率最高的恶心肿瘤，其治疗也成为人们关注的焦点，化疗和放疗是常用的资料手段，在其治疗过程中，分析恶心肿瘤的血供变化监测治疗的效果，对于医生如何确定后期治疗方案起着至关重要的作用。在现有技术中，核磁动态增强(DCE-MRI)方法已经逐步开始应用于肺癌治疗的评价中，该方法主要通过对患者注射对比剂，通过分析对比剂在人体内浓度变化，结合药物动力学模型得到肿瘤血管渗透速度(volume transfer constant,简称Ktrans),血管外间隙(extravascular volume,简称Ve)等参数图像,用以表征组织的血供交换水平。通常核磁图像信号与组织中对比剂浓度变化并不是成线性关系，所以使用非模型方法具有较大的局限性，目前用于肺部DCE-MRI定量分析主要采用传统模型方法，随着技术进步出现了 Tl算法，现有的Tl算法中计算Tl (O)主要采用双翻转角方法，需要对患者进行两次扫描，并且对于肺部扫描患者每次屏气时组织位置都会发生变化，对于测量计算会带来较大的误差；肺组织属于双血供系统，而且组织血管体积比例大，常规模型在应用时会产生较大的误差，增加模型的复杂度；肺部血供复杂，在传统方法中采用较复杂的模型和AATT，其计算量相当大，尤其当肿瘤区域较大时，其计算非常耗时；核磁信号具有较大的噪声，影响计算的准确性，而且逐点计算会增加非常大的计算量，阻碍实际临场应用。基于药物动力学模型方法中，通常依赖于精确测量对比剂在血管内的浓度变化，然而由于时间分辨率、空间分辨率以及呼吸运动所造成的影响，使得难以精确测量病灶组织周围血管已得到动脉输入函数(AIF)，这些问题使得对病灶进行定量分析较难应用于临床治疗。
技术实现思路
为了克服目前肺部DCE-MRI定量分析方法存在的上述不足，本专利技术提供了一种能够准确高效分析评估组织药物动力学信息的基于肺MRI动态增强扫描的定量分析方法。本专利技术为实现上述目的所采用的技术方案是一种基于肺MRI动态增强扫描的定量分析方法，包括以下步骤 a、选取病灶区域； b、对不同时间点采集的肿瘤区域进行配准； C、利用肿瘤中对比剂在时间上变化与正常组织不同的特性分割病灶；d、选择参考组织，根据参考组织在未注射对比剂情况下的Tl值计算病灶组织Tl(O)值； e、根据Tl(O)值计算组织CA浓度；f、根据肿瘤所有体素按照浓度的变化使用FCM方法进行分类； g、根据参考区域模型得到药物动力学参数，利用cubic-spline曲线拟合病灶中对比剂浓度变化曲线； h、显示药物动力学参数图像。所述步骤b中的配准方式采用3D配准。所述步骤f中分类数量由经验公式細2)，N为体素个数，每一簇类取其中值来表示该簇体素对比剂浓度变化所述步骤h中通过将药物动力学参数映射到相应体素的空间位置得到药物动力学参数图像。 本专利技术的基于肺MRI动态增强扫描的定量分析方法，给定参考组织的Tl值，计算感兴趣组织的Tl (O)，克服了传统双翻转角计算Tl (O)方法需要进行两次扫描的缺点；参考组织模型避免了为得到动脉输入函数对动脉区域信号的测量，减少了研究者的工作强度；在肺部肿瘤分割中根据肿瘤区域在注射对比剂期间的信号变化与正常组织的差异性进行自动精确的分割，在参数估计中一改传统算法中逐个体素进行计算，而采用将其体素按其浓度变化的特征进行分类，逐步进行计算极大地提高计算效率，并且对抑制磁共振信号噪声对计算结果的影响有较好的结果。附图说明图I是本专利技术的基于肺MRI动态增强扫描的定量分析方法的流程图。具体实施例方式参考区域模型(Reference Region Model)的提出解决了不需直接测量对比剂在动脉中的浓度变化参数(Artery Input Function),通过测量参考区域(通常是肿瘤附近的肌肉组织)的浓度变化，从而根据肿瘤区域的浓度变化求出相关动力学参数。Fuzzy C-Mean算法被引入DCE-MRI乳腺分割和对药物动力学分类，该方法可以根据数据的变化曲线不同，对聚簇进行分类，可以有效解决噪声对数据的影响。固定Tl算法解决了常规的多反转角计算Tl图像，节约了对患者的扫描次数，也使得计算Tl图像大为简化。本专利技术定将上述几种技术结合，应用于肺部DCE-MRI定量分析，采用固定Tl值，既预先设定参考组织的Tl值，计算Tl图像，利用参考区域模型避免了为得到动脉输入函数对动脉区域信号的测量，减少了研究者的工作强度；肺部血供复杂，在传统方法中采用复杂的模型和AATH，其计算量相当大，尤其计算量相当大，尤其当肿瘤区域较大时，其计算非常耗时，FCM方法通过对相似体素进行归类计算，极大地减少了计算时间，本专利技术给出了在临床实际应用中能够准确高效分析评估组织药物动力学信息的基于肺MRI动态增强扫描的定量分析方法。本专利技术的基于肺MRI动态增强扫描的定量分析方法流程如图I所示，其步骤为 a、选择肿瘤所在区域，绘制矩形感兴趣区，确定包含肿瘤的起始图像和结束图像层次，形成立方体，在三维上包含肿瘤区域。b、对不同时间点采集的肿瘤区域进行3D配准； C、执行FCM分割算法，利用肿瘤中对比剂在时间上变化与正常组织不同的特性分割病灶，将肺部肿瘤区域从正常组织中分割开来；d、选择参考组织，参考区域模型为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于肺MRI动态增强扫描的定量分析方法，其特征在于包括以下步骤 a、选取病灶区域； b、对不同时间点采集的肿瘤区域进行配准； C、利用肿瘤中对比剂在时间上变化与正常组织不同的特性分割病灶；d、选择参考组织，根据参考组织在未注射对比剂情况下的Tl值计算病灶组织Tl(O)值； e、根据Tl(O)值计算组织CA浓度； f、根据肿瘤所有体素按照浓度的变化使用FCM方法进行分类； g、根据参考区域模型得到药物动力学参数，利用cubic-spline曲线拟合病灶中对比剂浓度变...
【专利技术属性】
技术研发人员：伍建林，张清，苗延巍，钟毅，胡伽尼，
申请(专利权)人：伍建林，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。