基于體表定位的PET/CT/MRI“二機三維”圖像融合的數字化對照

彭鳒僑盧永輝 李 穎 李新春 朱巧洪劉襄平 成 功

因為正電子發射成像 (positron emission tomography,PET)可以在體外無創性地獲取細胞新陳代謝過程的圖像信息,從而被廣泛地應用于早期診斷和精確放療。由于存在低空間分辨率和低信噪比的缺點,PET圖像所顯示的病變區域的解剖定位欠佳,僅可視為功能定位;CT對剛體(骨、關節等)病灶成像清晰,但對軟體(血管、神經、前列腺、關節囊等)病灶的顯像比不上磁共振成像 (magnetic resonance imaging,MRI)。所以,通過圖像融合來獲得訊號互補帶來的清晰顯影是放射診斷領域的熱點。

圖像融合分為同機融合 (異源圖像的掃描同時發生在同一臺影像設備上)和異機融合(異源圖像的掃描在不同時段而且發生在不同的影像設備上)兩種方式。2000年以來PET+CT圖像的同機融合設備已經誕生,而CT+MRI或 PET+MRI的同機圖像融合現階段還未完善,只能通過異機融合來實現,所以,通過異機融合來獲得訊號互補帶來分明的顯影是放射診斷領域的難點。將CT圖像和MRI圖像融合的結果,既可對硬組織如骨關節等的已定位病灶進行準確定性,又可對軟組織如肝腦脾等的已定性病灶進行準確定位。雖然目前將PET的代謝圖像和CT的解剖圖像融合可以實現骨關節等剛體組織高代謝區域的準確定位,但肝腦脾腎等柔體組織高代謝區域的精確定位還得依賴PET+MRI的圖像融合。

方 法

1.研究對象

選擇2010年10月期間入住本院胸外科的腫瘤病人 6例(男 4例 ,女 2例 ,年齡 38～57歲)。

2.儀器設備

Philips Intera 1.5T Nova MR掃描機;GE Discover-ST8 PET;Toshiba Aquilion 16排CT;比利時Materialise的Mimics-13醫學成像儀。

3.研究方法

3.1 體表定位:以人體真空墊塑模固定雙下肢,以專用線圈固定頭部,并以同一定位床來保證不同時段的同一體位,確保用于掃描的定位框架在分別進行PET、CT、MRI掃描時位置沒有偏差。通常,頭部定位框選擇患者的雙側眶上孔、眉間、下頜骨下緣中心4個點,胸部定位框選擇患者的雙側鎖骨中點、雙側第12肋骨中點4個點,膝部定位框選擇患者的脛骨內側踝、腓骨頭、髕骨中心3點。PET、CT操作前在選定的框位以鉛點作熒光標記,MRI操作前以魚肝油膠囊作熒光標志。

3.2 標本采集

(1)CT掃描:掃描時取仰臥位,眶耳平面與水平垂直,掃描平面平行于眶耳平面,范圍自顱頂骨至膝關節以下20cm,分別獲得冠狀、矢狀、橫斷三維數據。掃描參數為:電壓=120kV,電流=100m A,FOV=500mm,層厚 5mm。

(2)MR掃描:掃描時取仰臥位,眶耳平面與水平垂直,掃描平面分別垂直于髁突長軸取斜矢狀向,范圍自顱頂骨至膝關節以下20cm,分別獲得冠狀、矢狀、橫斷三維數據。掃描參數為:T1加權成像,SE序列,重復時間(TR)為500ms,回波時間 (TE)為17m s,視場 (FOV)=200mm,矩陣256×256,信號采集均值次數(NEX)為2,翻轉角 =90°,層厚 6mm,無間隙容積掃描。

(3)PET掃描:掃描40min前注射6.63m Ci正電子核素氟標記脫氧葡萄糖 (Fluoro-D-glucose,2-deoxy-2-[F-18],18F-FDG或FDG)為示蹤劑,掃描時采用 GE Discovery ST-8 PET,取仰臥位,眶耳平面與水平垂直,掃描平面平行于眶耳平面,范圍自顱頂骨至膝關節以下20cm,分別獲得冠狀、矢狀、橫斷三維數據。掃描參數為:電壓=120kV,電流=100m A,FOV=500mm,層厚3.75mm,層間隙 3.27mm。

3.3 數據處理

(1)PET/CT/MR的“二機二維”配準:MRI+CT的配準,是在成像工作站Mimics-13平臺以D ICOM格式分別引入頭部、軀干和下肢的MR系列數據,然后同樣以D ICOM格式分別引入頭部、軀干和下肢的CT系列數據。讀取相應的標志物進行分割,尋找重心及其空間關系,為每幅圖像選擇3個特征平面,又在每個平面上選擇3個人體特征點(如骨性標志)為配準點,以基于3×3=9個重心點的對應關系進行配準,根據軟硬組織解剖位置的匹配關系進行精細調整。PET+CT的配準以及PET+MRI的配準是在引入相應的二維圖源后參照MRI+CT配準的同一程序來實現。

(2)PET/CT/MR的“二機二維”融合:由于異機圖像融合的精確度明顯低于同機圖像融合,MRI+CT的融合,是在以上“9點3面”立體對準的基礎上將MRI圖像關聯映射到CT圖像上。在Mimics-13融合界面下對定位圖像進行融合選擇,影像訊號的疊加有“加/減/乘/除/差異/最大/最小/平均”等 12種的方法,我們按照臨床需要選擇了加法,按信息交互自動融合模式進行圖像融合。PET+CT融合以及PET+MRI融合也是參照MRI+CT融合的程序把相應的原圖映射到靶圖上實現。

(3)PET/CT/MRI的“二機三維”重建:把“(2)”融合出來的MRI+CT、PET+CT、PET+MRI等二維圖像輸入到逆向軟件Mimics,輸出三角網格和點云,在實時工作站經反求工程對網格進行光順、填充、壓縮、刪除等編輯,再經布爾差運算組建計算計輔助設計 (computer aided design,CAD)模型,重構出“非均勻有理B樣條 (non-uniform rational B-sp lines,NURBS)”內外曲面,然后將多個曲面縫合成實體模型。其中數據處理次序“(2)”、“(3)”可以倒置,即先經“(3)”分別重建PET、CT和MR的3D圖,然后參照“(2)”的操作方案分別把這些立體圖兩兩融合成MRI+CT、PET+CT、PET+MRI等“二機三維”圖像。

結 果

1.CT+MRI融合的臨床病例

1.1 頭顱2D/3D的異機融合:根據成像系統各自的特長(CT長于硬組織定位而短于軟組織定性,MRI長于軟組織定性而短于硬組織定位),CT+MRI的影像融合的被賦予兩重臨床意義:更準確地了解CT所發現的異常病灶的性質;更準確地了解MRI所發現的異常組織的位置。這種融合后的二模綜合圖像包含著來自CT和MRI各自的信號特征,攜帶著互補的醫學信息,明亮的硬組織顯像見圖1A和1D,清晰的軟組織區域見圖1B和1E,融合圖像吸取了CT和MRI的優點,生成了同時體現頭顱結構、位置和性質的影像見圖1C和1F,將為顱腦病變位置的判斷提供充分的依據。

1.2 膝部2D/3D的異機融合:如圖2的影像病例,因右膝疼痛1月余,發現左上肺腫物2周入院。右側股骨下段內側踝區見8cm×5cm大片狀異常信號影,邊緣模糊,T1WI為低型號,T2WI呈高型號,周圍骨皮質斷裂,周圍軟組織內可見腫塊影,增強后病變可見強化,預診:“(左肺上葉前段肺癌)右股骨下內踝骨質破壞,考慮骨轉移”。在圖2C和2F的融合過程中,許多原本意義不大的信息,比如附著于骨組織的關節盤、韌帶的微小病變可能被發現,這就有利于未知病變的早期診斷和已知病變性質的鑒別診斷。

2.PET+MRI融合的臨床病例

2.1 頭顱2D/3D的異機融合:根據成像系統各自的特長(PET長于定性而短于定位,MRI長于軟組織定位而短于定性),PET+MRI的影像融合的被賦予兩重臨床意義:了解MRI所發現的異常軟體病灶的代謝情況;了解PET所發現的異常代謝軟體組織的明確位置。這種融合后的二模綜合圖像包含著來自PET和MRI各自的信號特征,攜帶著互補的醫學信息,清晰的代謝區域見圖3A和3D,腦組織顯像見圖3B和3E,融合圖像吸取了PET和MRI的優點,生成了同時體現頭顱結構和代謝狀況呈半清晰影像見圖3C和3F,將為腦部腫瘤的放射治療提供合理的方案。

2.2 膝部2D/3D的異機融合:許多原本無意義的信息,比如代表著某些組織的生理性攝取,在融合過程中可能被發現,這就有利于已知病變性質的鑒別以及微小病變的早期診斷。例如左下圖4A影像的病例背景:右側股骨下段內側踝處見溶骨破壞,放射性攝取增高最大SUV=14,初步診斷:“(左肺上葉前段肺癌)右股骨下內踝轉移”。異機融合時,有時用于對位的解剖結構信息不多,導致體表輪廓、病變攝取顯影不夠,可以通過添加“偽彩”來突顯(圖4A,4B,4C,4D),這一流程由同機融合來完成的效果比異機融合更加鮮明(圖4E:右側股骨下段內側踝處見放射性攝取增高最大SUV=14),致此得出最后診斷:“(左肺上葉前段肺癌)右股骨下內踝轉移”。

3.PET+CT融合的臨床病例

3.1 軀干2D/3D的異機融合:根據成像系統各自的特長(PET長于定性而短于定位,CT長于硬組織定位而短于定性),PET+CT的影像融合被賦予兩重臨床意義:了解CT所發現的異常剛體病灶的代謝情況;了解PET所發現的異常代謝剛體組織的明確位置。這種融合后的二模綜合圖像包含著來自PET和CT各自的訊號特征,攜帶著互補的醫學信息,明亮的骨質顯像見圖5A和5D,清晰的代謝區域見圖5B和5E,融合圖像吸取了PET和CT的優點,生成了同時體現軀干結構和代謝狀況呈清晰的影像見圖5C和5F,將為軀干病灶性質的早期發現創造條件。

3.2 軀干橫斷面的同機融合:異機融合時,有時用于對位的解剖結構信息不多,導致體表輪廓、病變攝取顯影不夠,可以通過添加“偽彩”來突顯,這一流程由PET+CT同機融合來完成的效果比異機融合更加鮮明(圖6)。病人因咳嗽伴咯血2月就診,軀干CT掃描如圖6A中的左上圖所示:右肺門2.9cm×2.7cm結節狀高密度影,注入對比劑增強后見結節呈片狀不均勻強化,診斷“右肺中央型肺癌”。進一步的軀干PET掃描如群圖6A中的右上圖所示:右肺下頁基底2.9cm×2.7cm團塊,放射性攝取SUV最大值=9.0,高度濃聚;隆突下可見1.5cm×1.3cm腫大淋巴結,異常攝取增高灶SUV最大值=4.5。獲得比CT更詳細的診斷“右肺中央型肺癌、隆突下淋巴結轉移”。更進一步的軀干PET+CT同機融合影像如群圖6A中的左下圖所示:(在以上兩圖所見的基礎上)右肺門可見0.9cm×1.0cm淋巴結,異常放射性攝取增高灶SUV最大值=3.7;右后下胸膜增厚,放射性濃集SUV=4.1。至此獲得比PET更詳細的明確診斷“右肺中央型肺癌右后下胸膜轉移、右肺門淋巴結轉移、隆突下淋巴結轉移”。

討 論

1.影像融合的現狀

從同源單模融合到異源多模融合,從二維融合到高維融合,從黑白到彩色融合,從形態圖像到功能圖像融合,國內外理論上涌現出的算法越來越豐富[1-4],圖像越來越精細,融合級數越來越高,例如基于像素級(IHS、PCA、HPF、線型加權、小波變換)、特征級(模糊邏輯法、D-S推理法、Bayesian理論法、相關聚類法)、決策級(模糊集理論、神經網絡法、專家系統法、貝葉斯估計法)的融合[5-8]。然而這些進展模式實際應用起來不是失真就是模糊,不是占容過大就是運算緩慢,不是流程繁瑣就是操作不便。為了克服既往圖像融合中所存在問題,本研究撇開針對某一融合算法的孤立運用,在Mimics成像系統的實時工作站通過圖像疊加技術一次性解決了異機圖像融合的關聯問題[9]。

2.對位配準的體會

數字影像是異機圖像融合的技術基礎[10-11],通過通用的D ICOM格式在不同工作站之間進行數據的傳遞,轉換成BM P/JPG格式的圖片。定位配準是通過空間浮動讓一幅圖像與另一幅圖像在空間上的一一對應,最后達成人體某一解剖點在兩幅匹配的圖像上具備相同坐標位置的過程,也是圖像融合的首要步驟和先決條件。按三維坐標進行圖像的對準,在參照背景圖像和靶圖像的橫斷面、矢狀面及冠狀面上分別選定3個標志點,然后由軟件對這3個斷面都進行配準誤差的校正,在立體對準的基礎上按照臨床需要進行圖像的重疊。目前異機圖像融合的12種方法中,以圖像疊加來完成融合的技術比較成熟[12],應用也最廣泛,雖然,以CT或MRI圖像為背景用灰度色階顯影PET圖像疊加的異機融合圖像,比起用彩色色階顯影獲得的同機融合圖像,對比度沒有那么分明。

表1 多模顯像的特征對照

MRI+CT融合技術同時提供MRI和CT兩者的共通信息比起他們單獨顯像更能準確地描出軟硬組織病灶的彼鄰位置;PET+CT融合技術同時提供PET和CT兩者的共通信息可以確定硬組織病灶的位置及與組織的性質;PET+MRI融合技術同時提供PET和MRI兩者的共通信息可以確定軟組織病灶的位置及組織的性質。各種圖像融合的結果,首先在治療前期為放射治療靶區、手術切除范圍提供精準的量值,其次在治療中期及時了解腫瘤對治療的反應而幫助治療方案的調整,最后在治療后期還能為療效評估和復發檢測提供統計的依據。

所以,總結以上 PET/CT/MR“二機三維”圖像融合的臨床例證病例歸納對照見表1。

3.異機融合的展望

本實驗設計了“9點3面”定位配準法,是實現異機融合的理論基礎。本研究撇開針對某一融合算法的孤立運用,在成像系統Mimics的實時工作站通過圖像疊加技術一次性解決了異機圖像融合的關聯問題,在實踐獲得快捷、清晰的三維融合效果。雖然我們試驗的CT+MRI和PET+MRI異機融合處在初始階段,其顯像效果一時比不上現有PET+CT的同機融合那么加鮮明,但是在目前國內外還沒有完整的CT+MRI或PET+MRI同機融合設備的條件下,這種數字化異機融合手段是對這一空缺技術的補充,同時,這種嘗試也將為醫學成像廠家研制CT+MRI或PET+MRI同機融合設備提供經驗借鑒。

楊立才,劉延梅,劉 欣,等.基于小波包變換的醫學圖像融合方法.中國生物醫學工程學報,2009,28:11-13

岳 晉,楊汝良,宦若虹,等.基于雙密度雙樹復數小波變換的圖像融合研究.電子與信息學報,2009,31:130-132

楊曉慧.基于非下采樣Contou rlets的CT/MRI圖像自適應融合.計算機技術與發展,2008,18:114-119

李康安,張貴祥,張 峰,等.腦內占位病變的磁敏感加權成像初步探討.中國醫學計算機成像雜志,2009,15:297-301

林有籟,劉月華,王冬梅,等.CT和MRI圖像融合三維重建顳下頜關節的研究.華西口腔醫學雜志,2008,26:140-143

羅火靈,許永忠,冉 洋,等.CT與MR醫學圖像的三種融合方法對比研究。中國醫療器械信息,2008,12:56-59

余 霞,葛 紅,李 彬,等.醫學圖像融合的并行實現.計算機工程與應用,2008,44:172-174

陳 萍,田嘉禾,楊曉豐,等.18F-FL T與18F-FDG PET/CT不同判斷方法鑒別肺良惡性腫瘤診斷效能的比較.中華核醫學,2008,28:151-154

買買提吐遜·吐爾地,米那瓦爾·阿不都熱依木,鐘良軍,等.MRI和CT圖像融合構建頭面部分層網格模型的研究.中國醫學計算機成像雜志,2010,16:157-160

Ardekani BAS,Guckemus A,Bachman MJ,et al.Quantitative comparison of algorithms for inter-subject registration of 3D volumetric brain MRI scans.J Neurosci Methods,2005,142:67-76

Ledezma CJ,Chen W,Sai V,et al.18F-FDOPA PET/MRI fusion in patients with primary/recurrent gliomas:Initial experience.European Journal of Radiology,2009,71:242-248

Ashburner,J.A fast diffeomorphic image registration algorithm.Neuro Image,2007,38:95-113