基于体表定位的PET/CT/MRI“二机三维”图像融合的数字化对照

彭鳒侨卢永辉 李 颖 李新春 朱巧洪刘襄平 成 功

因为正电子发射成像 (positron emission tomography,PET)可以在体外无创性地获取细胞新陈代谢过程的图像信息,从而被广泛地应用于早期诊断和精确放疗。由于存在低空间分辨率和低信噪比的缺点,PET图像所显示的病变区域的解剖定位欠佳,仅可视为功能定位;CT对刚体(骨、关节等)病灶成像清晰,但对软体(血管、神经、前列腺、关节囊等)病灶的显像比不上磁共振成像 (magnetic resonance imaging,MRI)。所以,通过图像融合来获得讯号互补带来的清晰显影是放射诊断领域的热点。

图像融合分为同机融合 (异源图像的扫描同时发生在同一台影像设备上)和异机融合(异源图像的扫描在不同时段而且发生在不同的影像设备上)两种方式。2000年以来PET+CT图像的同机融合设备已经诞生,而CT+MRI或 PET+MRI的同机图像融合现阶段还未完善,只能通过异机融合来实现,所以,通过异机融合来获得讯号互补带来分明的显影是放射诊断领域的难点。将CT图像和MRI图像融合的结果,既可对硬组织如骨关节等的已定位病灶进行准确定性,又可对软组织如肝脑脾等的已定性病灶进行准确定位。虽然目前将PET的代谢图像和CT的解剖图像融合可以实现骨关节等刚体组织高代谢区域的准确定位,但肝脑脾肾等柔体组织高代谢区域的精确定位还得依赖PET+MRI的图像融合。

方 法

1.研究对象

选择2010年10月期间入住本院胸外科的肿瘤病人 6例(男 4例 ,女 2例 ,年龄 38～57岁)。

2.仪器设备

Philips Intera 1.5T Nova MR扫描机;GE Discover-ST8 PET;Toshiba Aquilion 16排CT;比利时Materialise的Mimics-13医学成像仪。

3.研究方法

3.1 体表定位:以人体真空垫塑模固定双下肢,以专用线圈固定头部,并以同一定位床来保证不同时段的同一体位,确保用于扫描的定位框架在分别进行PET、CT、MRI扫描时位置没有偏差。通常,头部定位框选择患者的双侧眶上孔、眉间、下颌骨下缘中心4个点,胸部定位框选择患者的双侧锁骨中点、双侧第12肋骨中点4个点,膝部定位框选择患者的胫骨内侧踝、腓骨头、髌骨中心3点。PET、CT操作前在选定的框位以铅点作荧光标记,MRI操作前以鱼肝油胶囊作荧光标志。

3.2 标本采集

(1)CT扫描:扫描时取仰卧位,眶耳平面与水平垂直,扫描平面平行于眶耳平面,范围自颅顶骨至膝关节以下20cm,分别获得冠状、矢状、横断三维数据。扫描参数为:电压=120kV,电流=100m A,FOV=500mm,层厚 5mm。

(2)MR扫描:扫描时取仰卧位,眶耳平面与水平垂直,扫描平面分别垂直于髁突长轴取斜矢状向,范围自颅顶骨至膝关节以下20cm,分别获得冠状、矢状、横断三维数据。扫描参数为:T1加权成像,SE序列,重复时间(TR)为500ms,回波时间 (TE)为17m s,视场 (FOV)=200mm,矩阵256×256,信号采集均值次数(NEX)为2,翻转角 =90°,层厚 6mm,无间隙容积扫描。

(3)PET扫描:扫描40min前注射6.63m Ci正电子核素氟标记脱氧葡萄糖 (Fluoro-D-glucose,2-deoxy-2-[F-18],18F-FDG或FDG)为示踪剂,扫描时采用 GE Discovery ST-8 PET,取仰卧位,眶耳平面与水平垂直,扫描平面平行于眶耳平面,范围自颅顶骨至膝关节以下20cm,分别获得冠状、矢状、横断三维数据。扫描参数为:电压=120kV,电流=100m A,FOV=500mm,层厚3.75mm,层间隙 3.27mm。

3.3 数据处理

(1)PET/CT/MR的“二机二维”配准:MRI+CT的配准,是在成像工作站Mimics-13平台以D ICOM格式分别引入头部、躯干和下肢的MR系列数据,然后同样以D ICOM格式分别引入头部、躯干和下肢的CT系列数据。读取相应的标志物进行分割,寻找重心及其空间关系,为每幅图像选择3个特征平面,又在每个平面上选择3个人体特征点(如骨性标志)为配准点,以基于3×3=9个重心点的对应关系进行配准,根据软硬组织解剖位置的匹配关系进行精细调整。PET+CT的配准以及PET+MRI的配准是在引入相应的二维图源后参照MRI+CT配准的同一程序来实现。

(2)PET/CT/MR的“二机二维”融合:由于异机图像融合的精确度明显低于同机图像融合,MRI+CT的融合,是在以上“9点3面”立体对准的基础上将MRI图像关联映射到CT图像上。在Mimics-13融合界面下对定位图像进行融合选择,影像讯号的叠加有“加/减/乘/除/差异/最大/最小/平均”等 12种的方法,我们按照临床需要选择了加法,按信息交互自动融合模式进行图像融合。PET+CT融合以及PET+MRI融合也是参照MRI+CT融合的程序把相应的原图映射到靶图上实现。

(3)PET/CT/MRI的“二机三维”重建:把“(2)”融合出来的MRI+CT、PET+CT、PET+MRI等二维图像输入到逆向软件Mimics,输出三角网格和点云,在实时工作站经反求工程对网格进行光顺、填充、压缩、删除等编辑,再经布尔差运算组建计算计辅助设计 (computer aided design,CAD)模型,重构出“非均匀有理B样条 (non-uniform rational B-sp lines,NURBS)”内外曲面,然后将多个曲面缝合成实体模型。其中数据处理次序“(2)”、“(3)”可以倒置,即先经“(3)”分别重建PET、CT和MR的3D图,然后参照“(2)”的操作方案分别把这些立体图两两融合成MRI+CT、PET+CT、PET+MRI等“二机三维”图像。

结 果

1.CT+MRI融合的临床病例

1.1 头颅2D/3D的异机融合:根据成像系统各自的特长(CT长于硬组织定位而短于软组织定性,MRI长于软组织定性而短于硬组织定位),CT+MRI的影像融合的被赋予两重临床意义:更准确地了解CT所发现的异常病灶的性质;更准确地了解MRI所发现的异常组织的位置。这种融合后的二模综合图像包含着来自CT和MRI各自的信号特征,携带着互补的医学信息,明亮的硬组织显像见图1A和1D,清晰的软组织区域见图1B和1E,融合图像吸取了CT和MRI的优点,生成了同时体现头颅结构、位置和性质的影像见图1C和1F,将为颅脑病变位置的判断提供充分的依据。

1.2 膝部2D/3D的异机融合:如图2的影像病例,因右膝疼痛1月余,发现左上肺肿物2周入院。右侧股骨下段内侧踝区见8cm×5cm大片状异常信号影,边缘模糊,T1WI为低型号,T2WI呈高型号,周围骨皮质断裂,周围软组织内可见肿块影,增强后病变可见强化,预诊:“(左肺上叶前段肺癌)右股骨下内踝骨质破坏,考虑骨转移”。在图2C和2F的融合过程中,许多原本意义不大的信息,比如附着于骨组织的关节盘、韧带的微小病变可能被发现,这就有利于未知病变的早期诊断和已知病变性质的鉴别诊断。

2.PET+MRI融合的临床病例

2.1 头颅2D/3D的异机融合:根据成像系统各自的特长(PET长于定性而短于定位,MRI长于软组织定位而短于定性),PET+MRI的影像融合的被赋予两重临床意义:了解MRI所发现的异常软体病灶的代谢情况;了解PET所发现的异常代谢软体组织的明确位置。这种融合后的二模综合图像包含着来自PET和MRI各自的信号特征,携带着互补的医学信息,清晰的代谢区域见图3A和3D,脑组织显像见图3B和3E,融合图像吸取了PET和MRI的优点,生成了同时体现头颅结构和代谢状况呈半清晰影像见图3C和3F,将为脑部肿瘤的放射治疗提供合理的方案。

2.2 膝部2D/3D的异机融合:许多原本无意义的信息,比如代表着某些组织的生理性摄取,在融合过程中可能被发现,这就有利于已知病变性质的鉴别以及微小病变的早期诊断。例如左下图4A影像的病例背景:右侧股骨下段内侧踝处见溶骨破坏,放射性摄取增高最大SUV=14,初步诊断:“(左肺上叶前段肺癌)右股骨下内踝转移”。异机融合时,有时用于对位的解剖结构信息不多,导致体表轮廓、病变摄取显影不够,可以通过添加“伪彩”来突显(图4A,4B,4C,4D),这一流程由同机融合来完成的效果比异机融合更加鲜明(图4E:右侧股骨下段内侧踝处见放射性摄取增高最大SUV=14),致此得出最后诊断:“(左肺上叶前段肺癌)右股骨下内踝转移”。

3.PET+CT融合的临床病例

3.1 躯干2D/3D的异机融合:根据成像系统各自的特长(PET长于定性而短于定位,CT长于硬组织定位而短于定性),PET+CT的影像融合被赋予两重临床意义:了解CT所发现的异常刚体病灶的代谢情况;了解PET所发现的异常代谢刚体组织的明确位置。这种融合后的二模综合图像包含着来自PET和CT各自的讯号特征,携带着互补的医学信息,明亮的骨质显像见图5A和5D,清晰的代谢区域见图5B和5E,融合图像吸取了PET和CT的优点,生成了同时体现躯干结构和代谢状况呈清晰的影像见图5C和5F,将为躯干病灶性质的早期发现创造条件。

3.2 躯干横断面的同机融合:异机融合时,有时用于对位的解剖结构信息不多,导致体表轮廓、病变摄取显影不够,可以通过添加“伪彩”来突显,这一流程由PET+CT同机融合来完成的效果比异机融合更加鲜明(图6)。病人因咳嗽伴咯血2月就诊,躯干CT扫描如图6A中的左上图所示:右肺门2.9cm×2.7cm结节状高密度影,注入对比剂增强后见结节呈片状不均匀强化,诊断“右肺中央型肺癌”。进一步的躯干PET扫描如群图6A中的右上图所示:右肺下页基底2.9cm×2.7cm团块,放射性摄取SUV最大值=9.0,高度浓聚;隆突下可见1.5cm×1.3cm肿大淋巴结,异常摄取增高灶SUV最大值=4.5。获得比CT更详细的诊断“右肺中央型肺癌、隆突下淋巴结转移”。更进一步的躯干PET+CT同机融合影像如群图6A中的左下图所示:(在以上两图所见的基础上)右肺门可见0.9cm×1.0cm淋巴结,异常放射性摄取增高灶SUV最大值=3.7;右后下胸膜增厚,放射性浓集SUV=4.1。至此获得比PET更详细的明确诊断“右肺中央型肺癌右后下胸膜转移、右肺门淋巴结转移、隆突下淋巴结转移”。

讨 论

1.影像融合的现状

从同源单模融合到异源多模融合,从二维融合到高维融合,从黑白到彩色融合,从形态图像到功能图像融合,国内外理论上涌现出的算法越来越丰富[1-4],图像越来越精细,融合级数越来越高,例如基于像素级(IHS、PCA、HPF、线型加权、小波变换)、特征级(模糊逻辑法、D-S推理法、Bayesian理论法、相关聚类法)、决策级(模糊集理论、神经网络法、专家系统法、贝叶斯估计法)的融合[5-8]。然而这些进展模式实际应用起来不是失真就是模糊,不是占容过大就是运算缓慢,不是流程繁琐就是操作不便。为了克服既往图像融合中所存在问题,本研究撇开针对某一融合算法的孤立运用,在Mimics成像系统的实时工作站通过图像叠加技术一次性解决了异机图像融合的关联问题[9]。

2.对位配准的体会

数字影像是异机图像融合的技术基础[10-11],通过通用的D ICOM格式在不同工作站之间进行数据的传递,转换成BM P/JPG格式的图片。定位配准是通过空间浮动让一幅图像与另一幅图像在空间上的一一对应,最后达成人体某一解剖点在两幅匹配的图像上具备相同坐标位置的过程,也是图像融合的首要步骤和先决条件。按三维坐标进行图像的对准,在参照背景图像和靶图像的横断面、矢状面及冠状面上分别选定3个标志点,然后由软件对这3个断面都进行配准误差的校正,在立体对准的基础上按照临床需要进行图像的重叠。目前异机图像融合的12种方法中,以图像叠加来完成融合的技术比较成熟[12],应用也最广泛,虽然,以CT或MRI图像为背景用灰度色阶显影PET图像叠加的异机融合图像,比起用彩色色阶显影获得的同机融合图像,对比度没有那么分明。

表1 多模显像的特征对照

MRI+CT融合技术同时提供MRI和CT两者的共通信息比起他们单独显像更能准确地描出软硬组织病灶的彼邻位置;PET+CT融合技术同时提供PET和CT两者的共通信息可以确定硬组织病灶的位置及与组织的性质;PET+MRI融合技术同时提供PET和MRI两者的共通信息可以确定软组织病灶的位置及组织的性质。各种图像融合的结果,首先在治疗前期为放射治疗靶区、手术切除范围提供精准的量值,其次在治疗中期及时了解肿瘤对治疗的反应而帮助治疗方案的调整,最后在治疗后期还能为疗效评估和复发检测提供统计的依据。

所以,总结以上 PET/CT/MR“二机三维”图像融合的临床例证病例归纳对照见表1。

3.异机融合的展望

本实验设计了“9点3面”定位配准法,是实现异机融合的理论基础。本研究撇开针对某一融合算法的孤立运用,在成像系统Mimics的实时工作站通过图像叠加技术一次性解决了异机图像融合的关联问题,在实践获得快捷、清晰的三维融合效果。虽然我们试验的CT+MRI和PET+MRI异机融合处在初始阶段,其显像效果一时比不上现有PET+CT的同机融合那么加鲜明,但是在目前国内外还没有完整的CT+MRI或PET+MRI同机融合设备的条件下,这种数字化异机融合手段是对这一空缺技术的补充,同时,这种尝试也将为医学成像厂家研制CT+MRI或PET+MRI同机融合设备提供经验借鉴。

杨立才,刘延梅,刘 欣,等.基于小波包变换的医学图像融合方法.中国生物医学工程学报,2009,28:11-13

岳 晋,杨汝良,宦若虹,等.基于双密度双树复数小波变换的图像融合研究.电子与信息学报,2009,31:130-132

杨晓慧.基于非下采样Contou rlets的CT/MRI图像自适应融合.计算机技术与发展,2008,18:114-119

李康安,张贵祥,张 峰,等.脑内占位病变的磁敏感加权成像初步探讨.中国医学计算机成像杂志,2009,15:297-301

林有籁,刘月华,王冬梅,等.CT和MRI图像融合三维重建颞下颌关节的研究.华西口腔医学杂志,2008,26:140-143

罗火灵,许永忠,冉 洋,等.CT与MR医学图像的三种融合方法对比研究。中国医疗器械信息,2008,12:56-59

余 霞,葛 红,李 彬,等.医学图像融合的并行实现.计算机工程与应用,2008,44:172-174

陈 萍,田嘉禾,杨晓丰,等.18F-FL T与18F-FDG PET/CT不同判断方法鉴别肺良恶性肿瘤诊断效能的比较.中华核医学,2008,28:151-154

买买提吐逊·吐尔地,米那瓦尔·阿不都热依木,钟良军,等.MRI和CT图像融合构建头面部分层网格模型的研究.中国医学计算机成像杂志,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