基于三维Dixon磁共振成像的胰腺计算机辅助分割可行性研究

杨盼盼 杜超璘 龚晓亮 马超 陈宇飞 单晓英 傅彩霞 严序 王莉 陈录广 金爱国 陆建平

基于三维Dixon磁共振成像的胰腺计算机辅助分割可行性研究

杨盼盼 杜超璘 龚晓亮 马超 陈宇飞 单晓英 傅彩霞 严序 王莉 陈录广 金爱国 陆建平

目的探讨3.0T三维Dixon磁共振成像(3D Dixon MRI)进行胰腺计算机辅助分割的可行性。方法招募胰腺正常志愿者5名，行上腹部相同扫描参数的屏气3D Dixon MRI序列检查。基于医学影像交互平台(MITK)自主开发胰腺分割程序，由有经验的放射科医师分别在Dixon反相位和水相位图像上进行两次胰腺手动分割及计算机辅助分割。分析两次手动分割的相似度以及计算机分割与手动分割的相似度，相似度用Dice系数表示。结果Dixon MRI的反相位和水相位图像上胰腺信号强度均较周边组织偏高。基于Dixon反相位和水相位图像，两次手动分割平均Dice系数分别为0.81±0.01和0.85±0.03，水相位图的相似度显著高于反相位图，差异有统计学意义(P=0.013)；计算机分割与手动分割的Dice系数分别为0.69±0.08和0.75±0.03，水相位图的相似度高于反相位图，但差异无统计学意义(P=0.155)。结论3.0T反相位及水相位Dixon图像均可清晰显示胰腺，水相位图像胰腺计算机辅助分割可获得高的相似度，对Dixon MRI进行胰腺计算机辅助分割是可行的。

胰腺； 磁共振成像； 图像处理，计算机辅助

计算机辅助诊断(computer-aided detection/diagnosis, CAD)在临床医学中的应用价值越来越重要，基于影像学的胰腺自动分割方法对胰腺癌放疗定位[1]、胰腺结构与功能评价[2]等具有重要意义。应用计算机断层扫描(computed tomography, CT)进行的腹部多器官分割中，胰腺分割的精确性显著小于其他器官[3]。随着磁共振成像(magnetic resonance imaging, MRI)技术的发展，一方面它对胰腺疾病的诊断越来越重要，另一方面它具有软组织对比、无电离辐射及成像序列多样等优点，使得基于MRI图像的胰腺分割越来越被重视[4]。Dixon技术是常用的腹部3D MRI检查方法之一，一次屏气扫描即可获得水和脂肪分离的MRI图像[5]，本研究前瞻性探讨基于该方法进行胰腺计算机分割的可行性。

资料与方法

一、一般资料

招募2016年10月至11月来长海医院行MRI检查的志愿者5名，其中男性3名，女性2名，年龄40～68岁，平均52.6岁。

二、扫描方法

所有志愿者的MRI检查均在同一3.0T超导磁共振成像仪(MAGNETOM Skyra, Siemens, Erlangen, Germany)上完成。嵌入式线圈用于信号激发，18通道体部相阵控线圈用于信号接收，取头先进、仰卧方式行常规上腹部MRI扫描。3D Dixon序列扫描为14 s一次屏气完成，主要参数：重复时间(TR) 3.97 ms，回波时间(TE) 1.26/2.49 ms，矩阵320×196，视野(FOV) 400 cm×325.2 cm，层数64，层厚6 mm(重建层厚3 mm)，层间距0 mm，反转角 9°。

三、图像分析

1．Dixon数据重建及分析：工作站自带软件进行Dixon数据分析，自动重建同相、反相、水相及脂相的4相位图像。两名放射科医师独立评价图像的诊断质量及用于勾画胰腺边界的可行性，从而明确可用于进一步数据分析的图像。

2．手动胰腺分割：基于医学影像交互平台(medical imaging interaction toolKit，MITK)，由一位经过训练的放射科医师分别在Dixon反相位和水相位图像上沿着胰腺边界进行自由曲线的手动胰腺分割，2周后进行第二次数据分析，用于评价Dixon反相位和水相位图像手动胰腺分割的相似度。

3．计算机胰腺分割：利用开源MITK平台自主设计的程序在Dixon反相位和水相位图像上进行自动胰腺分割。步骤操作：(1)Dixon数据导入到MITK平台；(2)分割前使用图像裁剪选择输入图像中的感兴趣区域，标定胰腺所在区域，减少自动分割中的误差；(3)使用3维大律法[6]获取感兴趣区域上的阈值，对整个感兴趣区域进行二值化处理，分离出不同的器官组织部分；(4)对二值化后的结果进行连续两次的形态学计算[7]，进行连续的两次腐蚀和开运算，目的是为了分离出不同区域的器官组织，去除各个器官组织的粘连；(5)对上述步骤后的分割结果用鼠标点击，选择出胰腺组织区域，即分割结果中的最大区域，去除其余不相关的组织；(6)得到每层的分割结果，绘制三维隐函数图像、绘制立体胰腺图像。

4．分割结果的相似度评价：分别计算医师两次手动胰腺分割的相似度及计算机自动分割与手动分割的相似度，相似度用Dice系数表示[4]。

四、统计学处理

应用SPSS16.0软件进行统计学分析。采用独立样本t检验分析基于Dixon反相位和水相图像进行胰腺分割的Dice系数差异。P<0.05为差异具有统计学意义。

结 果

一、MRI图像

所有志愿者的MRI检查图像均未显示胰腺异常信号，Dixon MRI图像未见明显伪影，获得的反相位和水相位图像上胰腺信号强度均较周边组织偏高，胰腺边界清晰，可用于胰腺分割的勾画，其中反相位图像有明显勾边效应。而同相位和脂相位图像上因胰腺边界不清晰，本研究未进一步行数据分析。

二、两次手动胰腺分割相似度

基于Dixon反相位和水相位图像，医师两次手动分割平均Dice系数分别为0.81±0.01和0.85±0.03，水相位图像手动胰腺分割相似度较反相位图像上相似度更高，差异具有统计学意义(t=3.181，P=0.013，表1)。

表1基于Dixon反相位及水相位图像医师手动胰腺分割的Dice系数

Dixon图像病例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、计算机胰腺分割与医师手动分割的相似度

基于Dixon反相位和水相位图像，计算机分割与医师手动分割的Dice系数分别为0.69±0.08和0.75±0.03，差异无统计学意义(t=1.569,P=0.155，表2，图1、2)，胰腺体部较胰腺头、尾分割的相似度更高。

表2基于Dixon反相位及水相位图像的计算机分割与医师手动分割的Dice系数

Dixon图像病例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

讨 论

胰腺是人体的第二大消化器官，兼具内外分泌功能，其位于上腹部深处，邻近肝脏、脾脏及肠道，周边组织复杂，不同个体的胰腺位置和形态变化多样，基于影像学的胰腺分割具有一定难度。利用二维或三维CT的方法进行胰腺分割有较多的研究[9]，尽管CT扫描速度较快及图像分辨率较高，但CT具有明显的电离辐射及较低的软组织分辨力，同时基于CT图像的胰腺分割的精确性显著低于其他腹部器官[3]。MRI在区分软组织方面优于其他影像学方法，同时具有无辐射等显著优点，虽然在胰腺肿瘤诊断中未能完全取代CT成像，但其检查序列多样性能够获得更多有价值信息，如利用MRI胰胆管成像技术及T1、T2联合使用可以获得更多关于肿瘤及肿瘤和周边器官的关系等信息，用于患者治疗前的影像学评价[10]。Dixon是常用水脂分离成像方法[5]，其原理是根据人体内水和脂肪的化学位移差异，通过双回波技术采集到同相位和反相位的磁共振图像，经过简单数学运算得到单纯的水和脂肪信号的MRI图像。MRI设备一次扫描可以同时得到Dixon 4相位图像，其优点是模型简单，计算结果稳定，已广泛应用于临床[11]。基于MRI图像的胰腺分割方法越来越受到关注，如Gou等[12]探讨了根据2D动态增强MRI及3D脂肪抑制VIBE序列的多种方法[4]进行胰腺分割的可行性，其对2例正常胰腺分割的Dice系数分别为0.709～0.770及0.6542～0.830。Shen等[2]开发了基于3D Dixon水相和脂相图像的腹部器官自动分割方法，对20例肥胖患者胰腺分割的Dice平均系数为0.672。本研究根据Dixon水相位图像，利用常规算法得到的自动胰腺分割获得较高相似度(Dice系数为0.72～0.79)，值得一提的是，本研究中的分隔算法为基于阈值及形态学方法，更简单易行。

图1 基于Dixon反相位(1A、1B、1C)和水相位(1D、1E、1F)图像的胰腺头部、体部及尾部的医师手动分割(红色)和计算机分割(绿色)图

图2 基于Dixon水相位图像的医师手动分割(2A)和计算机自动分割(2B)结果的3D重建图

医学图像处理中的图像分割分为手动分割、半自动分割及自动分割。手动分割需要具有丰富经验的医师对图像进行判断，直接勾画器官或目标区域，常作为计算机半自动及自动分割学习的参考标准，是CAD中的关键步骤。针对MRI图像中胰腺自动分割问题，本研究根据传统的阈值分割方法，结合形态学分割优化了分割效果，进行连续的两次腐蚀和开运算，目的是为了分离出不同区域的器官组织，去除各个器官组织的粘连。本研究使用了技术成熟的阈值及形态学的分割方法，在现有MITK平台中可直接调用，具有操作简单、推广便利的优势。

应用Dixon MRI方法作为常规临床检查序列之一，无需对比增强扫描。本结果显示，医师两次手动分割的相似度在水相位图上显著高于反相位图，差异有统计学意义；计算机辅助分割与手动分割的相似度在水相位图上也高于反相位图，但差异无统计学意义，考虑与病例数较少有关。尽管医师判断Dixon反相位图像有明显的勾边效应，即胰腺边界为明显的低信号特征，更利于用手动分割，但计算机半自动分割中基于Dixon水相位图像的胰腺半自动分割的精确度更高，主要原因是Dixon水相位图像中胰腺信号较周边组织更高、分界更清，而反相位图像中胰腺与十二指肠、血管等组织交界处的勾边效应边界模糊。因此，当进行MRI胰腺分割相关研究时根据Dixon MRI水相位图像更加有利于计算机辅助诊断分析，可供后续生物参数的计算。尽管本研究得到了较好的初步结果，但仍将优化算法，进一步探讨该方法在胰腺肿瘤分割中的价值，同时将克服半自动分割的瓶颈，实现基于Dixon MRI的准确、快速的全自动胰腺分割。

[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] Höhne 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，第二军医大学长海医院放射科(杨盼盼、马超、王莉、陈录广、金爱国、陆建平)；同济大学嵌入式系统与服务计算国家重点实验室(杜超璘、龚晓亮、陈宇飞、单晓英)；西门子公司磁共振合作事业部(傅彩霞、严序)

陆建平，Email：cjr.lujianping@vip.163.com

上海市自然科学基金(14ZR1408300)；上海市科委医学引导项目(14411960100)

2017-03-07)

冀凯宏)