寧波材料所在醫(yī)學影像中的血管增強顯示與三維重建方面取得進展
腦血管疾病是指發(fā)生在腦部血管，因顱內(nèi)血液循環(huán)受到障礙而引起腦組織損害的一類疾病，“腦卒中”、“腦血管意外”和“腦中風”等都屬于醫(yī)學上腦血管疾病的范疇。據(jù)統(tǒng)計，截至2014年，全球腦血管疾病的平均發(fā)病率為6.49%，已經(jīng)成為威脅人類身體健康的“第一殺手”。由于腦血管相對于其他血管具有直徑狹小、結(jié)構(gòu)復雜、腦部多種附屬血管及神經(jīng)結(jié)構(gòu)并存等特點，隨著手術(shù)操作向腦部的深入，手術(shù)難度和風險也大大增加，這就對臨床醫(yī)生的熟練程度和經(jīng)驗提出了更高的要求。腦血管手術(shù)所導致的復視、失明、腦脊液漏和致命性大出血等病癥頻繁發(fā)生，手術(shù)的成功實施往往要求醫(yī)生具有大量病例的臨床訓練和經(jīng)驗積累。由此，如何在最大程度上降低手術(shù)難度，預防和減少手術(shù)過程中的并發(fā)癥是目前腦血管手術(shù)面臨的重要問題。
近些年，醫(yī)學影像的快速發(fā)展為神經(jīng)外科腦血管的“精準手術(shù)”理念提供了有力武器。同時，精準醫(yī)療設(shè)備作為智能化裝備需求的重點，其研制對國家未來新興產(chǎn)業(yè)的形成和發(fā)展具有引領(lǐng)作用，有利于促進產(chǎn)業(yè)技術(shù)的更新?lián)Q代。通過這些年在精準醫(yī)療設(shè)備的研制與發(fā)展過程中的經(jīng)驗，研究者們普遍認為基于影像引導的手術(shù)可視化系統(tǒng)為臨床精準診療、手術(shù)的最根本途徑。目前，常規(guī)腦血管疾病的成像方式包括磁共振血管造影（Magnetic Resonance Angiography，MR）和計算機斷層成像血管造影術(shù)（Computed Tomography Angiogaphy, CTA），它們是診斷腦血管疾病的重要參考依據(jù)。由于CTA圖像中的骨元素對造影血管影響嚴重，因此CTA僅適用于小范圍內(nèi)的大血管分析。MRA作為一種非侵入性診療手段，擁有良好的空間分辨率，且不受骨骼影響，近些年來在腦血管疾病診療上得到了廣泛應用。
在臨床診療過程中，腦血管的空間立體結(jié)構(gòu)能有效地為醫(yī)生對病灶區(qū)域進行判斷與定性提供幫助，同時為腦血管疾病診治提供量化標準。腦血管的精準提取與分割是腦血管的空間立體結(jié)構(gòu)呈現(xiàn)的唯一途徑。然而，傳統(tǒng)腦血管結(jié)構(gòu)提取與識別主要依賴于臨床醫(yī)師的手工操作，基于人工分割的MRA腦血管數(shù)據(jù)具有主觀性強、復現(xiàn)性差、效率低及復雜性高等缺點。因此，為了有效輔助醫(yī)生對病變進行觀察和診療，解決傳統(tǒng)手術(shù)過程中因過多依賴醫(yī)師自身經(jīng)驗而存在的誤診和漏診問題，對腦血管結(jié)構(gòu)的自動提取和分割是術(shù)前治療的重中之重。因此影像引導的腦血管手術(shù)是精準治療的發(fā)展需求和方向，而腦血管的精確自動分割是開展影像引導手術(shù)的根本。根據(jù)腦血管的分割結(jié)果能直接獲得病灶的位置及其嚴重程度的量化指標，為腦血管疾病的快速診斷、輔助診療提供全新的技術(shù)平臺。
然而，目前腦血管分割的精度主要受以下幾個方面的制約：
1）血管形狀的復雜性和可變性：人體腦血管具有拓撲結(jié)構(gòu)復雜、相互纏繞，且存在嚴重的重疊和交叉等特征。同時腦血管在狹窄和動脈瘤等區(qū)域，其形狀和大小差異較大；
2）血管灰度對比度低：因顱腔比例小，血管和相鄰組織的并存，導致腦血管在影像中對比度較低，大大增加了血管識別的難度。此外，由于病人的呼吸運動和血液流動的存在，導致血管灰度具有非均勻性的特質(zhì)，增加分割難度；
3）血管空間分布復雜：MRA圖像分辨率和對比度較低，在細微血管區(qū)域尤為明顯，在遇到血管密度大和血管直徑細長的結(jié)構(gòu)時，由于空間上的連續(xù)性比較差，常規(guī)分割方法往往會出現(xiàn)細微血管連通性差、幾何結(jié)構(gòu)中斷的情況；
4）噪聲和局部溶劑效應：圖像采集過程中可能存在圖像信息丟失和引入噪聲的問題，導致在特征提取過程中無法得到收斂。局部溶劑效應/造影累積效應產(chǎn)生的低分辨率問題，使得MRA血管圖像中存在大量的背景噪聲。體素的灰度是血管自身和背景的混合灰度，使得血管存在分支的區(qū)域極難處理。
由于缺少精準的腦血管三維結(jié)構(gòu)模型，在手術(shù)過程中醫(yī)生無法獲得可靠的病灶及其周圍環(huán)境信息，不能有效地為醫(yī)生提供腫瘤、血管和其他重要結(jié)構(gòu)的相對關(guān)系，難以對腦功能進行定性，以致無法為手術(shù)規(guī)劃和術(shù)后分析提供幫助。
總之，腦血管造影圖像成像的低分辨率、血管對比度信息低以及空間立體信息缺失等原因?qū)е履X血管結(jié)構(gòu)的精準重建異常的困難。只有科學系統(tǒng)地研究這些臨床實際問題，并密切關(guān)注國際前沿進展，實現(xiàn)自動、準確的腦血管結(jié)構(gòu)重建，醫(yī)生才能在心血管疾病診療過程中得到真正意義上的幫助?？梢姡谟跋褚龑У哪X血管手術(shù)能否向臨床實用化方向?qū)崿F(xiàn)突破性發(fā)展，亟待開發(fā)精準快速的腦血管分割重建方法。
因此，針對目前腦血管分割存在的問題和挑戰(zhàn)，寧波材料所所屬慈溪醫(yī)工所智能醫(yī)學圖像處理團隊（iMED中國）提出了一種基于顯著性分析的腦血管分割和重建方法。顯著性是圖像重要的視覺特征，體現(xiàn)了人眼對圖像某些區(qū)域的重視程度。對于醫(yī)療血管圖像，人眼往往對血管區(qū)域更感興趣。本研究擬利用這一特點，對圖像進行多尺度多特征的顯著性分析，以此來提高血管分割的精度。本項目擬致力于以下四方面的研究來解決目前存在的問題：
1）利用Retinex模型實現(xiàn)對MRA圖像中的血管區(qū)域的自適應性增強。Retinex模式是基于人類視覺對亮度和顏色感知，實現(xiàn)對圖像自適應性增強。此方法能有效排除噪聲及非血管區(qū)域的干擾，強化血管區(qū)域的灰度值，實現(xiàn)在動態(tài)范圍壓縮、邊緣增強和顏色恒常三方面的平衡，以得到血管最優(yōu)的可讀、可分析和可理解效果；（PLoS ONE,10(4):0122332, 2015.）
2）人眼往往對MRA圖像中血管區(qū)域更感興趣。因此，本項目擬利用這一特點，建議研究圖像的局部非相似性，通過引入全新的局部非相似性描述指標 ——血管區(qū)域的緊湊性，建立基于局部信息的顯著性映射，對圖像進行顯著性分析，強化血管區(qū)域的灰度值，并結(jié)合圖像中不同區(qū)域的結(jié)構(gòu)屬性進行精確的顯著性分析，排除噪聲和局部溶劑效應造成的干擾，為實現(xiàn)高精度的血管區(qū)域分割與提取提供基礎(chǔ)；（IEEE Trans. Med. Imag. 36(1): 51-63, 2017.）
3）針對細小血管的非連續(xù)性，本項目提出一種基于對稱濾波器的血管增強方法，對血管區(qū)域進行增強顯示并做自動分割。此方法提高了細小血管的識別率，以解決現(xiàn)有血管檢測方法因?qū)Ρ榷鹊秃吞卣髌ヅ洳粶蚀_而導致的血管連通性低的問題； (IEEE Trans.Med. Imag., DOI: 10.1109/TMI.2017.2756073, 2017.)
4）目前，在科研范圍內(nèi)，公開的腦血管分割的人工標注（金標準）數(shù)據(jù)仍是空白，這嚴重制約了科研人員對自動腦血管分割的算法開發(fā)和結(jié)果評估。本課題組針對這一問題，聯(lián)合北京理工大學，英國利物浦大學以及國內(nèi)多家三甲醫(yī)院，歷經(jīng)2年，由影像專家與臨床醫(yī)生對數(shù)十例MRA圖像進行人工標注，建立了MMM-21腦血管金標準,并將數(shù)據(jù)庫對公眾免費開放下載。(IEEE Trans. Med. Imag., DOI:10.1109/TMI.2017.2756073, 2017.)
Retinex模型在MRA腦血管增強中的效果圖
顯著性分析模型在眼底視網(wǎng)膜血管上的驗證（左圖是眼底視網(wǎng)膜血管造影圖像，右圖是顯著性分析圖）
基于對稱濾波器的血管增強方法所得到的自動血管分割結(jié)果
MMM-21腦血管金標準展示（紅色點代表非血管區(qū)域，綠色點代表血管區(qū)域）
（慈溪醫(yī)工所 趙一天）