具有里程碑意义的优化使用本地曲率积分非线性啮齿动物的大脑图像配准

文摘

目的。开发技术的自动化具有里程碑意义的选择积分插值变换,非线性医学图像配准。材料和方法。从同源点插值变换计算地标在源(图片转换)和目标(参考图片)。点地标每隔一定距离便会有轮廓的解剖特点,和他们的位置进行了优化轮廓表面曲率的函数组成相似性和同源地标的位移。在两种情况下该方法评估(每个)。在一个,MRI是注册组织学部分;第二,几何扭曲EPI MRI被纠正。归一化互信息和目标配准误差计算比较登记精度自动和手动生成的地标。结果。统计分析表明显著改善()注册的具有里程碑意义的优化精度大多数数据集和趋势改进(在别人比手动具有里程碑意义的选择。

1。介绍

在啮齿动物的大脑图像可能会由于仪器缺陷或扭曲,在组织学、组织处理。例如,磁场不均匀性导致几何扭曲回波平面成像(EPI)核磁共振;机械力在收获的大脑切片可能导致组织撕裂。和化学准备组织学分析可能会导致变形组织,组织显微图中明显。纠正(或“整流”,“扭曲”)扭曲的图像需要充分代表啮齿动物的大脑(MRI)在EPI失真,或比较不同并购模式(例如,比较体内图像和组织学的显微图)。通常,仿射变换(线性+翻译)不能调和严重扭曲使非线性变换必要的。

在非线性变换技术,积分插值变换技术被广泛采用,因为他们是容易实现和灵活的为不同的应用程序1- - - - - -3]。基于一个典型点的插值方法包括三个步骤:(1)将同源点地标在源图像(图片转换)和目标图像(图片作为参考),(2)分别计算插值变换(如多项式曲线,B样条函数和利用薄板样条函数4,5源和目标图像之间的]),(3)调整的地标和映射使用计算转换图像的其他部分。

准确插值变换需要精确匹配的同源地标。手动识别里程碑点的耗时和容易内部interobserver变化。一些调查人员试图自动化具有里程碑意义的定义过程利用解剖或生物的几何结构。典型的几何特性包括线十字路口(6,7),当地的曲率极大值(8- - - - - -10),和封闭边界地区的重心11]。采用解剖学和生物特性大大简化了具有里程碑意义的一代。然而,一些生物医学图像不包含均匀特性,为准确登记生成可靠的地标。更重要的是,噪音、工件和其他因素可能导致错误识别使用自动或手动选择的特性。一些研究已经具有里程碑意义的位置错误。罗尔等人发明了一种方法来放松的地标匹配(即。,allowing the algorithm to relocate the landmarks) using thin-plate splines [12)通过最小化弯曲能量函数(13,14]。该方法可以处理各向同性以及各向异性具有里程碑意义的错误。Bookstein [15,16使用线性回归模型和一种叫做“曲线袒胸露背的”的技术放松插值条件。图像边缘等属性对象(13)被用来放松的里程碑式的匹配。然而,里程碑式的放松对登记精度的影响是未知的在先前的研究中。

在目前的调查,我们开发了一种技术自动化和优化具有里程碑意义的一代解剖上使用当地的曲率轮廓和验证技术。我们在这里讨论的是二维(2 - d)的大脑图像非线性登记。尽管啮齿动物的大脑是一个三维(3 d)对象,一些脑成像研究本质上是进行二维飞机如组织学镜检,并在二维核磁共振研究。更重要的是,非线性失真主要发生在二维成像研究。例如,组织撕裂,剪切、收缩和扩张,在切片和部分处理,和二维涡流EPI MRI收购,主要原因二维平面非线性失真。保证通信的两个大脑图像注册,有些过程三维注册之前可能是必要的。过程的详细描述。

2。材料和方法

2.1。算法开发

该方法的策略首先是生成轮廓源和目标图像上对应的解剖特点,然后生成地标同源解剖轮廓。地标然后轻松从原始位置和允许滑动沿着轮廓达到最佳匹配。搬迁的地标性建筑是由一个成本函数由当地地标的曲率和位移。在表中使用伪代码描述的过程1。

生成相应的轮廓的地标可以手动绘制的图像或确认为对象的边界使用边界检测方法,或首次发现自动使用边界检测方法,然后手动修改纠正错误产生的噪音和工件。根据图像特性,适当的边界检测方法如动态规划或活动轮廓模型(17可以使用)。同源轮廓手工分为若干个相应的源和目标曲线相对常规的形状(出口数据2(一个),2 (b),3(一个),3 (b)。分裂通常提高计算稳定性和非线性转换效率在我们的经验中(我们使用转换的利用薄板样条函数计算)。

下一步是每个曲线上具有里程碑意义的生成和优化。这个步骤见图的一个例子1。前两个地标及其同系物的两端固定在相应的源和目标曲线(图1(一))。剩下的地标(从第三nth;n是user-preset地标在曲线上的数量)生成和优化以迭代方式如表所示1。地标的源和目标曲线分割成相应的曲线段(例如,我−1地标将曲线分成我−2段)。的我th地标被放置在中间段最长的源曲线(目标曲线可以根据用户;源曲线用于这项研究),及其同系物放在相应的目标曲线段(图1 (b))。(前我+ 1)添加th地标,地标是轻松的从他们的初始位置和滑曲线段相互匹配(这个过程被称为里程碑式的优化、数据1 (b)和1 (c))通过最小化代价函数 在哪里和分别表示源和目标是地标的位移(我−1)th曲线段,曲线段的长度,是定义的局部曲率 在哪里是一个曲线,””代表了欧几里得距离,“^·”和“^··”分别是第一和第二衍生品。第一项的成本函数的区别是当地的曲率(标准化的最大曲率曲线段)的具有里程碑意义的来源和相应的目标具有里程碑意义。第二项是地标从初始位置的位移由区段长度归一化。曲率的成本函数是一个组合相似的源和目标地标和地标的位移。地标是放松和搬到匹配他们的曲率(第一项(1)最小化代价函数和位移由第二项重。权重参数λ> 0调节滑动距离沿着轮廓的地标。通过增加λ、具有里程碑意义的位移是有限的。方程(1)是使用Nelder-Mead最小化的算法(18]。地标被优化时,可以使用任何积分登记方法经源图像和寄存器源和目标图像。我们利用薄板样条函数(12)生成注册目标图像的扭曲场源在这个工作。

2.2。算法评估

具有里程碑意义的生成和优化技术是评估使用两种类型的老鼠大脑成像的研究。在第一项研究中,老鼠大脑MRI与组织学部分非线性注册。第二项研究检查算法的能力快速正确几何失真EPI-a MRI采集技术。成本函数最小化的收敛性判据也设置为具有里程碑意义的位移小于10⁻⁴在随后的迭代中像素或最多500次迭代,和权重因子λ将在这两个研究中在0.2和0.3之间。利用薄板样条函数,已经广泛应用在医学图像配准7,19- - - - - -30.),被用于非线性变换。转换后的源图像之间的登记的准确性(MRI在第一项研究中,在第二项研究EPI)和参考图像是由两种方法测量使用归一化互信息(敝中断)和目标配准误差(过夜),分别。敝中断被定义为 在哪里和分别是边际熵源图像的改变和,表示他们的联合熵。混乱关系(3)是一组目标点之间的距离()和扭曲的相应的源点()。一般来说, 在哪里转换,本研究利用薄板样条函数。因此向量的混乱关系是一个数组。在这项研究中,只有混乱关系的平均大小是感兴趣的,因此报道。点集的大小依赖于图像的性质,和至少四个点被确定在每一对图像。

2.2.1。登记的MRI组织学部分

老鼠的大脑被收获3 d MRI T2 *三后,固定和嵌入在石蜡组织切片。嵌入式的blockface大脑被拍到在切片(blockface成像)。个人blockface图像堆叠重建3 d脑容量。大脑切片与普鲁士蓝染色和苏木精。MRI体积线性注册blockface卷,然后计算维在冠状平面匹配相应的组织学部分(31日,32]。MRI片和组织学部分被非线性注册三个经验丰富的技师使用地标的利用薄板样条函数生成和优化技术。技术人员被要求画出源和目标轮廓并生成曲线根据他们的解剖学知识。里程碑式的自动优化技术评估通过比较两个登记结果:第一个是来自地标上生成用户定义的轮廓,但手动调整的技术人员,和其他登记使用离散地标进行手动选择的技术人员。

2.2.2。EPI的校正畸变

五个老鼠扫描和T₂三(T₂wt)旋转回声成像和扩散张量成像(DTI)和EPI收购。核磁共振成像片规定在同一解剖位置在这些扫描。EPI的DTI扫描,一个基线不扩散加权图像(B0)也获得了。B0图像被用作源图像,和T2-wt图像作为目标图像用于注册。自从B0形象和所有diffusion-weighted图像进行相同的几何畸变,转换采购从T2-wt / B0登记正确应用于diffusion-weighted图像。B0图像注册T2-wt图像同样的三个技术人员在MRI /组织学登记使用手动选择的地标性建筑,地标手动调整在解剖轮廓,分别和自动生成和优化轮廓。

3所示。结果

3.1。登记的MRI组织学部分

数据2(一个)和2 (b)演示coregistration前一对MRI和组织学切片。生成的曲线由技术员和地标和优化曲线也显示这些数据。转换后的核磁共振及其叠加在组织切片上显示数据2 (e)和2 (f)。数据2 (c)和2 (d)由技术人员显示离散手动选择地标。手动调整的地标在曲线没有显示。

注册结果与使用不同的方法生成地标在五对MRI和组织学切片(对我到V)进行比较。平均值和标准误差的敝中断和混乱关系每一对由三个技术人员提出了数字图像2 (g)和2 (h),分别。敝中断和混乱关系从手动选择离散地标(“离散地标(LMs)”数据2 (g)和2 (h)),地标上生成解剖曲线和优化使用(1)(“曲线优化的LMs”数据2 (g)和2 (h))。敝中断和地标的混乱关系曲线而不是优化(“可行LMs曲线”)和地标手动调整的曲线(手动调整LMs)提出调查登记的准确性的改善带来里程碑式的优化。优化的数量,手动调整和可行地标,每个曲线上是相同的。可行的地标是通过简单地生成曲线上的地标,而无需进行优化使用(1在其初始位置),保持每一个里程碑。

作为显示在图2 (g)(敝中断结果)和图2 (h)(混乱关系结果),生成地标解剖曲线(无论地标进行优化或不)显著提高登记精度(P< 0.05,配对t以及)或显示改善的趋势(≤0.05P< 0.10)相比,所有图像对手动选择谨慎的地标。里程碑式的自动优化使用(1)导致登记精度提高的趋势(≤0.05P< 0.10)在一个图像对敝中断计算(图2 (g))可行地标相比,改进的趋势(0.05≤P< 0.10)在两个图像对的混乱关系计算(图2 (h))。可行的地标相比,手动调整地标显示登记的准确性(0.05≤改善的趋势P< 0.10)在两个图像对敝中断(图2 (g))。大树下面结果显示显著地提高精度(P< 0.05)或改善的趋势(≤0.05P< 0.10)在三个图像对通过手动调整地标(图2 (h))。没有发现差异之间的自动优化和手动调整的地标。

3.2。EPI的校正畸变

一双典型的B0和T2-wt图像数据所示3(一个)和3 (b)。几何畸变明显在B0通过视觉比较T2-wt图像。数据3(一个)和3 (b)显示解剖曲线和优化地标在一对T2-wt / B0图片,和离散地标手动选择同样的技术数据所示3 (c)和3 (d)。失真校正的结果,使用优化的地标如图3 (e)。一种改进的可视化,纠正B0(灰度)覆盖在T2-wt图像伪彩色图的绘制3 (f)。

EPI的相同的统计分析进行失真校正的MRI /组织学登记,允许直接比较的结果(数据3 (g)和3 (h))。解剖曲线生成地标(无论是否地标进行优化)显著提高登记精度(P< 0.05)或显示改善的趋势(≤0.05P< 0.10)相比,所有图像对手动选择谨慎的地标除了一对图像(图3 (g),敝中断计算)。里程碑式的自动优化使用(1)导致显著地提高精度(P< 0.05)在一个图像和一个趋势登记精度改进(≤0.05P< 0.10)在两个图像(图由敝中断对计算3 (g))可行地标相比,改进的趋势(0.05≤P< 0.10)在一个图像对混乱关系计算(图3 (h))。可行的地标相比,手动调整地标显示显著改善(P< 0.05)在两个图像对敝中断登记的准确性,和改进的趋势(≤0.05P<在一对图像(图0.10)3 (g))。大树下面结果显示改进的趋势(0.05≤P< 0.10)上的一对图像通过手动调整地标(图3 (h))。没有发现差异之间的自动优化和手动调整的地标。

4所示。讨论

在这项研究中,我们开发了一个具有里程碑意义的生成和优化技术积分非线性图像配准方法。这种技术从解剖轮廓提取地标并优化具有里程碑意义的位置通过最小化代价函数构成的位移和当地地标的曲率。技术是在两个不同的应用程序:评估MRI的登记和组织学切片和EPI MRI图像失真校正。统计分析表明,具有里程碑意义的选择导致了重大的自动化图像配准精度改善相比,手动选择的地标。尽管在大多数实验产生的改进在敝中断和混乱关系具有里程碑意义的优化结果相比没有统计学意义使用可行的地标,登记的准确性的改善趋势中演示了几个实验。手动调整地标在若干实验曲线可以改善登记的准确性并显示改善的趋势在其他实验。我们发现没有区别在登记的准确性具有里程碑意义的自动优化和手动调整。然而,自动化具有里程碑意义的选择提供了提高效率通过最小化所需的用户干预。

我们使用两种方法包括敝中断来验证我们的技术。敝中断已深入应用作为图像相似性度量。它不是一个单调函数图像的相似性,因此,使用时可能被困在局部最小值作为图像配准的驱动力。在这项研究中,双比较形象都已经注册;因此,敝中断只有小间隔计算它是合理的认为敝中断是单调的。混乱关系也计算登记评估在这个研究。混乱关系是登记的测量准确性的一组点的图像。点的混乱关系计算通常是确定解剖特点;因此,评估可能是更有意义的比敝中断关于解剖登记的准确性。

解剖轮廓是手工画在这个研究。边界检测方法可用于自动识别轮廓。有理由认为自动生成轮廓可以最小化国米,intrauser方差。但另一方面,一些自动边界检测技术相比,更容易受到噪声和工件手册描述。我们正在调查登记使用不同的边界检测方法精度。

这种方法不仅可以用于成像研究本文提供类似,但也可以用于多个大脑登记,或类似的,登记与最小修改地图册。使用这种方法,三维仿射变换之前可能需要首先使大脑卷在一起,或阿特拉斯,然后每个脑容量需要维匹配个人大脑切片,或atlas片。

总体而言,该方法结果登记的准确性和效率的提高。然而,这种技术仍然需要用户的干预,从而遭受国际米兰,intra-investigator不一致。我们正在改善这种技术包括图像强度和几何信息除了位移和弯曲具有里程碑意义的生成过程完全自动化。在这项研究中,地标选择手动或自动生成的曲线是由技术人员根据自己的经验。需要precalculate所需的具有里程碑意义的数字提高登记精度不同的具有里程碑意义的生成方法。调查使用以前公布的方法来完成这种自动化正在进行中(33]。

确认

这项工作已经由国家卫生研究院的基金K25MH089851, P20 RR021937, P01 NS043985, P30的MH062261, P01 DA028555。作者承认艾琳·麦金太尔,梅丽莎·梅隆和林赛水稻技术援助。

引用

1. d·l·g·希尔·g·巴舍乐m·霍尔登和d·j·霍克斯,“医学图像配准,”物理学在医学和生物学,46卷,不。3,R1-R45, 2001页。视图:出版商的网站|谷歌学术搜索
2. b . Zitova和j .流感”图像配准方法:一项调查,”图像和视觉计算,21卷,不。11日,第1000 - 977页,2003年。视图:出版商的网站|谷歌学术搜索
3. j·m·菲茨帕特里克·d·l·g·希尔和c·r·毛雷尔Jr .)在“图像配准,”手册的医学成像m . Sonka和j·m·菲茨帕特里克,Eds。,卷。2,pp. 447–513, SPIE Press, Bellingham, Wash, USA, 2004.视图:谷歌学术搜索
4. w·r·床l·d·格里芬d·l·g·希尔·d·j·霍克斯,“禅与艺术的医学图像配准:信件,同源性,和质量,”科学杂志,20卷,不。3、1425 - 1437年,2003页。视图:出版商的网站|谷歌学术搜索
5. h . y . Liu D 'Arceuil, j . et al。”一个非线性mesh-warping脑卒中后变形,校正方法”磁共振成像,24卷,不。8,1069 - 1075年,2006页。视图:出版商的网站|谷歌学术搜索
6. g . c .仓库管理员s Kopstein便美国伯耐特,“匹配图像模型注册和通过聚类对象检测(RST)”IEEE模式分析,机器智能,4卷,不。3、229 - 241年,1982页。视图:谷歌学术搜索
7. m·a·雅各布斯j.p.温德姆,h . Soltanian-Zadeh d·j·派克和r . a .骑士”注册和磁共振图像扭曲组织学部分,“医学物理学,26卷,不。8,1568 - 1578年,1999页。视图:出版商的网站|谷歌学术搜索
8. l . n .正构醛b . a . Lambird d . Lavine g . c .仓库管理员,“数字注册相似和不同的传感器,”国际会议控制论和社会的诉讼4卷,第351 - 347页,1981年。视图:谷歌学术搜索
9. p . Putjarupong c . Pintavirooj w . Withayachumnankul, m . Sangworasil”利用五点共面角度不变的图像配准和maximum-curvature点”学报》第12届国际会议在中欧在计算机图形学中,可视化和计算机视觉(WSCG ' 04)》12卷,第348 - 341页,Plzen,捷克共和国,2004年。视图:谷歌学术搜索
10. d·c·范·埃森h·a·特鲁利s Joshi和米勒,“人类大脑皮层的功能和结构映射:解决方案在表面,”美国国家科学院院刊》上的美利坚合众国,卷95,不。3、788 - 795年,1998页。视图:出版商的网站|谷歌学术搜索
11. a . Goshtasby“分段线性映射函数图像配准,”模式识别,19卷,不。6,459 - 466年,1986页。视图:谷歌学术搜索
12. f . l . Bookstein”主要扭曲:利用薄板样条函数和分解变形,“IEEE模式分析与机器智能,11卷,不。6,567 - 585年,1989页。视图:出版商的网站|谷歌学术搜索
13. k罗尔,h s Stiehl R Sprengel et al .,“非刚性医学图像基于登记解剖点地标和近似利用薄板样条函数,”《亚琛车间页,41-46亚琛,德国,1996年。视图:谷歌学术搜索
14. k罗尔,h s Stiehl r . Sprengel t . m . Buzug j . Weese和m·h·库恩“Landmark-based弹性登记使用近似利用薄板样条函数”IEEE医学成像,20卷,不。6,526 - 534年,2001页。视图:出版商的网站|谷歌学术搜索
15. f . l . Bookstein”四个指标对图像变化,”临床和生物研究的进展卷,363年,第240 - 227页,1991年。视图:谷歌学术搜索
16. f . l . Bookstein“里程碑式的形式没有地标的方法:组的形态学轮廓形状的差异,“医学图像分析,1卷,不。3、225 - 243年,1997页。视图:谷歌学术搜索
17. m . Sonka诉Hlavac, r·博伊尔图像处理、分析与机器视觉PWS出版公司,波士顿,质量,美国,1998年。
18. j . c . Lagarias j . a .芦苇m·h·赖特和p·e·莱特”的收敛性质Nelder-Mead单纯形法在低维空间中,“暹罗杂志上优化,9卷,不。1,第147 - 112页,1998。视图:谷歌学术搜索
19. m·h·戴维斯,A . Khotanzad d . p . Flamig s e .危害,“3 - d图像匹配,基于物理坐标变换”IEEE医学成像,16卷,不。3、317 - 328年,1997页。视图:谷歌学术搜索
20. 金,j·l·波k·a·弗雷和c r·迈耶”互信息的自动化unwarping老鼠大脑放射能照像,”科学杂志,5卷,不。1,31-40,1997页。视图:出版商的网站|谷歌学术搜索
21. c·r·迈耶j·l·博金b . et al .,“示范的准确性和临床用途广泛的互信息自动多峰性使用仿射图像融合、薄板样条扭曲的几何变形,“医学图像分析,1卷,不。3、195 - 206年,1997页。视图:谷歌学术搜索
22. m . s . Buchsbaum j·h·法伦·t·c·魏et al .,“基底前脑解剖的方法标准化功能图像分析,“精神病学研究,卷84,不。2 - 3、113 - 125年,1998页。视图:出版商的网站|谷歌学术搜索
23. j . r . DeQuardo m . s . Keshavan f . l . Bookstein et al .,“Landmark-based的形态学分析首发精神分裂症。”生物精神病学,45卷,不。10日,1321 - 1328年,1999页。视图:出版商的网站|谷歌学术搜索
24. j . e .下坡Jr . m . s . Buchsbaum t·魏et al .,”形状和大小的胼胝体在精神分裂症和分裂型人格障碍,”精神分裂症的研究,42卷,不。3、193 - 208年,2000页。视图:出版商的网站|谷歌学术搜索
25. 英国创办的,Landmark-Based图像分析:使用几何和强度模型21卷计算成像和视觉系列Kluwer学术出版商Dodrecht,荷兰,2001年。
26. 米勒,a找到,l·尤尼斯”的指标和欧拉方程计算解剖学、”生物医学工程的年度审查4卷,第405 - 375页,2002年。视图:出版商的网站|谷歌学术搜索
27. b . Gibaud Corouge, p的命运,c . Barillot”个人间功能映射:当地一个非线性的方法,”科学杂志,19卷,不。4、1337 - 1348年,2003页。视图:出版商的网站|谷歌学术搜索
28. f·达瓦斯,j . j . Ermer j·c·莫舍和r·m·莱希“通用模型主管atlas-based脑电图来源分析,“人类大脑图谱,27卷,不。2、129 - 143年,2006页。视图:出版商的网站|谷歌学术搜索
29. s . g . Li Nikolova和r . Bartha”登记体内脑磁共振t1加权图像氯化三苯基四氮唑染色部分小动物,”神经科学杂志》上的方法,卷156,不。1 - 2、368 - 375年,2006页。视图:出版商的网站|谷歌学术搜索
30. c·r·迈耶b·A·莫法特k . k . Kuszpit et al .,“组织学的方法注册幻灯片和体内MRI体积优化互信息的基础上,“分子成像,5卷,不。1,16-23,2006页。视图:出版商的网站|谷歌学术搜索
31. h . m . g . y . Liu乌贝蒂先生,窦et al .,“进入血源性巨噬细胞在小鼠血脑屏障的hiv - 1脑炎、”神经免疫学杂志,卷200,不。1 - 2,41-52,2008页。视图:出版商的网站|谷歌学术搜索
32. h . m . Uberti y Liu窦,r·l·莫斯利h·e·Gendelman和m . Boska”登记体内使用blockface组织学的啮齿动物的大脑成像,先生”2009年医学成像:在分子生物医学应用,结构和功能成像卷,7262学报学报布埃纳维斯塔湖,佛罗里达州,美国,2009年2月。视图:出版商的网站|谷歌学术搜索
33. a . Joshi d . Pantazis h·达马西奥,d . Shattuck问:李,和r·莱希”优化地标选择皮质表面登记”《IEEE计算机视觉与模式识别会议(CVPR ' 09)706年,页699 -迈阿密,佛罗里达州,美国,2009年6月。视图:出版商的网站|谷歌学术搜索

版权

版权©2012宇通刘et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。