文摘

探讨应用价值的量化易感性映射(QSM)基于拉普拉斯算法在帕金森病的诊断,48帕金森症患者包括我们医院为研究对象。他们被随机分为对照组(24例)和实验组(24例)。所有患者进行了定量磁化率成像扫描。在实验组中,改进的拉普拉斯算法用于QSM诊断,而在对照组,常规QSM诊断使用。通过精密的计算,召回,骰子相似系数,intersection-over-union(借据)和曲线下的面积(AUC)的质量改进效果的改进的拉普拉斯算法QSM图像评估。然后,诊断精度的算法的结果进行了比较,验证了QSM图像诊断帕金森氏症患者没有算法处理。结果表明,与传统的拉普拉斯算法相比,改进的拉普拉斯算法可以大大减少图像噪声电平( )。骰子,借据、精度和召回率的图像质量评价指标明显改善( ),和AUC达到0.896。没有显著差异分数各向异性(FA)和平均扩散系数(MD)两组之间( )和没有显著差异在两组之间的脑核的磁化率( )。然而,他们都显示高磁化率黑质地区的大脑。与对照组相比,实验组的诊断准确率为97.5±1.23%,这远远高于对照组(86.5±3.56%)( )。总之,基于拉普拉斯QSM改进算法的图像质量大大提高,和PD的诊断准确性也大大提高,是值得推广的临床QSM成像领域的PD的诊断。

1。介绍

帕金森病(PD),也被称为麻痹震颤,是一种神经退行性疾病常见的中年人和老年人。临床上,静态震颤、动作迟缓、肌强直和姿势平衡障碍的主要特征。此外,它可能是伴随着感觉障碍、睡眠障碍、自主神经功能障碍(1- - - - - -3]。这种疾病的主要病理改变是黑质多巴胺能神经元的变性和死亡,但病因和发病机理的黑质多巴胺能神经元的变性和死亡尚未完全澄清(4]。由于隐性发病和疾病的进展缓慢,需要进行及时、有效的早期诊断。不由自主的颤抖,肌肉僵硬,缓慢的运动,和其它症状四肢仍时,应该及时寻求医疗(5]。常规临床检查包括血常规、常规脑积液,CT和MRI,正电子发射断层扫描(PET)或单光子发射计算机断层扫描(SPECT)、经颅超声(TCS)和定量易感性映射(QSM) [6,7]。QSM技术定量测量组织的敏感性,这是由磁敏感加权成像(瑞士)8]。这种技术获得组织的变化磁场的相位信息,然后获得磁化率的值通过逆计算(9]。磁化率反映了组织成分的变化反映了生物组织的磁化程度在外部磁场。其中,抗磁性物质,比如钙化和脂肪,有负的易感性,而顺磁物质,如脱氧血红蛋白和含铁血黄素,积极的磁化率(10]。QSM可以描述成像磁化率的分布,从而间接反映体内铁的含量,血管,和组织结构。这是一个很好的方法,PD的诊断和研究[11,12]。目前,QSM依靠相位信息来衡量组织的磁特性,已成功应用于测量铁沉积,血氧饱和度,出血的分化和钙化。(13]。然而,QSM目前阶段工件的干涉等问题,和感兴趣的区域(ROI)需要手工绘制,浪费时间和有错误14]。

拉普拉斯图像增强算法是一个二阶微分算法在空间域,可以提取图像的边缘信息通过强调模糊的细节,以提供一个更清晰的视觉效果。该算法对硬件要求低,实用性强,目前已广泛应用于许多领域(15,16]。因此,拉普拉斯算法结合QSM在本研究设计一种基于改进的拉普拉斯算法QSM图像处理方法,它是应用于PD患者的临床诊断。的应用潜力QSM基于改进的拉普拉斯算法在PD的诊断是全面评估通过比较实验组的PD患者的诊断没有改进的拉普拉斯算法。

2。材料和方法

2.1。研究对象

在这项研究中,48个帕金森患者住院被选为研究对象,其中包括24个男性和24岁女性,45 - 71岁,平均年龄为65.3±2.3年。所有受试者被随机分为实验组和对照组,每组24例。敏感性定量成像扫描被执行在所有科目。实验组进行定量易感性成像基于改进的拉普拉斯算法的诊断。对照组只定量磁化率成像诊断的。

帕金森症患者的入选标准包括以下几点:(i)那些符合诊断标准的“中国帕金森病诊断标准(2016年版),“(2)18岁以上;(3)所有患者签署知情同意书,同意接受瑞士, ,磁流变液和QSM3.0T磁共振检查;(iv)完整的病史信息。

排除标准包括以下几点:(i)患者各种MRI禁忌症,如金属植入;(2)患有幽闭恐怖症;(3)不合格的图像质量的量化磁化成像由于各种原因;(iv)患者的各种神经系统疾病,如精神分裂症和双相情感障碍;(v)患者神经退行性疾病、癫痫、脑瘤、缺血性或出血性卒中发生,脑积水,多发性硬化症,和其他疾病;(vi)患者的历史其他脑部手术或脑深部电刺激。

医院的伦理委员会批准了这项研究,以及病人和他们的家属签署知情同意。

2.2。QSM相关参数

在这项研究中,三人蒂姆(西门子)是用来收集QSM模式,阶段,和DTI原始数据,3 d多次回声梯度回波序列用于QSM扫描。相关的参数信息表所示1。

2.3。拉普拉斯算法改进

拉普拉斯图像增强算法用于这项研究是一种各向同性的过滤算法,这是一个通过二阶微分算法,增强了图像。滤波器的响应在这个算法不是直接关系到图像的突然改变正在落实。因为它的硬件要求低,操作简单,广泛用于图像增强器高频增强算法。受限拉普拉斯增强算法在本研究中利用改进的噪声处理的影响基于普通拉普拉斯增强算法。当使用这个算法时,二维连续函数 首先是定义,并利用二维列向量表达的梯度重点如下:

的偏导数一个在 表示如下:

的偏导数b在 表示如下:

梯度的大小是用来表达的最大变化率函数 ,和它的计算如下:

在数字图像中,图像数据由一个不连续的离散矩阵来表示。每个像素的梯度近似的中心像素和相邻的像素之间的区别。计算如下:

在(5),p和问是整数, 代表坐标的像素值。为了简化算法在实际操作中,前面提到的方程简化

简化方程(6)是扩大到

简化梯度算法(7)是由水平和垂直差分算子表示。这种方法只能有效地检测水平方向和垂直方向的边缘和弱边缘的图像处理能力与一定的倾角。在此基础上,介绍了罗伯特交叉算子,可检测不同斜组件的很好,和它的计算表示如下:

中提到的罗伯特算子(8)属于一阶微分算子。然后,介绍了二阶微分的拉普拉斯算子。这个操作符有各向同性和独特的不变性。这个操作符属于二阶微分算子,计算表达如下:

自数字信息定量磁化处理成像的PD患者的形式离散点,前面提到的二阶微分方程差分方程所取代,和获得的一阶偏微分方程表示如下:

二阶偏微分方程表示如下:

从前面提到的方程,拉普拉斯获得的离散表达式,表示如下:

缓解造成的图像模糊问题扩散现象,介绍了一个增强函数,如图所示

在(13),k代表扩散效应的相关系数,其值直接影响图像的增强效果。当k值太大,图像的边缘会出现过度,当k值太小,图像的边缘提取效果会差。假设k= 1,获得图像增强方程表示为

另一个拉普拉斯增强模板,介绍了eight-neighbor增强模板,以提高图像增强的效果。模型图如图1。模板的增强方程表示如下:

eight-neighbor增强拉普拉斯增强算法能够有效地提取图像的边缘信息,同时在很大程度上放大图像的噪声。为了解决这个问题,一个受限拉普拉斯增强算法介绍,可以确定中心像素与像素值之间的对比的社区通过设置一个阈值。如果反差很大,图像不增强。如果对比是小,增强值作为中央像素值。计算的对比表达如下:

的表达 在(16)如下:

受限拉普拉斯增强方程表示如下:

对比引入受限拉普拉斯增强方程。当 ,像素不增强,中心像素保留。当 ,像素是由拉普拉斯增强算法。

2.4。QSM拉普拉斯算法优化和算法评价指标

QSM重建算法是利用精确的细分领域的传统QSM图像。通过图像预处理算法分割QSM图像,背景字段删除,磁化率反演。当执行多次回声梯度成像获得QSM图像序列,利用非线性最小二乘方程表达了磁场映射。这个方程表示如下:

在后台字段删除,由于采用不同的场景不同的背景场的去除算法,基于复杂工件去除方法采用谐波理论去除背景场,然后删除背景场图像的局部场的兴趣。一个相对准确的大脑获得的磁化率分布计算物理这个领域和磁化率之间的关系。假设有一个给定的磁场Y₀,用规范化阶段 ,和代表了测量阶段在一个给定的条件下,然后,磁化率方程可以表示如下:

在(20.),F代表了傅里叶变换,B代表了磁偶极子卷积核,其计算公式表达如下:

在(21),c代表了矢量的位置,K代表应用磁场向量, 的空间坐标, 体素的大小,未知的磁化率地图表达的吗

在(22),删除背景场的规范化阶段,权重参数,l₁标准表达式表示如下:

在(23), , ,和梯度算子, , ,和是大脑组织权重系数。

通过前面提到的算法,实验组的QSM PD患者的图像处理,和QSM病人治疗后进行了分析诊断的效果与对照组相比较。

2.5。评价QSW基于改进的拉普拉斯算法图像分割效果

来衡量算法的优缺点,像素的精度和召回作为评价指标。骰子相似系数和intersection-over-union(借据)与该地区的测量装置是利用的评价指标细分QSM PD患者的大脑的形象。精度也被称为精确率,反映分割的准确性,其表达式所示(24)。召回率,也称为敏感性,代表的比例正样本的预测结果,及其表达式所示(25)。骰子相似系数是衡量之间的重叠分割结果与金标准的地区,和它的表达式所示(26)。借据之间的符合程度,反映了实际结果和预测结果,及其表达式所示(27)。

在前面提到的方程,一个代表标准价值分割的医生,B代表了改进的拉普拉斯算法分割的预测价值。骰子系数越小,更大的预测结果和实际结果之间的差异。接受者操作特征曲线(ROC)是利用计算曲线下的面积(AUC)两种算法比较的稳定算法质量的变化。

2.6。比较的结果改进QSM PD的诊断基于拉普拉斯算法

患者的脑核的磁化率QSM实验组和对照组的图像进行了比较。测量区域包括黑质、红核、尾状核、苍白球、壳核、丘脑和白质。分数各向异性(FA)和平均扩散系数(MD)的两组测量。然后,根据诊断诊断精度计算两组的结果。

2.7。统计方法

采用SPSS 19.0进行数据统计和分析。平均值±标准偏差(±年代)是测量数据是如何表示t测试是利用比较平均值在所有组。统计数据被表示为百分数(%),和χ²测试使用。 是用来显示统计上显著的差异。

3所示。结果

3.1。比较病人的噪音水平的QSM拉普拉斯算法的改进前后的图像

图2显示了每个核的噪音水平的比较QSM图像处理的常规拉普拉斯算法和改进的拉普拉斯算法。结果表明,每个核的噪音水平的QSM形象在一定程度上降低了改进的拉普拉斯算法处理后与传统的拉普拉斯算法。噪音水平的黑质、红核、苍白球是相当不同的( )。然而,尾状核和壳核的噪音水平没有明显不同的两个算法( )。

3.2。QSM图像增强效果的比较之前和之后的病人被拉普拉斯算法处理

图3显示QSM图像的比较的68岁男性病人之前和之后与改进的拉普拉斯算法处理。相比QSM形象并非由拉普拉斯算法处理,QSM图像质量的处理传统的拉普拉斯算法和改进的拉普拉斯算法大大改善,和大脑边缘锐度大大提高。

3.3。基于改进的拉普拉斯算法QSM图像质量评估

图4显示了QSW量化的比较图的图像处理效果的传统拉普拉斯算法和改进的拉普拉斯算法在PD患者。指标包括精度、召回率、骰子系数,借据。精度、召回率、骰子系数和借据的改进的拉普拉斯算法比传统的拉普拉斯算法和不同的是巨大的( )。图5图表显示了比较传统之间的AUC拉普拉斯算法和改进的拉普拉斯算法。传统的AUC拉普拉斯算法0.78,和改进的拉普拉斯算法0.896。

3.4。QSM PD患者的诊断结果比较两组之间

图6是一个比较图表中的每个核的磁化率QSM两组病人的图像。图6表明,磁化率值的白质和钙化点QSM两组患者的图像小于0,而尾状核的磁化率值、壳核、丘脑、苍白球、黑质都大于0。其中,黑质地区的磁化率最高,达到0.99 ppm的实验组和对照组1 ppm。然而,每个原子核的磁敏感性之间的差异不显著,两组之间( )。图7显示了足协和MD值的比较中每个核的磁化率两组QSM图像。图7显示,对照组的FA和MD值分别为0.602±0.1,0.512±0.13,分别和实验组的FA和MD值分别为0.756±0.24,0.67±0.2,分别。FA和MD值的差异不显著,两组之间( )。图8是一个比较图之间的帕金森病的诊断准确性两组病人。实验组的诊断精度达到97.5±1.23%,这明显大于对照组(86.5±3.56%的 )。

4所示。讨论

目前,PD的诊断的金标准是路易的病理学和SNpc变性17]。据透露,因为铁沉积在脑部黑质影响α-突触核蛋白的异常积累在路易的病理,铁沉积在脑部黑质已经成为PD的诊断标记18]。QSM技术已被广泛用于PD的诊断近年来它可以显示铁沉积的PD患者的脑部黑质(19]。目前,术前诊断PD使用QSM技术已被广泛采用。QSM的优点是,它可以量化的体积磁化率体素,显示真正的含铁源的形状和大小,并区分抗磁性钙化和顺磁性铁。然而,仍然有QSM的临床应用中存在的问题,如不稳定的图像质量和误诊的传统判别方法医生(20.]。因此,它是非常必要的改善QSM图像的总体质量,减少QSM图像检测的困难。

总之,拉普拉斯算法和QSM结合了QSM图像增强和自动分割。通过比较结果与传统QSM图像诊断结果对照组,采用该算法的潜在QSM图像诊断PD的全面评估。结果表明,与传统的拉普拉斯算法相比,改进的拉普拉斯算法可以大大减少图像噪声电平( )。骰子,借据、精度和召回率的图像质量评价指标是大大改善,有实质性的差异( ),和AUC值达到0.896。结果表明,该算法可以有效地改善QSM图像的处理效果,提高PD通过地区的对比焦点区域的增强处理,以更好更快的疾病诊断。与对照组的诊断相比,发现没有显著差异的FA值和MD值两组患者( )。没有显著差异的脑核的磁化率两组患者( ),但大脑的黑质区显示高水平的磁化率( )。与对照组相比,实验组的诊断准确性大大提高( )。建议该算法可以提高QSM成像诊断PD和效率的研究提供了理论和实践依据QSM成像的质量改善PD的诊断。同样,邹等人的研究。20.)指出,多尺度图像重建可以通过构建一个基于拉普拉斯金字塔的图像超分辨率重建算法生成对抗网络(甘)。与进步upsampling,大规模因素减少,学习的难度和之间的传播特性信息层被密集的连接增强,有效地解决了这个问题的梯度分布。在这个研究中,提到了马尔可夫鉴别器中使用拉普拉斯算法可以快速构建一个结果从输入数据矩阵。在培训过程中,发电机是引导注意图像的局部特性,从而丰富了重建图像的细节。总之,各种图像复原和图像优化基于拉普拉斯算法有很好的应用效果和在未来有广阔的研究前景。

5。结论

在这项研究中,一种改进的拉普拉斯算法为QSM设计技术和应用于QSM 24 PD患者的图像分析实验组。结果表明,QSM基于改进的拉普拉斯算法在PD的诊断诊断精度高,显示出巨大的应用前景。然而,本研究患者样本的选择是小,来源单一,这使得它不可能进行详细讨论QSM PD的图像的不同特征的影响在本研究或验证这些特性的诊断准确性。在未来,提高PD患者的样本大小和进一步采用多中心合作研究分析方法应考虑。总之,结果提供一个良好的理论依据的采用Laplace-based QSM改善PD的临床诊断。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

广西陈和梁曾庆红的贡献同样这项工作。

确认

这项工作是由2014年武汉临床医学研究项目(WX14C16)。