一. 什么是CMR

1.1 定义

心血管磁共振成像 (CMR), 俗称心脏MRI :

  • 是一种评估心血管系统的功能与结构的一种非侵入式医学成像技术。
  • 它运用磁共振成像(MRI)基本原理,针对心血管系统成像的特殊困难,优化现有的MRI成像技术,使其具有临床价值。
  • 优化序列设计的重点主要在心电门控快速成像技术两方面。结合这些不同的技术,组成的方案就能对心血管系统中的主要功能、形态和结构等进行评估。

1.2 物理层面

  • CMR的成像原理与其他磁共振成像技术基本原理类似,其关键点是利用心电门控技术,把数据采集的时间控制在心脏跳动周期的某一时段之内。
  • 大多数的CMR技术,都以身体水分子中的氢原子(一种化学元素)作为磁共振信号源\color{red}以身体水分子中的氢原子(一种化学元素)作为磁共振信号源以身体水分子中的氢原子(一种化学元素)作为磁共振信号源,因为它在人体内的含量最丰富。CMR不使用电离辐射,它使用磁场的改变和射频(RF)脉冲,由于脉冲与病人自身的氢原子核间的共振现象,病人吸收了射频能量。当这些能量发出时,通过线圈的检测,转换成电信号,再利用算法将其转换成图像。

1.3 心脏介绍

1.3.1 位置介绍

  • 心脏位于胸腔纵隔内,周围裹以心包。心底与出入心脏的大血管相连,并借心包皱襞连于心包后壁,心脏的其余部分是游离的,这有利于心脏的搏动。心脏约2/3位于身体正中矢状面的左侧,1/3位于右侧。
  • 由于在发育过程中心脏沿纵轴向左旋转,心脏的纵轴自右后上方向左前下方倾斜,与身体正中矢状面呈45°角。因此,右心房和右心室位于右前方,左心房和左心室位于左后方。
  • 心脏的位置常受呼吸、体型和姿势等因素的影响而改变。吸气时心脏为垂直位,呼气时为横位。在矮胖体型、仰卧和妊娠晚期,心脏为横位,高瘦体型和直立姿势时为垂直位。侧卧时,心脏向侧方轻度移位。

二. CMR图像分割

2.1 任务分析

  • 相比较脑区域分割,医学图像中的心脏分割问题要更复杂,因为心脏是一个不停运作的器官,其形状也会在运动过程中发生变化。本文我们就来看看医学图像分割之心脏分割。

  • 心脏是我们身体内的一个重要器官,拥有一个健康、稳定工作的心脏是我们探索、创造和感知世界的必要条件。然而,各种各样的心脏类疾病也严重威胁着许多人的生命。为了有效治疗和预防这些疾病,精准计算、建模和分析整个心脏结构对于医学领域的研究和应用至关重要。

  • 目前,这个问题的解决仍然需要依赖大量的人工。这样做不仅耗时,而且精度有时难以保证。因此,需要实现心脏区域的自动分割用于解决心脏医疗领域的实际问题。在众多手段中,基于神经网络的方法具有明显优势。以2016年Kaggle发起的左心室分割挑战为例,三名获奖者所使用的方法都是深度学习。

  • 在心脏分割问题中,通常按结构将心脏分成几个标注区域。比如以MM-WHS数据库为例,有:

    • 左心室血腔\color{blue}左心室血腔左心室血腔(the left ventricle blood cavity, LV
    • 左心室心肌\color{blue}左心室心肌左心室心肌(the myocardium of the left ventricle, Myo
    • 右心室血腔\color{blue}右心室血腔右心室血腔(the right ventricle blood cavity, RV
    • 左心房血腔\color{blue}左心房血腔左心房血腔(the left atrium blood cavity, LA
    • 右心房血腔\color{blue}右心房血腔右心房血腔(the right atrium blood cavity, RA
    • 升主动脉\color{blue}升主动脉升主动脉(the ascending aorta, AA
    • 肺动脉\color{blue}肺动脉肺动脉(the pulmonary artery, PA
    • 最大舒张末期\color{blue}最大舒张末期最大舒张末期(End of maximal diastole, ED)
    • 最小收缩末期\color{blue}最小收缩末期最小收缩末期(End of minimal systole, ES)

    如图:

    这些区域由于本身的特性,其难易程度和分割手段也存在不同。通常来讲,普适性的心脏分割算法能够实现基本的区域分割,但是要实现精准分割还是需要对单独区域进行单独处理。相对而言,右心室(RV)的分割难度更大\color{blue}右心室(RV)的分割难度更大右心室(RV)的分割难度更大,我们就以此为例分析一下其存在的难点。

2.2 难点分析

2.2.1 区域本身的困难

心脏分割问题中,每个区域的形态、工作方式不同,从而导致了每个区域的分割方法和难点也不同。以右心室为例,其存在的难点有:

  • 在腔内存在与心肌相似的信号强度;
  • 右心室新月形形状复杂,从基部到顶点一直变化;
  • 分割顶点图像的切片十分困难;
  • 患者的心室内形态和信号强度差异大,且可能有病理改变;

简单来讲,左心室是一个厚壁的圆柱形区域,而右心室是一个不规则形状的物体,较薄的心室壁有时会与周围的组织混在一起。\color{red}左心室是一个厚壁的圆柱形区域,而右心室是一个不规则形状的物体,较薄的心室壁有时会与周围的组织混在一起。左心室是一个厚壁的圆柱形区域,而右心室是一个不规则形状的物体,较薄的心室壁有时会与周围的组织混在一起。

下面用几组图片来感受一下这种分割问题的困难。

  1. 下图是右心室的MRI图片:
  2. 再困难一点:
  3. 而对于未训练过的肉眼,右心室区域是这样的:

2.2.2. 数据库的困难

  • 对基于深度学习的医学图像分割方法而言,数据库的获取是最主要的困难。通常,相对大规模的数据库的图片规模在几千张图片,其中已标注的通常只有几百张,患者个体数就更少了;而小一点规模的数据集则远远小于这个数量。这种体量的数据库对于无监督或弱监督网络也许够用,但是对于有监督网络的训练而言,是远远不够的。

  • 与其他数据不足的场景相同,医学图像也可以借助数据扩张实现网络的训练。比如下图所示,通过随机旋转、平移、缩放、裁剪、弹性形变等手段,对原始图像进行变换:

2.3 应用实例

2.3.1 心室分割

  • 基于FCN网络结构实现左、右心室分割:

    Phi V. T… A Fully Convolutional Neural Network for Cardiac Segmentation in Short-Axis MRI[C]. CVPR 2016.

  • 基于多尺度残差稠密网络实现心室分割:

    Khened M., Kollerathu V. A., and Krishnamurthi G. Fully Convolutional Multi-scale Residual DenseNets for Cardiac Segmentation and Automated Cardiac Diagnosis using Ensemble of Classifiers[J]. Medical Image Analysis, 2019.

2.3.2 完整心脏分割

  • 基于P3D和FPN实现完整的心脏分割:

    Zhanwei X., Ziyi W., and Jianjiang F…CFUN: Combining Faster R-CNN and U-net Network for Efficient Whole Heart Segmentation[C]. CVPR 2018.

参考

  1. 心血管磁共振成像
  2. Society for Cardiovascular Magnetic Resonance
  3. 【图像分割应用】医学图像分割(二)——心脏分割
  4. MRI图像右心室分割
  5. 心脏的位置图解
  6. 【生物】心脏的结构

初识:心血管磁共振(CMR)成像相关推荐

  1. 独家 | 磁共振斑块成像的技术研发、案例与数据挑战(附视频)

    [导读] 随着磁共振管壁成像技术的迅速发展,大量多层次.多维度的图像数据应运而生.然而在图像数据的判读分析.风险预测模型的构建和人群健康管理模式的探索等方面存在诸多挑战.人工智能和大数据技术可能为脑动 ...

  2. 磁共振功能成像BOLD-fMRI原理

    小川诚二(Seiji Ogawa)教授于1990年首次在大鼠上实现了功能磁共振成像 fMRI的对比度产生机制 fMRI的信号来源仍然为氢质子,MRI解剖图像对解剖结构的差别非常敏感,fMRI功能图像对 ...

  3. 干货丨李睿:新时代的医学影像及心脑血管成像的应用

    8月1日,主题为"新时代的医学影像及心脑血管成像的应用"的思享会在清数D-LAB成功举办.本期思享会由清数大数据产业联盟和清华校友总会AI大数据专委会共同主办,特邀清华大学医学院生 ...

  4. 基于机器学习的心脏成像诊断

    心脏成像在心血管疾病(CVD)的诊断中起着重要作用.但到目前为止,它的作用仅限于对心脏结构和功能的观察和定量评估.然而,随着大数据和机器学习的出现,人工智能方法的出现将直接帮助临床医生诊断CVD.本文 ...

  5. response.sendredirect传递中文参数_Philips磁共振操作之参数 Contrast(3)

    尊敬的各位老师,朋友,又到了磁共振基本操作及参数介绍专题了.前几期的文章,我们分别介绍了Philips磁共振操作界面的一些含义,扫描序列的名称及意义,Geometric参数项目的操作及Contrast ...

  6. 实验4 基于预测分析表法的语法分析程序_第三十届 脑功能磁共振数据处理分析培训班...

    北京赛博尔医药科技有限公司(www.cibrmed.com)将于2019年 7月6日 至 2019年7月11日(周六至下周四)举办第三十届脑功能磁共振数据处理分析培训班(课程内容详见课表安排).欢迎大 ...

  7. 同步脑电图-功能磁共振融合推断宏观脑动力学

    同步脑电-功能性磁共振成像(EEG-fMRI)的仪器和信号处理技术的进步,为人类大脑的高时空神经动力学研究提供了更近一步的方法.脑电图-功能磁共振神经成像系统的核心功能是融合两种数据,在这个过程中,机 ...

  8. 成像技术类毕业论文文献都有哪些?

    本文是为大家整理的成像技术主题相关的10篇毕业论文文献,包括5篇期刊论文和5篇学位论文,为成像技术选题相关人员撰写毕业论文提供参考. 1.[期刊论文]声触诊组织成像量化技术与剪切波弹性成像技术对乳腺肿 ...

  9. matlab分散度求周长,神经突方向分散度和密度成像在帕金森病早期诊断中的研究进展...

    作者:刘伟星,王红,新疆医科大学第二附属医院影像中心 帕金森病(PD)是最常见的神经系统变形性疾病,典型的PD病理表现为黑质致密部(SNpc)中多巴胺能神经元变性的纹状体多巴胺能耗竭,但这些不能完全解 ...

  10. [深度学习论文笔记]使用多模态MR成像分割脑肿瘤的HNF-Netv2

    HNF-Netv2 for Brain Tumor Segmentation using multi-modal MR Imaging 使用多模态MR成像分割脑肿瘤的HNF-Netv2 Publish ...

最新文章

  1. 【机器学习】太强了!这个建模神器可以玩一辈子
  2. CodeForces - 1000C Covered Points Count(差分+思维)
  3. (数据库系统概论|王珊)第九章关系查询处理和关系优化-第二节:查询优化
  4. mysql简单的存储过程实例_mysql存储过程简单实例
  5. JVM学习笔记四_垃圾收集器与内存分配策略
  6. IPQ8072开机wifi crash问题
  7. 2022危险化学品经营单位安全管理人员考试模拟100题及模拟考试
  8. 经典脑成像研究的元分析示例(决策篇)
  9. 时频分析之短时傅里叶变换(STFT)
  10. 如何在谷歌地图自定义范围_如何在Google地图中创建自定义地图
  11. 波兰计算机留学,波兰(Rzeczpospolita Polska)留学申请全面解析
  12. 微软云存储更换品牌 免费空间将翻番达到15GB
  13. ybc_art打印艺术字
  14. Unity 3D游戏编程自学#3——Unity 3D初步
  15. 转专业计算机类面试自我介绍,转专业面试自我介绍
  16. 打包php程序为安装文件,zblogphp主题和插件怎么打包成.zba格式文件
  17. 上传IPA包到App Store
  18. 平安科技美国研究院院长韩玫:AI赋能传统行业,要知其然也知其所以然
  19. 寒假还在纠结考研还是就业,听听研究生毕业的上班狗怎么说?
  20. Adobe 系列软件中英文版本的切换

热门文章

  1. java阿里云短信验证码发送
  2. STM32RTC唤醒功能配置(基于LL库)
  3. 误差函数erf matlab,matlab求解erf误差函数方法(有详细注释 )
  4. ExtJs6 响应式布局
  5. ERP系统-应收应付子系统-付款单
  6. 抖音是怎么做出来的?| 创业故事
  7. 简仿Path的商店表情弹出模块
  8. 你的脑容量(字符串问题,小技巧)
  9. PDF如何旋转页面 PDF旋转页面的方法
  10. sketch软件_Sketch制作交互流程图,哪种工具最高效?