【影像组学】CT数据与MRI数据

一、CT :计算机断层成像技术

1、工作流程

根据人体不同组织对X线的吸收与透过率的不同,应用灵敏度极高的仪器对人体进行测量,然后将测量所获取的数据输入电子计算机,电子计算机对数据进行处理后,就可摄下人体被检查部位的断面或立体的图像,发现体内任何部位的细小病变。

2、成像基本原理

CT是用X线束对人体某部一定厚度的层面进行扫描,由探测器接收透过该层面的X线,转变为可见光后,由光电转换变为电信号,再经模拟/数字转换器转为数字,输入计算机处理。图像形成的处理有如对选定层面分成若干个体积相同的长方体,称之为体素(voxel)。
  扫描所得信息经计算而获得每个体素的X线衰减系数或吸收系数,再排列成矩阵,即数字矩阵(digital matrix),数字矩阵可存贮于磁盘或光盘中。经数字/模拟转换器(digital/analog converter)把数字矩阵中的每个数字转为由黑到白不等灰度的小方块,即象素(pixel),并按矩阵排列,即构成CT图像。所以,CT图像是重建图像。每个体素的X线吸收系数可以通过不同的数学方法算出。

3、CT设备

三部分:
  ①扫描部分:由X线管、探测器和扫描架组成;
  ②计算机系统:将扫描收集到的信息数据进行贮存运算;
  ③图像显示和存储系统:将经计算机处理、重建的图像显示在电视屏上或用多幅照相机或激光照相机将图像摄下。
  
探测器从原始的1个发展到现在的多达4800个。
扫描方式也从平移/旋转、旋转/旋转、旋转/固定,发展到新近开发的螺旋CT扫描(spiral CT scan)。计算机容量大、运算快,可达到立即重建图像。由于扫描时间短,可避免运动产生的伪影,例如,呼吸运动的干扰,可提高图像质量;层面是连续的,所以不致于漏掉病变,而且可行三维重建,注射造影剂作血管造影可得CT血管造影。超高速CT扫描所用扫描方式与前者完全不同。扫描时间可短到40ms以下,每秒可获得多帧图像。由于扫描时间很短,可摄得电影图像,能避免运动所造成的伪影,适用于心血管造影检查以及小儿和急性创伤等不能很好的合作的患者检查。

4、CT图像特点

像素:灰度级别
  CT图像是由一定数目由黑到白不同灰度的象素按矩阵排列所构成。这些象素反映的是相应体素的X线吸收系数。
  不同CT装置所得图像的象素大小及数目不同。大小可以是1.0×1.0mm,0.5×0.5mm不等;数目可以是256×256,即65536个,或512×512,即262144个不等。显然,象素越小,数目越多,构成图像越细致,即空间分辨力(spatial resolution)高。
  CT图像的空间分辨力不如X线图像高
  CT图像是以不同的灰度来表示,反映器官和组织对X线的吸收程度。因此,与X线图像所示的黑白影像一样,黑影表示低吸收区,即低密度区,如含气体多的肺部;白影表示高吸收区,即高密度区,如骨骼。但是CT与X线图像相比,CT的密度分辨力高,即有高的密度分辨力(density resolution)。
  因此,人体软组织的密度差别虽小,吸收系数虽多接近于水,也能形成对比而成像。这是CT的突出优点。所以,CT可以更好地显示由软组织构成的器官,如脑、脊髓、纵隔、肺、肝、胆、胰以及盆部器官等,并在良好的解剖图像背景上显示出病变的影像。
单位:hu
  x线图像可反映正常与病变组织的密度,如高密度和低密度,但没有量的概念。CT图像不仅以不同灰度显示其密度的高低,还可用组织对X线的吸收系数说明其密度高低的程度,具有一个量的概念。实际工作中,不用吸收系数,而换算成CT值,用CT值说明密度,单位为Hu(Hounsfield unit)。水的吸收系数为10,CT值定为0Hu,人体中密度最高的骨皮质吸收系数最高,CT值定为+1000Hu,而空气密度最低,定为-1000Hu。人体中密度不同和各种组织的CT值则居于-1000Hu到+1000Hu的2000个分度之间。CT图像是层面图像,常用的是横断面。为了显示整个器官,需要多个连续的层面图像。通过CT设备上图像的重建程序的使用,还可重建冠状面和矢状面的层面图像,可以多角度查看器官和病变的关系。

5、CT检查技术

平扫(plain CT scan)、造影增强扫描(contrast enhancement,CE)和造影扫描
  (一)平扫是指不用造影增强或造影的普通扫描。一般都是先作平扫。
  (二)造影增强扫描是经静脉注入水溶性有机碘剂,再行扫描的方法。
  (三)造影扫描是先作器官或结构的造影,然后再行扫描的方法。

6、CT诊断的临床应用

CT诊断由于它的特殊诊断价值,已广泛应用于临床。但CT设备比较昂贵,检查费用偏高,某些部位的检查,诊断价值,尤其是定性诊断,还有一定限度,所以不宜将CT检查视为常规诊断手段,应在了解其优势的基础上,合理的选择应用。

7、CT诊断的特点及优势

中枢神经
  CT检查对中枢神经系统疾病的诊断价值较高,应用普遍。对颅内肿瘤、脓肿与肉芽肿、寄生虫病、外伤性血肿与脑损伤、脑梗塞与脑出血以及椎管内肿瘤与椎间盘脱出等病诊断效果好,诊断较为可靠。因此,脑的X线造影除脑血管造影仍用以诊断颅内动脉瘤、血管发育异常和脑血管闭塞以及了解脑瘤的供血动脉以外,其他如气脑、脑室造影等均已少用。螺旋CT扫描,可以获得比较精细和清晰的血管重建图像,即CTA,而且可以做到三维实时显示,有希望取代常规的脑血管造影。
头颈部疾病
  CT对头颈部疾病的诊断也很有价值。例如,对眶内占位病变、鼻窦早期癌、中耳小胆指瘤、听骨破坏与脱位、内耳骨迷路的轻微破坏、耳先天发育异常以及鼻咽癌的早期发现等。但明显病变,X线平片已可确诊者则无需CT检查。
胸部
  对胸部疾病的诊断,CT检查随着高分辨力CT的应用,日益显示出它的优越性。通常采用造影增强扫描以明确纵隔和肺门有无肿块或淋巴结增大、支气管有无狭窄或阻塞,对原发和转移性纵隔肿瘤、淋巴结结核、中心型肺癌等的诊断,均很在帮助。肺内间质、实质性病变也可以得到较好的显示。
  CT对平片检查较难显示的部分,例如同心、大血管重叠病变的显圾,更具有优越性。对胸膜、膈、胸壁病变,也可清楚显示。心及大血管的CT检查,尤其是后者,具有重要意义。心脏方面主要是心包病变的诊断。心腔及心壁的显示。由于扫描时间一般长于心动周期,影响图像的清晰度,诊断价值有限。但冠状动脉和心瓣膜的钙化、大血管壁的钙化及动脉瘤改变等,CT检查可以很好显示。
腹部
  腹部及盆部疾病的CT检查,应用日益广泛,主要用于肝、胆、胰、脾,腹膜腔及腹膜后间隙以及泌尿和生殖系统的疾病诊断。尤其是占位性病变、炎症性和外伤性病变等。胃肠病变向腔外侵犯以及邻近和远处转移等,CT检查也有很大价值。当然,胃肠管腔内病变情况主要仍依赖于钡剂造影和内镜检查及病理活检。骨关节疾病,多数情况可通过简便、经济的常规X线检查确诊,因此使用CT检查相对较少。

8、CT检查范围

CT可以做哪些检查吗?
  1)头部:脑出血,脑梗塞,动脉瘤,血管畸形,各种肿瘤,外伤,出血,骨折,先天畸形等;
  2)胸部:肺、胸膜及纵隔各种肿瘤,肺结核,肺炎,支气管扩张,肺脓肿,囊肿,肺不张,气胸,骨折等;
  3)腹、盆腔:实质器官的肿瘤、外伤、出血,肝硬化,胆结石,泌尿系结石、积水,膀胱、前列腺病变,某些炎症、畸形等;
  4)脊柱、四肢:骨折,外伤,骨质增生,椎间盘病变,椎管狭窄,肿瘤,结核等;
  5)骨骼、血管三维重建成像;各部位的MPR、MIP成像等;
  6)CTA(CT血管成像):大动脉炎,动脉硬化闭塞症,主动脉瘤及夹层等;
  7)甲状腺疾病:甲状腺腺瘤、甲状腺腺癌等;
  其他:眼科及眼眶肿瘤,外伤;副鼻窦炎、鼻息肉、肿瘤、囊肿、外伤等。
  由于CT的高分辨力,可使器官和结构清楚显影,能清楚显示出病变。在临床上,神经系统与头颈部CT诊断应用早,对脑瘤、脑外伤、脑血管意外、脑的炎症与寄生虫病、脑先天畸形和脑实质性病变等诊断价值大。在五官科诊断中,对于框内肿瘤、鼻窦、咽喉部肿瘤,特别是内耳发育异常有诊断价值。
  在呼吸系统诊断中,对肺癌的诊断、纵隔肿瘤的检查和瘤体内部结构以及肺门及纵隔有无淋巴结的转移,做CT检查做出的诊断都是比较可靠的。
  在心脏大血管和骨骼肌肉系统的检查中也是有诊断价值的。

9、CT的几个重要概念

1)分辨率:是图象对客观的分辨能力,他包括空间分辨率,密度分辨率,时间分辨率。
  2)CT值:在CT的实际应用中,我们将各种组织包括空气的吸收衰减值都与水比较,并将密度固定为上限+1000。将空气定为下限-1000,其它数值均表示为中间灰度,从而产生了一个相对的吸收系数标尺。通常CT值在-1000~3000 范围以内。
  3)窗宽和窗位,窗位是指图像显示所指的CT值范围的中心。窗宽指显示图像的CT值范围。例如观察脑的窗宽用100,观察骨的窗宽用1000。同一层面的图像数据,通过调节窗位和窗宽,便可分别得到适于显示脑组织与骨质的两种密度图像。
  4)部分容积效应:CT图像上各个像素的数值代表相应单位组织全体的平均CT值,它不能如实反映该单位内各种组织本身的CT值。在CT扫描中,凡小于层厚的病变,其CT值受层厚的病变,其CT值受层厚内其它组织的影响,所测出的CT值不能代表病变的真正的CT值:如在高密度组织中较小的低密度病灶,其CT值偏高;反之,在低密度组织中的较小的高密度病灶,其CT值偏低,这种现象称为部分容积效应。
  5)噪声:一个均匀物体被扫描。在一个确定的ROI(感兴趣区域)范围内,每个象素的CT值并不相同而是围绕一个平均值波动,CT值的变化就是噪音。轴向(断层)图像的CT值呈现一定的涨落。即是说CT值仅仅作为一个平均值来看,它可能有上下的偏差,此偏差即为噪音。噪音是由辐射强度来决定的。也即是由达到探测器的X-Ray量子数来决定的。强度越大,噪音越低。图象噪音依赖探测器表面之光子通量的大小。它取决于X线管的管电压,管电流,予过滤及准直器孔径等。重建算法也影响噪音。

【影像组学】CT数据与MRI数据相关推荐

  1. 影像组学视频学习笔记(19)-数据标准化、归一化极简概述、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(19)主要介绍: 数据的标准化.归一化 为什么要进行标准化.归一化? 机器学习算法的要求 便于横向比较 # 标准化 (影像组学中最常用) ...

  2. Radiology:影像组学:图像不仅仅是图片,它们还是数据

    在过去十年中,随着模式识别方法的增加和数据集大小的增加,医学图像分析领域的研究越来越多.这些研究促进了对图像定量特征高通量提取过程的发展,从而将图像转换为可挖掘数据特征,并随后对这些数据进行分析,以提 ...

  3. 深度丨中科院田捷博士:基于医疗大数据和AI技术的影像组学及其应用丨CCF-GAIR 2017...

    7月9日,在由中国计算机学会(CCF)主办,雷锋网.香港中文大学(深圳)联合承办的CCF-GAIR 全球人工智能与机器人峰会的第三天,在未来医疗专场上,田捷博士做了"基于医疗大数据和人工智能 ...

  4. 影像组学视频学习笔记(30)-SMOTE解决数据不平衡的问题、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(30)主要介绍: SMOTE解决数据不平衡的问题 SMOTE基本介绍 SMOTE (Synthetic Minority Over-sa ...

  5. 影像组学训练营 第三天(共三天)

    文章目录 影像组学论文剖析 文章宏观分析 文章背景介绍 影像组学模型构建 高质量标准化MRI影像数据获取及分析 感兴趣体积VOI分割 图像预处理 特征提取 特征一致性评价 第七步 特征选择 数据库 一 ...

  6. 放射学中基于影像组学和人工智能预测癌症预后

    人工智能(AI)在医学影像诊断中的成功应用使得基于人工智能的癌症成像分析技术开始应用于解决其他更复杂的临床需求.从这个角度出发,我们讨论了基于人工智能利用影像图像解决临床问题的新挑战,如预测多种癌症的 ...

  7. 影像组学ibex_影像组学的基本概念与临床应用

    近年来大数据技术与医学影像辅助诊断的有机融合产生了新的影像组学方法,其通过从影像中提取海量特征来量化肿瘤等重大疾病,可以有效解决肿瘤异质性难以定量评估的问题,具有重要的临床价值.影像组学技术来源于计算 ...

  8. 影像组学视频学习笔记(21)-影像组学常用软件推荐、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(21)主要介绍: 压箱底的好用软件推荐 [注]:李博士主要从事脑神经领域的研究,所以部分软件具有专业性. dicom到nifti的格式转 ...

  9. 影像组学视频学习笔记(25)-查看准确度、灵敏度、特异度及混淆矩阵、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(25)主要讲解: 通过sklearn包输出准确度.灵敏度.特异度及混淆矩阵 基本概念 代码实现 from sklearn.metrics ...

  10. 影像组学视频学习笔记(27)-SimpleITK包介绍、Li‘s have a solution and plan.

    本笔记来源于B站Up主: 有Li 的影像组学的系列教学视频 本节(27)主要讲解: 功能强大的图像处理工具SimpleITK包 视频中李博士演示了SimpleITK的两个基本功能:图像格式转换以及图像 ...

最新文章

  1. ‘utf-8‘ codec can‘t decode byte 0xa8 in position 1210: invalid start byte报错解决
  2. PHPStudy 安装 Imagick 报错:无法定位程序输入点 于动态链接库上
  3. spring的aop配置-配置将通知织入目标对象
  4. uni-app启动微信开发者工具
  5. [地球人]BlogEngine.NET[Appwo.com版]+采集器
  6. php业务网站资源网,企业创意业务网站模板
  7. Unity枚举和字符串的相互转换
  8. 记一次AD域域管理员密码更改导致某系统群集管理器故障排查解决过程
  9. Ajax 浏览器跨域访问控制
  10. 30 个惊艳的 Bootstrap 扩展插件
  11. WebToLayers如何将网页转换为PSD文档?
  12. 对‘cv::imread(cv::String const, int)’未定义的引用
  13. sublime补齐标签的用法
  14. [阿里天池]Baby Goods Info Data
  15. 破解/忘记Win7密码
  16. 实践论:论认识和实践的关系
  17. c语言——输出字母c
  18. 输入字符串“I am a student”,要求输出字符串“student a am I”
  19. 计算机专业用移动硬盘,评测 篇四十三:国产之光,看这款可做移动硬盘又可系统盘的Orico SSD...
  20. 红帽子linux硬盘安装教程,XP下硬盘安装RedHat Enterprise Linux 5.5图文教程

热门文章

  1. 一条命令导出电脑中所有wifi账号密码
  2. 【源码分享】ASP.NET企业办公综合管理系统源码(OA+CRM+进销存+财务)
  3. bzoj 2733 永无岛
  4. BUG-‘Tokenizer’ object has no attribute ‘oov_token’
  5. Final Test(FT测试)
  6. 抖音网红是如何推广产品的?
  7. 流氓软件卸载与避免的一些方法
  8. 计算机专业的实验器材,【计算机专业论文】系统观下的计算机专业实验平台建设(共3640字)...
  9. 类C语言--栈与队列习题:设从键盘输入一整数的序列:a1, a2, a3,…,an,试编写算法实现:用栈结构存储输入的整数,当ai≠-1时,将ai进栈;当ai=-1时,输出栈顶整数并出栈。算法应对异常
  10. 关于使用Webpack时报出:ERROR IN MULTI ./src/main.js .dist/bundle.js 错误的分享