基于动态增强磁共振图像的肝脏连接组学分析方法及系统
本技术涉及图像处理、动态图像定量分析及复杂网络建模分析,更具体地说,涉及基于动态增强磁共振图像的肝脏连接组学分析方法及系统。
背景技术:
1、肝脏具有独特的双重血供结构,其中肝动脉约提供25%的血流,门静脉约提供75%的血流,肝静脉负责血液回流,肝实质则承担造影剂摄取与排泄功能。在动态对比增强磁共振(dce-mri)过程中,肝动脉、门静脉、肝实质及肝静脉四类生理信号源在不同时间阶段呈现不同的增强模式和动态特征,共同构成肝脏血流动力学与代谢功能的时空变化过程。由于实际采集信号为四类信号的混合叠加,因此只有实现信号分离,才能准确表征肝脏真实功能状态。
2、在解剖层面,couinaud分段体系将肝脏划分为8个功能性肝段,各肝段具有相对独立的门静脉、肝动脉供血及肝静脉引流结构,为肝脏功能连接分析提供了天然的节点划分基础。不同肝段在生理或病理状态下可表现出不同的灌注特征和功能状态,因此有必要从全肝尺度研究肝段间的功能关联关系。
3、连接组学最初应用于脑科学领域,用于刻画脑区之间的结构连接和功能连接网络。但肝脏与脑组织在信号来源、节点组成、时间尺度、连接介质及功能含义等方面均存在显著差异。脑连接组学依赖单一神经信号,而肝脏dce-mri信号属于肝动脉、门静脉、肝实质及肝静脉的混合信号;脑网络节点为同质脑区,而肝脏同时包含肝段实质与血管系统等异构节点;肝脏还存在明显的增强期相演变特征。因此,现有脑连接组学方法难以直接应用于肝脏功能连接分析。
4、目前,dce-mri肝脏分析主要包括基于couinaud图谱的静态肝段标注以及血流量、血容量、平均通过时间等灌注参数计算。前者仅反映解剖结构,无法揭示肝段间功能关联;后者虽能提供局部灌注定量信息,但缺乏全肝尺度的连接关系分析能力。同时,现有方法普遍未对肝动脉、门静脉、肝实质及肝静脉信号进行有效分离,难以构建反映肝脏功能协同关系的网络模型。
5、此外,在肝切除术前评估中,现有方法主要依据剩余肝体积进行风险判断,缺乏对剩余肝脏功能连接完整性和功能协同能力的量化评价,难以准确预测术后肝功能不全风险。
6、因此,现有技术在四源动态增强信号分离、肝脏异构功能连接网络构建以及剩余肝脏功能完整性量化评估等方面仍存在不足,难以全面反映肝脏内部真实的功能连接关系及术后功能储备状态。
技术实现思路
1、为了克服现有技术存在的一系列缺陷,本技术的目的在于针对上述问题,提供一种基于动态增强磁共振图像的肝脏连接组学分析系统,包括:
2、预处理模块,用于对肝脏动态增强磁共振图像进行信号强度转换、运动校正、形变校正及归一化,得到图像序列;
3、肝段划分模块,用于基于所述图像序列分割肝脏轮廓、门静脉及肝静脉,结合解剖先验完成couinaud八段划分,得到各肝段掩码及中心坐标,并提取肝动脉输入函数、门静脉输入函数及肝静脉输出函数;
4、信号分离重建模块,用于基于双输入双室模型对体素信号进行四源分离,聚合重建各肝段动脉、门静脉、实质及静脉功能信号曲线;
5、连接网络构建模块,用于基于功能信号曲线计算节点间功能连接关系、实质-血管异质连接关系及期相依赖关系,构建多层异构肝脏连接组网络;
6、拓扑评估模块,用于对多层异构肝脏连接组网络进行拓扑分析得到全局网络指标及节点中心性指标,并执行虚拟切除模拟,评估剩余功能完整性、进行手术风险分级,输出分析报告及手术建议。
7、本技术的目的还在于提供基于动态增强磁共振图像的肝脏连接组学分析方法,应用于上述肝脏连接组学分析系统,包括以下步骤:
8、对受检者肝脏动态增强磁共振图像进行信号强度转换、运动校正、形变校正及归一化处理,得到预处理后的图像序列;
9、基于预处理后的图像序列,对肝脏整体轮廓、门静脉及肝静脉血管结构进行分割,并结合血管解剖规则和解剖先验约束完成couinaud八肝段划分,得到各肝段的二值掩码及几何中心坐标;
10、提取肝动脉输入函数、门静脉输入函数及肝静脉输出函数,并基于双输入双室模型对肝段内体素的动态增强信号进行四源分离;
11、对四源分离结果进行肝段内聚合,重建各肝段的肝动脉功能信号曲线、门静脉功能信号曲线、肝实质功能信号曲线及肝静脉功能信号曲线;
12、基于各肝段功能信号曲线,计算同类型节点之间的功能连接关系、同一肝段内实质节点与血管节点之间的异质连接关系以及实质节点间的期相依赖关系;
13、依据功能连接关系、异质连接关系及其相依赖关系构建多层异构肝脏连接组网络;
14、基于待切除肝段执行虚拟切除模拟,评估剩余功能完整性并进行手术风险分级,得到肝脏连接组分析报告及手术建议。
15、在一些实施例中,对肝脏整体轮廓、门静脉及肝静脉血管结构进行分割的方法为:
16、基于预处理后的图像序列选取门脉期图像,并依据门脉期图像对肝脏区域进行粗分割,得到肝脏初始掩码;
17、基于肝脏初始掩码进行精细分割,得到肝脏整体轮廓分割结果;
18、基于门脉期图像对门静脉血管结构进行分割,得到门静脉分割结果;
19、基于预处理后的图像序列选取肝胆期图像或延迟期图像,并基于肝胆期图像或延迟期图像对肝静脉血管结构进行分割,得到肝静脉分割结果;
20、对肝脏整体轮廓分割结果、门静脉分割结果及肝静脉分割结果进行确认,得到最终分割结果。
21、在一些实施例中,二值掩码及几何中心坐标的获取方法为:
22、基于肝中静脉中心线构建第一有符号距离场,并依据第一有符号距离场将肝脏划分为左半肝和右半肝;
23、在右半肝范围内,基于肝右静脉中心线构建第二有符号距离场,并依据第二有符号距离场将右半肝划分为右前叶和右后叶;
24、在左半肝范围内,基于门静脉左支矢状部中心线的距离信息,将左半肝划分为左外叶和左内叶,并基于门静脉左支矢状部中心线的方位信息,将左外叶划分为上段和下段;
25、在右前叶范围内,依据各体素与门静脉右前支上、下二级分支的距离关系,对体素进行归属判定,完成s8段和s5段划分;
26、在右后叶范围内,依据各体素与门静脉右后支上、下二级分支的距离关系,对体素进行归属判定,完成s7段和s6段划分;
27、基于下腔静脉前缘与门静脉分叉点构建双地标加权距离场,识别满足解剖先验约束条件的尾状叶候选区域,并通过形态学处理获得s1段分割结果;
28、将左外叶的上段确定为s2段、下段确定为s3段,并将左内叶确定为s4段,完成couinaud八肝段划分;
29、对各肝段分割结果执行连通域分析,删除面积小于预设最小肝段面积阈值的小区域以消除噪声;对各肝段分割结果执行重叠区域检测,并依据最近血管距离原则完成重叠体素归属修正;对肝段边界体素执行多数投票平滑,生成互斥且完整覆盖肝脏轮廓的肝段掩码;
30、基于各肝段掩码计算对应肝段的体积参数及几何中心坐标,得到各肝段的二值掩码及几何中心坐标。
31、在一些实施例中,提取肝动脉输入函数、门静脉输入函数及肝静脉输出函数的方法为:
32、从预处理后的图像序列中自动识别腹主动脉感兴趣区域,并提取腹主动脉感兴趣区域内体素时间信号曲线的中位数曲线,得到肝动脉输入函数;
33、从预处理后的图像序列中定位门静脉感兴趣区域,并提取门静脉感兴趣区域内体素的时间信号曲线,得到门静脉输入函数;
34、从预处理后的图像序列中定位肝静脉感兴趣区域,并提取肝静脉感兴趣区域内各肝静脉分支的时间信号曲线,进行加权融合后得到肝静脉输出函数。
35、在一些实施例中,基于双输入双室模型对肝段内体素的动态增强信号进行四源分离的方法为:
36、基于肝动脉输入函数、门静脉输入函数及肝静脉输出函数构建双输入双室模型,并建立包含动脉灌注、门静脉灌注、肝实质摄取排泄及肝静脉引流的四源混合增强信号表达模型;
37、构建动脉残差函数、门静脉残差函数及肝实质摄取排泄动力学模型,并确定各模型参数的生理约束范围及初始参数值;
38、基于各体素时间序列与四源混合增强信号表达模型,采用非线性最小二乘优化算法求解各体素对应的动脉权重系数、门静脉权重系数、实质权重系数、静脉权重系数及动力学参数;
39、依据求解得到的权重系数和动力学参数,将各体素的动态增强时间序列信号分解为动脉信号成分、门静脉信号成分、肝实质信号成分及肝静脉信号成分,实现四源信号分离。
40、在一些实施例中,多层异构肝脏连接组网络的构建方法为:
41、基于功能连接关系构建实质功能层网络、动脉供血层网络、门静脉灌注层网络及肝静脉引流层网络,其中各网络的节点分别对应八个肝段的实质节点或血管节点,边权重分别为传递熵连接强度、滑动相关系数峰值、最大时延互相关值及互谱相干系数;
42、基于异质连接关系构建异质耦合层网络,其中异质耦合层网络的节点包括实质节点与血管节点,同一肝段内实质节点与血管节点之间的边权重基于实质-血管异质连接关系确定,跨肝段实质节点之间的边权重基于功能连接关系确定;
43、基于期相依赖关系构建期相时序层网络,其中期相时序层网络的节点为八个肝段的实质节点,边权重基于期相同步比例、期相转移时间点相关性参数与期相转移时间差的归一化组合值确定;
44、将实质功能层网络、动脉供血层网络、门静脉灌注层网络、肝静脉引流层网络、异质耦合层网络及期相时序层网络进行多层融合,构建多层异构肝脏连接组网络;
45、将多层异构肝脏连接组网络表示为按层划分的邻接矩阵集合,并对邻接矩阵集合进行张量化处理,以形成多层网络张量表示。
46、在一些实施例中,所述肝脏连接组学分析方法还包括:
47、对多层异构肝脏连接组网络进行拓扑分析,并计算全局网络指标及节点中心性指标。
48、在一些实施例中,全局网络指标及节点中心性指标的计算方法为:
49、基于多层异构肝脏连接组网络的各网络层,计算全局效率指标、网络密度指标及加权聚类系数指标;
50、基于louvain社区发现算法对各网络层进行模块划分,并将多次随机初始化条件下的最大模块度值作为对应网络层的模块度指标及社区划分结果;
51、基于各网络层节点的加权度中心性、加权介数中心性及加权紧密中心性计算节点中心性指标;
52、基于各网络层的节点中心性向量计算层间耦合强度矩阵,并采用斯皮尔曼秩相关系数表征不同网络层之间的耦合关系;
53、将全局网络指标、模块度指标、节点中心性指标及层间耦合指标与健康参考数据库进行对比,计算标准化z分数,并输出拓扑分析结果。
54、在一些实施例中,评估剩余功能完整性并进行手术风险分级的方法为:
55、基于虚拟切除后的残余肝脏连接组网络计算加权残余功能完整性指数,并依据预设风险阈值对手术风险进行分级;
56、基于不同虚拟切除方案分别执行单一肝段切除、局部保留切除及扩展切除情景模拟,计算各情景对应的功能完整性指数,并生成手术策略评估结果矩阵;
57、针对中风险或高风险分级结果,基于残余网络的模块化结构及关键血流通路生成血流重建方案;
58、基于体素级模型参数的不确定性,采用蒙特卡洛采样方法对功能完整性指数及风险分级结果进行重复计算,获得风险评估结果的置信区间。
59、与现有技术相比,本技术具有以下有益效果:
60、(1)本发明实现了肝段级别的动脉血供、门静脉血供、肝实质代谢及肝静脉排出四源信号分离,能够从不同生理功能维度对肝脏局部功能状态进行定量评估,提高肝脏功能异常的识别能力,为病因分析及功能评价提供依据。
61、(2)本发明构建了包含实质节点和血管节点的多层异构肝脏连接组网络,同时表征同质连接与异质连接关系,能够更真实地反映肝脏血供、代谢及引流之间的功能耦合机制,提高肝脏功能网络的表征能力。
62、(3)本发明基于肝脏连接组网络开展虚拟切除模拟,并通过剩余功能完整性指数评估切除后的功能保留程度,实现手术风险量化分析,为术后肝功能衰竭风险及缺血再灌注损伤风险预测提供依据,从而为肝切除方案优化及术前决策提供支持。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com