前列腺多参数磁共振影像的融合处理方法及系统

摘要: 本发明涉及医学影像处理,尤其涉及一种前列腺多参数磁共振影像的融合处理方法及系统。背景技术:1、目前,前列腺多参数磁共振成像(mpmri)联合前列腺影像报告和数据...
前列腺多参数磁共振影像的融合处理方法及系统

本发明涉及医学影像处理,尤其涉及一种前列腺多参数磁共振影像的融合处理方法及系统。

背景技术:

1、目前,前列腺多参数磁共振成像(mpmri)联合前列腺影像报告和数据系统(pi-rads,目前广泛采用v2.1版本)已成为前列腺癌检测和定位的常规影像学评估手段,其标准化的评估框架要求放射科医生综合判读轴向t2加权成像(t2wi)、弥散加权成像(dwi)及表观弥散系数(adc)等多序列影像。

2、然而,现有mpmri影像的判读与pi-rads评估体系在临床应用中仍存在以下不足:

3、第一,阅片者间诊断一致性不足。pi-rads v2.1评估的整体阅片者间kappa值通常在0.40至0.60之间,仅处于中等一致性水平,不同经验水平的医生对同一病例的评分结果可能存在差异。尤其对于移行带(tz)病变,由于良性前列腺增生(bph)结节与恶性肿瘤在t2wi上均表现为低信号,影像学特征高度重叠,不同阅片者对同一病变的pi-rads评分差异可达1至2分,直接影响患者的穿刺活检决策和治疗策略制定。

4、第二,多序列并行阅片模式导致认知负荷高、诊断效率低。按照pi-rads v2.1的评估流程,医生需在t2wi、dwi和adc图三个独立序列之间进行反复的眼球扫视和心理交叉比对,通过人工心理整合完成多维度信息的关联与综合判断。这种多序列并行处理模式认知负荷极高,在临床高通量工作环境下易引发视觉疲劳和认知错误,尤其对低年资医生而言,跨序列信息关联能力有限,单例诊断时间显著延长。

5、第三,现有图像融合技术无法兼顾解剖清晰度与诊断特异性。目前已有部分技术尝试通过图像融合来解决多序列信息整合问题,其中较为简单的方式是将adc图或高b值dwi图以半透明叠加方式直接覆盖在t2wi图像上。然而,这类像素级叠加融合技术仅实现了图像的物理层面叠加,并未结合前列腺癌的生物学特征进行有选择的智能处理。其核心缺陷在于:无法区分真正的肿瘤扩散受限与良性病变(如致密纤维化、钙化、基质型bph)引起的t2暗化效应,后者在adc图上同样表现为低信号,采用简单叠加方式时会被误判为可疑病灶,导致假阳性率升高,引发不必要的穿刺活检。同时,这类简单融合方式往往因adc图的低分辨率或噪声干扰而模糊了t2wi原有的精细解剖边界,未能实现真正的优势互补。

6、第四,基于深度学习的计算机辅助诊断系统存在黑箱与泛化性不足问题。现有基于卷积神经网络、transformer等深度学习模型的cad系统,其诊断结果的生成过程缺乏可解释性,医生难以对模型输出进行独立验证和修正,临床接受度有限。同时,该类系统在不同中心、不同设备间的性能波动较大,泛化能力不足,且未从实质上解决移行带病变的诊断难题,难以在临床实践中广泛推广。

7、有鉴于此,本领域亟需一种能够克服上述现有技术缺陷的mpmri影像融合处理方案。

技术实现思路

1、本发明实际要解决的技术问题是:如何在保留多序列影像各自诊断价值的前提下,实现解剖形态信息与功能代谢信息的有效整合,以降低多维度信息并行处理对阅片者造成的认知负担。

2、本发明的第一方面,为了解决上述技术问题,提供了一种前列腺多参数磁共振影像的融合处理方法,包括以下步骤:

3、获取前列腺多参数磁共振影像数据;所述影像数据至少包括t2加权成像图像、弥散加权成像图像以及表观弥散系数图;

4、根据所述表观弥散系数图构建初始灰度风险图;对所述弥散加权成像图像进行阈值分割得到二值掩码;将所述初始灰度风险图与所述二值掩码进行像素级相乘以得到特异性风险图;

5、对所述特异性风险图进行伪彩色映射,生成伪彩色风险图;

6、将所述t2加权成像图像与所述伪彩色风险图转换至目标颜色空间,分离出亮度分量与色度分量;

7、对所述t2加权成像图像的亮度分量与所述伪彩色风险图的亮度分量进行稀疏表示融合,得到融合亮度分量;

8、将所述融合亮度分量与所述伪彩色风险图的色度分量进行组合并转换回原始颜色空间,生成融合影像,用于前列腺影像报告和数据系统评估的认知辅助。

9、进一步地,所述对所述弥散加权成像图像进行阈值分割得到二值掩码,包括:

10、采用自适应阈值分割算法对所述弥散加权成像图像进行处理,得到最优分割阈值;

11、基于所述最优分割阈值生成二值掩码;其中,所述弥散加权成像图像中信号强度大于所述最优分割阈值的像素点赋值为第一数值,否则赋值为第二数值。

12、进一步地,所述自适应阈值分割算法为otsu自适应阈值算法。

13、进一步地,所述根据所述表观弥散系数图构建初始灰度风险图,包括:

14、将所述表观弥散系数图中的各像素点的表观弥散系数值由第一数值范围线性映射至第二数值范围的灰度值;其中,所述表观弥散系数值与所述灰度值呈负相关映射;

15、进一步地,所述对所述特异性风险图进行伪彩色映射,生成伪彩色风险图,包括:采用jet颜色映射方法,将所述特异性风险图的灰度值映射为颜色值;其中,低灰度值对应蓝色,中低灰度值对应绿色,中高灰度值对应黄色,高灰度值对应红色。

16、进一步地,所述目标颜色空间为ycbcr颜色空间;所述亮度分量为y分量,所述色度分量包括cb分量和cr分量。

17、进一步地,所述对所述t2加权成像图像的亮度分量与所述伪彩色风险图的亮度分量进行稀疏表示融合,得到融合亮度分量,包括:

18、构建基于图像块的过完备字典;

19、将所述t2加权成像图像的亮度分量分解为多个重叠的第一图像块;将所述伪彩色风险图的亮度分量分解为多个重叠的第二图像块;且各所述第一图像块与各所述第二图像块位置一一对应;

20、对每个所述第一图像块与所述第二图像块分别求解经正则化的稀疏编码问题,依次得到第一稀疏系数与第二稀疏系数;

21、对同一位置的所述第一稀疏系数和所述第二稀疏系数,基于加权活跃度准则进行融合,得到融合稀疏系数;其中,所述第一稀疏系数的权重大于所述第二稀疏系数的权重;

22、基于所述过完备字典和所述融合稀疏系数重构融合图像块;

23、对所有重构的融合图像块进行聚合,生成所述融合亮度分量。

24、进一步地,所述经正则化的稀疏编码问题满足表达式:

25、

26、式中,为图像块向量,为所述过完备字典,为待求解的稀疏系数,为的范数,为重构误差,为误差容限。

27、进一步地,还包括:在获取前列腺多参数磁共振影像数据之后,对所述t2加权成像图像、所述弥散加权成像图像和所述表观弥散系数图进行图像标准化预处理;其中,所述图像标准化预处理包括空间配准和去噪处理。

28、进一步地,所述空间配准包括第一级配准和第二级配准:

29、所述第一级配准采用刚性配准将所述弥散加权成像图像和所述表观弥散系数图与所述t2加权成像图像进行整体对齐,校正呼吸运动和/或扫描体位差异;

30、所述第二级配准采用b样条形变配准校正前列腺组织的局部形变,使得配准精度达到亚像素级别。

31、本发明的第二方面,提供一种前列腺多参数磁共振影像的融合处理系统,包括:

32、数据获取模块,用于获取前列腺多参数磁共振影像数据;所述影像数据至少包括t2加权成像图像、弥散加权成像图像以及表观弥散系数图;

33、风险图生成模块,用于基于所述弥散加权成像图像和所述表观弥散系数图生成前列腺癌特异性风险图;

34、伪彩色映射模块,用于对所述特异性风险图进行伪彩色映射,生成伪彩色风险图;

35、颜色空间转换模块,用于将所述t2加权成像图像与所述伪彩色风险图转换至目标颜色空间,分离出亮度分量与色度分量;

36、稀疏融合模块,用于对所述t2加权成像图像的亮度分量与所述伪彩色风险图的亮度分量进行稀疏表示融合,得到融合亮度分量;以及

37、逆转换模块,用于将所述融合亮度分量与所述伪彩色风险图的色度分量进行组合并转换回原始颜色空间,生成融合影像。

38、进一步地,所述风险图生成模块,包括:

39、初始风险图构建单元,用于根据所述表观弥散系数图构建初始灰度风险图;

40、阈值分割单元,用于对所述弥散加权成像图像进行阈值分割,得到二值掩码;

41、门控单元,用于将所述初始灰度风险图与所述二值掩码进行像素级相乘,得到所述特异性风险图。

42、进一步地,所述稀疏融合模块,包括:

43、字典构建单元,用于构建基于图像块的过完备字典;

44、分解单元,用于将所述t2加权成像图像的亮度分量分解为多个重叠的第一图像块,将所述伪彩色风险图的亮度分量分解为多个重叠的第二图像块;

45、编码单元,用于对每个所述第一图像块求解经正则化的稀疏编码问题以得到第一稀疏系数,以及用于对每个所述第二图像块求解经正则化的稀疏编码问题以得到第二稀疏系数;

46、系数融合单元,用于对同一位置的所述第一稀疏系数和所述第二稀疏系数基于加权活跃度准则进行融合,得到融合稀疏系数;其中,所述第一稀疏系数的权重大于所述第二稀疏系数的权重;

47、重构单元,用于基于所述过完备字典和所述融合稀疏系数重构融合图像块;

48、聚合单元,用于对所有重构的融合图像块进行聚合,生成所述融合亮度分量。

49、与现有技术相比,本发明至少具有以下有益效果:

50、本发明通过在进行图像融合之前,先利用表观弥散系数图与弥散加权成像图像生成融合了pi-rads核心判据(高dwi信号+低adc值)的前列腺癌特异性风险图,并以此替代原始adc图作为功能信息的来源,从而在源头处有效滤除了由良性病变所致的t2暗化效应假阳性信号。

51、此外,本发明采用目标颜色空间的亮度/色度分离策略以及亮度分量的加权稀疏表示融合,使得t2wi的精细解剖结构在融合影像中保持主导地位的同时,伪彩色风险图所表征的肿瘤功能异常区域得以清晰凸显,避免了传统像素级叠加融合中解剖边界模糊与功能信号混淆的问题。

52、最终生成的融合影像以完全透明、可视化的彩色编码形式呈现,既保留了供医生独立验证和判读的充分信息,又通过醒目的颜色对比显著降低了多序列心理交叉比对所需的认知负荷,从而在提升诊断准确性(尤其是移行带病变的检出率)和阅片者间一致性的同时,有效抑制了不必要的穿刺活检率,克服了深度学习辅助系统“黑箱”不可解释、泛化性不足的临床转化障碍,实现了解剖清晰度与功能特异性兼顾的智能化、透明化认知辅助。