一种多参数四维磁共振成像生成、时序优化与自动化质控一体化方法及系统
本发明涉及磁共振成像,具体涉及一种多参数四维磁共振成像生成、时序优化与自动化质控一体化方法及系统。
背景技术:
1、在呼吸运动管理领域,四维计算机断层成像(4d-ct)是常用技术,但它在腹部应用中存在难以提供足够软组织对比度的局限,给靶区精确定位带来困难;而磁共振成像(mri)本身具有肿瘤与周围软组织对比度优越的特点。四维磁共振成像(4d-mri)在放疗中能提供比4d-ct更准确、可靠的靶区运动范围。
2、现有4d-mri技术主要分为三类:第一类为回顾性重排序4d-mri技术,需采集多个呼吸周期的数据,成像时间长,对患者呼吸稳定性依赖性高,易产生缝合伪影,且时空分辨率受限,难以满足高精度放射治疗的需求;第二类为前瞻性门控4d-mri技术,依赖快速成像序列,图像对比度选择受限,对磁场不均匀性敏感,易产生伪影影响图像质量,整体成像时间仍偏长,难以在临床流程中高频使用。
3、为克服直接采集四维磁共振成像所面临的效率和质量问题,部分现有技术提出了基于运动建模的四维图像生成方法,以一组高质量三维磁共振图像作为先验知识,通过形变配准(dir)算法获取先验图像与靶图像间的形变向量场(dvf),再将运动信息作用于先验图像产生4d序列,但是传统迭代式 dir 算法计算复杂度高,计算负担重,需为每位病人单独建模导致通用性差,由于不同磁共振成像参数之间信号分布差异较大,跨对比度配准效果差。
4、综上,现有4d-mri生成技术无法同时满足高图像质量、高处理效率、高泛化能力的临床需求,限制了4d-mri在肿瘤放射治疗中的临床普及。
技术实现思路
1、本发明目的是提供一种多参数四维磁共振成像生成、时序优化与自动化质控一体化方法及系统,解决现有4d-mri生成技术运动时序连续性不足、4d图像模态单一、质控体系缺失的技术问题。
2、本发明为实现上述目的,通过以下技术方案实现。
3、一种多参数四维磁共振成像生成、时序优化与自动化质控一体化方法,包括以下步骤:
4、s1、多序列磁共振影像预处理与时空几何一致化:获取临床常规采集的低质量动态四维磁共振序列original 4d与多组待配准的静态三维磁共振序列,基于dicom几何元数据完成所有序列的空间坐标映射、全局公共视场裁切与统一重采样,用于消除几何与分辨率差异带来的系统性误差;
5、s2、基于梯度互信息锚定与viterbi图优化的基准帧选择及跨模态多序列自适应分层级联配准:以静态三维序列为参考,基于梯度归一化互信息选取original 4d中相似度最高的时间帧作为参考基准帧;基于呼吸幅度信号构建以目标呼吸相位为阶段、以候选时间帧为节点的多阶段状态图,采用viterbi动态规划算法搜索全局最优路径,获得时序连续的分相四维磁共振图像序列;再以3d-t1为核心枢纽,构建分层级联配准路径,通过配准求解器完成多模态静态三维磁共振序列与参考基准帧的跨模态配准,得到统一参考空间下的多模态高质量静态图像;
6、s3、参考基准帧引导的时序循环形变配准与呼吸运动建模:构建带时序记忆机制的循环形变配准模型seder,以参考基准帧图像、当前目标时相图像、二者差分图像以及前一时刻递推得到的形变先验图像作为联合输入,沿时间轴顺序处理各呼吸时相,通过预热训练与时序递推训练相结合的方式,结合在线复合形变场监督与二阶时间平滑约束,输出覆盖完整呼吸周期、时间连续的时序形变场序列;
7、s4、全局时空运动平滑与优化:基于主成分分析pca对时序形变场序列进行高维矩阵化分解,筛选代表主要呼吸运动模式的主成分进行低秩重构,去除高频抖动,得到时空连续、符合呼吸生理规律的优化形变场序列;
8、s5、多参数高质量四维磁共振成像生成:将优化形变场序列逐帧作用于统一参考空间下的高质量静态图像,生成包含解剖与功能信息的多参数高质量四维磁共振序列high-4d;
9、s6、全流程自动化质控评估与异常闭环处理:对生成的high-4d序列进行基于光流场的呼吸运动一致性评估与多维度图像质量评估,同时通过三级质控框架对输入、配准、生理运动一致性与临床精度进行监测,配套异常熔断与分层回退机制,自动输出病例级报告与警报。
10、进一步地,步骤s1具体包括:
11、s11、读取original 4d序列与多组静态三维磁共振序列的dicom几何元数据,包括体素间距、图像方向余弦、物理空间原点坐标,将所有序列的体素索引统一映射至同一物理世界坐标系,分别计算original 4d参考序列以及每一组静态三维磁共振序列在物理空间中的三维覆盖范围,并处理静态三维磁共振序列的切片顺序保持其在物理空间中的连续性与方向一致性;
12、s12、对每一组静态三维磁共振序列,分别计算其与original 4d序列在物理空间中的两两交集范围,剔除与original 4d序列在空间上不存在重叠的无效数据,再对所有有效的两两交集范围进一步求交集,得到唯一全局最小公共视场区域,将裁切边界反向映射至各序列的原始体素坐标系,执行统一裁切;
13、s13、基于全局公共视场的物理尺寸设定统一的目标空间尺寸与体素间距,采用三线性插值将裁切后的original 4d序列及各静态三维磁共振序列统一重采样至相同的空间尺寸与分辨率,完成时空几何一致化处理;
14、s14、针对静态序列视场无法完整覆盖目标器官的特殊场景,针对每个静态三维磁共振序列独立执行基于归一化互相关ncc的基准帧选择、裁切与重采样流程,并分别保存对应的4d输出,保留完整解剖信息。
15、进一步地,步骤s2具体包括:
16、s21、对静态三维磁共振序列及original 4d的各时间帧进行归一化处理和梯度幅值特征提取,基于梯度归一化互信息计算各时间帧与静态三维序列之间的相似性,将相似性最高的时间帧确定为参考基准帧;对于低信噪比功能序列,仅在预先设定的局部感兴趣区域内计算所述梯度归一化互信息;
17、s22、在original 4d的膈肌区域或肺部边界区域设置感兴趣区域,基于该区域内的面积变化或亮像素统计结果构建呼吸幅度信号;按照预设相位数将呼吸幅度划分为多个目标呼吸相位,针对每一目标呼吸相位选取呼吸幅度最接近的若干时间帧作为候选节点;
18、s23、构建全局累积代价函数,其中节点代价表征候选时间帧与目标呼吸相位的幅度匹配程度,转移代价表征相邻阶段候选时间帧的图像结构连续性;将参考基准帧作为强制经过节点,采用viterbi动态规划算法搜索全局最优路径,获得时序连续的分相四维磁共振图像序列;
19、s24、构建三级分层级联配准路径:第一层级,将t1加权三维序列配准至参考基准帧,建立统一参考空间;第二层级,将t2加权三维序列配准至配准完成的3d-t1,通过复合变换映射至统一参考空间;第三层级,将弥散加权成像dwi配准至完成的3d-t2,通过级联变换映射至统一参考空间;配准过程中基于图像清晰度评估结果自适应调整配准参数。
20、进一步地,步骤s3中,所述循环形变配准模型seder采用三维编码器-解码器式深度学习架构,对于任一时刻t,模型的输入包括参考基准帧图像、当前时刻的original 4d图像、二者的差分图像以及前一时刻t-1递推生成的形变先验图像;模型通过三维卷积层与注意力模块提取图像特征,融合前一时刻的运动先验信息,预测从参考基准帧到当前时刻的三维形变场。
21、进一步地,seder模型的训练包括预热训练阶段与时序递推训练阶段:
22、在预热训练阶段,将形变先验图像置零,采用间隔不小于预设帧数的长距离图像对进行直接监督训练,获得基础形变估计能力;
23、在时序递推训练阶段,沿时间轴对连续目标时相进行递推预测,将前序预测结果经梯度阻断后生成当前时刻的形变先验图像;
24、采用复合损失函数进行优化,所述复合损失函数包括端到端点误差epe损失、归一化互相关ncc损失、形变场空间平滑正则项以及基于相邻时刻形变场二阶差分的时间平滑约束项;对于缺失的长距离参考形变场,通过相邻形变场在线复合得到近似参考形变场,并以低于真实参考形变场的监督权重参与训练。
25、进一步地,步骤s4具体包括:
26、s41、将步骤s3输出的时序形变场序列进行矩阵化处理,将每个呼吸时相的三维形变场在空间维度展平为高维向量,构建以时间点为样本、体素位移为特征的二维运动矩阵;
27、s42、对运动矩阵执行奇异值分解svd或对协方差矩阵进行特征分解,得到按能量大小排序的主成分与对应的特征向量,筛选前k个主成分,其中前k个主成分的累计能量占比不低于90%;
28、s43、基于筛选后的主成分与对应的时相,对原始形变场序列进行低秩重构,通过前k个主成分的线性组合恢复每一时相的运动状态,将重构后的矩阵还原为原始四维形变场格式,得到优化后的时空连续形变场序列。
29、进一步地,步骤s5中,所述多参数高质量四维磁共振序列high-4d,包括t1加权、t2加权解剖四维序列和弥散加权成像dwi、表观扩散系数adc联合功能四维序列;生成过程中,将优化形变场序列的每个时相形变场分别作用于统一参考空间下对应模态的高质量静态图像,生成对应模态的四维序列,实现解剖与功能多参数四维磁共振成像的联合生成。
30、进一步地,步骤s6中,所述基于光流场的呼吸运动一致性评估具体包括:
31、s611、基于目标区域roi掩膜构建自适应计算域,向外扩展设定裕度形成裁剪窗口;对原始original 4d序列与生成的high-4d序列分别进行预处理,针对original 4d执行对比度受限自适应直方图均衡化与较强高斯平滑,针对high-4d执行弱平滑;
32、s612、分别以第一帧为参考,采用demons光流法逐帧估计稠密位移场;基于参考帧的三维梯度幅值,筛选roi内的高纹理有效点,剔除平坦区域的噪声干扰;
33、s613、提取有效点群在前后、左右、头脚三个方向的运动轨迹,计算两路序列运动轨迹的平均绝对误差、最大误差与误差置信区间,输出运动统计结果与可视化结果。
34、进一步地,步骤s6中,所述多维度图像质量评估包括计算生成的high-4d序列与原始original 4d序列的肿瘤对比度噪声比cnr、器官边界半高全宽fwhm、模糊检测累积概率cpbd;所述三级质控框架具体包括:
35、第一层输入几何一致性检测:配准前计算输入序列的视场重叠比例与质心偏移量,不满足预设阈值则直接终止流程并提示异常;
36、第二层配准过程物理合理性监测:配准与形变建模过程中,持续监测输出形变场的雅可比行列式,检测非物理形变的组织折叠,触发异常则自动执行平滑强化与参数自适应调整;
37、第三层生理运动一致性与临床精度验证:生成high-4d序列后,结合运动一致性与图像质量指标将结果分为通过、警告、失败三个等级;针对失败结果,自动触发多路径回退流程:先通过参数自适应调整重新运行形变模型,仍不满足要求则切换至传统高鲁棒性配准算法,极端情况触发人工介入提示。
38、一种多参数四维磁共振成像生成、时序优化与自动化质控一体化系统,包括:
39、预处理与时空几何一致化模块,用于完成original 4d序列与多组静态三维磁共振序列的空间坐标映射、公共视场裁切与统一重采样,消除几何系统性误差;
40、基准帧选择与分层级联配准模块,用于基于梯度归一化互信息选取参考基准帧,通过viterbi动态规划完成全局分相重组,并构建以t1加权序列为枢纽的三级配准路径,完成多模态静态序列与参考基准帧的跨模态配准;
41、时序循环形变配准模块,用于运行带时序记忆机制的seder模型,以参考基准帧图像、目标时相图像、差分图像及递推生成的形变先验图像为联合输入,提取时间连续的呼吸运动时序形变场;
42、全局时空运动平滑模块,用于通过pca主成分分析对时序形变场进行低秩重构与去噪优化;
43、多参数四维成像生成模块,用于将优化后的形变场作用于多模态高质量静态图像,生成解剖与功能联合的多参数高质量四维磁共振序列;
44、自动化质控与异常处理模块,用于执行像素级运动一致性评估、多维度图像质量评估,通过三级质控框架完成全流程质量监测与异常回退处理,输出合格的成像结果与质控报告。
45、与现有技术相比,本发明具有以下有益效果:
46、(1)多模态跨序列时空一致化,适配临床常规多参数mri数据通过基于dicom几何元数据的全局公共视场裁切与统一重采样,实现低质量动态4d序列与多组静态3d序列的空间坐标统一,支持t1、t2、dwi、adc等多模态序列的联合处理,无需专用采集设备,直接适配临床常规采集的磁共振数据,临床普适性强。
47、(2)viterbi全局优化分相,时序连续性显著提升采用梯度归一化互信息锚定参考基准帧,结合呼吸幅度信号构建多阶段状态图,通过viterbi动态规划搜索全局最优分相路径,有效避免传统幅度分箱方法导致的跳帧、错配与伪影干扰,分相后的4d序列时序连续性与结构一致性更好。
48、(3)分层级联跨模态配准,多模态统一空间精度高以3d-t1为枢纽构建三级分层级联配准路径,实现t2、dwi等不同对比度序列向统一参考空间的精准映射;针对dwi等低信噪比序列采用局部roi相似度计算与自适应参数调整,跨模态配准鲁棒性强。
49、(4)seder时序循环形变建模,运动估计时空连续带时序记忆机制的循环形变配准模型seder融合前一时刻形变先验信息,结合预热训练与时序递推训练两阶段策略,以及二阶时间平滑约束,输出的时序形变场时间连续性好,能够准确捕捉完整呼吸周期的器官运动规律。
50、(5)pca低秩重构去噪,运动符合生理规律通过主成分分析对时序形变场进行低秩重构,保留前k个主成分,去除高频抖动与噪声干扰,重构后的形变场时空平滑、符合呼吸生理运动特征,避免非生理性组织形变。
51、(6)多参数4d-mri联合生成,功能与解剖信息兼备将优化形变场逐帧作用于配准后的多模态高质量静态图像,可同时生成t1、t2解剖四维序列以及dwi、adc功能四维序列,突破传统4d-mri模态单一的局限,为肿瘤放疗靶区勾画与功能评估提供多维度影像支撑。
52、(7)三级自动化质控闭环,临床应用安全可靠建立输入几何一致性、配准物理合理性、生理运动与临床精度三级质控框架,配套异常熔断与分层回退机制,实现全流程自动化质量监测与异常处理,无需人工干预即可输出病例级质控报告与警报,保障临床应用的准确性与安全性。
53、(8)全流程一体化,处理效率高、可复现性好,算法自动化程度高,单病例处理时间短,易于集成到临床放疗工作流中,具备良好的临床转化与推广价值。
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