Построение 3D сети сосудов головного мозга по данным МРТ методом варьирования сканирующей плоскости

Размещено на http://www.allbest.ru/

Построение 3D сети сосудов головного мозга по данным МРТ методом варьирования сканирующей плоскости

С.В. Мальцева1, А.Е. Акулов2, М.П. Мошкин2, Е.Ю. Деревцов1

1 - ИМ СО РАН, Новосибирск, Россия

2 - ИЦиГ СО РАН, Новосибирск, Россия

sv_maltseva@mail.ru

Аннотация. Применение методов магнитно-резонансной томографии (МРТ) к исследованию геометрии сосудистых сетей живых организмов обусловлено высоким содержанием в крови атомов водорода, которые излучают ЯМР-сигнал. Однако, при наличии сильных извитостей и сужений сосудов в восстановленных трехмерных конфигурациях наблюдаются прерывания сосудов. Эта проблема характерна практически для всех объектов исследования и особенно ярко она проявляется при исследованиях малых лабораторных животных. Настоящий доклад содержит краткое описание одного метода, предлагаемого авторами для преодоления описанной проблемы прерывания сосудов.

Физический эксперимент, связанный с использованием МР-томографа состоит в следующем. Томограф, будучи настроенным на резонансную частоту атомов водорода, в каждом элементарном объеме регистрирует силу поля от релаксировавших атомов водорода.

Томограмма - совокупность послойных ЯМР-изображений объекта [1], при этом каждый слой является в некотором смысле удалением того, что находится над и по ним. Каждый срез является растровым изображением в оттенках серого, интенсивность каждого пикселя пропорциональна интенсивности ЯМР-сигнала в соответствующем элементарном объеме. Интенсивность находится в пределах от 1 до Imax, где 1 соответствует наименьшему сигналу (черные пиксели), Imax - наибольшему (белые пиксели). Регистрируя ЯМР-сигнал, получаем информацию о потоке крови через элементарный объем. Сканируя объект набором параллельных плоскостей и обрабатывая собранные данные встроенным программным обеспечением, томограф создает пакет данных, содержащий цифровую информацию о собранных данных [2].

Математически томографические данные представляют собой скалярное произведение |(vijk, n)|=Aijk вектора скорости течения крови vijk в элементарном объеме (i, j, k) на нормаль n к набору параллельных сканирующих плоскостей. Таким образом, чем больше скорость, тем больше величина скалярного произведения и тем более яркий сигнал (пиксель) будем получать в томограмме. Задача выделения сосудистой сети состоит в нахождении границ области V={(i, j, k): Aijk > A0}, где A0 - некоторое заданное значение интенсивности, разделяющее изображение на то, что считаем сосудами и то, что не считаем ими.

Черные пиксели в томограмме могут появляться в двух случаях: 1) в элементарном объеме (i, j, k), соответствующем конкретному пикселю, нет течения; 2) скалярное произведение (vijk, n) мало. Первый случай соответствует реальному отсутствию течения в выбранном элементарном объеме, а второй отражает недостаток физического сбора информации, при котором теряются данные о реальном течении крови. Такой случай потери информации возникает тогда, когда нормаль n к сканирующей плоскости перпендикулярна сосуду. Черные пиксели, полученные таким образом, соответствуют тем участкам конфигурации сети, где сосуды прерываются.

На рис. 1 а схематически изображено лабораторное животное, ось симметрии которого совпадает с осью z томографа. Такое сканирование будем называть стандартным. Оно является наиболее информативным из-за такого преимущественного расположения сосудов в часто используемых биологами объектах (мыши и крысы). На рис. 1 б, в показаны реальные томографические срезы ростральной и каудальной частей лабораторной мыши. Для наглядности изображения в оттенках серого представлены в виде более контрастных.

Для преодоления описанной проблемы прерывания сосудов был предложен метод варьирования наклона сканирующей плоскости. Его суть состоит в сканировании объекта не одним набором параллельных плоскостей (случай стандартного сканирования), а несколькими наборами, задаваемыми нормалями ni, отклоняющимися от стандартного положения n. Таким образом, если сосуд был перпендикулярен вектору нормали n стандартного сканирования, то он будет составлять некоторый (не прямой) угол с нормалями ni к остальным наборам параллельных плоскостей.

Рис. 1. Исследуемый объект пересекается набором плоскостей

сосуд мозг томография

При использовании нескольких пакетов данных возникает проблема адекватного их совмещения. Для решения этой проблемы был разработан и программно реализован комплекс процедур, результатом применения которого является набор растровых изображений, содержащий информацию всех используемых пакетов.

Этап выделения сети из набора плоских изображений реализован в программе ITK-Snap [3] и не является автоматическим. Его диалоговая часть заключается в задании так называемого параметра срезки, условно разделяющего изображения на сосуды и не сосуды по интенсивности засветки. Показано, что задание единого параметра для всего набора изображений не является приемлемым и приводит к прерываниям сосудов хотя и значительно меньшим. Для преодоления этой проблемы в областях, содержащих очевидные прерывания сосудов, параметр срезки выбирался меньшим и проводилось повторное выделение сосудов в этих выделенных участках. Такой способ позволяет элиминировать незначительное количество прерываний сосудов.

Опишем реализацию метода варьирования наклона сканирующей плоскости для задачи восстановления церебральной сосудистой сети лабораторной крысы. Томографические данные получены на высокопольном томографе Bruker BioSpec 117/16 USR (ИЦиГ СО РАН) с силой поля 11.7 Тл (для сравнения: сила поля клинического томографа МТЦ СО РАН составляет 1.5 Тл) и являются совокупностью пяти пакетов данных, полученных поворотами сканирующей плоскости на углы 15 и 30 градусов относительно осей x и y (4 пакета) и стандартное сканирование.

На рис. 2 показана восстановленная сосудистая сети головы крысы по данным стандартного сканирования (а), по данным пяти пакетов (б) и по данным пяти пакетов с последующей доработкой в малых областях (в).

а б в

Рис. 2. Восстановление церебральной сосудистой сети крысы

Сеть (а) состоит из 37 частей, сеть (б) - из 12, сеть (в) - из 1 части. Таким образом, предлагаемый метод позволяет получить разветвленную сосудистую сеть, в которой сосуды не терпят разрывов.

Работа выполнена в сотрудничестве с А. А. Черевко, А. П. Чупахиным, А. К. Хе (ИГиЛ СО РАН).

Работа выполнена при поддержке РНФ (проект № 14-35-00020, проведение экспериментов на томографе Bruker BioSpec 117/16 USR), РФФИ (проект № 14-01-00036, построение математической модели).

Литература

1. Д. П. Хорнак. Основы МРТ. 1996-1999.

2. S. Angenent, E. Pichon, A. Tennenbaum. Mathematical methods in medical image processing // Bulletin AMS, 2006, V. 43, No 3, pp. 365-396.

3. Paul Yushkevich, Joseph Piven, Heather Cody Hazlett, Rachel Gimpel Smith, Sean Ho, James C. Gee, and Guido Gerig. User-gided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability // Neuroimage, 2006, Jul 1; 31 (3): 1116-28.

Размещено на Allbest.ru