技術領域

本發(fā)明涉及使用從MRI獲得的體數(shù)據(jù)來執(zhí)行包括對血流和運動的測量的對心臟和血管的測量的方法和系統(tǒng)，其中所述體數(shù)據(jù)包括來自體相位對比MRI脈沖序列的解剖(幅度)和矢量場(相位)數(shù)據(jù)。

背景技術：

相位對比MRI的相位錯誤校正

體相位對比磁共振成像(4DPC MRI)是用于獲得關于周期性的運動和血流的數(shù)據(jù)的有前途的技術。然而，該技術的有用性由于缺乏用于解決相位偏移錯誤的方法而受到限制，該相位偏移錯誤被認為是相關于MRI獲取期間未補償?shù)臏u電流。用于解決體數(shù)據(jù)中的相位偏移錯誤的技術依賴于從平面的、二維PC-MRI直接改編而得的技術。

二維相位對比MRI是普遍采用的用于獲得血管中的流的量化的數(shù)據(jù)的成像方法。在當前的臨床實踐中，這是用與感興趣的血管的軸垂直方向的二維平面獲取來執(zhí)行的。速度的貫通面分量的圖像是通過心臟周期的多個相位獲得的。為了從此數(shù)據(jù)獲得體流測量，在感興趣的血管的輪廓為邊界的區(qū)域上對貫通面速度求和。這些測量受在此平面數(shù)據(jù)中無法輕易校正的相位偏移錯誤的影響(1，2)。

被認為是相關于未補償?shù)臏u電流的相位偏移可以混淆血流的測量。校正這些錯誤的一個方法是從切片平面中的靜止組織的所選擇的區(qū)域中人工減去速度。因為這個方法最容易執(zhí)行，所以該方法是最廣泛使用的，但它是受限制的，因為(a)它需要人工干預和(b)它沒有完全考慮相位錯誤的空間依賴性。校正這些錯誤的另一個提議方法是減去靜止幻影中所測量的錯誤(3)。然而，此第二個方法是費力的，并使MRI掃描儀上的獲取時間加倍，使得在臨床環(huán)境中的使用是不切實際的。第三個提議方法是利用自動化計算過程來做相位偏移校正，其中最簡單的是利用以下形式的線性、二維模型：

f(x，y)＝c₀+c_xx+x_yy (1)

然后使用來自圖像數(shù)據(jù)的每個面中的靜態(tài)組織的數(shù)據(jù)來估計此模型的參數(shù)(c₀,c_x,c_y)，通常使用最小平方回歸方法(4)。然后從速度圖像的每個像素減去結果相位偏移模型f(x,y)。

也提議了其它的二維模型。這些二維模型具有如下的形式：

$f_{n,m}(x,y)=c_0+\underset{i=1}{\overset{n}{\Σ}}{c}_{x,i}{x}^i+\underset{i=1}{\overset{m}{\Σ}}{c}_{y,i}{y}^i,---\left(2\right)$

其中n和m是非負整數(shù)。此模型族，當n和m都設為1時包括了以上所描述的線性模型，但也提供添加更高序的項以對更精細的空間變體建模的機會。盡管更高序的項是可能的，較早的研究已經提示：對這些項建模和減去這些項可能不會改進整體準確性(5)。

體相位對比(volumetric phase-contrast)MRI是相關的MRI技術，其獲取整個數(shù)據(jù)體而不是單個平面、解析三維矢量場、每個體素有一個矢量來編碼運動。速度的每個分量受可以是空間依賴的并由此可以混淆流的量化的渦電流相關的相位偏移的影響。用于校正此數(shù)據(jù)的典型方法是再一次使用如下形式的模型，

f(x，y)＝c₀+c_xx+c_yy (3)

此模型可以在成像體積之內的數(shù)據(jù)的每個面中單獨地應用于每個流方向，并且通常也可以單獨地應用于數(shù)據(jù)的每個時間相位。此方法導致對每個門控的(gated)時間點的每個數(shù)據(jù)切片的單獨模型。我們相信，對此數(shù)據(jù)逐切片和逐相位地建?？赡苁遣槐匾募安豢深A測地不一致的，并由此通過本發(fā)明在此處提供用于執(zhí)行校正相位偏移錯誤的新的、更可靠的方法。

矢量場融合可視化和量化

體相位對比磁共振成像是演進的成像技術，其不僅提供關于成像體內的結構的解剖信息，還提供數(shù)據(jù)編碼運動的矢量場。我們認識到這對于心臟和心血管疾病的評估有可觀的可能性。MR成像的最近的進步現(xiàn)在已經使在保留解剖圖像和矢量場二者的高信噪比的同時獲取近似各向同性的高分辨率圖像變得可能。然而，尚不存在可以啟用臨床圖像解讀和診斷的計算機系統(tǒng)，這一般是由具有放射學和/或心臟病學的訓練的醫(yī)生來執(zhí)行的。

由此我們設計了便于4DPC MRI數(shù)據(jù)的圖像解讀和量化分析的一系列發(fā)明和步驟。為了在臨床實踐中使用，此處通過本發(fā)明我們提供了允許分析成像體積、通過利用圖形硬件而優(yōu)化用戶交互的一系列發(fā)明。本發(fā)明允許用戶動態(tài)地執(zhí)行必要的可視化和計算任務，使在臨床環(huán)境中用4DPC成像技術來執(zhí)行心血管檢查變得可行。

技術實現(xiàn)要素：

相位對比MRI的相位錯誤校正

現(xiàn)有方法使用計算機算法來檢測相位中的時間變化，以確定給定的體素(voxel)是否表示(a)靜態(tài)組織、(b)移動的液體或組織、或(c)噪音之一，并假定隨時間具有最少變化的像素最好地表示靜態(tài)組織。然而，靜態(tài)組織體素的比例可以逐患者地變化、可以在人體的不同區(qū)域中顯著地變化、并可以受視野大小影響。在現(xiàn)有工作中這些限制仍保持很大程度上沒有被認識。由于存在如此多的基于已有方法的靜態(tài)組織的不正確的分配的可能性，我們提供了對可以由計算機執(zhí)行的軟件程序的使用，其使用圖像過濾器的具體組合來實現(xiàn)用戶引導的靜態(tài)組織的選擇(見圖1A-B)。

除了標識靜態(tài)組織體素之外，標識不當?shù)乇硎鞠辔诲e誤的空間關系的MRI數(shù)據(jù)也是重要的。當視野沒有超出被成像的物體的大小時，MRI數(shù)據(jù)受空間混淆(aliasing)(空間扭曲(spatial wrapping))的錯誤的影響。這些通常發(fā)生在相位編碼和切片方向中，導致對成像體邊緣處的體素的扭曲。在現(xiàn)有工作中沒有解決對相位錯誤校正的空間扭曲的數(shù)據(jù)的具體排除。為了對相位錯誤準確地建模，此處我們提供了對可以由計算機執(zhí)行的軟件程序的使用以實現(xiàn)對這些經扭曲的體素的用戶引導的排除(圖2A)。

體相位對比MRI數(shù)據(jù)的相位錯誤校正的已有技術是在逐面(plane-by-plane)的基礎上執(zhí)行的。當計算較不密集的時候，這些算法可能沒有利用體數(shù)據(jù)的固有的空間關系。而且，不能保證這樣的校正是跨多個相鄰面一致的。此處我們提供了對相位對比數(shù)據(jù)體的體相位錯誤模型的計算機可執(zhí)行的和計算機實現(xiàn)的使用，以克服這些逐面方法的基礎的但仍未被認識的限制。

下面更詳細地描述了多個可用的三維模型和時間平均方法。最低序的模型可以以最小計算復雜度對渦電流相位偏移有效地建模，而較高序的模型可以提供更好的擬合，特別是在利用了較大的成像視野的時候。當使用了較大的視野或較高的MRI場和梯度力的時候，相位偏移的空間依賴性可以變得越來越非線性。然而，由于用于校正這些問題的計算資源可能變化，此處我們提供了對一種可以由計算機執(zhí)行的軟件程序的使用，該軟件程序用以決定使用哪個模型(圖2B)。

矢量場融合可視化和量化

為了讓使用4DPC MRI來執(zhí)行心血管檢查可行，我們提供了一系列計算機實現(xiàn)的過程來在計算機上執(zhí)行此高維度數(shù)據(jù)的可視化，這便于對貫通感興趣的心血管結構的單個面的選擇，然后可以對選擇進行測量或分段。我們設計了體現(xiàn)這些原則的軟件平臺，稱為FLOWANALYTIX。該軟件為心臟和心血管解讀定制，并集成了成像體的完整質量和量化分析的許多必要步驟。這些步驟包括：

·多平面和體可視化，

·基于此可視化選擇用于矢量場的測量的面，

·計算輔助的對心臟結構和血管的分段，

·計算血流，

·選擇診斷心臟面，

·計算輔助的心室體的分段，以及

·計算心室體。

為了實現(xiàn)對每個4DPC MRI數(shù)據(jù)集的有效和準確的臨床解讀，要求幾個具體的特征以最大化病理血流的顯著性，同時降低源圖像數(shù)據(jù)中的噪音的顯著性。下面詳述了這些特征的算法。

附圖說明

圖1A-B示出了根據(jù)本發(fā)明的示例性實施例的允許人工選擇非靜態(tài)組織的掩模的軟件用戶接口的屏幕截圖。圖1A示出了原始數(shù)據(jù)，而圖1B中示出了保留靜態(tài)組織的經掩模的數(shù)據(jù)。

圖2A-B示出了根據(jù)本發(fā)明的示例性實施例的允許人工選擇用于相位偏移建模的子體積的軟件用戶接口的屏幕截圖。在圖2A中，垂直和水平線條表示成像體積的范圍，其可以動態(tài)地調整為排除空間混淆的區(qū)域——如果存在的話。在圖2B中，可以調整切片方向中的成像體的范圍。此外，可以選擇體模型的類型(積或和)、模型的階數(shù)(線性、平方、立方等)和建模的方法。

圖3A-D示出了根據(jù)本發(fā)明的示例性實施例的流量化查看器的屏幕捕捉(A-D)。重格式化的軸向、冠狀和矢狀視圖被自動地渲染并可以自由地旋轉和重定位(A)?？梢苑糯髥蝹€窗格以占據(jù)屏幕空間的更大部分(B)?？梢杂檬髽擞脩艚换ト斯さ貙ρ芊侄?C)。在第二選項卡中，也自動地生成血管的最近鄰項內插視圖以便于標識速度混淆化的(aliased)像素和改進分段準確性(D)。

圖4A-C示出了根據(jù)本發(fā)明的示例性實施例的心臟查看器的屏幕捕捉。通過可以用窗口底部的滑動塊調整的顏色變換函數(shù)，將相位(速度)數(shù)據(jù)自動地疊加到多平面重格式化的視圖上(A)。自動地生成了短軸、長軸、2-、3-和4-腔室的視圖(B和C)。可以對標準心臟結構定義時間分解的地標以便于動態(tài)地跟蹤這些結構。

圖5A-D示出了根據(jù)本發(fā)明的示例性實施例的幅度(解剖)和相位(速度)數(shù)據(jù)的集成的體渲染的屏幕捕捉?？梢詮纳舷挛牟藛稳菀椎卦L問渲染解剖數(shù)據(jù)的多個方法，包括射線總量(A)、MIP(B)、表面(C)和內腔(D)方法。通過可以用每個窗口底部的滑動塊調整的顏色變換函數(shù)，將相位速度數(shù)據(jù)自動地和動態(tài)地疊加到解剖渲染上。

具體實施方式

相位對比MRI的相位錯誤校正

為了計算相位對比MRI數(shù)據(jù)中的背景相位錯誤的準確模型，準確地標識表示靜態(tài)軟組織的圖像體素是必要的。我們通過使用圖像過濾器的組合實現(xiàn)了對靜態(tài)軟組織的準確標識：

1.基于解剖(幅度)圖像的信號強度的過濾器。

2.基于反映體素表示“空氣或肺”的可能性的分數(shù)的過濾器。

3.基于反映體素表示“血或移動組織”的可能性的分數(shù)的過濾器。

由于在獲取的圖像數(shù)據(jù)中固有一定量的噪音，利用靜態(tài)組織中的高信號的持久保存通常是有價值的。代之以在每個時間相位用該相同時間相位中的信號過濾每個圖像，我們應用了基于跨所有時間的時間點的最大信號強度的過濾器。然后用戶可以選擇最優(yōu)信號強度閾值以抑制非靜態(tài)組織。

雖然信號強度過濾器有幫助時，單單這些過濾器不足以隔離表示靜態(tài)軟組織的體素。而且，根據(jù)可以具體地選擇表示靜態(tài)組織的體素的圖像數(shù)據(jù)來定義單個經計算的值是困難的。相反，我們定義了可以用來排除(a)“空氣或肺”和(b)“血”或“移動組織”、基于解剖(幅度)和速度(相位)圖像數(shù)據(jù)計算的概念上直觀的圖像過濾器。

為了計算“空氣或肺”過濾器，我們標識了通常表示“空氣或肺”的大多數(shù)像素所共有的幾個特征。這些體素通常有(a)低幅度信號密度、(b)速度場中的高本地相對空間變化、和(c)速度場中的低本地相干性。由此我們可以定義計算空間的每個位置處的“空氣或肺”的概要分數(shù)的函數(shù)：

其中m表示幅度(解剖)圖像強度，v表示相位(速度)矢量場，a(m)表示單單基于信號強度的體素是“空氣或肺”的相對可能性的估計，

$a\left(m\right)=\frac{m_{\max }-m_0}{m_{max}-m_{\min }}\·(1-p_{\min })+p_{\min }$

是基于每個位置處的幅度圖像的信號強度m₀和任意參數(shù)m_min、m_max、p_min而計算的。函數(shù)b(v)表示速度場中的相對本地空間變化，

是基于每個位置處的速度計算的。函數(shù)c(v)表示速度場中的本地相干性的度量，

是作為與鄰近體素的本地相干性的任意權重w_i的加權和而計算的，

其中v₀是圖像體中的當前位置處的速度，且是每個鄰近體素中的速度。

為了計算“血或移動組織”過濾器，我們類似地標識了表示這些內容的大多數(shù)體素所共有的特征。這些體素通常有(a)速度場中的高速度、(b)時間數(shù)據(jù)的傅立葉變換中的特征性簽名、和(c)速度場中的高本地相干性。通常，這些體素也具有解剖(幅度)圖像上的高信號，但這可能取決于靜脈對比劑的使用而變化。由此我們可以定義計算空間的每個位置處的“血或移動組織”的概要分數(shù)的函數(shù)：

其中m表示幅度(解剖)圖像強度，v表示相位(速度)矢量場。函數(shù)a(v)表示基于速度場中的每個位置處的時間數(shù)據(jù)的傅立葉變換的分數(shù)，

是基于每個位置處隨時間的速度和任意參數(shù)b_min、b_max、p_min而計算的。函數(shù)b(v)，

$b\left(v_t\right)=\underset{k}{\Σ}{w}_k{\mathrm{fft}}_k\left(v_t\right),$

是作為每個位置處的速度的頻率分量的加權和而計算的。排除第一個和最后一個頻率分量，表示“血”的體素通常具有在頻域的開始和結束處高而在中間低的值。因此，的有用的權重方案可能看上去類似(0,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,1,1,1,0)。函數(shù)c(v)還是表示速度場中的本地相干性的度量，如上更詳細地描述的，

一旦選擇了未扭曲的靜態(tài)組織的適當子體，然后我們就可以使用此數(shù)據(jù)子集來計算整個成像體的渦電流相關的相位偏移的模型。我們具體地定義可以用來完全地利用此數(shù)據(jù)的體量的、三維本質的模型族，即

$f_{n,m,l}(x,y,z)=h_x^n\left(x\right)\·h_y^m\left(y\right)\·h_z^l\left(z\right),---\left(4\right)$

其中n、m、l是非負整數(shù)，且和是獨立的多項式函數(shù)

$h_x^n\left(x\right)=\underset{i=0}{\overset{n}{\Σ}}{c}_{x,i}{x}^i---\left(5a\right)$

$h_y^m\left(y\right)=\underset{i=0}{\overset{m}{\Σ}}{c}_{y,i}{y}^i---\left(5b\right)$

$h_z^l\left(z\right)=\underset{i=0}{\overset{l}{\Σ}}{c}_{z,i}{z}^i---\left(5c\right)$

該族中最簡單的可用模型是三維、分量級線性模型，最普遍地應用于從1.5T掃描儀獲得的體相位對比MRI數(shù)據(jù)：

f_1,1,1(x,y,z)＝c₀+c_xx+c_yy+c_zz+c_xyx·y+c_yzy·z+c_xzx·z+c_xyzx·y·z (6)

包括在該渦電流模型族之內的是形式的子族。這些可以通過消除交叉項來導出，這留給我們不完全地表征沒有與成像軸排齊的渦電流相關的相位錯誤的時刻的模型。通過模擬上述方程式2，此簡化的、但可能不足夠的模型等價地表示為

$g_{n,m,l}(x,y,z)=c_0+\underset{i=1}{\overset{n}{\Σ}}{c}_{x,i}{x}^i+\underset{i=1}{\overset{m}{\Σ}}{c}_{y,i}{y}^i+\underset{i=1}{\overset{l}{\Σ}}{c}_{z,i}{z}^i---\left(7\right)$

此處提議的三維模型的參數(shù)可以通過使用來自跨成像體積的靜態(tài)組織的數(shù)據(jù)用最小平方回歸來估計。然而，對靜態(tài)體素的標識是不完美的，并且可能在一個時間相位中比在另一個中更成問題。因此我們選擇計算用于所有時間點的單個最優(yōu)三維模型。

存在用于創(chuàng)建跨所有時間點的平均模型的幾個有效方法。第一個方法是在每個時間點處單獨地計算三維模型的參數(shù)，然后計算每個系數(shù)的平均值以達到最終模型?？鐣r間點的系數(shù)的變化可以是不確定性的有用的度量。第二個方法是通過對體積中的每個靜態(tài)體素擬合跨所有時間點的均值相位來計算三維模型的參數(shù)。此方法將傾向于平均掉離群相位測量，否則其可以不公平地驅動最小平方回歸。這可能比第一個方法稍微地更準確些。然而，用這個方法更難以獲得該模型的系數(shù)中的不確定性程度的評估。第三個方法是通過使用跨所有時間點的靜態(tài)體素數(shù)據(jù)來執(zhí)行最小平方回歸以達到單個模型。這是最內存密集的方法，并可能是三個選項中最不準確的。

通過使用成像體積而不是單個成像面來定義三維相位偏移模型的參數(shù)，此處我們提供的模型和方法可以容易地與現(xiàn)有方法區(qū)分。此新方法有幾個優(yōu)點。由于三維模型顯式地校正切片方向中的空間變化，跨切片的相位偏移中的變更可以用可預測的方式校正。因此該方法對靜態(tài)組織分類中的錯誤較不敏感。為了進一步探究這一點，考慮每個圖像切片中可以存在變化的數(shù)量的靜態(tài)組織是值得的。例如，在中胸腔會有比腹部或上胸腔少得多的圖像體素表示靜態(tài)組織。通過使用體方法，使用來自腹部和上胸腔的數(shù)據(jù)獲得關于中胸腔中的相位錯誤的信息是可能的。

我們應用的建模方法也利用了很大程度上還未利用的相位錯誤的另一屬性。通過認識到渦電流應平等地影響每個時間相位，我們選擇了組合來自每個時間相位的數(shù)據(jù)以進一步改進模型的準確性的建模方法。在過去的方法中沒有考慮這個有價值的假設。

矢量場融合可視化

為了便于高維度體相位對比MRI解剖和矢量場數(shù)據(jù)的時間上有效率的解讀，以可以由做解讀的醫(yī)生迅速理解的方式組合并顯示所獲得的獲取信息是必要的。由于獲取了這樣大量的信息，并且如果切片太薄的話解讀醫(yī)學圖像對讀者來說可以是困難的，因此，如一些已有的軟件包已經實現(xiàn)的，提供執(zhí)行多種跨圖像體中的任意厚度的平板取平均值(射線總量、最大強度投影、最小強度投影、表面渲染)的機制是重要的。在醫(yī)學成像領域這通常稱為“體渲染(volume-rendering)”。

為了最優(yōu)使用體相位對比MRI數(shù)據(jù)，矢量場數(shù)據(jù)也需要用不完全遮擋解剖細節(jié)的方式疊加到這些經渲染的解剖圖像上。所需要的疊加的程度可能在不同的檢查或不同的用戶之間顯著地變化。因此在此處我們提供了允許動態(tài)控制所疊加的矢量場數(shù)據(jù)的不透明度的用戶接口機制。在我們的實現(xiàn)中，這是用可以由用戶以可變的寬度和起始位置控制的滑動條來完成的。滑動條的起始位置建立最小不透明度o_min，而滑動條的結束位置建立最大不透明度o_max，其值在0和1之間。

將顏色分配到來自醫(yī)學圖像的數(shù)據(jù)的公共策略是應用變換函數(shù)。可以使用有可變寬度和起始位置的滑動條來控制這樣的變換函數(shù)的參數(shù)，從而可以基于每個體素的速度將顏色c_i分配給它。

當速度數(shù)據(jù)位于滑動條的起始位置下面時，分配了域最小處的顏色v_min。當速度數(shù)據(jù)位于滑動條的結束位置上面時，分配了域最大處的顏色v_max。中間的值是沿任意顏色尺度內插的。

認識到不是所有的矢量場數(shù)據(jù)都一樣有信息量是重要的。事實上，矢量場數(shù)據(jù)的過度顯示可以是令人分心的并遮擋成像體積中的醫(yī)學上重要的特征。因此在此處我們提供具體的機制以使用參數(shù)可以由用戶控制的數(shù)據(jù)掩模和半透明化來增加高質量速度數(shù)據(jù)的顯著性。這些用戶控制的特征可以抑制低質量矢量場數(shù)據(jù)，同時強調高質量的和診斷上重要的矢量場數(shù)據(jù)。我們當前實現(xiàn)的兩個示例掩模是：

·完全基于信號幅度的掩模m_i，

·基于信號幅度和速度的積的掩模

對于這些掩模中的每一個，滑動條可以由用戶以可變的寬度和起始位置來控制。當源圖像值位于滑動塊的起始位置下面時，速度數(shù)據(jù)在顯示上完全地透明和不可見。當源圖像值位于滑動塊的結束位置上面時，速度數(shù)據(jù)設為最大不透明度。當源圖像值位于之間時，速度數(shù)據(jù)是部分地透明的，有在最小和最大透明度(o_min，o_max)之間線性內插的透明度級別。

盡管將速度場疊加到數(shù)據(jù)面上是相當直接的，但怎樣最好的跨體積執(zhí)行此融合不是直觀的。為了維持與在多平面重格式化可視化期間調整解剖數(shù)據(jù)上的速度場的透明度的滑動塊控制的一致性，我們提供了每個體渲染投影中遭遇的信號幅度峰的動態(tài)選項卡，使得它們可以用來控制相對于體渲染的解剖圖像重疊的體渲染的矢量場的透明度，

$m_{peak}=\underset{i}{max}\left(m_i\right)$

${\mathrm{\β}}_{peak}=\underset{i}{max}\left({\mathrm{\β}}_i\right)$

我們附加地設計了解決此體渲染矢量場融合問題，同時強調矢量場中的病理特征的具體方法。認識到許多病理狀況展示高速度流是重要的。因此我們提供速度權重的使用以增加此高速度數(shù)據(jù)的顯著性。由于多個迭代通常在解剖數(shù)據(jù)的體渲染流水線中執(zhí)行，我們提供了對高速度數(shù)據(jù)的透明度分配高權重并定義α_i為任何給定位置處的本地速度透明度的一組類似的迭代：

${\mathrm{\α}}_i={r_i}^w$

其中w表示權重因子(通常取值4或更大)且r_i表示縮放到域[0，1]的速度，如下給出

在體渲染中的每個迭代步驟處，本地速度透明度α_i幫助管控概要顏色矢量計算為

$\tilde{c}=\tilde{c}\·(1-\frac{{\mathrm{\α}}_i}{\widetilde{\mathrm{\α}}})+c_i\left(\frac{{\mathrm{\α}}_i}{\widetilde{\mathrm{\α}}}\right)$

其中概要速度透明度是由以下迭代地更新的

$\widetilde{\mathrm{\α}}=\widetilde{\mathrm{\α}}+(1-\widetilde{\mathrm{\α}})\·{\mathrm{\α}}_i$

由于體相位對比MRI數(shù)據(jù)的高維度，我們相信利用立體3D可視化技術來優(yōu)化解讀此數(shù)據(jù)的效率是有價值的。通過提供此可視化方法，解剖和速度噪音的顯著性可以跨所顯示的體積分散，阻止噪音遮擋數(shù)據(jù)中的重要診斷細節(jié)。將此技術結合到渲染流水線中并同時最小化對診斷軟件的接口的影響的最優(yōu)方法不是立即清楚的。因此在此處我們提供啟用有最小量的用戶干預的立體可視化的具體流水線。

1.用戶用單次按鈕點擊來啟用/禁用立體可視化。

2.用戶操縱眼間距離(IOD)控件來調整立體可視化的幅度。

3.計算機基于IOD參數(shù)生成每個眼的獨立視圖。

當啟用了立體可視化時，來自每個眼的獨立視圖的方向可以基于固定的視圖距離d和IOD參數(shù)iod直接計算。存在用于從這兩個參數(shù)獲得有角度的投影的多個方法，但我們提供以下作為一個方法：

1.計算每個眼的視圖角度，

${\mathrm{\θ}}_e=\arctan (\frac{iod}{2},d)$

對右眼θ_r＝+θ_e且對左眼θ_l＝-θ_e。

2.計算到視圖面的中心的眼位置

3.對于所渲染的圖像中的每個位置，基于眼位置和圖像位置之間的差別計算眼投影矢量。

4.然后可以如前所述地沿每個眼投影矢量執(zhí)行固定厚度的平板的體渲染。

矢量場面選擇

我們已經確定了，心臟和血管的定量評估所要求的最重要的診斷任務之一是精準放置可以用來進行矢量場測量的具體成像面。沒有足夠的可視化工具的話，放置這些面是極端挑戰(zhàn)的，并且因此上面描述的可視化方法對此任務的性能是必要的。重要的是，不僅精準地放置這些面，還要用最小量的用戶努力或交互來完成。

結合我們上面所描述的矢量場融合可視化方法，我們提供了用于最優(yōu)面的初始放置和方向的單鍵交互方法。在單鍵事件發(fā)生的時間，顯示上指針的位置規(guī)定面的中心。然后可以使用在該位置處或其附近的矢量場的值來規(guī)定面的方向(正規(guī)矢量)。換言之，由單擊事件定義的面可以用所有滿足以下的點來描述

其中是圖像中的指針的位置，是該位置處的矢量場的值。一旦建立了此初始位置和方向，就可以使用顯示在其它成像面上的交叉參考的線條和標記來重定位或重定向面。

對于心臟和血管的完整評估必要的另一個重要任務是放置動態(tài)(移動的)成像面。并不會立即清楚：用戶跨多個數(shù)據(jù)時間點規(guī)定這樣的面的位置和方向的最好方式是怎樣的。因此在此處我們提供最小化規(guī)定動態(tài)面所要求的努力的過程。此過程使用戶能執(zhí)行一系列步驟以完整規(guī)定動態(tài)面：

1.用戶用特定位置和方向放置初始靜態(tài)面。

2.用戶遍歷到數(shù)據(jù)集中的另一個時間點。

3.用戶在此新時間點中重定位和重定向面。

4.計算機自動地為這些位置和在用戶規(guī)定的面之間線性內插的正規(guī)矢量之間的時間點創(chuàng)建中間面。

5.計算機自動地在動態(tài)規(guī)定的面中顯示數(shù)據(jù)。

6.重復步驟2-5。

可視化輔助的心臟結構和血管分段

一旦由用戶規(guī)定了靜態(tài)或動態(tài)面，任何給定的感興趣的結構或血管的邊界就需要被描繪或“分段”。這一般要求大量的用戶輸入以描繪所獲取的所有數(shù)據(jù)時間點的感興趣的結構的邊界。為了最小化這項努力(否則其是時間密集的)，在一個示例中我們使用了具體地定義了結構的邊界的時間點之間的自動內插?？梢允褂萌魏螖?shù)量的閉多邊形內插方法。這實現(xiàn)了用于完整描繪給定結構的邊界的縮略過程。

1.計算機生成先前由用戶規(guī)定的面中的數(shù)據(jù)的視圖。

2.用戶繪制感興趣的結構(即主動脈、肺動脈)周圍的邊界。

3.用戶遍歷到數(shù)據(jù)集中的另一個時間點。

4.計算機用疊加到圖像上的邊界生成先前由用戶規(guī)定的面中的數(shù)據(jù)的視圖。

5.用戶繪制或更新感興趣的結構周圍的邊界。

6.計算機自動地生成之間的時間點的內插邊界。

7.根據(jù)需要，重復步驟3-6。

在體相位對比MRI獲取中獲取的解剖和矢量場數(shù)據(jù)都可以提供關于血管和心臟結構的適當邊界的細節(jié)。我們認識到盡管這二者獨立地有信息量，但速度場融合渲染也可以有利于這些解剖結構的分段的準確性。出于這個原因，我們提供了上面所描述的顏色和矢量融合渲染方法的使用以進一步改進準確性。這是通過允許用戶直接在這些融合圖像上執(zhí)行分段來啟用的。

盡管融合圖像對于分段非常有價值，但它們可以隱藏底層圖像數(shù)據(jù)中的偽影(artifact)，特別是當顏色變換函數(shù)沒有結合運動的方向的時候。當相位混淆(phase-aliasing)存在于矢量場數(shù)據(jù)中時這尤其是個問題。偽影的存在可以負面地影響血流測量的準確性。為了強調相位(速度)混淆的存在，我們提供了最近鄰項渲染的圖像的同時顯示。這允許用戶容易地檢測到偽影的存在并選擇替換性數(shù)據(jù)面來執(zhí)行量化。

盡管我們發(fā)現(xiàn)了渲染顏色速度融合和并排最近鄰項內插可以幫助做解讀的內科醫(yī)生迅速地標識混淆，但查看這些單獨的圖像的過程可能使體相位對比成像數(shù)據(jù)的解讀和分段的效率慢下來。因此我們提供了封裝可以用某些顏色變換函數(shù)遮擋的指向信息的附加的、替換性方法。通過在至此所描述的渲染的圖像上疊加箭頭，此指向信息可以迅速地和更有效地集成到用戶對底層數(shù)據(jù)集的理解中。我們提供了對于疊加箭頭以維持軟件接口的簡單性的以下一組要求：

1.箭頭的長度和/或大小與速度矢量的長度成比例。

2.使用與管控顏色重疊的掩模類似或相同的控制來管控箭頭的掩模。

3.使用與管控顏色重疊的透明度類似或相同的控制來管控箭頭的透明度。

一旦在用戶所要求的位置和成像面中執(zhí)行了分段，計算機就可以容易地計算任何數(shù)量的從矢量場導出的值。這不僅包括體血流的量化，還包括可以使用Navier-Stokes管控方程根據(jù)速度矢量場計算的渦旋、剪應力、壓力和湍流。

基于地標的傳統(tǒng)心臟面可視化

數(shù)據(jù)體的徒手交互式導航對于將參與解讀從體相位對比MRI獲取的數(shù)據(jù)的一些醫(yī)生可能是有挑戰(zhàn)性的。因此，提供用于達到這些做解讀的醫(yī)生更熟悉的傳統(tǒng)成像視圖的附加的直觀機制是重要的。在傳統(tǒng)心臟MRI的獲取期間，這些傳統(tǒng)成像視圖(右和左兩腔室、右和左三腔室、四腔室、右和左短軸)的規(guī)定通常是通過轉換和旋轉疊加在其它面中的圖像上的參考線條來執(zhí)行的。此過程可以在用于放置體CT或MRI數(shù)據(jù)中的面的軟件中鏡像，但仍是耗時的。而且，用此方法來描述可以跟蹤心臟的變更方向的動態(tài)視圖是不可能的。因此我們提供了由時間分解的地標的用戶規(guī)定所啟用的替換性方法。

1.用戶用標簽標記圖像上的位置(即，左心室尖、右心室尖、二尖瓣、三尖瓣、主動脈瓣、肺動脈瓣、前乳頭肌、后乳頭肌)。

2.計算機顯示疊加在表示該位置的圖像數(shù)據(jù)上，可以由用戶移到不同位置的標記(即‘x’)。

3.用戶遍歷到數(shù)據(jù)集中的另一個時間點。

4.用戶將標記的位置修改到不同的位置。

5.計算機更新顯示以反映新位置。

6.計算機自動地對所定義的標記之間的所有時間點內插標記的位置。

7.根據(jù)需要，重復步驟3-6。

一旦定義了足夠的一組地標，然后就可以基于這些位置自動地計算專門的心臟視圖。例如，左心室三腔室視圖可以由三個點來定義：左心室尖、二尖瓣中心和主動脈壁中心。由于這些位置中的每一個都可以隨時間變更，通常在心臟MRI、CT或ECHO中使用的傳統(tǒng)靜態(tài)面的方向可能是次優(yōu)的，特別是如果心臟的軸在心臟周期的過程中顯著地變更的時候。為了克服這個問題，我們使用了時間分解的地標來規(guī)定動態(tài)心臟視圖面，其根據(jù)每個地標在每個時間點處的位置來轉換和旋轉。例如，對于左心室三腔室視圖，每個時間點處的動態(tài)面可以用滿足以下的所有點來描述

其中是主動脈壁的位置，是左心室尖的位置，且是二尖瓣的位置。

我們認識到，在傳統(tǒng)成像面上精準地放置一些地標的位置有時候是困難的。然而一旦獲得了近似心臟視圖，用戶執(zhí)行手動調諧這些地標就容易得多。在一個示例中，我們使用了以下過程來精細調諧心臟視圖：

1.計算機顯示基于上面所描述的地標的初始心臟視圖。

2.計算機顯示疊加在這些心臟視圖上的標記。

3.用戶在視圖之一上修改標記的位置。

4.計算機自動地更新依賴于所修改的標記的位置的所有心臟視圖。

5.計算機自動地對所定義的標記之間的所有時間點內插標記的位置。

6.計算機自動地對受影響的時間點更新依賴于所修改的標記的位置的所有心臟視圖。

8.用戶遍歷到數(shù)據(jù)集中的另一個時間點。

9.如果需要，重復步驟1-8。

對來自心臟MRI的心室體的量化要求對心室壁和內腔之間的邊界的一致的描繪。這是不精準的技術，不僅取決于心室壁和內腔之間的對比差別的質量，也取決于可能不輕易地在任何單個視圖面上顯而易見的解剖結構的三維注冊。而且，如果每個時間點或切片都需要單獨地分段的話，對邊界的用戶描繪也是時間密集的努力。相反，在一個示例中，我們使用了啟用對心室的邊界更一致和可靠的分段的一系列過程。

1.計算機顯示短軸和長軸(2-、3-、4-腔室)視圖中的每一個，帶有疊加在這些心臟視圖上的地標標記。

2.用戶繪制感興趣的結構(即心室壁)周圍的邊界。

3.用戶選擇數(shù)據(jù)集中的另一個時間點或切片。

4.計算機更新顯示短軸和長軸(2-、3-、4-腔室)視圖中的每一個，帶有疊加在這些心臟視圖上的地標標記和繪制的邊界。

5.用戶繪制或更新感興趣的結構(即心室壁)周圍的邊界。

6.計算機自動地為之間的切片和/或時間點生成內插邊界。

7.如果需要，重復步驟3-6。

一旦在多于一個切片中規(guī)定了感興趣的結構的邊界的分段，就可以基于每個邊界內包含的區(qū)域A_j和用來執(zhí)行分段的切片之間的間隔(通常是短軸)Δ_j之間的關系容易地計算結構體的估計。例如，在最簡單的情況中，可以計算Riemann和以獲得體V的估計

$V=\underset{j}{\Σ}{A}_j\·{\mathrm{\Δ}}_j$

本發(fā)明的各方面可以是可以作為獨立包或集成到成像設備或系統(tǒng)由計算機系統(tǒng)執(zhí)行的計算機實現(xiàn)的軟件、模塊或流水線。

參考文獻

1.Gatehouse PD、Rolf MP、Graves MJ等，由心血管磁共振進行的流測量：可以折中所導出的回流或分流流測量的準確性的背景相位偏移錯誤的多中心多供應商研究(Flow measurement by cardiovascular magnetic resonance:a multi-centre multi-vendor study of background phase offset errors that can compromise the accuracy of derived regurgitant or shunt flow measurements)，J Cardiovasc Magn Reson；12(1):5。

2.Kilner PJ、Gatehouse PD、Firmin DN，通過磁共振進行的流測量：值得優(yōu)化的獨特優(yōu)點(Flow measurement by magnetic resonance:a unique asset worth optimising)，J Cardiovasc Magn Reson 2007；9(4):723-8。

3.Chernobelsky A、Shubayev O、Comeau CR、Wolff SD，相位對比圖像的基線校正改進大血管中的血流量化(Baseline correction of phase contrast images improves quantification of blood flow in the great vessels)，J Cardiovasc Magn Reson 2007；9(4):681-5。

4.Walker PG、Cranney GB、Scheidegger MB、Waseleski G、Pohost GM、Yoganathan AP，用于MR相位速度數(shù)據(jù)中的噪音減少和背景相位錯誤校正的半自動化方法(Semiautomated method for noise reduction and background phase error correction in MR phase velocity data)，Journal of Magnetic Resonance Imaging，1993；3(3):521-30。

5.Lankhaar JW、Hofman MB、Marcus JT、Zwanenburg JJ、Faes TJ、Vonk-Noordegraaf，主肺動脈流量化中的相位偏移錯誤的校正(Correction of phase offset errors in main pulmonary artery flow quantification)，J Magn Reson Imaging，2005；22(1):73-9。