從骶骨到頸部），以確保每個(gè)個(gè)體椎骨的正確定位：首先腰椎5被激 活并適配到圖像，然后下一塊腰椎4被激活并適配，然后腰椎3,等等（圖lc)。重復(fù)該迭代 激活和適配，直到到達(dá)頂部胸椎1為止。
[0032] 參考圖2,在參數(shù)適配期間以及在可變形適配期間，網(wǎng)格三角形被吸引到由以下算 法檢測(cè)到的圖像目標(biāo)點(diǎn)。針對(duì)每個(gè)網(wǎng)格三角形，在與三角形的平面垂直的方向上針對(duì)21點(diǎn) Xl構(gòu)建搜索曲線，其中ie[-1，1]，并且搜索將圖像特征響應(yīng)F(Xl)最大化的目標(biāo)點(diǎn)。特征 響應(yīng)例如可以為圖像梯度或預(yù)期強(qiáng)度范圍：
[0033]
[0034] 盡管通常單一模態(tài)或圖像被用于特征檢測(cè)，但是在本發(fā)明中，多模態(tài)被使用，因此 Dixon水圖像和脂肪圖像被使用。圖2圖示了針對(duì)單一三角形的這些多模態(tài)圖像特征。首 先，三角形嘗試檢測(cè)水圖像中的目標(biāo)點(diǎn)x7X (圖2a)。第二，相同的三角形嘗試檢測(cè)脂肪圖像 中的目標(biāo)點(diǎn)(圖2b)。針對(duì)網(wǎng)格上的全部三角形重復(fù)該方法，以導(dǎo)出水目標(biāo)點(diǎn)X產(chǎn)的序 列以及脂肪目標(biāo)點(diǎn)Af19的序列。在適配期間，最小化外部能量項(xiàng)，這同時(shí)將網(wǎng)格三角形吸引 到全部#以及全部xf*。簡(jiǎn)化的能量公式能夠被描述為：
[0035]
[0036] 其中，Cl為具有指數(shù)i的三角形中心，并且T為網(wǎng)格三角形的數(shù)量。
[0037] 為了實(shí)現(xiàn)如圖2中所示的目標(biāo)點(diǎn)檢測(cè)，根據(jù)以自舉式方法生成的真實(shí)注釋訓(xùn)練圖 像特征。初始模型（具有每椎骨近似1〇〇〇三角形）被人工適配到第一對(duì)象的圖像。該注 釋被用于一次使用水圖像和一次使用脂肪圖像的特征訓(xùn)練。得到的模型被適配到第二對(duì)象 的圖像（使用如上面描述的多模態(tài)圖像特征），并且在需要時(shí)人工校正。該注釋被包括在新 特征訓(xùn)練中并且得到的模型被應(yīng)用到下一對(duì)象的圖像。重復(fù)該過程，直到來自全部患者的 真實(shí)注釋可用為止。
[0038] 針對(duì)水圖像（圖3a)以及針對(duì)脂肪圖像（圖3b)，在圖3中示出了單一患者Patl 的范例圖像以及來自全部訓(xùn)練的得到的多模態(tài)圖像特征。如能夠觀察到的，水特征和脂肪 特征針對(duì)全部椎骨變化，并且對(duì)于何者特征最優(yōu)并不是立即可辨別的。然而，通過組合水特 征和脂肪特征兩者，與只使用水特征或脂肪特征相比，獲得了魯棒且準(zhǔn)確的分割結(jié)果。
[0039]在使用正交體線圈的 3TMR掃描器（PhilipsIngenuityTFPET/MR，Best，TheNetherlands)上采集來自25個(gè)患者的DixonMR圖像，其中，TR/TE/TEz: 3. 2/1. 11/2. 0ms，并且翻轉(zhuǎn)角為10度。采集七個(gè)床位置（30mm交疊），以將視場(chǎng)（F0V)從 頭覆蓋到大腿。利用500X400X150mm(右-左、前-后、腳-頭）的F0V，重建軸分辨率 0. 8X0. 8, 3mm切片厚度，掃描持續(xù)時(shí)間17s，來采集每個(gè)位置。
[0040] 為了分離訓(xùn)練集與測(cè)試集，采用五折交叉方法。全部25個(gè)患者被隨機(jī)分組為五個(gè) 子集。五個(gè)子集中的四個(gè)（20個(gè)患者）被用于訓(xùn)練，剩余的一個(gè)子集（5個(gè)患者）被用于分 害J。使用到真實(shí)注釋的網(wǎng)格表面距離來驗(yàn)證分割準(zhǔn)確性。針對(duì)每塊椎骨，計(jì)算在全部三角 形上的平均距離，以及具有大于5mm的誤差的三角形的量。
[0041] 也將多模態(tài)特征分割與單一圖像分割進(jìn)行比較。執(zhí)行三個(gè)實(shí)驗(yàn)：（i)使用水特征 對(duì)水圖像的分割，（ii)使用脂肪特征對(duì)脂肪圖像的分割，以及（iii)使用所提出的多模態(tài) 圖像特征同時(shí)對(duì)水圖像和脂肪圖像兩者的分割。注意，針對(duì)全部實(shí)驗(yàn)，多模態(tài)特征都被用于 初始模型放置（來自部分2. 1的步驟1和步驟2)，并且僅在最后局部適配步驟（步驟3,可 變形適配）中執(zhí)行特征比較。
[0042] 在圖4中示出了使用多模態(tài)圖像特征的適配過程的分割步驟（被疊加到水圖像和 脂肪圖像兩者上）。圖4a示出了模型初始化，即根據(jù)GHT的平均模型的初始放置。然后在 圖4b中，使用參數(shù)變換來改善分割。在該步驟之后，全部椎骨近似處于它們的正確位置處 并且在可變形適配的捕獲范圍內(nèi)。在最后的可變形適配（圖4c)期間，包括椎骨的全部網(wǎng) 格部分被局部適配到圖像，這完成分割。
[0043] 圖5示出了來自六個(gè)其他患者的結(jié)果，所述結(jié)果示出了在矢狀視圖中的椎骨分 害J，再次被疊加到水圖像和脂肪圖像上。如能夠觀察到的，我們的方法在全部范例中成功地 分割了椎骨。相比于在全部椎骨上的真實(shí)注釋，針對(duì)Pat6觀察到0. 99mm的最小平均誤差 (三角形中的〇· 28 %示出> 5mm的誤差），并且針對(duì)Pat4觀察到1. 81mm的最大平均誤差 (6. 40% ) 〇
[0044] 圖6示出了針對(duì)兩個(gè)其他患者Pat9和PatlO,當(dāng)⑴使用僅水特征，（ii)使用僅 脂肪特征以及（iii)使用所提出的多模態(tài)（水和脂肪）特征時(shí)的分割的比較。針對(duì)Pat9， 僅使用水特征的分割示出達(dá)14. 27mm的大的誤差（胸椎4,圖6a中的箭頭）。圖像對(duì)比在 該區(qū)域中表現(xiàn)為低，并且水模型不能夠提供準(zhǔn)確分割。類似地，針對(duì)PatlO,僅使用脂肪特征 的分割示出達(dá)15. 48mm的大的誤差（胸椎6,圖6b中的箭頭）。相比較而言，使用多模態(tài)圖 像特征的分割（圖6c)提供了針對(duì)兩者患者的準(zhǔn)確的結(jié)果，所述結(jié)果分別具有4. 00mm(胸 椎5)和4. 75mm(胸椎7)的最大誤差。
[0045] 表1示出了從腰椎5 (接近骨盆）到胸椎1(接近頸部）的采取在全部25名患 者上的平均值的針對(duì)每塊椎骨的結(jié)果?？紤]全部椎骨以及全部患者，只使用水圖像和脂 肪圖像分別導(dǎo)致2. 89mm的分割誤差（15. 90 %具有> 5mm的誤差）和2. 22mm的分割誤差 (9. 43% )。我們提出的多模態(tài)特征方法示出明顯減小到1. 69mm(5. 17% )。注意，針對(duì)全部 特征情況，頂部胸椎1由于在多數(shù)圖像中低的圖像對(duì)比而示出最大誤差。
[0046]
[0047] 表1 :對(duì)來自全部25個(gè)患者的椎骨分割的驗(yàn)證
[0048] 本文已經(jīng)描述了用于從DixonMR圖像分割椎骨的完全自動(dòng)的基于模型的方法。所 述方法能夠被用在混合PET/MR成像系統(tǒng)中，以在PET衰減校正（AC)中包括骨組織，而無需 用于骨可視化的額外的MR序列，諸如UTE。
[0049] 由于上面描述的分割，可以通過將皮質(zhì)骨的衰減的伽馬光子衰減系數(shù)特性分配到 由表面網(wǎng)格模型劃界的一個(gè)或多個(gè)體積，來生成用在PET成像中的衰減圖，所述衰減圖適 當(dāng)?shù)乜紤]皮質(zhì)骨結(jié)構(gòu)的衰減。通過適當(dāng)?shù)乜紤]皮質(zhì)骨的衰減，可以改進(jìn)利用衰減圖重建的 PET圖像的質(zhì)量。通常，不能識(shí)別皮質(zhì)骨已經(jīng)通過將軟組織的不正確衰減系數(shù)特性分配到這 種區(qū)域而被解決了，或者這樣的區(qū)域的衰減已經(jīng)被完全忽略。
[0050] 對(duì)MRDixon脂肪圖像的進(jìn)一步分析也可以被用于區(qū)分皮質(zhì)骨和骨髓。因此，骨髓 的衰減的衰減系數(shù)特性可以被分配到骨髓區(qū)域。這樣做，衰減圖的準(zhǔn)確性可以進(jìn)一步被改 進(jìn)，從而進(jìn)一步改進(jìn)重建的PET圖像的準(zhǔn)確性?？梢酝ㄟ^將對(duì)應(yīng)于骨髓的衰減的第二衰減 系數(shù)分配到這樣的區(qū)域或體積來實(shí)現(xiàn)皮質(zhì)骨與骨髓之間的區(qū)分：針對(duì)所述區(qū)域或體積，基 于MRDixon脂肪圖像的強(qiáng)度的閾值狀況被滿足。這參考圖7而被圖示，圖7圖示了a)MR Dixon水圖像；b)MRDixon脂肪圖像；c)從MR數(shù)據(jù)生成的現(xiàn)有技術(shù)衰減圖，其不考慮皮質(zhì) 骨；以及d)根據(jù)本發(fā)明的MR衰減圖，其中，皮質(zhì)骨和骨髓兩者被考慮。在圖7b中圖示的范 例中，由表面網(wǎng)格模型劃界的亮的或高強(qiáng)度區(qū)域被分配對(duì)應(yīng)于骨髓的吸收的吸收系數(shù)，并 且表面網(wǎng)格模型內(nèi)較暗較低強(qiáng)度區(qū)域被分配對(duì)應(yīng)于皮質(zhì)骨的吸收的吸收系數(shù)。
[0051] 盡管常見方法將單一圖像用于分割（諸如T1或T2加權(quán)圖像），但是實(shí)驗(yàn)已經(jīng)示 出，只使用來自Dixon序列的單一圖像（即水圖像或脂肪圖像）可能導(dǎo)致大的分割誤差，這