DBS术前图像与ICBM-152图谱的配准算法

倪杨阳1,郑慧芬2,曹胜武3,罗守华1

1.东南大学 生物科学与医学工程学院,江苏 南京 210096;2.南京医科大学附属脑科医院 老年神经科,江苏 南京 210029;3.江苏省人民医院 神经外科,江苏 南京 210029

[摘 要]脑深部电刺激(Deep Brain Stimulation,DBS)手术治疗是帕金森病患者重要治疗手段。脑图谱与术前图像之间的配准是实现DBS术前导航和核团识别的一种有效方法。本文对术前图像与ICBM-152图谱的配准问题进行了研究,首先将术前临床图像标准化至图谱的坐标空间,随后使用分段线性配准对图谱进行粗配准,最后利用互信息作为相似性测度,并基于B样条弹性形变模型实现脑图谱与术前数据的非刚性配准。上述方法可以为每个病人计算出个性化的脑图谱,实验结果表明,在原始图像与图谱的互信息测度为0.558的情况下,该方法使二者的互信息提高至1.217。

[关键词]脑图谱;帕金森病;脑深部电刺激手术;配准

引言

脑深部电刺激(Deep Brain Stimulation,DBS)手术,对于帕金森病等疾病是一种有效的治疗手段。在帕金森病治疗中,脑深部电刺激主要通过在基底核团植入电极进行刺激,从而达到治疗效果。患者在接受DBS手术治疗前,首先需要进行手术计划及术前导航。在局部麻醉条件下对患者安装手术头架,并进行头部MR以及CT扫描,通过影像融合确定立体定向头架和电极植入点的定位。术前导航过程是一个直接决定术后效果的过程,对脑深部各个组织的识别至关重要,而人脑图谱是反应人类大脑解剖位置信息以及形状信息的有力工具,两者之间进行配准是一个值得研究的问题。

在DBS手术领域已经有许多基于人脑图谱的研究。Andreas等[1]将术前术后的影像数据同时向人脑图谱配准,通过图谱中的特定标记获得丘脑底核的位置,并在此基础上实现了DBS术后评估的工具包。Videen等[2]根据术后CT图像中的电极金属伪影定位电极中心,并将手术前后图像与Mai图谱配准。这两种方法在一定程度上可以解决丘脑底核分割以及电极定位问题,但是由于脑图谱和患者脑部存在差异,因此核团分割结果误差难以预测。Silva等[3]将患者数据使用非刚性配准方法配准至标准图谱,解决了患者与图谱结构上的差异带来的误差,但是在配准过程中会导致电极的扭曲,会在结果中引入误差。Castro等[4]比较了专家手动定位与基于图谱的算法以及基于非刚性配准的算法并进行了交叉验证。以上几种方法都是将患者图像配准至图谱,这样做更方便使不同数据之间的结果量化,但是这样做会导致病人的图像由于非刚性配准算法导致变形,从而使得算法结果无法应用至术前的核团识别中。

本文旨在通过使用DBS术前的临床数据,对其进行空间标准化后,将图谱经过粗配准以及精确配准两个过程,实现临床数据与脑图谱数据的精确匹配。

1 算法设计

本文根据上述DBS手术影像数据的特点,选择了目前使用较为广泛的且有较多子图谱应用的ICBM-152图谱作为标准图谱数据。本文首先以患者图像中的中矢状面信息为依据,将患者数据标准化至MNI坐标空间,随后将标准的ICBM-152图谱与标准空间下的T1数据经过分段线性配准以及非刚性配准,得到病人的个性化图谱,见图1。

图1 本文算法流程图

1.1 患者图像与脑图谱的粗配准

为实现临床数据与图谱的精确配准,首先需要将两者进行粗略配准,使二者在脑组织的大小,形状以及外轮廓上趋于一致。为了完成这一目标,首先需要将患者的脑图像使用的坐标空间转换成与图谱中人脑方向一致的MNI坐标空间[5]。MNI坐标空间的定义,见图2,该坐标空间以大脑前连合、后连合以及脑中矢状面作为基准,将前后连合线作为水平轴,将中矢状面作为垂直面,该坐标空间被神经外科医生广泛认可。

图2 MNI坐标空间示意图

完成坐标转换首先需要识别中矢状面,本文采用的是基于K-L距离提取中矢状面的方法[6]。K-L距离衡量的是相同事件空间里的两个概率分布的差异情况的一种度量。假设两个随机变量p={pi}和q={qi},其中pi和qi表示第i种事件的发生概率。则K-L距离的定义为:

中矢状面是经过大脑半球间裂隙的平面,见图3,中矢状面上脑脊液灰度值出现的概率最大,因此与其他矢状面的K-L距离最大。随后将中矢状面校正至垂直后需要将AP平面校正至水平面,同时将AC-PC旋转至水平。

图3 距离中矢状面两侧2 cm的矢状面与中矢状面的比较图

由于人脑与图谱差异较大,因此需要对本文采用分段仿射变换将脑图谱中的人脑大小变换成与患者较为接近的大小。借鉴Talairach-Nowinski标识点[7]的定义,找出A、P、L、R、S、I这6个皮层标识点[8](图4)。根据这些点计算出患者与图谱的根据NMI空间定义的分块的12个长方体的每个维度的线性比例系数[9]

图4 AP、VAC、VPC上的标识点

根据计算出的每个分块对应的每个维度上的缩放参数,对脑图谱进行分段缩放[10],使图像与图谱在大小上达到一致。

1.2 图谱与患者图像间的非刚性配准

在对图谱完成上述变换后,图谱与人脑的脑组织纹理仍然不匹配,因此需要进行更为精细的非刚性配准。本文所采用的是基于B样条的自由形变模型的三维非刚性配准[11]

基于B样条函数的配准方法主要利用控制点和B样条函数来描述非线性几何变换。在三维空间中基于B样条函数的自由形变可以描述为3个一维三次B样条函数的张量积:

其中P表示控制点网格,βi表示i阶B样条函数,具体形式如下:

2 实验结果

本文实验算法设计及实验过程在Matlab以及Visual Studio 2010上完成,并使用了分割及配准工具包[12](Insight Segmentation and Registration Toolkit,ITK)以及视觉化工具函式库[13](Visualization ToolKi,VTK)中的部分算法。

对于B样条自由形变配准算法,ITK中使用了BSplineTransform类对其进行了封装,通过调用SetTransformDomainMeshSize函数,将每个维度使用的网格数设置为5个。考虑网格点在3个维度上的移动量,此时配准所需要优化的参数总数达到了375个。这个数量的优化参数下,很难通过搜索类算法找到全局最优值,因此本文采用了L-BFGS优化算法[14],该方法对于大量参数优化有着很强的解决能力,其在ITK中被封装为LBFGSBOptimizerv 4类,本文中设置其代价函数收敛因子为1×107,迭代次数为200,渐变收敛容差为1×10-6

2.1 原始数据

原始数据为7名帕金森患者,使用德国西门子公司3.0 T MRI系统,在快速自旋回波序列T1相重复时间(Time of Repetition,TR)为1600 ms,回波时间(Time of Echo,TE)为2.48 ms,可视范围(Field of View,FOV)250 mm×250 mm,像素512×512,层厚1.5 mm条件下,或在快速自旋回波序列T2相TR 5000 ms,TE 84.00 ms,FOV 229 mm×229 mm,像素384×384,层厚2 mm条件下获取的脑部MR数据。

术前数据为横断位的MR数据,图谱数据为ICBM-152图的标准数据(图5)。

图5 DBS术前临床图像以及ICBM-152图谱部分横断位数据

注:a.DBS手术患者术前MR数据;b.ICBM-152图谱数据。

2.2 图谱与患者图像配准结果

分段线性配准算法的结果,见图6。通过网格细分比较,可以看出分段线性配准前图谱与图像脑部差异较大,而进行分段线性配准后图像与图谱在结构大小上趋于一致。

对分段线性变换后的图谱进行非刚性变换后的结果,见图7。从图中可以看出,图谱的外轮廓不再是对称的。同时,图谱与图像的内部纹理更加趋于一致。

分别计算各个阶段图谱与临床图像的互信息值[15-16],见表1。结合表1可以在分段仿射变换后互信息的提升了0.511,而在整个算法结束后互信息值提升了0.659。

图6 分段线性配准前后图谱与患者MR比较

注:a~c为配准前图谱;d~f为配准后图谱。a、d为临床数据;b、e为图谱数据,c、f为二者融合对比结果。

图7 非刚性配准前后图谱与患者MR比较

注:a~c为配准前图谱;d~f为配准后图谱。a、d为临床数据;b、e为图谱数据,c、f为二者融合对比结果。

表1 配准各阶段互信息值

3 总结

本文基于ICBM-152图谱以及DBS术前图像,首先通过中矢状面的矫正,使图像与图谱空间达到一致,随后使用分段线性配准使图像与图谱的大脑大小达到一致,最后使用非刚性配准算法使图像与图谱达到较为准确的匹配。整个配准流程都使用互信息作为相似性测度,适用于MR图像不同的加权结果。通过计算各个配准阶段的二者的互信息值,发现最后的互信息值与初始的互信息值相比有一定程度的增加,配准后的图谱在轮廓以及内部纹理上与临床图像达到了一定程度上的吻合。

本文使用的互信息测度具有较好的鲁棒性,但运算量较大,由于本文所采用的数据为三维MR序列,因此该算法处理所需的运算时间较长。其次,通过对比可以发现,配准后的图谱在局部仍有失配的现象。这两个问题的解决是本文的方法用于实际应用中的关键。

[参考文献]

[1] Andreas H,Kühn AA.Lead-DBS: a toolbox for deep brain stimulation electrode localizations and visualizations[J].Neuroimage,2015,107(107):127-135.

[2] Videen TO,Campbell MC,Tabbal SD,et al.Validation of a fiducial-based atlas localization method for deep brain stimulation contacts in the area of the subthalamic nucleus[J].J Neurosci Meth,2008,168(2):275.

[3] Silva NMD,Rozanski VE,Cunha JPS.A 3D multimodal approach to precisely locate DBS electrodes in the basal ganglia brain region[A].International IEEE/EMBS Conference on Neural Engineering, IEEE[C].2015.

[4] Castro FJS,Pollo C,Meuli R,et al.A cross validation study of deep brain stimulation targeting: from experts to atlas-based,segmentation-based and automatic registration algorithms[J].IEEE T Med Imaging,2006,25(11):1440-1450.

[5] Brainstorm.Coordinate Systems[EB/OL].(2017-01-05).http://neuroimage.usc.edu/brainstorm/CoordinateSystems.

[6] Volkau I,Aziz A,Nowinski W.Extraction of the midsagittal plane from morphological neuroimages using the Kullback-Leibler’s measure[J].Med Image Anal,2006,10(6):863-874.

[7] Nowinski WL.Modified Talairach landmarks[J].Acta Neurochir,2001,143(10):1045-1057.

[8] 常秋月.基于T2加权MR像的脑皮质标志点的定位方法研究[D].哈尔滨:哈尔滨工业大学,2007.

[9] 安淑卿.基于B样条的Talairach图谱与脑图像的配准与融合方法研究[D].南京:东南大学,2008.

[10] 邹晖.基于标准化图谱的数字化三维人脑图谱研究[D].南京:东南大学,2004.

[11] Rueckert D,Sonoda LI,Hayes C,et al.Nonrigid registration using free-form deformations: application to breast MR images[J].IEEE T Med Imaging,1999,18(8):712.

[12] Ibanez L,Schroeder W,Ng L,et al.The ITK software guide[J].Computat Stat Data An,2005,21:231-256.

[13] Kitware.The VTK User’s Guide[EB/OL].[2017].https://www.vtk.org/..

[14] Nocedal J.Updating quasi-Newton matrices with limited storage[J].Math Comput,1980,35(151):773-782.

[15] 吕庆文,陈武凡.基于互信息量的图像分割[J].计算机学报,2006,29(2):296-301.

[16] 曹蹊渺.基于互信息的图像配准算法研究[D].北京:北京交通大学,2008.

 

Registration Algorithm of DBS Preoperative Image and ICBM-152 Atlas

NI Yangyang¹, ZHENG Huifen2, CAO Shengwu3, LUO Shouhua¹
1.School of Biological Sciences and Medical Engineering, Southeast University, Nanjing Jiangsu 210096, China; 2.Department of Geriatric Neurology, Nanjing Brain Hospital Affiliated to Nanjing Medical University, Nanjing Jiangsu 210029, China; 3.Department of Neurosurgery, The First Affiliated Hospital with Nanjing Medical University, Nanjing Jiangsu 210029, China

Abstract:Deep brain stimulation (DBS) surgical treatment is an important treatment for patients with Parkinson’s disease. One of the effective ways of preoperative navigation and nuclei identification for DBS is to perform registration between brain atlases and preoperative images. In this paper, we initially implemented the registration of preoperative images and ICBM-152 atlas. We firstly normalized the preoperative clinical image to the coordinate space of the atlas, and then used piecewise linear registration to coarsely map the spectrum, at last, non-rigid registration of the brain atlas with preoperative data was achieved using mutual information as a measure of similarity. Thereby a personalized brain atlas could be calculated for each patient, the experimental results showed that the mutual information between the image and the atlas was 0.558 in the initial stage of the experiment, while it increased to 1.217 when the proposed method was employed.

Key words:brain atlas; Parkinson’s disease; deep brain stimulation; registration

[中图分类号]TN911.73

[文献标识码]A

doi:10.3969/j.issn.1674-1633.2018.07.011

[文章编号]1674-1633(2018)07-0044-04

收稿日期:2018-03-07

修回日期:2018-03-17

基金项目:国家重点研发计划(2017YFA0104302);东南大学苏州纳米技术协同创新中心的支持。

通讯作者:罗守华,副教授,主要研究方向为CT重建和图像处理与可视化。

通讯作者邮箱:luoshouhua@seu.edu.cn

 

本文编辑 王静