使用体相位对比MRI的全面的心血管分析的制作方法

技术领域

本发明涉及使用从MRI获得的体数据来执行包括对血流和运动的测量的对心脏和血管的测量的方法和系统，其中所述体数据包括来自体相位对比MRI脉冲序列的解剖(幅度)和矢量场(相位)数据。

背景技术：

相位对比MRI的相位错误校正

体相位对比磁共振成像(4DPC MRI)是用于获得关于周期性的运动和血流的数据的有前途的技术。然而，该技术的有用性由于缺乏用于解决相位偏移错误的方法而受到限制，该相位偏移错误被认为是相关于MRI获取期间未补偿的涡电流。用于解决体数据中的相位偏移错误的技术依赖于从平面的、二维PC-MRI直接改编而得的技术。

二维相位对比MRI是普遍采用的用于获得血管中的流的量化的数据的成像方法。在当前的临床实践中，这是用与感兴趣的血管的轴垂直方向的二维平面获取来执行的。速度的贯通面分量的图像是通过心脏周期的多个相位获得的。为了从此数据获得体流测量，在感兴趣的血管的轮廓为边界的区域上对贯通面速度求和。这些测量受在此平面数据中无法轻易校正的相位偏移错误的影响(1，2)。

被认为是相关于未补偿的涡电流的相位偏移可以混淆血流的测量。校正这些错误的一个方法是从切片平面中的静止组织的所选择的区域中人工减去速度。因为这个方法最容易执行，所以该方法是最广泛使用的，但它是受限制的，因为(a)它需要人工干预和(b)它没有完全考虑相位错误的空间依赖性。校正这些错误的另一个提议方法是减去静止幻影中所测量的错误(3)。然而，此第二个方法是费力的，并使MRI扫描仪上的获取时间加倍，使得在临床环境中的使用是不切实际的。第三个提议方法是利用自动化计算过程来做相位偏移校正，其中最简单的是利用以下形式的线性、二维模型：

f(x，y)＝c₀+c_xx+x_yy (1)

然后使用来自图像数据的每个面中的静态组织的数据来估计此模型的参数(c₀,c_x,c_y)，通常使用最小平方回归方法(4)。然后从速度图像的每个像素减去结果相位偏移模型f(x,y)。

也提议了其它的二维模型。这些二维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是非负整数。此模型族，当n和m都设为1时包括了以上所描述的线性模型，但也提供添加更高序的项以对更精细的空间变体建模的机会。尽管更高序的项是可能的，较早的研究已经提示：对这些项建模和减去这些项可能不会改进整体准确性(5)。

体相位对比(volumetric phase-contrast)MRI是相关的MRI技术，其获取整个数据体而不是单个平面、解析三维矢量场、每个体素有一个矢量来编码运动。速度的每个分量受可以是空间依赖的并由此可以混淆流的量化的涡电流相关的相位偏移的影响。用于校正此数据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)

此模型可以在成像体积之内的数据的每个面中单独地应用于每个流方向，并且通常也可以单独地应用于数据的每个时间相位。此方法导致对每个门控的(gated)时间点的每个数据切片的单独模型。我们相信，对此数据逐切片和逐相位地建模可能是不必要的及不可预测地不一致的，并由此通过本发明在此处提供用于执行校正相位偏移错误的新的、更可靠的方法。

矢量场融合可视化和量化

体相位对比磁共振成像是演进的成像技术，其不仅提供关于成像体内的结构的解剖信息，还提供数据编码运动的矢量场。我们认识到这对于心脏和心血管疾病的评估有可观的可能性。MR成像的最近的进步现在已经使在保留解剖图像和矢量场二者的高信噪比的同时获取近似各向同性的高分辨率图像变得可能。然而，尚不存在可以启用临床图像解读和诊断的计算机系统，这一般是由具有放射学和/或心脏病学的训练的医生来执行的。

由此我们设计了便于4DPC MRI数据的图像解读和量化分析的一系列发明和步骤。为了在临床实践中使用，此处通过本发明我们提供了允许分析成像体积、通过利用图形硬件而优化用户交互的一系列发明。本发明允许用户动态地执行必要的可视化和计算任务，使在临床环境中用4DPC成像技术来执行心血管检查变得可行。

技术实现要素：

相位对比MRI的相位错误校正

现有方法使用计算机算法来检测相位中的时间变化，以确定给定的体素(voxel)是否表示(a)静态组织、(b)移动的液体或组织、或(c)噪音之一，并假定随时间具有最少变化的像素最好地表示静态组织。然而，静态组织体素的比例可以逐患者地变化、可以在人体的不同区域中显著地变化、并可以受视野大小影响。在现有工作中这些限制仍保持很大程度上没有被认识。由于存在如此多的基于已有方法的静态组织的不正确的分配的可能性，我们提供了对可以由计算机执行的软件程序的使用，其使用图像过滤器的具体组合来实现用户引导的静态组织的选择(见图1A-B)。

除了标识静态组织体素之外，标识不当地表示相位错误的空间关系的MRI数据也是重要的。当视野没有超出被成像的物体的大小时，MRI数据受空间混淆(aliasing)(空间扭曲(spatial wrapping))的错误的影响。这些通常发生在相位编码和切片方向中，导致对成像体边缘处的体素的扭曲。在现有工作中没有解决对相位错误校正的空间扭曲的数据的具体排除。为了对相位错误准确地建模，此处我们提供了对可以由计算机执行的软件程序的使用以实现对这些经扭曲的体素的用户引导的排除(图2A)。

体相位对比MRI数据的相位错误校正的已有技术是在逐面(plane-by-plane)的基础上执行的。当计算较不密集的时候，这些算法可能没有利用体数据的固有的空间关系。而且，不能保证这样的校正是跨多个相邻面一致的。此处我们提供了对相位对比数据体的体相位错误模型的计算机可执行的和计算机实现的使用，以克服这些逐面方法的基础的但仍未被认识的限制。

下面更详细地描述了多个可用的三维模型和时间平均方法。最低序的模型可以以最小计算复杂度对涡电流相位偏移有效地建模，而较高序的模型可以提供更好的拟合，特别是在利用了较大的成像视野的时候。当使用了较大的视野或较高的MRI场和梯度力的时候，相位偏移的空间依赖性可以变得越来越非线性。然而，由于用于校正这些问题的计算资源可能变化，此处我们提供了对一种可以由计算机执行的软件程序的使用，该软件程序用以决定使用哪个模型(图2B)。

矢量场融合可视化和量化

为了让使用4DPC MRI来执行心血管检查可行，我们提供了一系列计算机实现的过程来在计算机上执行此高维度数据的可视化，这便于对贯通感兴趣的心血管结构的单个面的选择，然后可以对选择进行测量或分段。我们设计了体现这些原则的软件平台，称为FLOWANALYTIX。该软件为心脏和心血管解读定制，并集成了成像体的完整质量和量化分析的许多必要步骤。这些步骤包括：

·多平面和体可视化，

·基于此可视化选择用于矢量场的测量的面，

·计算辅助的对心脏结构和血管的分段，

·计算血流，

·选择诊断心脏面，

·计算辅助的心室体的分段，以及

·计算心室体。

为了实现对每个4DPC MRI数据集的有效和准确的临床解读，要求几个具体的特征以最大化病理血流的显著性，同时降低源图像数据中的噪音的显著性。下面详述了这些特征的算法。

附图说明

图1A-B示出了根据本发明的示例性实施例的允许人工选择非静态组织的掩模的软件用户接口的屏幕截图。图1A示出了原始数据，而图1B中示出了保留静态组织的经掩模的数据。

图2A-B示出了根据本发明的示例性实施例的允许人工选择用于相位偏移建模的子体积的软件用户接口的屏幕截图。在图2A中，垂直和水平线条表示成像体积的范围，其可以动态地调整为排除空间混淆的区域——如果存在的话。在图2B中，可以调整切片方向中的成像体的范围。此外，可以选择体模型的类型(积或和)、模型的阶数(线性、平方、立方等)和建模的方法。

图3A-D示出了根据本发明的示例性实施例的流量化查看器的屏幕捕捉(A-D)。重格式化的轴向、冠状和矢状视图被自动地渲染并可以自由地旋转和重定位(A)。可以放大单个窗格以占据屏幕空间的更大部分(B)。可以用鼠标用户交互人工地对血管分段(C)。在第二选项卡中，也自动地生成血管的最近邻项内插视图以便于标识速度混淆化的(aliased)像素和改进分段准确性(D)。

图4A-C示出了根据本发明的示例性实施例的心脏查看器的屏幕捕捉。通过可以用窗口底部的滑动块调整的颜色变换函数，将相位(速度)数据自动地叠加到多平面重格式化的视图上(A)。自动地生成了短轴、长轴、2-、3-和4-腔室的视图(B和C)。可以对标准心脏结构定义时间分解的地标以便于动态地跟踪这些结构。

图5A-D示出了根据本发明的示例性实施例的幅度(解剖)和相位(速度)数据的集成的体渲染的屏幕捕捉。可以从上下文菜单容易地访问渲染解剖数据的多个方法，包括射线总量(A)、MIP(B)、表面(C)和内腔(D)方法。通过可以用每个窗口底部的滑动块调整的颜色变换函数，将相位速度数据自动地和动态地叠加到解剖渲染上。

具体实施方式

相位对比MRI的相位错误校正

为了计算相位对比MRI数据中的背景相位错误的准确模型，准确地标识表示静态软组织的图像体素是必要的。我们通过使用图像过滤器的组合实现了对静态软组织的准确标识：

1.基于解剖(幅度)图像的信号强度的过滤器。

2.基于反映体素表示“空气或肺”的可能性的分数的过滤器。

3.基于反映体素表示“血或移动组织”的可能性的分数的过滤器。

由于在获取的图像数据中固有一定量的噪音，利用静态组织中的高信号的持久保存通常是有价值的。代之以在每个时间相位用该相同时间相位中的信号过滤每个图像，我们应用了基于跨所有时间的时间点的最大信号强度的过滤器。然后用户可以选择最优信号强度阈值以抑制非静态组织。

虽然信号强度过滤器有帮助时，单单这些过滤器不足以隔离表示静态软组织的体素。而且，根据可以具体地选择表示静态组织的体素的图像数据来定义单个经计算的值是困难的。相反，我们定义了可以用来排除(a)“空气或肺”和(b)“血”或“移动组织”、基于解剖(幅度)和速度(相位)图像数据计算的概念上直观的图像过滤器。

为了计算“空气或肺”过滤器，我们标识了通常表示“空气或肺”的大多数像素所共有的几个特征。这些体素通常有(a)低幅度信号密度、(b)速度场中的高本地相对空间变化、和(c)速度场中的低本地相干性。由此我们可以定义计算空间的每个位置处的“空气或肺”的概要分数的函数：

其中m表示幅度(解剖)图像强度，v表示相位(速度)矢量场，a(m)表示单单基于信号强度的体素是“空气或肺”的相对可能性的估计，

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

是基于每个位置处的幅度图像的信号强度m₀和任意参数m_min、m_max、p_min而计算的。函数b(v)表示速度场中的相对本地空间变化，

是基于每个位置处的速度计算的。函数c(v)表示速度场中的本地相干性的度量，

是作为与邻近体素的本地相干性的任意权重w_i的加权和而计算的，

其中v₀是图像体中的当前位置处的速度，且是每个邻近体素中的速度。

为了计算“血或移动组织”过滤器，我们类似地标识了表示这些内容的大多数体素所共有的特征。这些体素通常有(a)速度场中的高速度、(b)时间数据的傅立叶变换中的特征性签名、和(c)速度场中的高本地相干性。通常，这些体素也具有解剖(幅度)图像上的高信号，但这可能取决于静脉对比剂的使用而变化。由此我们可以定义计算空间的每个位置处的“血或移动组织”的概要分数的函数：

其中m表示幅度(解剖)图像强度，v表示相位(速度)矢量场。函数a(v)表示基于速度场中的每个位置处的时间数据的傅立叶变换的分数，

是基于每个位置处随时间的速度和任意参数b_min、b_max、p_min而计算的。函数b(v)，

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

是作为每个位置处的速度的频率分量的加权和而计算的。排除第一个和最后一个频率分量，表示“血”的体素通常具有在频域的开始和结束处高而在中间低的值。因此，的有用的权重方案可能看上去类似(0,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,1,1,1,0)。函数c(v)还是表示速度场中的本地相干性的度量，如上更详细地描述的，

一旦选择了未扭曲的静态组织的适当子体，然后我们就可以使用此数据子集来计算整个成像体的涡电流相关的相位偏移的模型。我们具体地定义可以用来完全地利用此数据的体量的、三维本质的模型族，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是非负整数，且和是独立的多项式函数

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

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

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

该族中最简单的可用模型是三维、分量级线性模型，最普遍地应用于从1.5T扫描仪获得的体相位对比MRI数据：

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)

包括在该涡电流模型族之内的是形式的子族。这些可以通过消除交叉项来导出，这留给我们不完全地表征没有与成像轴排齐的涡电流相关的相位错误的时刻的模型。通过模拟上述方程式2，此简化的、但可能不足够的模型等价地表示为

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

此处提议的三维模型的参数可以通过使用来自跨成像体积的静态组织的数据用最小平方回归来估计。然而，对静态体素的标识是不完美的，并且可能在一个时间相位中比在另一个中更成问题。因此我们选择计算用于所有时间点的单个最优三维模型。

存在用于创建跨所有时间点的平均模型的几个有效方法。第一个方法是在每个时间点处单独地计算三维模型的参数，然后计算每个系数的平均值以达到最终模型。跨时间点的系数的变化可以是不确定性的有用的度量。第二个方法是通过对体积中的每个静态体素拟合跨所有时间点的均值相位来计算三维模型的参数。此方法将倾向于平均掉离群相位测量，否则其可以不公平地驱动最小平方回归。这可能比第一个方法稍微地更准确些。然而，用这个方法更难以获得该模型的系数中的不确定性程度的评估。第三个方法是通过使用跨所有时间点的静态体素数据来执行最小平方回归以达到单个模型。这是最内存密集的方法，并可能是三个选项中最不准确的。

通过使用成像体积而不是单个成像面来定义三维相位偏移模型的参数，此处我们提供的模型和方法可以容易地与现有方法区分。此新方法有几个优点。由于三维模型显式地校正切片方向中的空间变化，跨切片的相位偏移中的变更可以用可预测的方式校正。因此该方法对静态组织分类中的错误较不敏感。为了进一步探究这一点，考虑每个图像切片中可以存在变化的数量的静态组织是值得的。例如，在中胸腔会有比腹部或上胸腔少得多的图像体素表示静态组织。通过使用体方法，使用来自腹部和上胸腔的数据获得关于中胸腔中的相位错误的信息是可能的。

我们应用的建模方法也利用了很大程度上还未利用的相位错误的另一属性。通过认识到涡电流应平等地影响每个时间相位，我们选择了组合来自每个时间相位的数据以进一步改进模型的准确性的建模方法。在过去的方法中没有考虑这个有价值的假设。

矢量场融合可视化

为了便于高维度体相位对比MRI解剖和矢量场数据的时间上有效率的解读，以可以由做解读的医生迅速理解的方式组合并显示所获得的获取信息是必要的。由于获取了这样大量的信息，并且如果切片太薄的话解读医学图像对读者来说可以是困难的，因此，如一些已有的软件包已经实现的，提供执行多种跨图像体中的任意厚度的平板取平均值(射线总量、最大强度投影、最小强度投影、表面渲染)的机制是重要的。在医学成像领域这通常称为“体渲染(volume-rendering)”。

为了最优使用体相位对比MRI数据，矢量场数据也需要用不完全遮挡解剖细节的方式叠加到这些经渲染的解剖图像上。所需要的叠加的程度可能在不同的检查或不同的用户之间显著地变化。因此在此处我们提供了允许动态控制所叠加的矢量场数据的不透明度的用户接口机制。在我们的实现中，这是用可以由用户以可变的宽度和起始位置控制的滑动条来完成的。滑动条的起始位置建立最小不透明度o_min，而滑动条的结束位置建立最大不透明度o_max，其值在0和1之间。

将颜色分配到来自医学图像的数据的公共策略是应用变换函数。可以使用有可变宽度和起始位置的滑动条来控制这样的变换函数的参数，从而可以基于每个体素的速度将颜色c_i分配给它。

当速度数据位于滑动条的起始位置下面时，分配了域最小处的颜色v_min。当速度数据位于滑动条的结束位置上面时，分配了域最大处的颜色v_max。中间的值是沿任意颜色尺度内插的。

认识到不是所有的矢量场数据都一样有信息量是重要的。事实上，矢量场数据的过度显示可以是令人分心的并遮挡成像体积中的医学上重要的特征。因此在此处我们提供具体的机制以使用参数可以由用户控制的数据掩模和半透明化来增加高质量速度数据的显著性。这些用户控制的特征可以抑制低质量矢量场数据，同时强调高质量的和诊断上重要的矢量场数据。我们当前实现的两个示例掩模是：

·完全基于信号幅度的掩模m_i，

·基于信号幅度和速度的积的掩模

对于这些掩模中的每一个，滑动条可以由用户以可变的宽度和起始位置来控制。当源图像值位于滑动块的起始位置下面时，速度数据在显示上完全地透明和不可见。当源图像值位于滑动块的结束位置上面时，速度数据设为最大不透明度。当源图像值位于之间时，速度数据是部分地透明的，有在最小和最大透明度(o_min，o_max)之间线性内插的透明度级别。

尽管将速度场叠加到数据面上是相当直接的，但怎样最好的跨体积执行此融合不是直观的。为了维持与在多平面重格式化可视化期间调整解剖数据上的速度场的透明度的滑动块控制的一致性，我们提供了每个体渲染投影中遭遇的信号幅度峰的动态选项卡，使得它们可以用来控制相对于体渲染的解剖图像重叠的体渲染的矢量场的透明度，

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

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

我们附加地设计了解决此体渲染矢量场融合问题，同时强调矢量场中的病理特征的具体方法。认识到许多病理状况展示高速度流是重要的。因此我们提供速度权重的使用以增加此高速度数据的显著性。由于多个迭代通常在解剖数据的体渲染流水线中执行，我们提供了对高速度数据的透明度分配高权重并定义α_i为任何给定位置处的本地速度透明度的一组类似的迭代：

${\mathrm{\α}}_i={r_i}^w$

其中w表示权重因子(通常取值4或更大)且r_i表示缩放到域[0，1]的速度，如下给出

在体渲染中的每个迭代步骤处，本地速度透明度α_i帮助管控概要颜色矢量计算为

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

其中概要速度透明度是由以下迭代地更新的

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

由于体相位对比MRI数据的高维度，我们相信利用立体3D可视化技术来优化解读此数据的效率是有价值的。通过提供此可视化方法，解剖和速度噪音的显著性可以跨所显示的体积分散，阻止噪音遮挡数据中的重要诊断细节。将此技术结合到渲染流水线中并同时最小化对诊断软件的接口的影响的最优方法不是立即清楚的。因此在此处我们提供启用有最小量的用户干预的立体可视化的具体流水线。

1.用户用单次按钮点击来启用/禁用立体可视化。

2.用户操纵眼间距离(IOD)控件来调整立体可视化的幅度。

3.计算机基于IOD参数生成每个眼的独立视图。

当启用了立体可视化时，来自每个眼的独立视图的方向可以基于固定的视图距离d和IOD参数iod直接计算。存在用于从这两个参数获得有角度的投影的多个方法，但我们提供以下作为一个方法：

1.计算每个眼的视图角度，

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

对右眼θ_r＝+θ_e且对左眼θ_l＝-θ_e。

2.计算到视图面的中心的眼位置

3.对于所渲染的图像中的每个位置，基于眼位置和图像位置之间的差别计算眼投影矢量。

4.然后可以如前所述地沿每个眼投影矢量执行固定厚度的平板的体渲染。

矢量场面选择

我们已经确定了，心脏和血管的定量评估所要求的最重要的诊断任务之一是精准放置可以用来进行矢量场测量的具体成像面。没有足够的可视化工具的话，放置这些面是极端挑战的，并且因此上面描述的可视化方法对此任务的性能是必要的。重要的是，不仅精准地放置这些面，还要用最小量的用户努力或交互来完成。

结合我们上面所描述的矢量场融合可视化方法，我们提供了用于最优面的初始放置和方向的单键交互方法。在单键事件发生的时间，显示上指针的位置规定面的中心。然后可以使用在该位置处或其附近的矢量场的值来规定面的方向(正规矢量)。换言之，由单击事件定义的面可以用所有满足以下的点来描述

其中是图像中的指针的位置，是该位置处的矢量场的值。一旦建立了此初始位置和方向，就可以使用显示在其它成像面上的交叉参考的线条和标记来重定位或重定向面。

对于心脏和血管的完整评估必要的另一个重要任务是放置动态(移动的)成像面。并不会立即清楚：用户跨多个数据时间点规定这样的面的位置和方向的最好方式是怎样的。因此在此处我们提供最小化规定动态面所要求的努力的过程。此过程使用户能执行一系列步骤以完整规定动态面：

1.用户用特定位置和方向放置初始静态面。

2.用户遍历到数据集中的另一个时间点。

3.用户在此新时间点中重定位和重定向面。

4.计算机自动地为这些位置和在用户规定的面之间线性内插的正规矢量之间的时间点创建中间面。

5.计算机自动地在动态规定的面中显示数据。

6.重复步骤2-5。

可视化辅助的心脏结构和血管分段

一旦由用户规定了静态或动态面，任何给定的感兴趣的结构或血管的边界就需要被描绘或“分段”。这一般要求大量的用户输入以描绘所获取的所有数据时间点的感兴趣的结构的边界。为了最小化这项努力(否则其是时间密集的)，在一个示例中我们使用了具体地定义了结构的边界的时间点之间的自动内插。可以使用任何数量的闭多边形内插方法。这实现了用于完整描绘给定结构的边界的缩略过程。

1.计算机生成先前由用户规定的面中的数据的视图。

2.用户绘制感兴趣的结构(即主动脉、肺动脉)周围的边界。

3.用户遍历到数据集中的另一个时间点。

4.计算机用叠加到图像上的边界生成先前由用户规定的面中的数据的视图。

5.用户绘制或更新感兴趣的结构周围的边界。

6.计算机自动地生成之间的时间点的内插边界。

7.根据需要，重复步骤3-6。

在体相位对比MRI获取中获取的解剖和矢量场数据都可以提供关于血管和心脏结构的适当边界的细节。我们认识到尽管这二者独立地有信息量，但速度场融合渲染也可以有利于这些解剖结构的分段的准确性。出于这个原因，我们提供了上面所描述的颜色和矢量融合渲染方法的使用以进一步改进准确性。这是通过允许用户直接在这些融合图像上执行分段来启用的。

尽管融合图像对于分段非常有价值，但它们可以隐藏底层图像数据中的伪影(artifact)，特别是当颜色变换函数没有结合运动的方向的时候。当相位混淆(phase-aliasing)存在于矢量场数据中时这尤其是个问题。伪影的存在可以负面地影响血流测量的准确性。为了强调相位(速度)混淆的存在，我们提供了最近邻项渲染的图像的同时显示。这允许用户容易地检测到伪影的存在并选择替换性数据面来执行量化。

尽管我们发现了渲染颜色速度融合和并排最近邻项内插可以帮助做解读的内科医生迅速地标识混淆，但查看这些单独的图像的过程可能使体相位对比成像数据的解读和分段的效率慢下来。因此我们提供了封装可以用某些颜色变换函数遮挡的指向信息的附加的、替换性方法。通过在至此所描述的渲染的图像上叠加箭头，此指向信息可以迅速地和更有效地集成到用户对底层数据集的理解中。我们提供了对于叠加箭头以维持软件接口的简单性的以下一组要求：

1.箭头的长度和/或大小与速度矢量的长度成比例。

2.使用与管控颜色重叠的掩模类似或相同的控制来管控箭头的掩模。

3.使用与管控颜色重叠的透明度类似或相同的控制来管控箭头的透明度。

一旦在用户所要求的位置和成像面中执行了分段，计算机就可以容易地计算任何数量的从矢量场导出的值。这不仅包括体血流的量化，还包括可以使用Navier-Stokes管控方程根据速度矢量场计算的涡旋、剪应力、压力和湍流。

基于地标的传统心脏面可视化

数据体的徒手交互式导航对于将参与解读从体相位对比MRI获取的数据的一些医生可能是有挑战性的。因此，提供用于达到这些做解读的医生更熟悉的传统成像视图的附加的直观机制是重要的。在传统心脏MRI的获取期间，这些传统成像视图(右和左两腔室、右和左三腔室、四腔室、右和左短轴)的规定通常是通过转换和旋转叠加在其它面中的图像上的参考线条来执行的。此过程可以在用于放置体CT或MRI数据中的面的软件中镜像，但仍是耗时的。而且，用此方法来描述可以跟踪心脏的变更方向的动态视图是不可能的。因此我们提供了由时间分解的地标的用户规定所启用的替换性方法。

1.用户用标签标记图像上的位置(即，左心室尖、右心室尖、二尖瓣、三尖瓣、主动脉瓣、肺动脉瓣、前乳头肌、后乳头肌)。

2.计算机显示叠加在表示该位置的图像数据上，可以由用户移到不同位置的标记(即‘x’)。

3.用户遍历到数据集中的另一个时间点。

4.用户将标记的位置修改到不同的位置。

5.计算机更新显示以反映新位置。

6.计算机自动地对所定义的标记之间的所有时间点内插标记的位置。

7.根据需要，重复步骤3-6。

一旦定义了足够的一组地标，然后就可以基于这些位置自动地计算专门的心脏视图。例如，左心室三腔室视图可以由三个点来定义：左心室尖、二尖瓣中心和主动脉壁中心。由于这些位置中的每一个都可以随时间变更，通常在心脏MRI、CT或ECHO中使用的传统静态面的方向可能是次优的，特别是如果心脏的轴在心脏周期的过程中显著地变更的时候。为了克服这个问题，我们使用了时间分解的地标来规定动态心脏视图面，其根据每个地标在每个时间点处的位置来转换和旋转。例如，对于左心室三腔室视图，每个时间点处的动态面可以用满足以下的所有点来描述

其中是主动脉壁的位置，是左心室尖的位置，且是二尖瓣的位置。

我们认识到，在传统成像面上精准地放置一些地标的位置有时候是困难的。然而一旦获得了近似心脏视图，用户执行手动调谐这些地标就容易得多。在一个示例中，我们使用了以下过程来精细调谐心脏视图：

1.计算机显示基于上面所描述的地标的初始心脏视图。

2.计算机显示叠加在这些心脏视图上的标记。

3.用户在视图之一上修改标记的位置。

4.计算机自动地更新依赖于所修改的标记的位置的所有心脏视图。

5.计算机自动地对所定义的标记之间的所有时间点内插标记的位置。

6.计算机自动地对受影响的时间点更新依赖于所修改的标记的位置的所有心脏视图。

8.用户遍历到数据集中的另一个时间点。

9.如果需要，重复步骤1-8。

对来自心脏MRI的心室体的量化要求对心室壁和内腔之间的边界的一致的描绘。这是不精准的技术，不仅取决于心室壁和内腔之间的对比差别的质量，也取决于可能不轻易地在任何单个视图面上显而易见的解剖结构的三维注册。而且，如果每个时间点或切片都需要单独地分段的话，对边界的用户描绘也是时间密集的努力。相反，在一个示例中，我们使用了启用对心室的边界更一致和可靠的分段的一系列过程。

1.计算机显示短轴和长轴(2-、3-、4-腔室)视图中的每一个，带有叠加在这些心脏视图上的地标标记。

2.用户绘制感兴趣的结构(即心室壁)周围的边界。

3.用户选择数据集中的另一个时间点或切片。

4.计算机更新显示短轴和长轴(2-、3-、4-腔室)视图中的每一个，带有叠加在这些心脏视图上的地标标记和绘制的边界。

5.用户绘制或更新感兴趣的结构(即心室壁)周围的边界。

6.计算机自动地为之间的切片和/或时间点生成内插边界。

7.如果需要，重复步骤3-6。

一旦在多于一个切片中规定了感兴趣的结构的边界的分段，就可以基于每个边界内包含的区域A_j和用来执行分段的切片之间的间隔(通常是短轴)Δ_j之间的关系容易地计算结构体的估计。例如，在最简单的情况中，可以计算Riemann和以获得体V的估计

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

本发明的各方面可以是可以作为独立包或集成到成像设备或系统由计算机系统执行的计算机实现的软件、模块或流水线。

参考文献

1.Gatehouse PD、Rolf MP、Graves MJ等，由心血管磁共振进行的流测量：可以折中所导出的回流或分流流测量的准确性的背景相位偏移错误的多中心多供应商研究(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，通过磁共振进行的流测量：值得优化的独特优点(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，相位对比图像的基线校正改进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相位速度数据中的噪音减少和背景相位错误校正的半自动化方法(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，主肺动脉流量化中的相位偏移错误的校正(Correction of phase offset errors in main pulmonary artery flow quantification)，J Magn Reson Imaging，2005；22(1):73-9。