基于头部MRI影像的脑容量测量系统的制作方法

本发明涉及医疗
技术领域：
，特别是指一种基于头部mri影像的脑容量测量系统。
背景技术：
：脑容量也称为颅容量，也即颅骨内腔的容量，在人类进化的过程中，人类智力水平与脑容量有一定线性关系，一般脑容量越大，智力发展水平越高。现代人类的脑容量一般为1300-1500ml。在评价脑萎缩病人的疾病进展时，一个重要的指标是脑实质系数，脑实质指数的计算公式为：脑实质指数＝脑实质体积/颅内容积。而在评价脑水肿病人的疾病进展时，一个重要的参数是侧室指数，侧室指数＝侧室体积/颅内容积。这些重要参数的计算都需要凭借对头部mri等医学影像的处理与运算，得出脑实质体积、侧室体积以及颅内容积等参数后计算所得。由此可见，脑容量等多项参数的测量对于多种颅脑疾病的评价具有重要意义。在目前所使用的脑容量测量方法中，基本上是采用断层像素点求和的方法，将每一层的像素点求和，再乘以层间距，这种近似方法较为粗糙，精确程度较低。这种测量方法依赖于mri影像的高分辨率，受分辨率的制约较为明显。而且这种测量方法常常需要人工勾勒轮廓，费时费力。因此，有必要设计一种新的基于头部mri影像的脑容量测量系统，从而提高脑容量的测量精度。技术实现要素：针对
背景技术：
中存在的问题，本发明的目的是提供一种基于头部mri影像的脑容量测量系统，实现脑容量参数的自动测量，从而为临床评价颅脑相关疾病提供颅脑相关参数作为参考。本发明的技术方案是这样实现的：一种基于头部mri影像的脑容量测量系统，包括图像传输与解析模块、颅骨剥离模块以及脑容量计算模块，所述图像传输与解析模块与颅骨剥离模块连接，所述颅骨剥离模块与脑容量计算模块连接，其中，所述图像传输与解析模块：用于向医学影像数据库请求并接收mri影像文件，解读mri影像文件中的文件头，并读取像素点数据加载到系统中；所述颅骨剥离模块：用于将mri影像中的颅骨与脑组织进行分离，分别获得中空的颅骨影像以及脑实质影像；所述脑容量计算模块：用于通过断层间插值以及台体体积运算计算多个断层间的台体体积后再求和得到脑容量。在上述技术方案中，所述颅骨剥离模块在进行图像分割之前，首先对mri影像各个断层图像进行各向异性扩散滤波，从而使图像平滑。在上述技术方案中，所述颅骨剥离模块通过ostu计算对平滑图形进行二值化得到二值化图，再通过形态学算子对二值化图中的颅骨与脑组织进行分离。在上述技术方案中，所述脑容量计算模块在计算脑容量时，首先计算各个断层颅骨内边缘内的像素点个数，根据像素点个数计算该断层颅骨内面积；随后求出各个断层间的台体体积并进行求和；求和所得的值进行单位转化为毫升，即得脑容量。本发明基于头部mri影像的脑容量测量系统，包括图像传输与解析模块、颅骨剥离模块以及脑容量计算模块，图像传输与解析模块与颅骨剥离模块连接，颅骨剥离模块与脑容量计算模块连接，所述图像传输与解析模块用于向医学影像数据库请求并接收mri影像文件，解读mri影像文件中的文件头，并读取像素点数据加载到系统中；所述颅骨剥离模块用于将mri影像中的颅骨与脑组织进行分离，分别获得中空的颅骨影像以及脑实质影像；所述脑容量计算模块用于通过断层间插值以及台体体积运算计算多个断层间的台体体积后再求和得到脑容量，如此实现脑容量参数的自动测量，从而为临床评价颅脑相关疾病提供颅脑相关参数作为参考。附图说明图1为本发明脑容量测量系统的结构框图；图2为本发明中脑容量计算模块流程图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。如图1所示，本发明所述的一种基于头部mri影像的脑容量测量系统，包括图像传输与解析模块、颅骨剥离模块以及脑容量计算模块，以下是对上述各模块的详细说明。(1)图像传输与解析模块：图像传输与解析模块负责完成图像的传输与解析。在医学影像系统中，图像的传输与存储都是以dicom图像文件形式。该系统的dimse层使用leadtool类库中的ileaddicomenet类，通过使用该类中的createassociate、getpresentationid等函数，向医学影像数据库请求并接收mri影像文件。接收完成后，利用leadtool类库中的ileaddicomeds类，该类中包含多种图像解读的相关参数，能解读dicom图像文件中的文件头，并且使用该类中的loadds函数将数据集中的像素点数据读取出来，加载到系统内存中。所读取的mri图像文件常常为多幅图像数据集。通过该个模块的处理，完成图像文件的获取与解读，以便下一步图像处理。(2)颅骨剥离模块：所获得的mri影像文件需要经过颅骨剥离，以便于测量颅内容积。颅骨剥离模块的工作是将颅骨与脑组织进行分离，分别获得中空的颅骨影像(以便于测量颅内容积)以及脑实质影像(以便测量脑实质体积)。本系统中颅骨剥离模块的所采用的算法主要包括ostu算法与形态学算子进行图像分割。在进行图像分割之前，首先需要对mri影像各个断层图像进行各向异性扩散滤波，从而使图像平滑。滤波完成之后，首先需要使用otsu算法对平滑图像进行二值化，得到一张二值化图。otsu算法使用迭代的方法，将灰度从0到灰度最大值代入方差表达式中，当方差达到最大值时即为二值化分割的最大阈值，使用该阈值对图像进行二值化，大于该值则设为白色，低于该值则设为黑色，从而完成二值化。得到二值化图之后，使用形态学算子中的开操作对图像进行处理，开操作的具体内容是先腐蚀再膨胀，使用开操作之后颅骨即被剥离。随后再将该图进行闭操作，得到脑实质模版。将模版与原图进行比对，保留原图中模版所在位置的图像，所得到的即为脑实质影像。得到脑实质影像之后，将原图减去脑实质影像，则得到中空的颅骨影像。(3)脑容量计算模块：脑容量计算模块中的核心算法是台体体积近似积分算法。脑容量计算模块需要获取像素/毫米比这个参数，记为δ；此外，还需要原始层间距，记为μ。此外，在进行脑容量计算之前，需要用户首先输入计算精度，计算精度即为计算时所用的层间距(小于或等于原始层间距)，记为h，单位为毫米。在进行脑容量计算之前，首先需要判定颅内腔下边界。颅内腔下边界的判定由断层面积下降导数决定，断层面积导数的计算公式为：断层面积导数＝(上一断层腔内面积-下一断层腔内面积)/层间距当该导数达到预设阈值时，则表示断层已经下降到脑干与脊髓的边缘，该断层记为颅内腔下边界，在进行脑容量运算时到该断层位置。在计算各个断层颅骨内面积之前，还需要进行插值处理，相当于在两个断层之间插入一个断层，以便进行更精细的计算。插入断层数需要根据计算精度计算得到。插入断层需要根据mri影像重建前的投影数据在两层之间进行插值，再进行重建，得到新的两个断层之间新的断层。进行线性插值后图像现有n个断层。计算脑容量时，首先计算各个断层颅骨内边缘内的像素点个数。根据各个断层颅骨内的像素点个数，可以计算该断层颅骨内面积，计算公式为：颅骨内面积＝颅骨内像素点/δ2随后进行各个断层间的台体近似，求出各个断层间的台体体积，并进行求和，计算公式为：h为测量精度，即为断层层间距。求和所得的值进行单位转化，转化为毫升，所得即为颅内容积，即为脑容量。按照同样的方法，可以测量脑实质体积。颅内容积减去脑实质体积则可近似视为侧室容积。得到各项参数后，则可根据计算公式计算侧室指数、脑实质指数的颅脑相关参数，输出结果。其中，脑容量计算模块的计算流程如图2所示。以下是结合一具体实例对本发明的进一步说明。该种脑容量测量系统是以台体体积近似求和的运算实现对脑容量的计算的。现获取的图像的参数如下：像素/毫米比1/mm最小层间距1mm用户所设定的计算精度h为0.33mm。因此需要在两个相邻断层之间，根据mri影像的原始数据，在两个相邻断层之间插入两个断层。该mri影像文件中存在两个断层，两个断层的颅内像素数分别为12,000和15,000。根据断层间插值，插入的两个断层颅内像素数为13,000和14,000。根据断层面积计算公式可得，上一个断层的面积为120cm2，下一个断层的面积是150cm2，插入的两个断层面积为130cm2和140cm2。这四个断层夹着三个台体，三个台体体积的计算结果为4.124、4.454、4.784。将这三个台体体积求和，即得到这两个断层之间的体积为13.362ml。得到的颅内容积为1478ml，脑实质体积为1330，脑实质指数为1330/1478＝0.9。综上，与现有技术相比，本发明基于头部mri影像的脑容量测量系统具有以下有益效果：1.在此前的脑容量测量的方法中，所使用的都是人工勾勒颅骨内与脑实质轮廓再进行计算，人工勾勒的过程费时费力，需要对每一个断层都进行勾勒，花费时间较长，效率低下。而在本系统中，自动对mri图像进行处理，完成颅骨与脑实质影像的分离，从而得到颅骨影像与脑实质影像，再根据各个断层影像进行面积计算。通过图像分割的方法获得颅骨与脑实质的轮廓，这一处理过程简便快速，大大提高了脑容量的计算效率。2.此前所使用的脑容量测量方法都是直接根据mri影像的各个断层，求各个断层的体积再进行求和作为体积的近似，如此容易受到层间距的限制，当层间距较大时、分辨率较低时计算精度会明显下降。而本系统使用了断层间插值的方法，根据mri投影值在两断层间插值，以达到足够多的断层，再根据各个断层的面积计算两断层之间的台体体积，将台体体积求和即为颅内容积的近似，这一近似方法由于插值处理和台体近似使得精度高于像素点直接近似，计算结果精度更高。3.计算精度与计算量是一对矛盾关系，一般情况下对计算精度的要求越高，所需要的计算量就越大；计算量越少，计算出来的计算精度就越低。本发明脑容量测量系统以更大的计算量为代价获得了更高的计算精度，但是与此同时用户可以根据实际要求设定需要的计算精度，如果实际计算所要求的精确度不高，则设定的h值也可以相应放大，计算量相应减少，计算速度也相应加快，因此给了用户以较大的选择空间，灵活度高。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12