如何用掩模（mask)提取MRI图像的原理与技术

道不可以打折扣

已于 2024-07-28 17:18:21 修改

阅读量536

点赞数 26

分类专栏：神经科学之路文章标签：图像处理神经网络人工智能 matlab

于 2024-07-28 17:16:59 首次发布

本文链接：https://blog.csdn.net/Rose9614/article/details/140751761

版权

神经科学之路专栏收录该内容

3 篇文章 0 订阅

订阅专栏

前言：

在磁共振影像处理中，mask是一个非常常用的工具，它的作用笔者使用过的包括但不限于：

预处理:去除头骨、颈部、颅外等区域（脑提取（Brain extraction）&头骨剥离（Skull stripping））。
分割：将大脑分离成特定成分，如白质、灰质、脑脊液等。
标准化和配准：mask可以确保只有相关脑区参与到配准计算，这在某些序列（eg:QSM）中是必不可少的一步。
统计分析：在组间比较前进行mask，不仅可以增加同一体素的可比性，还能减少计算量。

mask也有不同的类型，常见的两种原理分别是：

1.二值化掩模：只包含0和1的MRI图像，1表示感兴趣区域，0表示不感兴趣的区域。

2.先验概率掩模：每个体素里包含从0到1的连续变量，指该体素在概率上属于某种成分的可能性。（例如0.5&csf，指该体素在之前的群体模版里有50%可能性属于脑脊液成分。）

原理

mask提取的过程本质上是通过元素级的乘法，将原始MRI图像中的不感兴趣区域定义为0，感兴趣区保留原始强度。

拿灰质mask为例，其中灰质区域的体素值为1，非灰质区域为0，将这个mask矩阵与原始MRI图像矩阵相乘，非灰质区域就进行了置零。

而脑图谱中的ROI（感兴趣区）提取方法本质上也是通过label的索引，再转化成二值mask来提取。

数学描述

MRI图像是三维矩阵：

x方向：n个体素；
y方向：m个体素;
z方向：k个体素。

定义变量：

$I:$ 原始MRI图像。
$M$ ：灰质mask。
$G:$ 提取出的MRI里的灰质图像。

$I,M,G$ 都是三维矩阵，且其三者的维度相等并等于 $I,M,G \in \mathbb{R}^{m\cdot n\cdot k}$

对于图像中的每个体素，我们都可以用 $(m,n,k)$ 来表示其位置。

那么提取灰质的过程也就是：
$G(m,n,k)=I((m,n,k))\times M(m,n,k)$

概率mask原理相同：

$M(m,n,k)\in \left [ 0,1 \right ]$

某些情况下每个体素单位内不是严格的0或1，而是每个体素属于某种成分的概率。

$G(m,n,k)=I((m,n,k))\bigodot M(m,n,k)$

技术

上文介绍了mask提取MRI图像原理，本质上非常简单，但3D图像还涉及到中心坐标点，朝向，体素点大小，尺寸等许多问题，为了让mask可以完美的覆盖到我们的MRI图像，在技术层面还是要细心做许多工作的。

在这里覆上笔者亲踩的坑，如果图省事直接用matlab的imresize函数简单粗暴解决问题，效果有多差。

1.准备mask

准备好二值化掩模，将其中感兴趣区设置为1，非感兴趣区设置为0。

2.Reslice:确保mask和MRI采样率（Voxel Size）一致

读取：

在matlab上用spm读取MRI和mask的图像信息。

V = spm_vol('MRIimg.nii');
disp('Image dimensions:');
disp(V.dim);
voxel_size = sqrt(sum(V.mat(1:3,1:3).^2));
disp('Voxel size (mm):');
disp(voxel_size);

重采样：

使用cat的toolbox进行自动化Resize，或者自己在matlab上编写代码，示例如下，一般使用常见的邻近法插值即可：


% 将voxel size为3mm的MASK重新采样为1.5mm
filename = 'mask.nii';
V = spm_vol(filename);
[img, XYZ] = spm_read_vols(V);
old_dim = V.dim;
new_dim = round(old_dim .* (3/1.5));
[x, y, z] = ndgrid(1:new_dim(1), 1:new_dim(2), 1:new_dim(3));
new_coords = [x(:)'; y(:)'; z(:)'];
M = V.mat * [diag(3./1.5), zeros(3,1); zeros(1,3), 1];
old_coords = V.mat \ (M * [new_coords; ones(1, size(new_coords, 2))]);
interp_img = interpn(img, old_coords(1,:), old_coords(2,:), old_coords(3,:), 'nearest');
new_img = reshape(interp_img, new_dim);
new_V = V;
new_V.dim = new_dim;
new_V.mat = M;
new_V.fname = 'F:\XIUJUEmaterial\resampled_1.5mm_mask.nii';
spm_write_vol(new_V, new_img);
disp('重采样完成！');

3.确保mask和MRI图像配准

通过将MRI和mask重叠的方式，它们对齐在同一空间。

如果没有重叠，需配准到标准空间（spm配置教程）。

4.【可选】进行mask填充

因为我们从网站上下载的脑图谱mask和自己处理的T1img维度可能不一样，如果T1大于mask的范围，我们需要将mask的边缘用零值填充，使其和T1一致，再进行运算。

mri = spm_read_vols(spm_vol('T1.nii'));
mask = spm_read_vols(spm_vol('Mask.nii'));

[x1, y1, z1] = size(mri);
[x2, y2, z2] = size(mask);

pad_x = max(0, x1 - x2);
pad_y = max(0, y1 - y2);
pad_z = max(0, z1 - z2);

% 填充
mask_padded = padarray(mask, [pad_x, pad_y, pad_z], 0, 'post');

% 裁剪
mask_final = mask_padded(1:x1, 1:y1, 1:z1);

% 写入MASK原文件
V = spm_vol('Mask.nii');
V.dim = size(mask_final);
spm_write_vol(V, mask_final);

4.进行提取

可以用spm-imgCacluater进行图像相乘。

5.【可选】裁剪

如果进行了第四步，用填充后的mask进行抓取，那在进行组间比较前需要再裁剪，否则会有很多体素值为0，影响多重比较校正的计算。下文的代码介绍将图像裁剪为113*137*113维度。

% 读取MRI图像
mri_file = 'MRI.nii';
V = spm_vol(mri_file);
img = spm_read_vols(V);

% 找到非零值的索引
[x, y, z] = ind2sub(size(img), find(img ~= 0));

% 计算非零值的中心
center_x = round(mean(x));
center_y = round(mean(y));
center_z = round(mean(z));

% 计算裁剪的起始和结束索引
start_x = center_x - 56; end_x = center_x + 56;
start_y = center_y - 68; end_y = center_y + 68;
start_z = center_z - 56; end_z = center_z + 56;

% 确保裁剪索引在图像范围内
start_x = max(1, start_x); end_x = min(size(img, 1), end_x);
start_y = max(1, start_y); end_y = min(size(img, 2), end_y);
start_z = max(1, start_z); end_z = min(size(img, 3), end_z);

% 裁剪图像
img_cropped = img(start_x:end_x, start_y:end_y, start_z:end_z);

% 确保裁剪后的尺寸正确
[crop_x, crop_y, crop_z] = size(img_cropped);
if crop_x ~= 113 || crop_y ~= 137 || crop_z ~= 113
    warning('裁剪后的尺寸不是113x137x113，可能需要额外的处理');
    % 如果尺寸不匹配，可以考虑在这里添加额外的裁剪或填充步骤
end

% 创建新的头文件
V_new = V;
V_new.fname = 'path_to_save_cropped_image.nii';
V_new.dim = size(img_cropped);

% 更新变换矩阵以反映新的图像位置
% 这确保了裁剪后的图像在原始空间中的正确定位
orig_to_world = V.mat;
crop_to_orig = eye(4);
crop_to_orig(1:3, 4) = [start_x; start_y; start_z] - 1;
V_new.mat = orig_to_world * crop_to_orig;

% 保存新图像
spm_write_vol(V_new, img_cropped);

总结：

笔者进行VBM（体素形态学）组间比较时发现不同组因T1图像不同，分割后的灰质图像维度并不一致，为了让每个体素单位的统计检验更可靠，学习将三组在同一空间再次应用灰质掩模后比较。

道不可以打折扣

关注

26
点赞
踩
18

收藏

觉得还不错? 一键收藏
0
评论
如何用掩模（mask)提取MRI图像的原理与技术

原始MRI图像。：灰质mask。提取出的MRI里的灰质图像。都是三维矩阵，且其三者的维度相等并等于对于图像中的每个体素，我们都可以用来表示其位置。笔者进行VBM（体素形态学）组间比较时发现不同组因T1图像不同，分割后的灰质图像维度并不一致，为了让每个体素单位的统计检验更可靠，学习将三组在同一空间再次应用灰质掩模后比较。图7 按本文步骤提取的灰质图像I%3AMG%3AI%2CM%2CG。
复制链接

扫一扫