医学影像与稳定测量时间序列分析：助力疾病诊断与研究

### 医学影像与稳定测量时间序列分析：助力疾病诊断与研究 #### 1. 医学影像分析 在医学影像领域，T1加权的人类头部磁共振（MR）图像是研究的重点，不过其他MR和CT图像也有应用。图像数据主要来源于两个方面：一是mBIRN数据仓库中的ELUDE集合，对每个受试者每2年进行一次MR扫描，最长持续8年，实验选取了30名随机患者的多个数据集；二是波兰卢布林内政与行政部医院，从医院的图像存档与通信系统（PACS）获取了19名在过去几年内接受多次检查的受试者的数据，此外还使用了许多单次检查的正常和病理受试者的图像。 在图像分析中，涉及到多个步骤和工具。首先是分形维数的计算，若网格\((i, j)\)中图像的最小和最大灰度级分别落在盒子\(k\)和\(l\)中，那么网格\((i, j)\)对\(N_r\)的贡献\(n_r\)为： \[n_r = l - k + 1\] \[N_r = \sum_{i,j} n_r(i, j)\] 通过简单的盒子计数法计算不同\(r\)值下的\(N_r\)，然后根据\(\log(N_r)\)与\(\log(1/r)\)的最小二乘线性拟合来估计分形维数\(D\)。该方法已被证实可成功用于分类正常和异常（萎缩）的大脑结构。 另一个重要工具是SIENA，它是FSL库中用于MR图像分析的一部分，能够进行大脑变化的双时间点（纵向）分析，即脑组织的体积损失分析，尤其可用于定量估计萎缩水平的变化。其操作步骤如下： 1. 进行组织类型分割。 2. 在组织边缘点估计两个时间点之间的垂直组织边缘位移。 3. 将平均边缘位移转换为两个时间点之间大脑体积变化百分比的全局估计。此外，SIENA（sienax工具）还可用于从单张图像估计总脑组织体积。 整个图像的处理和分析过程，如图像配准、大脑提取、分割和分析程序等，非常耗时。不过，使用差分盒子计数法计算分形维数非常快，每个512×512的MR切片计算时间少于0.5秒。所有来自ELUDE集合的图像都成功配准，而卢布林医院的19对图像中有2对存在问题，原因是存在伪影或患者在MR扫描仪内的位置异常。除了模态内（MRI T1）配准外，如果有CT扫描，还会进行CT - MRI配准。大脑提取程序使用BET（大脑提取工具），通常能自动完成，少数情况下需要手动修改分数强度阈值。之后使用SIENA包计算相应MR T1加权图像之间的大脑体积变化百分比（PBVC），并标记检测到萎缩的位置。使用典型PC处理一对图像的完整流程需要一个小时或更长时间。 #### 2. 稳定测量时间序列分析 稳定测量学是医学的一个分支，主要研究与人体平衡相关的功能。平衡和头晕障碍是医生常见的病症，约30%的人在65岁前会患某种头晕障碍，老年人的发病率更高，且头晕是导致人们跌倒的原因之一。为了检查平衡，使用了一种名为姿势描记器的设备，患者站在平台上完成一系列测试，这些测试旨在分离对平衡有贡献的主要感觉、运动和生物力