蜜月久综合久久综合国产_7777偷窥盗摄视频_久久国产九九_国产网站免费看 - 人人艹人人爱

【揭秘】VPD的MRI-PalqueView軟件為何成為全球最廣泛應用的血管斑塊分析診斷工具

2025-07-22 13:46:36 by admin 56

微信圖片_20250722134541.jpg

編者按：MRI-PlaqueView是市場上唯一一款經美國FDA及中國國家食品藥品監督管理總局核準的臨床用血管斑塊分析系統。該系統可基于常規臨床MRI圖像定性及定量分析血管斑塊成分，鑒別斑塊類型，評估卒中風險。其核心算法的準確性、可重復性以及有效性已經在臨床和學術界得到了充分的驗證，是國際上這個領域內廣泛采用標準化工具。目前已經被用于數十項醫學臨床研究項目并在國際學術期刊發表（詳情見MRI-PlaqueView支持文獻匯總），并且在近百家國內外醫院中已經安裝提供為患者臨床服務。

VPD的MRI-PlaqueView系統不僅有優越的血管形態學自動分析功能，而且擁有一項目前其他產品不具備的核心技術，即血管管壁內的斑塊成分自動識別。這項技術是集血管外科專家，病理學家，磁共振技術專家，圖像處理專家及軟件科學家多學科的諸多學者共同努力多年的學術成果。其基礎文獻發表于2006年（Magnetic Resonance in Medicine 55:659 – 668 ,2006，Automated In Vivo Segmentation of Carotid Plaque MRI with Morphology-Enhanced Probability Maps）。文中介紹了VPD產品MRI-PlaqueView的底層技術原理：基于最大后驗概率貝葉斯理論，將軸向、多對比度加權圖像劃分為壞死核心、鈣化、疏松基質和纖維組織。該方法的主要優點是在模型中加入了形態學信息，例如局部壁厚和到管腔的距離，來限制噪聲和偽影的影響。并有助于后續出血斑塊的自動檢測。

研究中的主要數據包括對受試者術前掃描的142 組多對比磁共振圖像，以及頸動脈內膜切除術后獲取的組織病理切片。通過采用本文提出的方法分割斑塊成分，與病理學切片對比，相關性指數 (R2) 分別為 0.78、0.83、0.41 和 0.82。相比之下均高于手動識別的斑塊成分與病理學切片的相關性指數（ 0.71、0.76、0.33 和 0.78 ）。此項技術目前已經獲得美國專利批準（US8131336B2）。

這些結果表明，在進行大量磁共振病例的斑塊分析處理中，利用VPD的產品MRI-PlaqueView進行的血管斑塊成分的自動識別及分割的正確性及可靠性，并且在量化斑塊成分方面相較于人工識別甚至更優。相比近年來出現的AI等其他方法，VPD的斑塊分析由于是基于病理切片(金標準)，因此具備機理明確且嚴謹的優勢，每一個參數均具有明確的病理學意義及物理學定義，這也是PlaqueVIew之所以被國際醫學界廣泛認可的核心原因之一。




（Magnetic Resonance in Medicine 55:659 – 668 ,2006，Automated In Vivo Segmentation of Carotid Plaque MRI with Morphology-Enhanced Probability Maps文獻翻譯如下：）


01/ 背景
大量研究表明：不同成分在不同MRI掃描序列下的成像特征不同，可結合多對比圖像，識別斑塊成分。已有研究證實，基于影像特征手動分割的斑塊成分與組織學壞死核心、鈣化、疏松基質和纖維組織的體積密切相關。然而，用自動分割方法代替主觀的手動分割，可以節省圖像審查的時間，減少讀取圖像所需的大量培訓以及評分者間差異性。我們工作的目標是開發一種靈活的多對比度斑塊分割技術，在體測量斑塊成分，并通過組織學驗證該方法的有效性。在本研究中，我們將形態分布信息視為確定斑塊成分的重要因素，因此，我們將此方法稱為“形態增強概率斑塊分割”（Morphology-Enhanced Probabilistic Plaque Segmentation ，MEPPS）。
02/ 方法
研究人群:招募31名受試者，在 GE Signa 1.5T MR 掃描儀上進行成像，以獲得 T1 (TR 800ms, TE 11ms)、T2 (TR 3150ms, TE 66ms)、質子密度（PD；TR 2770ms，TE 9.3ms），飛行時間（TOF；TR 23ms，TE 2.8ms）和增強T1（TR 800ms，TE 11ms）圖像。隨后受試者行頸動脈內膜切除術，獲取組織學標本，確定組織切片壞死核心（包括斑塊內出血）、鈣化和疏松基質，并與 MR 圖像比對。疏松基質包括所有松散編織的組織，例如富含蛋白多糖的纖維基質、組織血栓和肉芽腫。所有未列出的剩余組織都被認為是致密的纖維基質。
切割算法：31名受試者中，5名受試者因圖像質量過低被排除，剩余26人納入數據分析。在這26人中，14人提供的84個位點的圖像被用于訓練集（training dataset）,12人提供的58個位點用于驗證集（testing dataset）。訓練集中的 84 個位置用于訓練 MEPPS 算法，該算法已集成到 CASCADE 中。MEPPS 算法首先確定每個像素屬于 4 種組織類型（壞死核心、鈣化、疏松基質、纖維組織）中某一種的的概率。然后，采用主動輪廓模型（competing active contour)識別每種組織類型的高概率邊界。
在設計 MEPPS 算法時，我們嘗試模仿放射科醫生在人工審查中使用的思維過程。首先，人工審查通常依賴于相對強度（例如，超強度、低強度或等強度）來描述圖像特征。因此，我們對圖像進行預處理，為每個圖像建立基線等強度，并相對于該基線調整所有像素值。其次，審稿人在對區域進行分類時，除了強度之外，還會使用形態學線索，例如局部壁厚。因此，我們根據強度和形態分配概率。最后，審閱者直觀地使用最具附加值的對比度權重對區域進行分類。（更詳細的算法內容請移步原文）
圖1展示了不同圖像處理方式的成分分割結果：(a) 高斯分類器自動標注結果；(b) 僅基于強度的概率圖和區域輪廓，綠色為壞死核心，紅色為鈣化，藍色為疏松基質，灰色為纖維組織；(c) 納入形態學信息之后的概率圖和區域輪廓；(d) 在 T2 加權圖像上顯示的手動分割結果；(e) 組織學標本 。
圖片




03/ 結果
表1（Table 1)展示了不同方法識別的斑塊成分與組織學成分的相關性指數（R方）。在解讀這個表之前，我們先明確一下一些名詞的統計學含義：


相關性:指兩個變量的關聯程度。一般地，從散點圖上可以觀察到兩個變量有以下三種關系之一：兩變量正相關、負相關、不相關。例如：如果一個變量隨著某個變量的升高而增加，那么這兩個變量正相關。

相關性系數:變量之間線性相關程度的量，一般用字母 r 表示,取值范圍為[-1，1]，越接近1，說明存在線性關系，相關程度越高。

相關性指數:即R2，取值范圍為[0，1]，越接近1，說明實際觀測點離樣本線越近，擬合優度越高。

由表1可以看出，MEPPS算法的分類結果與組織學分類的相關性指數最高，與4 種組織類型（壞死核心、鈣化、疏松基質、纖維組織）的相關性指數分別為 0.78、0.83、0.41 和 0.82。


圖片


表2（Table 2)比較了MEPPS和人工分割斑塊成分的敏感性和特異性。可以看出，MEPPS方法明顯優于人工手動識別。


圖片

表3（Table 3)比較了不同掃描序列下，MEPPS分類結果與組織學分類的相關性指數，可以看出最優序列組合為T1_T2_PD_TOF。
圖片


04/ 結論
這項研究表明，在體頸動脈 MRI 的自動分割是可以實現的，其確定的壞死核心、鈣化、疏松基質和纖維組織區域，與人工識別相似，甚至表現更優。因此，MRI斑塊自動分割技術定性定量分析斑塊成分，可用于研究斑塊成分特征與斑塊易損性的關聯，也可根據斑塊成分的動態變化評估治療效果。

統計學名詞解釋
最大后驗概率貝葉斯理論：參數為一個已知分布的隨機變量（先驗），結合似然估計得到接近其真實分布的后驗分布，后驗分布的最大值 即為的估計值。



— THE END —

6402.jpg

<  上一篇 下一篇  >

分享此文章