MRI圖像閱片步驟和方法

2021-02-12 ANDs

MRI圖像是利用氫原子核在磁場內共振所產生的信號經重建而形成的,因此在MRI圖像中使用的是「信號」的概念,而不是CT圖像中使用的「密度」概念,在MRI圖像中描述病變均使用「異常信號灶」來表示。由於 MRI的成像原理與CT完全不同,因此它的圖像與CT圖像有不少不同之處:

1.多方位圖像:MRI圖像不僅有橫斷面圖像,還常有矢狀面、冠狀面圖像。2.多參數圖像:MRI圖像有 T1 加權像(T1WI)、T2 加權像(T2WI)、質子密度加權像(PDWI)、彌散加權像(DWI)、水抑制像(FLAIR)、脂肪抑制像(STIR)、磁共振波譜分析像(MRS)、磁共振血管造影像(MRA)、磁共振尿路造影(MRU)、磁共振胰膽管造影(MRCP)等多種,同一組織在不同的加權圖像上,其信號表現是不同的。3.多序列成像:MRI檢查需選擇適當的掃描序列,常用的有SE序列(自旋迴波序列)、GRE序列(梯度回波序列)、IR序列(反轉恢復序列)、FLAIR(水抑制序列)、STIR(脂肪抑制序列)等,同一組織在不同的掃描序列上,其信號表現是不同的。由於 MRI圖像的上述「三多」特點,導致同一個病人有各種不同的 MRI圖像,因此閱片時較CT要更仔細。但 MRI檢查與CT檢查一樣,也主要是平掃和增強掃描兩種方法,圖像也是黑白灰階圖像,閱片方式也基本相同。第一步 了解病人的病情和臨床資料,以明確每個病人 MRI閱片的目的和重點。包括 MRI設備的類型、磁場強度和掃描技術條件、使用的脈衝序列,是T1WI、T2WI還是PDWI,是橫斷位圖像、還是矢狀位、冠狀位圖像,是平掃還是增強掃描、掃描層厚、病人的姓名、性別、年齡等,這些信息對診斷很有幫助。1.一般先閱讀橫斷位片(自上而下或自下而上),然後再矢狀位片(自右向左或自左向右),最後再冠狀位片(自前向後或自後向前);也可先矢狀位片,再橫斷位片和冠狀位片。2.每種體位,先閱讀T1WI,再T2WI,然後再閱讀其他加權像(PDWI、FLAIR像、STIR像、DWI、MRA、MRCP、MRU 等);也可先T2WI,再T1WI,然後閱讀其他加權像。3.對每一幅圖像都要仔細觀察,注意觀察其中每一器官或結構是否正常,並盡力對每一影像給予合理解釋,然後通過思維而構第四步 從形態、信號等多方面分析每一個器官和結構。形態方面主要觀察器官的大小、形態、輪廓變化;信號方面主要觀察器官的信號有無一致性(普遍性)或局限性增高或減低。對於局限性信號改變要注意病灶的位置、在不同加權圖像上的信號特點、病灶大小、數目、形態、輪廓、邊緣及相鄰結構的變化,對MRS圖像還要觀察病灶內化學成分的變化;另外還要觀察器官的位置有無改變。凡是病灶信號低於所在器官或結構的信號,稱之為低信號灶;若病灶信號高於所在器官或結構的信號,稱之為高信號灶;若病灶信號與所在器官或結構的信號相等或相近,稱之為等信號病灶;若病灶兼有高、低、等信號改變稱之為混雜信號灶。MRI增強掃描一般只做 T1WI,因此增強圖像只要與平掃的T1WI對照進行觀察,注意分析病變有無強化、強化的程度及強化形式,對於動態增強,要注意觀察不同時相(如動脈期、門脈期等)病變的強化特點,以利於定性診斷。如果增強掃描後,病灶信號仍同平掃時一樣,即沒有信號改變,稱為無強化,如果病灶信號增高了,稱之為有強化。強化的程度可以是輕微強化或明顯強化。強化的形式大致可分為均勻強化、斑狀強化、環狀強化和不規則強化。均勻強化是指病灶信號呈均勻一致的增高;斑狀強化是指病灶呈斑點狀、斑片狀信號增高;環狀強化是指病變周邊出現線狀或帶狀高信號影;不規則強化則是病變強化形態不一,成為混雜信號灶。結合病人的臨床資料(包括病人的年齡、性別、症狀、體徵、實驗室檢查、現病史、既往史、居住地、職業史等)和其他輔助檢查結果(如CT檢查、X線檢查、超聲檢查等),進行綜合分析,最後得出正確的結論。

來源:CT、MRI診斷指南

相關焦點

  • MRI常見的壓脂方法很多,但基本原理就這三種
    脂肪抑制的方法有很多,其效果和臨床用途也各不相同,各有利弊,無法簡單的判定哪種最好。在MRI序列中對於脂肪的抑制其實關鍵就是脂肪信號與水信號的分離,水脂分離的方法主要基於以下三種:1.圖 1 Dixon序列掃描結果會生成上述四幅圖像3. CHESS(CHEmical Shift Selective)/(Fat-Sat)脂肪飽和脂肪飽和方法是目前最為常用的壓脂方法,是一種射頻頻率選擇性脂肪抑制技術。
  • 頭顱 MRI 不會看?DWI、ADC、T1WI......這篇文章講清楚了!
    簡單的來講,相當於把一瓶水搖一搖,讓水分子振動起來,再停止下來,反覆多次,感受振動情況。而這些不同射頻脈衝的排列和組合就形成了不同的檢查序列。以腦脊液信號為例,可描述成長 T1、長 T2 信號 (或 T2WI 上表現為高信號,T1WI 上表現為低信號);而腦水腫(T2WI 信號不及腦脊液亮但比皮層亮),可描述成稍長(較長)T1、稍長(較長)T2 信號(或 T2WI 表現為稍高信號,T1WI 表現為稍低信號)。表 1.
  • 醫學圖像數據讀取及預處理方法總結
    這兩天又重新回顧了一下醫學圖像數據的讀取和預處理方法,在這裡總結一下。基於深度學習做醫學圖像數據分析,例如病灶檢測、腫瘤或者器官分割等任務,第一步就是要對數據有一個大概的認識。這篇文章主要介紹常見的醫學圖像讀取方式和預處理方法。1.
  • PID調節參數設置方法和步驟
    方法/步驟2:採樣周期在進行PID調節之前要先設定好PID的採樣周期,採樣周期設定主要根據被控對象的特性決定。方法/步驟4:積分積分作用是依據偏差是否存在來動作的,在系統中起著消除餘差的作用。方法/步驟5:微分微分的作用是依據偏差變化速度來動作的,在系統中起著超前調節的作用。很多情況下微分是不需要調節的。
  • 預防MRI檢查中的事故和傷害
    injuries in the MRI suite摘自:The Joint Commission,February 14, 2008圖片來自網絡磁共振成像(MRI)興起於上世紀70年代末期,是一項前所未有的人體組織結構二維三維成像檢查方法。
  • 警訊事件 : 預防MRI檢查中的事故和傷害
    摘自:The Joint Commission,February 14, 2008圖片來自網絡磁共振成像(MRI)興起於上世紀70年代末期,是一項前所未有的人體組織結構二維三維成像檢查方法。◆完善並支持安全MRI實踐的系統,如定期審查規章制度和禁忌清單,並評估符合本醫療機構的政策、程序和安全協議。◆一般來說,任何設備或器械不得帶入到核磁共振環境中,除非它是核磁安全或調磁安全的。核磁安全物體也並不是對所有核磁共振環境中都沒有危害的,可調控的磁安全物體則在指定的核磁共振環境中以指定的方法使用時才不會造成已知的危害【10】。
  • 圖像處理之預處理方法
    圖像質量的好壞直接影響識別算法的設計與效果的精度,因此在圖像分析(特徵提取、分割、匹配和識別等)前,需要進行預處理。此外,還需要使用灰度插值算法,因為按照這種變換關係進行計算,輸出圖像的像素可能被映射到輸入圖像的非整數坐標上。通常採用的方法有最近鄰插值、雙線性插值和雙三次插值。
  • 巧解圖像處理經典難題之圖像配準
    一、定義圖像配準是使用某種算法,基於某種評估標準,將一副或多副圖片(局部)最優映射到目標圖片上的方法。根據不同配準方法,不同評判標準和不同圖片類型,有不同類型的圖像配準方法。(詳見「問題分類」部分)二、問題背景和應用圖像配準在計算機視覺、醫學圖像處理、材料力學、遙感等領域有廣泛應用。由於可應用圖像配準的圖像類型眾多,暫時無法開發出可滿足所有用途的通用優化方法。圖像配準在醫學圖像處理與分析中有眾多具有實用價值的應用。
  • 圖像質量評價方法簡述-客觀評價
    定義二:符合人眼感知的角度評價圖像質量:圖像所有視覺上重要屬性的加權混合。定義一是從信號處理的角度,關注成像系統中信號的準確性。定義二是從人眼視覺的角度,關注觀測者的感受,審美水平不同的觀測者,反饋的結果也不同。那麼從圖像質量的定義上,就引申出了兩種圖像質量的評測方法,客觀評價和主觀評價。
  • 不用綠幕也能實時摳圖,商湯等提出只需單張圖像、單個模型的新方法MODNet
    但該方法需要處理和對齊原始圖像和背景圖兩張圖像,不便於現實應用。近日,香港城市大學和商湯提出一種新型人像摳圖方法 MODNet,不用綠幕、只用單張圖像、單個模型即可實時完成人像摳圖。人像摳圖即預測一個精確的前景蒙版(alpha matte),然後利用它從給定圖像或視頻中提取人物。這一技術得到了廣泛的應用,如照片編輯、電影再創作等。目前,實時獲得高質量前景蒙版仍需要綠幕的輔助。但如果沒有綠幕呢?
  • Node.js 中如何收集和解析命令行參數
    前言  在開發 CLI(Command Line Interface)工具的業務場景下,離不開命令行參數的收集和解析。  接下來,本文介紹如何收集和解析命令行參數。其與 Unix 的區別主要在於參數前面沒有 「-」,個人感覺這樣很難區別參數和參數值。❝注意事項:-- 後面緊鄰空格時,表示後面的字符串不需要解析。
  • 用fastai和Render進行皮膚癌圖像分類
    使用fastai可以快速構建和訓練最先進的深度學習模型。然後Render使託管和部署應用程式變得輕而易舉。 在構建和部署模型以對皮膚病變圖像進行分類時,將逐步進行。完成後用戶可以將圖像上傳到網站,模型將對皮膚病變進行分類。
  • 圖像超解析度重建算法,讓模糊圖像變清晰(附數據和代碼)
    1964年左右,Harris和Goodman則首次提出了圖像超解析度這一概念,主要是指利用外推頻譜的方法合成出細節信息更豐富的單幀圖像的過程。1984 年,在前人的基礎上,Tsai和 Huang 等首次提出使用多幀低解析度圖像重建出高解析度圖像的方法後, 超解析度重建技術開始受到了學術界和工業界廣泛的關注和研究。圖像超解析度重建技術在多個領域都有著廣泛的應用範圍和研究意義。
  • MATLAB數字圖像基礎筆記大全
    例:load mriimshow(D(:,:,:,7));其中:D為MRI(磁共振圖像)中的多幀圖像陣列,調用imshow函數顯示其中的第7幀。雙線性插值:該方法輸出像素值是它在輸入圖像中2×2鄰域採樣點的平均值,它根據某像素周圍4個像素的灰度值在水平和垂直兩個方向上對其插值。雙立方插值:該種插值核為三次函數,其插值鄰域的大小為4×4。它的插值效果比較好,但相應的計算量較大。這三種插值方法的運算方式基本類似。對於每一種來說,為了確定插值像素點的數值,必須在輸入圖像中查找到與輸出像素相對應的點。
  • 基於confocal的幾種圖像拼接拍攝方法
    對於圖像拼接,有兩種方法:blending和optimal path,blending重疊法是將需要拼接的部分融合起來,在重疊區域,每個pixel的螢光強度值都會改變。optimal path重疊法是通過計算重疊區域,提取圖像差異最小的信息,圖像將複製這部分信息形成大圖。這種方法在重疊區域每個pixel的螢光強度不變。
  • 電視無信號的原因和解決方法
    下面我們就一起分析一下其原因及檢修方法。如出現電視無信號的情況,可通過以下步驟進行排障解決:1、查看電視的視頻線是否沒有接好或插錯位置,建議對照接線說明重新連接正確,否則就會導致電視無信號;2、查看是否是電視機的視頻輸入源不正確,切換遙控器中的信號源
  • 基於CNN的單一圖像超分辨(SISR)方法總結
    早期的prediction-based的方法包括linear, bicubic等插值方法,隨後有一些根據邊緣特徵進行超分辨重建的工作。這些方法速度快,但會產生過於平滑的紋理細節。之後有很多example-based方法,藉助訓練數據,嘗試建立低解析度圖像到高解析度圖像的映射。針對這一映射函數,很多學習方法被提出,其中基於稀疏編碼的方法逐漸成為主流。
  • 一種遙感圖像檢測艦船目標的方法
    卷積神經網絡[4]在目標檢測中的應用,使得更多高效的目標檢測算法被提出,檢測算法可分為單階段和雙階段兩類,主流的單階段檢測模型有YOLO系列[5]、SDD算法[6],該類方法基於回歸的思路,直接預測類別置信度,並且在圖像上定位出目標位置,但是單階段檢測對於多尺度、小目標的檢測效果較差。雙階段模型提出了區域建議網絡結構,生成一系列包含潛在目標的候選框,再進一步確定目標類別和校正邊界框。
  • 圖像特徵點、投影變換與圖像拼接
    這裡你可以看到,只要新的視角和原始視角有共同的光學中心,並且和原視角有共同的視線範圍,就可以將原始視覺的圖像利用投影變換變換到新的視角下。而在全景拼接中,假如我們要把在不同相機中心位置拍攝的圖像通過投影變換拼接到一起時,會怎麼樣呢?比如下圖,我們要將圖像平面1和2通過投影變換到綠色線表示的共同平面上去,從而實現拼接,此時會怎樣呢?
  • python圖像識別---------圖片相似度計算
    但是讓計算機去區分這些圖片分別是哪一類是很不容易的,不過計算機可以知道圖像的像素值的,因此,在圖像識別過程中,通過顏色特徵來識別是相似圖片是我們常用的(當然還有其特徵還有紋理特徵、形狀特徵和空間關係特徵等,這些有分為直方圖,顏色集,顏色局,聚合向量,相關圖等來計算顏色特徵),為了得到兩張相似的圖片,在這裡通過以下幾種簡單的計算方式來計算圖片的相似度