文章目錄
相關醫學常識
白質高信號
白質病變的特點是雙側，大多對稱高強度的t2加權MRI是常見的老年人。雖然與腦血管疾病和血管危險因素密切相關，但這些白質病變的發病機制尚不清楚，可能是多因素的。Presumed vascular origin的白質高信號（WMH）是腦小血管疾病（SVD）的主要表現之一，並且在中風，癡呆和衰老中是很重要的特徵表現。白質高信號有時候被認爲是一種隨着衰老而產生的一種正常表現，因爲隨着年齡的增強，每個人都會或多或少的出現白質高信號。在MRI Flair相上，wmh跟其他腦組織相比明顯表現爲高信號[1]，如下圖所示：
由上圖可以看到，wmh在T1上的白質區域內爲一個低信號，而在Flair上爲明顯的高信號。
Fazekas量表
目前臨牀應用廣泛的有 ARWMC、Fazekas、改良 Scheltens、Ylikoski等4個腦白質病變評分量表的信度進行研究。
可認爲 4個量表中 Fazekas量表最簡單、易操作。而Fazekas量表只有兩個項目，且每個項目的評閱方法簡單，佔用時間少。
Fazekas量表[3] (0~6分)，將腦室旁和深部白質病變分開評分。兩部分的分數相加計算總分。[2]
腦室旁高信號評分：
①0分：無病變；
②1分：帽狀或者鉛筆樣薄層病變；
③2分：病變呈光滑的暈圈；
④3分：不規則的腦室旁高信號，延伸到深部白質。
深部白質信號：
①0分：無病變；
②1分：點狀病變；
③2 分：病變開始融合；
④3 分：病變大面積融合。
一個根據Fazekas量表評分的示例：
上圖爲Fazekas白質病變評分MR示意圖，取自阿爾茨海默病MR檢查規範中國專家共識。圖20-22（依次爲軸面、冠狀面、矢狀面）爲0分，圖23-25（依次爲軸面、冠狀面、矢狀面）爲1分，圖26-28（依次爲軸面、冠狀面、矢狀面）爲2分，圖29-31（依次爲軸面、冠狀面、矢狀面）爲3分。
STandards for ReportIng Vascular changes on nEuroimaging (STRIVE)
wmh也可以發生在皮層下灰質結構，如基底神經節。腦幹也可出現高強度。一些研究者在pWMH和dWMH之間存在差異，並認爲它們有不同的發病機制、危險因素和臨牀後果。許多研究者在他們的分析中包括了全白質高強度。
Definitions（部分區域高信號爭議）
灰質高信號或腦幹高信號是否應按常規歸類爲白質高信號有不同的意見，就像之前的一些研究那樣。
比較一致的意見是,在皮層下灰質或腦幹病變不應包括在假定血管起源的範疇。
白質高密度除非顯式聲明;我們認可皮層下高強度是一個可接受的替代術語，用於任何非皮層高強度，包括白質、深灰質和腦幹。當使用CT時，由於病變在CT上的表現，可以使用白質低衰減或白質低密度。
WMH Segmentation Challenge
比賽官網：https://wmh.isi.uu.nl/
Data
數據初覽
- 不同的機器類型 ： 西門子，通用，飛利浦
- 不同的場強 ： 1.5T，3T
MRI參數
所有三維序列均取矢狀位方向，所有二維多層序列取橫斷面方向。
-
UMC Utrecht, 3 T Philips Achieva:
- 3D T1-weighted sequence (192 slices, voxel size: 1:00 1:00 1:00 mm3, repetition time (TR)/echo time (TE): 7:9=4:5 ms),
- 2D FLAIR sequence (48 slices, voxel size: 0:96 0:95 3:00 mm3, TR/TE/inversion time (TI): 11; 000=125=2; 800 ms)
-
NUHS Singapore, 3 T Siemens TrioTim:
- 3D T1-weighted sequence (voxel size: 1:00 1:00 1:00 mm3, TR/TE/TI: 2; 300=1:9=900 ms),
- 2D FLAIR sequence (voxel size: 1:00 1:00 3:00 mm3, TR/TE/TI: 9; 000=82=2; 500 ms)
-
VU Amsterdam, 3 T GE Signa HDxt:
- 3D T1-weighted sequence (176 slices, voxel size: 0:940:941:00 mm3, TR/TE: 7:8=3:0 ms),
- 3D FLAIR sequence (132 slices, voxel size: 0:98 0:98 1:20 mm3, TR/TE/TI: 8; 000=126=2; 340 ms)
-
VU Amsterdam, 1.5 T GE Signa HDxt:
- 3D T1-weighted sequence (172 slices, voxel size: 0:98 0:98 1:50 mm3, TR/TE: 12:3=5:2 ms),
- 3D FLAIR sequence(128 slices, voxel size: 1:21 1:21 1:30 mm3, TR/TE/TI:6; 500=117=1; 987 ms)
-
VU Amsterdam, 3 T Philips Ingenuity (PET/MR):
- 3D T1-weighted sequence (180 slices, voxel size: 0:87 0:87 1:00 mm3, TR/TE: 9:9=4:6 ms),
- 3D FLAIR sequence(321 slices, voxel size: 1:04 1:04 0:56 mm3, TR/TE/TI:4; 800=279=1; 650 ms)
⚠️：訓練集中場強只有3T的，而test集中，場強不僅有3T的還有1.5T的。有三個數據類型爲3D FLAIR，官方對3D FLAIR做了如下操作：所有的3D FLAIR序列均以3mm厚的切片重定向橫向2D。這樣做有兩個原因：
- 減輕手動標註時間
- 使3D FLAIR向2D FLAIR保持一致。
train and test
- 60 for training
- 110 for testing
官方的數據前處理
- bias-corrected——SPM12
- image registration——elastix toolbox
- 3D T1-weighted images were aligned with the (resampled) FLAIR images
- faces of the subjects were manually removed
第4步的意義咩有搞懂，感覺沒必要。
第一名處理方案
數據預處理
- 裁剪和padding，使所有的數據的尺寸一致（200x200）
- 對前景區域（3D）進行Gaussian normalization（均值方差歸一化）
- 數據增強（旋轉，仿射，尺寸）
- brain mask獲取（文章描述的方法-使用形態學方法太複雜，有更簡單的方法可以實現去腦殼）
注意⚠️：實驗證明，去掉腦殼之後再訓練模型，會有效果的提升。
2D 的網絡結構
輸入
Flair 和T1分別作爲網絡輸入的兩個channel。網絡如下圖，沒啥可說的。
模型融合（結果融合）
Dice loss
這裏有更好的選擇。
後處理
- 之前 對數據 crop和pad了，就要返還回去
- 手動確定了上下假陽性的位置，此位置的預測結果給抹掉（方法有點low）。
結果還是很不錯的
泛化性也不錯。
[1] : Kuijf, H. J., et al. “Standardized Assessment of Automatic Segmentation of White Matter Hyperintensities; Results of the WMH Segmentation Challenge.” IEEE transactions on medical imaging (2019).
[2] : https://zhidao.baidu.com/question/1445866408559298460.html
[3] : Fazekas F, Chawluk JB, Alavi A, et al. MR signal abnormalities at 1.5 T in Alzheimer’s dementia and normal aging [J]. Am J Neuroradiol, 1987, 8: 421-426.