下载文档原格式
收稿日期:2018-02-05 修回日期:2018-06-13 网络出版时间:2018-11-15基金项目:黑龙江省青年科学基金(QC 2015072);2017年黑龙江省教育专项项目(2017-001);佳木斯大学重点科研项目(LZ 2013-012)作者简介:李仔麒(1995-),男,硕士研究生,CCF 会员(89594G ),研究方向为数字图像处理;马慧彬,教授,硕导,通讯作者,研究方向为数字图像处理㊁人工智能教育应用;李殿奎,教授,硕导,研究方向为云计算与云存储技术㊂网络出版地址:http :// /kcms /detail /61.1450.TP.20181114.1554.010.html改进区域生长法的肝部CT 图像ROI 提取李仔麒1,马慧彬1,2,李殿奎1,2,范 蕊1(1.佳木斯大学信息电子技术学院,黑龙江佳木斯154007;2.佳木斯大学整合医学研究院,黑龙江佳木斯154007)摘 要:为了能够将肝部CT 图像ROI 进行准确的分割,并解决阈值分割法区域不精准㊁时间复杂度高以及传统区域生长法的噪声干扰和灰度不均而出现的图像过分割和空洞问题,提出了一种结合形态学的改进区域生长算法㊂改进区域生长算法充分利用了传统区域生长算法良好的分割效果和边界信息保持等优点,并用数学形态学的腐蚀与膨胀等相关技术弥补了传统区域生长算法造成的图像过分割和边缘不平滑问题㊂有效地解决了阈值分割法在分割图像时出现的分割不准确㊁用时较长的问题㊂根据仿真实验中三组图片的结果表明,改进区域生长法不仅能实现对肝部CT 图像的ROI 精准分割,很好地保留了边缘信息,而且降低了算法的时间复杂度,图像中的空洞问题得到了很好地解决,有助于肝部CT 图像的识别和分类㊂关键词:肝部CT 图像;ROI;阈值分割法;图像分割;区域生长法;形态学中图分类号:TP391.41 文献标识码:A 文章编号:1673-629X (2019)01-0150-04doi:10.3969/j.issn.1673-629X.2019.01.031ROI Extraction of Hepatic CT Images with ImprovedRegional GrowthLI Zi -qi 1,MA Hui -bin 1,2,LI Dian -kui 1,2,FAN Rui 1(1.School of Information Technology ,Jiamusi University ,Jiamusi 154007,China ;2.Integrated Medical Research School ,Jiamusi University ,Jiamusi 154007,China )Abstract :In order to accurately segment the ROI of liver CT images and solve the problem of over -segmentation and void caused by re⁃gional inaccuracy ,high time complexity ,noise interference and gray inconsistency of traditional regional growth methods ,we propose an improved regional growth method combining morphology.It makes full use of the advantages of better segmentation effect and boundary information maintenance of traditional region growth method and makes up the image over -segmentation and edge smoothing caused by traditional region growth method by using mathematical morphological corrosion and expansion techniques.The problem of image seg⁃mentation inaccuracy and time -consuming is solved effectively.According to the results of three groups of pictures in the simulation ,the improved region growth method can not only realize the ROI accurate segmentation of the liver CT image ,preserving the edge informa⁃tion well ,but also can reduce its time complexity.The problem of hole can be solved well in the image ,which is helpful for the recogni⁃tion and classification of the liver CT image.Key words :liver CT image ;ROI ;threshold segmentation method ;image segmentation ;regional growth method ;morphology0 引 言肝部疾病对于人类来说是死亡率非常高的疾病[1]㊂据2017中国癌症最新数据报告显示,在大城市中肝癌的发病率已经升到第二位,死亡率已经达到了21.80%[2]㊂早期发现㊁早期诊断㊁早期治疗能够提高生存率㊂CT 图像是肝病的主要诊断手段,利用计算机图像处理的方法进行肝部疾病辅助诊断可以大大提高诊断的正确率㊂CT 图像的ROI (region of interest ,感兴趣区域)提取是计算机辅助诊断的关键一步㊂目前常用的图像分割方法有很多,包括迭代阈值分割算法㊁分水岭算法㊁基于边缘的图像分割算法等[2]㊂宋利伟等利用分水岭算法来实现ROI 区域的第29卷 第1期2019年1月 计算机技术与发展COMPUTER TECHNOLOGY AND DEVELOPMENT Vol.29 No.1Jan. 2019分割[3-4]㊂该算法在一定程度上实现了对灰度差异较大的目标区域进行分割[5]㊂目前应用比较广泛的ROI 提取算法是基于阈值的图像分割方法㊂迭代阈值分割方法对于灰度差异明显的图像分割效果较好,但是对于灰度差异不明显的图像分割效果大大下降㊂传统的区域生长法能够很好地分割出目标区域,克服了阈值分割法在灰度差异不明显时分割效果不好的缺点㊂但传统区域生长法会由于生长条件的不同而产生大小不等的空洞部分,极大地影响了分割效果㊂为了解决这一问题,提出了一种结合形态学的区域生长法来分割ROI区域,形态学处理能够很好地解决分割时出现的空洞问题,改善分割效果㊂另外形态学处理能够很好地保留边缘信息,为图像的进一步处理提供了有利条件[6]㊂1 肝部CT图像预处理CT图像具有高密度组织成像清晰,距离精确度高,并且对肿瘤的灵敏度要远高于X光片等优点[7]㊂但是在计算机图像处理中,CT图像依然具有噪声大,边缘不清晰,像素灰度值变化幅度小等缺点,不太利于分割[8]㊂因此,首先要对图像进行预处理,对图像进行增强和去噪,以便后续处理㊂具体步骤如下: (1)用rgb2gray函数将3通道的CT图像转换成单通道的灰度图;(2)用im2double函数将图像的灰度值归一化到[0,1]之间;(3)运用形态学的开闭交替运算实现平滑滤波效果;(4)用wavedec2函数和waverec2函数实现小波图像增强;(5)将增强之后的图像与原图像进行加法运算,得出边缘增强的图像㊂该实验针对一幅图像来比较处理前后的变化情况㊂对图像用形态学处理的方式进行去噪,然后用小波增强完成对图像的预处理㊂预处理后的效果如图1所示㊂2 改进区域生长分割算法区域生长法是由Levine等提出的图像分割算法[9],具有两种方式,一种是从一个种子点开始将周围符合规则的像素点添加到集合中,最后形成一整块连续的区域[10];另一种是先把图像分割成小区域,这些小区域往往是灰度值相同或者有较强一致性的像素点,再通过附加一些人为的条件,将这些小区域合并成较大的区域,从而达到分割的目的[11]㊂区域生长法不仅能提供很好的边缘信息和分割效果,而且算法思路简洁,生长过程可以指定[12]㊂但是,区域生长算法处理之后的图像边缘不平滑,且有空洞,而改进的区域生长法在原有算法的基础上使用了形态学滤波,从而达到了消除空洞㊁平滑边缘的效果㊂图1 图像预处理改进区域生长法的基本思想是将整幅图像区域看成一个集合,并初始化相应数据㊂定义一个用zero初始化的二维矩阵J来记录区域生长所得到的区域㊂定义分割好的区域内平均值,并初始化为种子点的灰度值和生长条件值reg_dis,定义邻域列表neg_list来存储待分析像素点的坐标值I(x,y)和m0(x,y)㊂初始化dis来记录每个邻域像素点与当前种子点的距离,并用reg_dis来记录dis中的最小值㊂先从种子点开始,让种子点进入集合,在其邻域内搜索具有相似或相同特征性质的像素点,并且这些像素点要满足生长条件:|m(x,y)-m0(x,y)|<reg_dis(1)使得下列式子成立:∪(R i)=R(2)Ri∩R j=∅,i≠j(3)其中,m(x,y)表示已经分割好的像素点的灰度值;m0(x,y)表示待分析的邻域像素点的灰度值;R表示整幅图像的集合;R1,R2, ,R n表示将R分割之后的子区域㊂将符合条件的像素点放到和种子点相同的集合中,将这些新的像素点作为新的种子点继续进行上述过程,直到没有满足生长条件的像素点被包含到集合中,则生长结束㊂再利用形态学进行平滑滤波处理,得到CT图像ROI区域㊂改进区域生长法实现的流程如图2所示㊂㊃151㊃ 第1期 李仔麒等:改进区域生长法的肝部CT图像ROI提取图2 算法流程区域生长结果如图3所示㊂图3 区域生长法结果由于区域生长算法处理之后的图像会出现一些空洞,还需要利用形态学处理来填充空洞㊂用形态学中的膨胀运算,能很好地补充图像的空洞部分,并将肝部完整地显示出来㊂再将处理后的肝部图像和原图像的每个像素进行对比,如果处理后的图像中像素值是白色的,将原图像对应的像素值不变,否则原图像的像素值变为黑色㊂实验结果如图4所示㊂图4 形态学处理和灰度还原前后对比3摇仿真实验与结果分析仿真实验是在Windows 10环境下进行的,CPU 采用Intel Core i 5处理器,内存为8GB ,显卡采用GE⁃FORCE GTX 1050Ti ,编程语言采用Matlab ㊂实验图像是由CANCER IMAGEING 网站提供的㊂CANCER IMAGEING 图像库包含了腹部㊁脑部等CT ㊁核磁共振图像,图像种类较全㊂该图像库的肝部CT 图像包括了肝癌的各种图像数据㊂图像为DICOM 格式,CT 扫描层数最少是106层,最多是486层㊂为了证明算法的有效性,需要进行多次实验来证明其时间复杂度㊂在Matlab R 2016b 环境下分别用迭代阈值分割法和区域生长法对肝部CT 图像进行分割,并比较区域生长算法的分割效果和算法复杂度㊂阈值分割法是一种常用的图像分割方法,它是利用图像中的某一像素值为基准,分成两个部分,一部分为前景,另一部分为背景,从而实现图像的分割㊂迭代阈值分割法主要是通过不断迭代来寻找合适的阈值,使得找到的阈值更加精确,以实现图像的分割㊂迭代阈值分割法的分割思想是利用逼近最终合适阈值的思想来实现的㊂具体步骤如下:(1)求出图像的最大灰度值和最小灰度值,分别记为Z max 和Z min ,令初始阈值T 0=(Z max +Z min )/2;(2)根据阈值T k 将图像分割为前景和背景,分别求出两者的平均灰度值Z 0和Z b ;(3)求出新阈值:T k +1=(Z 0+Z b )/2;(4)若T k =T k +1,则所得即为阈值;否则转到第二步,迭代计算㊂肝部CT 图像分割效果的评价可以从主观评价和客观评价两个方面来进行㊂主观评价可以通过专业人员直接对两种算法的实验结果进行评判,客观评价的标准是在时间复杂度上进行评价㊂改进区域生长法相对于迭代阈值分割算法效果较好,是因为前者的生长过程可以指定,并且种子点也是可以指定的,通过区域生长之后能够完整地将肝部图像分割出来,而迭代阈值分割法是利用循环迭代来确定阈值,不能很好地提取肝部图像㊂时间复杂度是验证算法效率的重要标准,时间复杂度高会严重影响算法的运行效率㊂在分割肝部CT 图像过程中,通过toc 函数得到算法的运行时间㊂具体时间如表1所示㊂表1 时间复杂度对比s图像序号迭代阈值分割法改进区域生长法113.772.92212.811.1735.442.91410.802.0857.461.05平均用时10.052.026㊃251㊃ 计算机技术与发展 第29卷 通过表1的对比能够看出,迭代阈值分割法的时间复杂度远高于改进区域生长法的时间复杂度㊂这是因为迭代阈值分割法是循环寻找分割的阈值,要遍历整个图像的像素值㊂而改进区域生长法是先选定种子点,按照种子点为中心,看其邻域内的点是否满足生长条件,不需要遍历整个图像的像素值,从而降低了时间复杂度㊂图5显示了肝部CT图像ROI提取的效果㊂图5 三种不同算法的效果对比通过对比三组图像能够看到,改进区域生长法比迭代阈值分割法的分割效果要好很多,从每组的图(b)中能够看出迭代阈值生长法出现了分割不精准的问题,而改进区域生长法很好地解决了这一问题㊂4摇结束语为了能够精确㊁完整地分割出CT肝部图像,提出了一种改进的区域生长法㊂首先进行图像的预处理,对图像进行去噪增强;然后用区域生长法结合形态学的方法来进行肝部CT的ROI提取㊂虽然区域生长法的种子点选择依然要靠人工进行选取,但是结合形态学处理的区域生长法可以克服传统阈值分割算法分割不完整㊁算法时间复杂度高以及边缘不平滑等缺点㊂仿真实验表明,结合了形态学的区域生长法适用于肝部CT图像的ROI提取,在算法时间复杂度与ROI区域提取效果方面均优于其他常见算法㊂参考文献:[1] 吴 尧,邱卫根.基于改进的深度卷积神经网络的人脸识别[J].计算机工程与设计,2017,38(8):2246-2250.[2] 邓仕超,黄 寅.二值图像膨胀腐蚀的快速算法[J].计算机工程与应用,2017,53(5):207-211.[3] 廖林峰,邱晓晖.基于模糊C-均值聚类医学图像分割的优化算法[J].计算机技术与发展,2017,27(12):81-84.[4] 沈怡灵,赵明哲,李强懿,等.基于稀疏表示的二值图像超分辨率重建算法[J].计算机技术与发展,2017,27(12):43-47.[5] 徐国雄,张 骁,胡进贤,等.基于阈值分割和轮廓提取的图像边缘检测算法[J].计算机技术与发展,2015,25(12):64-67.[6] YAN Qiaohuan,XU Dianguo,SHEN Yanfeng,et al.Obser⁃vation of the effect of targeted therapy of64-slice spiral CTcombined with cryoablation for liver cancer[J].World Jour⁃nal of Gastroenterology,2017,23(22):4080-4089.[7] LU Qing,ZHANG Hui,WANG Wenping,et al.Primary non-Hodgkin's lymphoma of the liver:sonographic and CT find⁃ings[J].Hepatobiliary&Pancreatic Diseases International,2015,14(1):75-81.[8]HAO Xuejia,LI Jinping,JIANG Huijie,et al.CT assessmentof liver hemodynamics in patients with hepatocellular carci⁃noma after argon-helium cryoablation[J].Hepatobiliary&Pancreatic Diseases International,2013,12(6):617-621.[9]LIU Qingyu,LI Haigang,GAO Ming,et al.Primary clear cellcarcinoma in the liver:CT and MRI findings[J].World Jour⁃nal of Gastroenterology,2011,17(7):946-952.[10]CHEN W X,XIN W,WANG J,et al.Multi-slice spiral CTangiography in evaluating donors of living-related livertransplantation[J].Hepatobiliary&Pancreatic Diseases Inter⁃national,2007,6(4):364-369.[11]TU Rong,XIA Liping,YU Anle,et al.Assessment of hepaticfunctional reserve by cirrhosis grading and liver volumemeasurement using CT[J].World Journal of Gastroenterolo⁃gy,2007(29):3956-3961.[12]DIETRICH C F,KRATZER W,STROBEL D,et al.Assess⁃ment of metastatic liver disease in patients with primary ex⁃trahepatic tumors by contrast-enhanced sonography versusCT and MRI[J].World Journal of Gastroenterology,2006(11):1699-1705.㊃351㊃ 第1期 李仔麒等:改进区域生长法的肝部CT图像ROI提取。
肝脏带病灶CT图像检索方法于梅;卢振泰;陈武凡【期刊名称】《南方医科大学学报》【年(卷),期】2011(31)2【摘要】本文提出了一种肝脏CT图像的全局特征提取方法,并将boostmetric这种距离测度方法用于医学图像检索.目的是提高肝脏病灶的检出率.全局特征提取方法对非张量积小波分解后的低频子带系数直方图分段进行高斯拟合,此方法利用了低频子带的近似特性,能更好地表达腹部图像的全局特征.对数据库中图像半自动分割病灶区域,然后提取病灶局部特征.进行相似性距离测度时用了boostmetric算法.实验通过肝癌、肝血管瘤、肝囊肿这3种疾病的1688幅CT图像验证了这种特征提取方法的有效性,本方法可以提高病灶的检出率,具有较好的检索效果.%This paper presents a method for global feature extraction and the application of the boostmetric distance metric method for medical image retrieval. The global feature extraction method used the low frequency subband coefficient of the wavelet decomposition based on the non-tensor product coefficient for piecewise Gaussian fitting. The local features were extracted after semi-automatic segmentation of the lesion areas in the images in the database. The experimental verification of the method using 1688 CT images of the liver containing lesions of liver cancer, liver angioma, and liver cyst confirmed that this feature extraction method improved the detection rate oi the lesions with good image retrieval performance.【总页数】5页(P221-225)【作者】于梅;卢振泰;陈武凡【作者单位】南方医科大学医学图像处理重点实验室,广东,广州,510515;南方医科大学医学图像处理重点实验室,广东,广州,510515;南方医科大学医学图像处理重点实验室,广东,广州,510515【正文语种】中文【中图分类】TR399【相关文献】1.基于C-V模型的肝脏病灶CT图像多相分割 [J], 徐丹霞;吴效明;岑人经;罗朝辉2.基于区域的肝脏病灶CT图像分割及实现 [J], 彭微3.交互式分割软件在肝脏局灶性病灶CT图像中的应用初探 [J], 王伟;刘广健;林惊;王竹;杨巍;林梦溪;吕明德;郑可国4.肝脏局灶性小占位的病灶/水信号强度比与病灶性质的相关性 [J], 陈静静;王滨;孙西河;周茂义;李丽新;常光辉5.肝脏局灶性小病灶MRI定量指标与病灶性质的相关研究 [J], 陈静静;王滨;李丽新;孙西河;周茂义;常光辉因版权原因，仅展示原文概要，查看原文内容请购买。
0引言包虫病是一种人畜共患的寄生虫病，人类包虫病最常见的是肝包虫。
新疆是肝包虫病高发区，主要流行于南北疆及畜牧业发达的地区。
根据肝包虫病的病理改变及表现，分为：单囊型、內囊破裂、多囊型和钙化型。
由于临床表现多不明显，初期可无症状，因此依靠一般的诊断方法难以早期发现病变，需要医学影像技术及图像处理技术的支持。
在临床诊断、治疗和研究中，肝包虫CT 图像是诊断该疾病的主要依据。
从临床影像医学角度来看，新疆地方性肝包虫病的CT 图像属于解剖性图像，包含丰富的纹理信息，肝包虫没有明显规则性结构，灰度分辨率高、无均匀性。
同时，肝包虫病CT 图像能准确显示肝包虫新疆地方性肝包虫病CT 图像的灰度共生矩阵分析木拉提·哈米提1，李莉1，艾克热木·阿西木2，孙静1周晶晶1，毕雪华1，宫新芳1（1.新疆医科大学医学工程技术学院，乌鲁木齐830011；2.新疆医科大学网控中心，乌鲁木齐830011）摘要：采用灰度共生矩阵法对新疆地方性肝包虫CT 图像进行了统计纹理特征提取，并对各个特征参数进行了计算和分析。
结果表明，肝包虫病CT 图像在不同方向的相关性、熵、对比度与正常肝脏相比较具有显著的差异，能有效的区分单囊型肝包虫CT 图像和多囊型肝包虫CT 图像，该项研究可为新疆地方性肝包虫病的临床诊断提供依据。
关键词：纹理分析；灰度共生矩阵；肝包虫中图分类号：R319文献标识码：A文章编号：1001-7119（2012）03-0075-06Feature Analysis of Endemic Liver Hydatid CT Images in Xinjiang with GrayLevel Co-occrence MatrixM URA ·Hamit 1，L I li 1，Akram ·Axim 2，S UN J ing ，Z HOU J injin 1，B I X uehua 1，G ONG X infang 1（1.College of Medical Engineering ，Xinjiang Medical University ，Urumqi 830011，China ；work control center ，Xinjiang Medical University ，Urumqi 830011，China ）Abstract ：In this paper ，extract the statistical texture feature of Xinjiang local Liver hydatid CT images using Gray level co -occurrence matrix ，and various parameters are calculated and analyzed.The results show that correlation ，entropy ，contrast of CT images of liver hydatid disease in different directions ，have significant differences compared with normal liver ，which can effectively distinguish mono -hydatid cyst and multiple daughter hydatid cyst CT images ，The study pro -vide the basis for hepatic hydatid disease in Xinjiang local clinical diagnosis.Key words ：texture analysis ；gray level co -occurrence matrix ；liver hydatid收稿日期：2011-02-15基金项目：国家自然科学基金资助项目（No.30960097）：新疆医科大学科研创新基金（XJC201089）；新疆医科大学科研创新基金（2007-16）作者简介：木拉提·哈米提，（1957-），男，新疆乌鲁木齐市人，教授，硕士研究生导师，研究方向：医学图像处理与信号分析，E -mail ：Murat.H@第28卷第3期2012年3月科技通报BULLETIN OF SCIENCE AND TECHNOLOGYVol.28No.3Mar .2012第28卷科技通报1.2方法纹理分析（texture analysis ）的一个核心问题是纹理描述，即纹理特征提取。
RESEARCH WORK引言图像处理过程中图像分割具有重要作用，通过将图像中感兴趣部分提取，有助于后续图像数据分析。
医学图像分割在患者精确量化诊断中发挥着关键性作用，因此对感兴趣部位做到快速、准确提取，对患者来说具有重要意义。
但大部分医学图像结构相对复杂，并且其灰度差异较小，采取传统的分割方法提取图像的效果不理想[1]。
无边缘主动轮廓（Chan-Vese，CV）模型是一种较为经典的模型，主要是根据图像全局信息，在目标、背景两个不同均值区域对比度图像分割过程中发挥着重要作用，通过探测图像模糊、离散边缘，在噪声干扰应用中具有较强的适应性[2-3]。
CV模型以定位边界的方式选择图像全局信息，其缺点体现在复杂场景中计算效率相对较低，造成能量函数加权因子调节困难，具有局限性。
李淑玲[4]研究指出，CV模型在灰度不均匀、边界不明显、噪声多等医学图像分割中效果不理想。
肝脏图像变化较复杂，不同肝脏MR图像灰度特征存在不同的表现，因为组织、器官等灰度特征不具有单一性，成为腹部医学图像肝脏分割研究的难点[5]。
CV模型改进引入轮廓线图像局部信息，在图像目标边缘处控制曲线演化，减少迭代次数，促进轮廓收敛效能提高[6]。
本文旨在研究基于CV模型的肝脏核磁共振序列图像自动分割方法，为临床医学图像分割选择理想的方法提供理论依据。
1 基本原理1.1 传统CV模型CV模型属于一种经典的活动轮廓模型，以曲线演化和基于CV模型的肝脏核磁共振序列图像自动分割方法高倩倩，孙世春北部战区总医院放射及核医学科，辽宁沈阳 110055[摘 要] 目的研究基于无边缘主动轮廓（Chan-Vese，CV）模型的肝脏磁共振成像（Magnetic Resonance Imaging，MRI）序列图像自动分割方法。
方法 在传统CV模型的基础上，通过对CV模型能量泛函进行改进，使用新的边缘指示函数来替换Dirac函数，优化CV模型参数优化，促进CV模型分割精度、分割速度提升。
磁共振质子密度脂肪分数（MRI-PDFF）在肝脂肪定量中的应用杨晨1，余上海1，徐飞鹏1，张华1，21 上海中医药大学附属曙光医院肝硬化科，上海中医药大学肝病研究所，上海 2012032 肝肾疾病病证教育部重点实验室，上海 201203通信作者：张华，****************（ORCID：0000-0001-5926-0999）摘要：不同病因的慢性肝病均可出现肝脂肪变性。
引起肝脂肪性病变的主要诱因包括慢性病毒性肝炎、胆汁淤积性肝病、酒精和非酒精性脂肪性肝病等。
肝脂肪变性初期表现为单纯性脂肪性肝病，继而出现脂肪性肝炎、肝纤维化、肝硬化，甚至肝细胞癌。
随着医学影像技术的发展，磁共振质子密度脂肪分数（MRI-PDFF）已在临床广泛应用于脂肪性肝病（FLD）的诊断。
MRI-PDFF因具有精确性高及可重复性好的优点，逐步成为FLD无创诊断的“金标准”。
本文对MRI-PDFF在肝脂肪定量中的临床应用及研究进展进行综述。
关键词：脂肪肝；磁共振成像；质子密度脂肪分数；诊断基金项目：2019年度上海市科学技术委员会“科技创新行动计划”临床医学领域科技支撑项目（19401972700）Application of magnetic resonance imaging-proton density fat fraction in liver fat quantificationYANG Chen1，YU Shanghai1，XU Feipeng1，ZHANG Hua1，2.（1. Department of Liver Cirrhosis，Shuguang Hospital Affiliated to Shanghai University of Traditional Chinese Medicine/Institute of Liver Diseases， Shanghai University of Traditional Chinese Medicine，Shanghai 201203， China； 2. Key Laboratory of Liver and Kidney Diseases， Ministry of Education， Shanghai 201203， China）Corresponding author： ZHANG Hua，****************（ORCID： 0000-0001-5926-0999）Abstract：Hepatic steatosis can be observed in chronic liver diseases of different etiologies. The main predisposing factors for hepatic steatosis include chronic viral hepatitis，cholestatic liver disease，alcoholic liver disease，and nonalcoholic fatty liver disease. Simple fatty liver disease is the initial manifestation of hepatic steatosis， followed by steatohepatitis， liver fibrosis， liver cirrhosis， and even hepatocellular carcinoma. With the development of medical imaging technology， magnetic resonance imaging-proton density fat fraction （MRI-PDFF） has been widely used in the diagnosis of fatty liver disease （FLD） in clinical practice. MRI-PDFF is gradually becoming the gold standard for the noninvasive diagnosis of FLD due to its high accuracy and good repeatability. This article reviews the clinical application of MRI-PDFF in liver fat quantification and related research advances.Key words：Fatty Liver； Magnetic Resonance Imaging； Proton Density Fat Fraction； DiagnosisResearch funding：Shanghai Municipal Science and Technology Commission 2019 “Science and Technology Innovation Action Plan”（Clinical Medicine）（19401972700）脂肪性肝病（fatty liver disease，FLD）是多种疾病和病因引起的、病变主体在肝小叶，以肝细胞脂肪变性和脂肪蓄积过多为主的临床病理综合征。
国际医学放射学杂志ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＭｅｄｉｃａｌＲａｄｉｏｌｏｇｙ２０18July鸦41穴4雪：379-382论著与肝硬化Child-Pugh分级及病程相关的肺血管扩张的CT表现分析张建刚1高卫青1吕蓉2【摘要】目的探讨肝硬化引起的肺周围血管扩张的CT征象在不同Child-Pugh分级和不同肝硬化病程间的差异性。
方法回顾性收集白银市第二人民医院2012年4月—2016年6月间120例肝硬化病人作为研究对象，男69例，女51例，年龄34~85岁，平均（56.42±11.32）岁。
将病人按Child-Pugh分级（Child A、Child B、Child C）和肝硬化病程时间（≤3年和＞3年）分别分组。
120例病人均进行胸部螺旋CT平扫，观察病人以下4种CT征象：①肺血管纹理增粗达胸膜面；②双肺小结节影；③双肺底层面网格状影；④右肺底层面平均密度。
采用t检验、单因素方差分析及χ2检验比较组间的统计学差异。
结果按Child分级的3组间比较，肺血管纹理增粗达胸膜面数量、双肺小结节的数量、双肺底层面网格状影的出现以及右肺底层面平均密度间差异均有统计学意义（均P＜0.05）。
其中，Child C组各项数据均高于Child A组、Child B组，Child B组高于Child A组（均P＜0.05）。
3组间肺血管纹理增粗达胸膜面和双肺小结节影的定性分析比较差异均无统计学意义（均P＞0.05）。
按病程时间分组的2组间比较，＞3年组的上述4项CT征象数值均高于≤3年组（均P＜0.05）。
结论肝硬化引起的肺周围血管扩张的CT征象在不同Child分级和肝硬化病程时间组之间存在差异，观察这些征象有助于提高临床诊疗。
【关键词】肝硬化；肺血管；体层摄影术，X线计算机；Child-Pugh分级中图分类号：R575.2；R445.3文献标志码：APulmonary vasodilation on CT under varied Child-Pugh grades and durations of liver cirrhosis ZHANG Jiangang1,GAO Weiqing1,L譈Rong2.1Deparment of Radiology,Gansu Baiyin Second People’s Hospital,Baiyin730900, China;2Deparment of Radiology,Tianjin Third Central Hospital【Abstract】Objective To investigate CT appearances of the peripheral pulmonary vasodilatation under varied Child-Pugh scores and durations of liver cirrhosis.Methods120patients with liver cirrhosis were retrospectively collected from the Baiyin Second People’s Hospital from April2012to June2016.There were69males and51females,and the age was56.42±11.32years old(range34-85years).Patients were divided according to Child-Pugh grades(Child A,Child B and Child C)and duration of liver cirrhosis(≤3years,and＞3years),respectively.All the120patients underwent spiral CT scan of chest and the observation of CT images was focused on the following4signs:(1)the thickened pulmonary vascular markings adhered to the pleural surface;(2)bilateral pulmonary nodules;(3)reticular shadow at both lung bottom;(4)the average density on the CT slice of right lung bottom.Differences among groups were compared using the t test,one-way ANOVO analysis,andχ2test.Results Among the three groups based on Child-Pugh grade,the numbers of sign1-4were all statistically significant(all P＜0.05).The numbers of sign1-4were significantly higher in the Child C group than in the Child A and Child B groups,and the numbers of the sign1-4was significantly higher in Child B group than in the Child A group(all P＜0.05).However,qualitative analysis showed no significant differences in the incidence of the signs1and2 among the three groups(all P>0.05).The four CT signs were more often observed in the duration of liver cirrhosis>3years group than in the group≤3years group(all P<0.05).Conclusion The CT signs of peripheral pulmonary vasodilatation caused by cirrhosis were different among the different Child-Pugh grades and durations of cirrhosis.The observation of the CT signs can prompt clinical diagnosis and treatment.【Keywords】Cirrhosis;Pulmonary vascular;Tomography,X-ray computed;Child-Pugh classificationＩｎｔＪＭｅｄＲａｄｉｏｌ，２０１8，41（4）：379-382作者单位：1甘肃省白银市第二人民医院放射科，白银730900；2天津市第三中心医院放射科通信作者：吕蓉,E-mail:lvrong2000@DOI:10.19300/j.2018.L5591379国际医学放射学杂志ＩｎｔＪＭｅｄＲａｄｉｏｌ２０18July 鸦41穴4雪图1病人男，42岁，肝硬化。
肝段在横断层面上的识别方法English:One method to identify liver segments in cross-sectional images is by utilizing knowledge of the Couinaud liver segmentation system. This system divides the liver into eight segments based on the distribution of the hepatic veins and the branches of the portal vein. Each segment is defined by a specific combination of these vascular landmarks. One can also use anatomical features such as the location of the main portal fissure, the ligamentum teres, and the gallbladder to aid in identifying the different liver segments. Another approach is to rely on imaging techniques such as contrast-enhanced computed tomography (CT) or magnetic resonance imaging (MRI), which can provide detailed anatomical information and help in visualizing the boundaries between liver segments. Additionally, advancements in medical imaging technology have enabled the development of software applications that can automatically segment the liver based on these anatomical and vascular landmarks, further assisting in the identification of liver segments in cross-sectional images.中文翻译:在横断面图像中识别肝段的方法之一是利用 Couinaud 肝分割系统的知识。
