MR数据的贝叶斯空间统计学方法及其对胶质瘤的立体计量分析

Spatial statistics based on spatial correlation is a hot issue of advanced statistics. Research on spatial statistical approach for multi-modality MR data would promote the new information fusion theory. However,due to the characters of MR data, there are different spatial resolutions for different MR sequences. Prior information, which is consistent with the fact, is required for the precision and accuracy of statistical model. Furthermore, the tumor is located within the central nervous system. Therefore, it is difficult to obtain pathology panel and verify the modeling effect. Bayesian statistical method, relying on phathology as prior information, will be a hopeful way to solve these problems. This project would describe the spatial structure of gliomas with Bayesian statistical method, and construct spatial auto-regression model with multi-modality MR data to forecast the spatial distribution of gliomas. Meanwhile, the model would have the virtues of robustness and adaptability. This work is based on establishment of a glioma mode in rat as follows;① Construction of the prior distribution of Bayesian model with phathology and kernel function;②Registration for spatial position of multi-modality MR data; ③ Multi-scale quantitative analysis for multi-modality MR data; ④ Modeling and verification for invasive extent of gliomas. The research results will be valuable for quantitative analysis of gliomas in clinical application, extend spatial statistical approach to medical field and provide a new way of thinking and path for medicinal imaging diagnosis.

基于空间相关性的空间统计学，是现代统计学的研究热点。研究多模MR数据的空间统计学方法，能促进新的多元信息融合理论的发展。然而，由于MR数据自身的特点，不同扫描序列的空间分辨率通常不同；需要与实际相符的先验信息，提高模型的准确度和精度；由于肿瘤处于中枢神经系统，难以采集病理标本验证模型的拟合效果。基于病理数据为先验信息的贝叶斯空间统计方法有望解决这些问题。本项目拟采用贝叶斯空间统计方法实现多元MR属性对胶质瘤空间分布的解释和预测，并使模型具有一定稳健性和自适应性的优点。具体开展以下研究：①以病理结果为先验知识，引入核函数构造贝叶斯模型先验分布；②多模MR数据空间位置配准；③多模MR数据的多尺度模型的量化分析；④肿瘤浸润范围的空间模型构建和验证。项目的研究成果不仅对胶质瘤的定量分析有重要的临床意义，而且还将空间统计学的方法拓展到医学领域，同时给医学影像诊断提供了一种新的研究思路。

项目的背景：.脑胶质瘤是神经系统最常见的原发性肿瘤，具有发病率高、复发率高、死亡率高和治愈率低“三高一低”的特点．如何应用核磁共振技术对胶质瘤浸润范围进行准确诊断一直是个医学难题。因MR影像技术具有无电离辐射和较高的软组织分辨率的特点，使其成为脑部肿瘤检查的优势影像技术。不同MR序列可从不同侧面提供颅脑内肿瘤的相关信息，但由于MR数据自身的特点，需要与实际相符的先验信息和必要的病理信息来提高模型的准确度和精度。但肿瘤处于中枢神经系统，如何获取有效的病理标本作为金标准涉及到医学伦理学问题。因此，基于动物模型的多模MR数据的贝叶斯空间统计学方法研究，对医学数据信息处理和统计学理论的发展具有很重要的理论意义。.主要研究内容：.本项目采用贝叶斯空间统计方法对脑胶质瘤的空间结构进行描述，构建空间回归模型实现多元MR属性对脑胶质瘤空间分布的解释和预测，同时结合大鼠胶质瘤模型，开展以下研究：①以病理结果为先验知识，引入核函数构造贝叶斯模型先验分布；②多模MR数据的空间位置配准；③多模MR数据的多尺度模型的量化分析；④肿瘤浸润范围的空间模型构建和验证。.重要结果：.①以脑胶质瘤的病理HE染色切片图像作为先验信息，构建大鼠脑胶质瘤的贝叶斯模型先验分布，并获取其模型的相关参数；.②基于Demons算法对脑胶质瘤的多模MR图像与病理切片进行非刚性配准。.③ 对多模MR数据进行多尺度模型的量化分析，得到不同区域和不同时间段的特异指标；.④ 采用带有随机场的广义线性模型对肿瘤浸润范围进行空间模型构建。.关键数据：.① 成功构建58只SD大鼠的脑胶质瘤模型，并获取其HE染色病理切片和免疫组化病理图片。.② 获取大鼠的MR数据如：常规MRI（T1加权成像、T1增强加权成像、T2加权成像）及功能性MR（DTI/DWI、PWI、MRS）扫描。.科学意义：.本研究将为临床手术和术后放疗靶区的判断与勾画提供技术支持，从而更好地延长患者术后的生存时间，对临床工作有着积极的意义。新的图像配准、量化和统计推断方法也可拓展到其它肿瘤浸润范围的检测，为挽救患者生命起着极其重要意义。