关节软骨属于透明软骨,表面光滑,能减少相邻两骨之间的摩擦,缓冲运动时产生的震动,呈淡蓝色,有光泽,是覆盖在骨骺端部的一层特殊光亮结缔组织的胶原纤维组成的结构,这种结构使关节软骨受到压力时候,还可以有少许的变形,缓解冲击力传递负荷的作用,是维持关节活动必需的组织结构。因此,人们在运动前最好先活动一下关节,使关节充分润滑,防止关节软骨损伤。但反过来说,关节运动又是必需的,它对于维持关节软骨的正常结构起到重要作用。因为维持关节软骨的正常代谢的是散在分布在纤维之间的软骨细胞,它们由椭圆或圆形的细胞从浅层向深层逐渐组成,其营养成分和代谢废物必须从关节液中取得或排出,而关节软骨的这种营养代谢的途径就是关节运动,使关节软骨不断的受到压力刺激才行。骨关节炎(Osteoarthritis,OA)是一种非常常见的老年性疾病,在导致残疾方面仅次于心脏病,对卫生保健系统而言有着相当大的社会经济影响。它会造成疼痛和在关节运动时表现为失去弹性的刚性活动,而疼痛和活动的减少会引起患病关节周围的肌肉和韧带的萎缩,从而导致关节畸形及功能障碍。而引起这种疾病的核心环节是关节软骨的磨损,破裂,变薄,因此,对关节软骨病变的早期诊断和治疗就显得尤为重要。目前,治疗OA主要局限于症状的控制和治疗此疾病药物的研究。因此,人们在分析关节软骨和有关它的疾病进展方面进行了大量的研究。其中X线、CT等方法都可以用来评价关节软骨,但是这些方法并不能用于软骨病变早期阶段特别是形态轮廓尚未改变之前的生化成分改变阶段的诊断。随着MR成像技术的飞速发展,MR成像因其多方位、多序列、多参数及无创伤性,且能直接观察OA患者关节结构的改变,已经越来越多地运用于关节软骨早期病变的诊断特别是形态轮廓尚未改变之前的生化成分改变阶段的诊断。其中,T2图(T2mapping)成像作为一种新的MR成像技术,已成为关节软骨病变早期诊断及病情监测的敏感标记。T2弛豫时间(T2relaxation time)可以用T2图进行量化测定,是横向磁化弛豫衰减至最大信号强度的37%所需的时间。其成像的原理为：首先,采用多层面多回波的自旋回波序列,采用相同的TR时间,不断改变TE时间进行扫描,就可以得到一系列的T2加权图像；然后计算出这些图像中各个像素的T2值,可量化分析的灰阶或彩色阶T2图就重构出来了。随着软骨退变的程度加重,T2值也随着升高。而T2图成像技术这所以能够有效指导临床及早诊断及治疗,是因为它可以敏感地反映出关节软骨形态轮廓无明显改变之前的生化成分的改变。目前对改进关节病的早期诊断的研究主要是在提高分割速度和自动化程度两个方面。对于软骨T2图的分割,Rother提出了一个有效的基于图分割的交互式分割算法。此算法原理是,把一个矩形覆盖在一个待分割区域上,使用灰度值直方图来分割区域；2006年Tang提出了一种半自动的梯度向量流(Gradient Vector Flow,GVF)蛇形的改进算法,此算法吸收了梯度方向信息,并用B样条来模型化软骨边界,通过增加控制点的方式来实现更准确的软骨边界分割；而Folkesson、Dam等提出了一种体像素分类的方法,开始是运用kNN算法来将软骨边界和背景分开,达到软骨分割的目的,后来针对kNN算法分类的计算复杂性,又提出了一个有效的分类方法,其原理为把一系列随机采样的体像素分为软骨或是背景像素,而不是对每个单独的体像素进行分类,即如果一个体素被分类为软骨,那么继续分类其邻近的像素,直到没有像素被分类为软骨为止。上述的方法虽然提取出软骨区域,可是没有实现把软骨区域再自动分层或分区域。根据从软骨表面到软骨深层组织结构的不同,可将软骨分为4层,分别为表层、过渡层、放射层和钙化层。Modl等首先发现关节软骨在T2加权图像上呈3层表现,分别是深层、中间层和浅表层,并且认为深层与放射层及钙化层对应,中间层与过渡层对应,而浅表层与表层对应。其各层的结构特点是：浅表层胶原纤维较薄且紧凑,平行于关节面,水含量最高；中间层为胶原纤维排列不规则,呈斜行随机状,水含量次之；深层胶原纤维较厚,垂直于关节面,水含量最少,提供最大的抗压力量。其中,关节软骨的胶原纤维高度有序的排列导致了关节软骨结构的各向异性,而关节软骨的T2值恰恰取决于软骨组织结构的各向异性、胶原及其排列方向、水含量的变化。因此,关节软骨内某层或某区域内生化成分的变化,就意味着此层或此区域内的T2值的改变。而OA发生时,最早可见的软骨组织形态变化是胶原分层结构的消失,导致T2值的升高。所以,实现关节软骨的自动分层对于分析不同区域的信号强度、探讨关节软骨功能承重区以及早期诊断软骨病变都有重要意义。而本文所要实现的就是在膝关节软骨T2图上把软骨区域自动分为三层九区域(每一层可分为三个区域,分别是外侧区域,中间区域和内侧区域)。而本文所采用的T2图是由Philip Intera1.5T超导MR SENSE-Flex-M线圈行膝关节横轴位扫描所得,扫描范围自髌骨上缘水平至胫骨平台,在足部放置了一沙袋固定体位。T2图成像扫描参数：采用8回波SE序列,TR1300ms, TE10-90ms,层厚3mm,层间距1.5mm,层数12,视野(FOV)180mm×140mm,像素矩阵512×512,2次采集,扫描时间约为7min。共扫描15个膝关节(左侧膝关节7个,右侧膝关节8个),年龄为23-42岁之间,平均年龄为28.6±5.3岁,所有患者均签署知情同意书。共得到15组数据(T2图),再由临床经验丰富的放射科医生勾勒出髌软骨区域。本文将这幅由医生勾勒出软骨区域的膝关节软骨T2图像变为一幅软骨区域为白,其他区域全变黑的二值图像。然后由形态学函数对图像进行形态学处理可取得软骨区域边缘线,这是一个闭区域线,即软骨区域的轮廓图。接着通过形态学函数提取软骨区域的中轴线,并改变函数的参数去除毛刺。然后就可把中轴线的横、纵坐标分别与一阶微分的高斯核进行卷积运算后计算出切线的斜率,再由切线的斜率计算出法线的斜率,由法线的斜率又得出法线的方向,进而求出各法线的横、纵坐标。每一条法线与软骨区域边缘线都有两个交点,再取把这两个交点距离三均分的两个点,如此可得到四个点,从上到下依次归类为A、B、C、D,对A、B、C、D类点分别进行线性插值可得到四条分界线,软骨区域就可分为三层,分别为膝关节软骨的深层、中间层、浅表层。再分别计算软骨区域的各点到四条边界线的最小距离,就可判断这个点是在哪两条边界线内,依此类推,就可把软骨区域的各点分层了。在软骨区域轮廓图均分为三层的基础上,选取把中轴线三均分的两条法线,就可把每一层再均分为左、中、右三个区域,把各区域的坐标代入原膝关节软骨T2图中,就可求出T2图上各区域T2值的均值。,其空间分布为关节软骨深层至浅表层呈先降低后升高的趋势,越接近关节软骨表面T2值越高。本文采用Bland-Altman统计学分析方法来评价两位医生之间及手工和自动之间测定结果的一致性。其原理是计算两次测量结果的差值均值和差值标准差,接着可计算出其95%一致性界限,并用图形的方法直观地反映这个一致性界限,若一致性界限小于两次测量结果均值最小值的1/2,即判定为一致性良好。同时也通过变异系数(Coefficient Of Variation,COV)对两种测量结果进行一致性评价。实验所测医生1、医生2分区测量结果的均值分别是39.06ms、39.71ms,差值的均值为-0.66ms,差值的标准差为2.05ms,则95%一致性界限为-0.66±1.96x2.05ms,即(-4.68ms,3.36ms),其变异系数COV=2.05ms/39.39ms=5.20%。手工分区和自动分区测量结果的均值分别是39.39ms、39.31ms,差值的均值为0.08ms,差值的标准差为1.59ms,则95%一致性界限为0.08±1.96×1.59ms,即(-3.04ms,3.20ms),其一致性界限窄(远远小于两组结果均值的最小均值39.31ms的1/2),变异系数COV=1.59ms/39.35ms=4.04%,表明手工分区和自动分区这两种方法的一致性良好。在一致性界限范围内,差值的绝对值最大为3.20ms,医生分割结果的最小平均值为39.31ms,这种相差的幅度在临床上是可以接受的,从临床实际角度可以认为这两种方法具有较好的一致性。由此可说明自动分区方法不仅可替代手工分区方法,而且克服了手工分区方法的主观性。总之,此自动分区方法的提出减少了膝关节软骨分区的时间,提高了效率,具有更好的可重复性,也将有助于T2图各区域信号强度和软骨组织结构的分析、软骨功能承重区的探讨以及早期软骨软骨病变的诊断。