一種基于醫(yī)學(xué)影像分割腎臟血管房室的方法
【專利摘要】本發(fā)明提供一種基于醫(yī)學(xué)影像分割腎臟血管房室的方法，包括：獲取腎臟動(dòng)態(tài)增強(qiáng)掃描的全部影像；將不同掃描期相的腎臟增強(qiáng)掃描圖像數(shù)據(jù)進(jìn)行配準(zhǔn)；將腎臟區(qū)域從腎臟增強(qiáng)掃描圖像中分割出來(lái)；繪制腎臟區(qū)域圖像內(nèi)每個(gè)體素的TDC曲線；計(jì)算腎臟區(qū)域圖像內(nèi)每個(gè)體素的TDC曲線中到達(dá)峰值濃度的時(shí)間TTP；生成腎臟的TTP特征圖；利用自適應(yīng)閾值方法對(duì)腎臟的TTP特征圖閾值化；得到腎臟血管房室分割結(jié)果。本發(fā)明基于動(dòng)態(tài)增強(qiáng)腎臟掃描影生成關(guān)于腎臟對(duì)比劑濃度的時(shí)間特征圖像，并基于該時(shí)間特征圖像，利用圖像處理方法實(shí)現(xiàn)血管房室的分割提取。
【專利說(shuō)明】一種基于醫(yī)學(xué)影像分割腎臟血管房室的方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于醫(yī)學(xué)影像分析【技術(shù)領(lǐng)域】，具體涉及一種基于醫(yī)學(xué)影像分割腎臟血管房室的方法。

【背景技術(shù)】
[0002]基于醫(yī)學(xué)影像分析腎臟的濾過(guò)功能將會(huì)成為未來(lái)臨床應(yīng)用的一個(gè)發(fā)展趨勢(shì)，而且目前已經(jīng)有大量的相關(guān)研究開(kāi)展。在這個(gè)分析過(guò)程中，房室模型是被廣泛應(yīng)用的一個(gè)分析模型。研究中對(duì)于腎臟房室模型的劃分各不相同，包括兩室模型、三室模型等，均用于描述血液在整個(gè)腎臟的濾過(guò)過(guò)程。而相同的是，無(wú)論是幾室模型，都會(huì)包含一個(gè)血管房室的劃分，即血液從血管房室向其它房室濾過(guò)。在計(jì)算分析的過(guò)程中，獲知血管房室的體積對(duì)腎臟濾過(guò)功能的計(jì)算有重要意義。然而，在目前基于醫(yī)學(xué)影像的腎臟濾過(guò)功能分析中，還沒(méi)有提出關(guān)于血管房室的分割提取方法。較常見(jiàn)的是針對(duì)腎臟皮質(zhì)和髓質(zhì)的劃分。而研究表明，血管房室在物理結(jié)構(gòu)上，部分位于腎臟皮質(zhì)中，部分位于腎臟髓質(zhì)中。
[0003]腎小球?yàn)V過(guò)率(GFR, glomerular filtrat1n rate)是指單位時(shí)間內(nèi)兩腎生成濾液的量，腎小球?yàn)V過(guò)率與腎血漿流量的比值稱為濾過(guò)分?jǐn)?shù)。腎小球?yàn)V過(guò)率和濾過(guò)分?jǐn)?shù)是衡量腎功能的指標(biāo)?；卺t(yī)學(xué)影像來(lái)分析腎小球?yàn)V過(guò)率已經(jīng)成為該領(lǐng)域的研究熱點(diǎn)，尤其是基于動(dòng)態(tài)增強(qiáng)MRI影像的腎臟功能分析，因其具有掃描無(wú)輻射、對(duì)比劑計(jì)量小、可同時(shí)獲得分側(cè)腎臟的功能值等優(yōu)點(diǎn)，將有非常好的應(yīng)用前景。
[0004]1.現(xiàn)有的分析模型需要血管房室的劃分
現(xiàn)有的基于動(dòng)態(tài)增強(qiáng)MRI影像的腎臟功能分析中，均涉及腎臟血管房室的劃分。在Patlak-Rutland 二室模型中，腎臟被劃分為兩個(gè)房室:血管房室和小管房室，如圖1所示。從圖1中可以看出，動(dòng)脈血漿首先流入腎臟血管，之后通過(guò)腎小球的濾過(guò)功能進(jìn)入腎臟的小管房室。Lee等提出了的一個(gè)三室化的模型，Lee VS, Rusinek H,Bokacheva Lj et al.Renal funct1n measurements from MR renography and asimplified multicompartmental model [J].Am J Phys1l Renal Phys1l.2007，292(5):F1548-1559.其對(duì)于腎臟房室的劃分與Patlak-Rutland模型不同，它將三個(gè)房室定義為:血管房室A、近端小管房室P和亨勒袢房室L，如圖2所示，來(lái)自動(dòng)脈的血漿流Ao進(jìn)入腎血管房室A，之后含示蹤劑的血漿經(jīng)過(guò)腎小球?yàn)V過(guò)進(jìn)入近端小管房室P，剩余部分經(jīng)過(guò)腎靜脈(向下的實(shí)線箭頭)離開(kāi)腎臟。濾過(guò)的液體橫貫亨勒袢房室L，并經(jīng)過(guò)輸尿管離開(kāi)腎臟。不含示蹤劑的水經(jīng)P和L房室重吸收進(jìn)入小管周圍的毛細(xì)血管，分別以和的比例，如虛線所示。這里近端小管房室P完全包含在腎臟皮質(zhì)中，勒袢房室L完全包含在腎臟髓質(zhì)中，而血管房室A部分包含于皮質(zhì)，部分包含于髓質(zhì)。
[0005]2.皮髓質(zhì)分割方法
由于目前沒(méi)有針對(duì)血管房室的分割方法，基本上都是對(duì)腎臟進(jìn)行皮質(zhì)和髓質(zhì)的分割。腎臟皮髓質(zhì)的劃分方法相對(duì)較多，相關(guān)的列舉如下:
中國(guó)專利【CN 100586371 C】公開(kāi)了一種基于磁共振三維腎圖的圖像處理系統(tǒng)，一種基于磁共振三維腎圖的圖像處理系統(tǒng)，其特征在于:它包括一個(gè)磁共振成像工作站，一臺(tái)輔助計(jì)算控制裝置，磁共振工作站通過(guò)灌注成像方式得到不同時(shí)相的磁共振影像，所述輔助控制裝置，根據(jù)相關(guān)的計(jì)算方法完成對(duì)三維磁共振腎圖的計(jì)算和顯示輸出，所述輔助技算控制裝置包括:圖像處理模塊、抓取圖像模塊、圖像切除模塊、圖像識(shí)別模塊、圖像剪影模塊、圖像分割模塊和綜合匹配模塊。本發(fā)明能夠較為準(zhǔn)確的矯正MRI圖像獲取過(guò)程中腎臟由于呼吸導(dǎo)致的運(yùn)動(dòng)，并能對(duì)皮髓質(zhì)進(jìn)行準(zhǔn)確的分割。
[0006]中國(guó)專利【CN200410020673】公開(kāi)了一種醫(yī)學(xué)圖像的三維分割方法，采用Canny算子進(jìn)行邊緣檢測(cè)，采用余弦函數(shù)進(jìn)行輪廓插值，利用Canny算子和梯度信息生成圖像的全局能量代價(jià)函數(shù)，作為交互式分割基礎(chǔ)，實(shí)現(xiàn)對(duì)關(guān)鍵層的輪廓提取，進(jìn)而在關(guān)鍵層之間利用基于余弦函數(shù)的插值方法產(chǎn)生中間層輪廓，同時(shí)在中間層輪廓上根據(jù)該層的局部能量代價(jià)自動(dòng)生成種子點(diǎn)，并依據(jù)局部能量代價(jià)函數(shù)進(jìn)行輪廓的自動(dòng)調(diào)整，對(duì)插值生成的輪廓進(jìn)行自動(dòng)的修正，從而得到真正的分割區(qū)域。
[0007]文章〈Automatic renal cortex segmentat1n using implicit shaperegistrat1n and novel multiple surfaces graph search.> 中提到了利用隱含形狀配準(zhǔn)及多表面圖搜索的方法來(lái)分割腎臟皮質(zhì)。
[0008]文章〈An automatic method for renal cortex segmentat1n on CT images:evaluat1n on kidney donors.>提出了基于CT對(duì)比增強(qiáng)掃描影像分割腎臟皮質(zhì)的方法。
[0009]文章〈Segmentat1n of kidney cortex in MRI studies: a constrainedmorphological 3D h-maxima transform approach〉提出了一種基于三維形態(tài)學(xué)變換的腎臟皮質(zhì)分割方法。
[0010]上述方法均針對(duì)腎臟皮質(zhì)進(jìn)行分割，而非針對(duì)腎臟的血管房室進(jìn)行分割；另外上述方法均為采用基于圖像本身的分割方法。
[0011]如前所述，在利用腎臟的房室模型分析腎臟濾過(guò)功能時(shí)，腎臟被劃分為血管房室、小管房室等。如果能夠精確獲取腎臟血管房室的劃分，進(jìn)而得到其體積、平均濃度等信息，將對(duì)腎臟濾過(guò)模型計(jì)算有較大幫助。腎臟內(nèi)不同房室的劃分與皮髓質(zhì)劃分不同，由于缺乏理想的房室劃分方法，現(xiàn)有技術(shù)都是針對(duì)腎臟的皮髓質(zhì)進(jìn)行分割，以該結(jié)果來(lái)替代房室劃分結(jié)果或基于此結(jié)果通過(guò)進(jìn)一步的計(jì)算獲得房室劃分結(jié)果。到目前為止，還沒(méi)有直接通過(guò)圖像分析獲得腎臟房室劃分結(jié)果的方法。
[0012]另外，在對(duì)腎臟的皮髓質(zhì)進(jìn)行分割時(shí)，多數(shù)方法是利用注入對(duì)比劑后的腎臟圖像進(jìn)行分割處理的。由于對(duì)比劑流經(jīng)腎臟后，其皮質(zhì)會(huì)在一定時(shí)間內(nèi)顯示為高亮信號(hào)值，而髓質(zhì)尚未發(fā)生明顯變化，故很多方法利用這一特點(diǎn)進(jìn)行皮髓質(zhì)的分割。而該方法的不足之處在于掃描期相的選取，由于對(duì)比劑注入后會(huì)對(duì)腎臟進(jìn)行多個(gè)期相的掃描，而不同掃描期相下，腎臟內(nèi)高亮信號(hào)的區(qū)域會(huì)有各種變化，因此選取不同期相的掃描圖像就會(huì)產(chǎn)生不同的皮髓質(zhì)分割結(jié)果。


【發(fā)明內(nèi)容】

[0013]針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明提供一種基于醫(yī)學(xué)影像分割腎臟血管房室的方法。
[0014]本發(fā)明的技術(shù)方案是: 一種基于醫(yī)學(xué)影像分割腎臟血管房室的方法，包括以下步驟:
步驟1:獲取腎臟動(dòng)態(tài)增強(qiáng)掃描的全部影像；
步驟1-1:在未注入對(duì)比劑的情況下，獲取一個(gè)期相的腎臟掃描圖像；
步驟1-2:注入對(duì)比劑，并且每間隔固定的時(shí)間進(jìn)行一次腎臟增強(qiáng)掃描；
步驟1-3:連續(xù)獲取多個(gè)期相的腎臟增強(qiáng)掃描圖像，得到腎臟動(dòng)態(tài)增強(qiáng)掃描的全部影像；
步驟2:將不同掃描期相的腎臟增強(qiáng)掃描圖像數(shù)據(jù)進(jìn)行配準(zhǔn)；
步驟3:將腎臟區(qū)域從腎臟增強(qiáng)掃描圖像中分割出來(lái)；
步驟4:繪制腎臟區(qū)域圖像內(nèi)每個(gè)體素的TDC曲線；
步驟5:計(jì)算腎臟區(qū)域圖像內(nèi)每個(gè)體素的TDC曲線中到達(dá)峰值濃度的時(shí)間TTP ；
步驟6:生成腎臟的TTP特征圖；
步驟7:利用自適應(yīng)閾值方法對(duì)腎臟的TTP特征圖閾值化；
步驟8:得到腎臟血管房室分割結(jié)果。
[0015]有益效果:
本發(fā)明基于動(dòng)態(tài)增強(qiáng)掃描圖像的特點(diǎn)，利用所有掃描期相的圖像數(shù)據(jù)，生成關(guān)于腎臟對(duì)比劑濃度的時(shí)間特征圖像，并基于該時(shí)間特征圖像，利用圖像處理方法實(shí)現(xiàn)血管房室的分割提取。需要說(shuō)明的是，本發(fā)明的直接目的并不是獲得診斷結(jié)果或健康狀況，而只是從腎臟動(dòng)態(tài)增強(qiáng)掃描的全部影像中獲取作為中間結(jié)果的信息或生理參數(shù)，即腎臟血管房室的分割結(jié)果，進(jìn)而獲得其體積、濃度等參數(shù)，作為腎臟的功能分析的基礎(chǔ)。

【專利附圖】

【附圖說(shuō)明】
[0016]圖1是二室模型的腎臟房室示意圖；
圖2是三室化模型的腎臟房室示意圖；
圖3是本發(fā)明【具體實(shí)施方式】的同一體層不同時(shí)刻(期相)的掃描圖像；
圖4是本發(fā)明【具體實(shí)施方式】的最大密度投影后的圖像；
圖5是本發(fā)明【具體實(shí)施方式】的灰度腐蝕后的圖像；
圖6是本發(fā)明【具體實(shí)施方式】的沿L-R方向的最大密度分布曲線；
圖7是本發(fā)明【具體實(shí)施方式】的沿H-F方向的最大密度分布曲線；
圖8是本發(fā)明【具體實(shí)施方式】定位的腎臟區(qū)域；
圖9是本發(fā)明【具體實(shí)施方式】的時(shí)間濃度曲線圖；
圖10是本發(fā)明【具體實(shí)施方式】的腎臟的TTP特征圖；
圖11是本發(fā)明【具體實(shí)施方式】的腎臟內(nèi)所有體素的特征值直方圖；
圖12是本發(fā)明【具體實(shí)施方式】的對(duì)腎臟的TTP特征圖閾值化的結(jié)果圖；
圖13是本發(fā)明【具體實(shí)施方式】的腎臟血管房室的分割結(jié)果；
圖14是本發(fā)明【具體實(shí)施方式】的基于醫(yī)學(xué)影像分割腎臟血管房室的方法流程圖。

【具體實(shí)施方式】
[0017]下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】做詳細(xì)說(shuō)明。
[0018]一種基于醫(yī)學(xué)影像分割腎臟血管房室的方法，如圖14所示，包括以下步驟: 步驟1:獲取腎臟動(dòng)態(tài)增強(qiáng)掃描的全部影像；
步驟1-1:在未注入對(duì)比劑的情況下，獲取一個(gè)期相的腎臟掃描圖像；
步驟1-2:注入對(duì)比劑，并且每間隔3秒的時(shí)間進(jìn)行一次腎臟增強(qiáng)掃描；
步驟1-3:連續(xù)獲取多個(gè)期相的腎臟增強(qiáng)掃描圖像，得到腎臟動(dòng)態(tài)增強(qiáng)掃描的全部影像；
影像的掃描全部在GE 3.0T HDx機(jī)器上完成，使用體部相控陣線圈，定位掃描后，首先進(jìn)行常規(guī)序列掃描，然后進(jìn)行MRU和相位對(duì)比法MRA.掃描參數(shù)TR = 4.7 ms,TE = 1.9 ms, TI = 5.0 ms，翻轉(zhuǎn)角 15°，矩陣 256 X 256, FOV = 30 cm X 30 cm，帶寬 100 kHz,層厚4.0 mm，共16層，采集時(shí)間3.0s.同一體層不同時(shí)刻(期相)的掃描圖像如圖3所
/Jn ο
[0019]步驟2:將不同掃描期相的腎臟增強(qiáng)掃描圖像數(shù)據(jù)進(jìn)行配準(zhǔn)；
當(dāng)腎臟動(dòng)態(tài)增強(qiáng)掃描過(guò)程完成后，獲取腎臟在不同掃描期相的影像數(shù)據(jù)。為了避免由于在不同掃描期相(時(shí)刻)腎臟的相對(duì)運(yùn)動(dòng)對(duì)分析結(jié)果的影響，本實(shí)施方式中采用通用的三維配準(zhǔn)算法對(duì)不同期相的腎臟進(jìn)行配準(zhǔn)。
[0020]步驟3:將腎臟區(qū)域從腎臟增強(qiáng)掃描圖像中分割出來(lái)；
首先需要將腎臟從每期相掃描圖像中提取出來(lái)，先對(duì)腎臟區(qū)域進(jìn)行自動(dòng)定位，之后利用增強(qiáng)后期的掃描圖像(腎臟整體被較均勻增強(qiáng))與未注入對(duì)比劑的掃描圖像進(jìn)行剪影，從而將腎臟區(qū)域從腎臟增強(qiáng)掃描圖像中分割出來(lái)。
[0021]基于MR動(dòng)態(tài)增強(qiáng)掃描影像的特點(diǎn)，腎臟區(qū)域的自動(dòng)定位方法如下:
(1)進(jìn)行非增強(qiáng)掃描數(shù)據(jù)與實(shí)質(zhì)期增強(qiáng)掃描數(shù)據(jù)的三維配準(zhǔn)減影，獲取非增強(qiáng)掃描數(shù)據(jù)的三維數(shù)據(jù)和實(shí)質(zhì)期增強(qiáng)掃描三維數(shù)據(jù)；
(2)對(duì)獲取的實(shí)質(zhì)期增強(qiáng)掃描三維數(shù)據(jù)分別作冠狀位和橫斷位投影，得到冠狀位投影圖像和橫斷位投影圖像；
(3)在冠狀位投影圖像上定位腎臟區(qū)域:腎臟區(qū)域定位需要在上、下、左、右、前、后6個(gè)方向上完成，在冠狀位投影圖像上完成上、下、左、右4個(gè)方向的定位，前、后方向的定位將在橫斷位投影圖像上完成；
(3.1)沿A — P (前、后)方向做最大密度投影(MIP);
對(duì)減影后的三維數(shù)據(jù)沿前后方向作最大密度投影，得到如圖4所示的圖像；
(3.2)灰度腐蝕；
由圖4可見(jiàn)，除腎臟之外還有其他組織的信號(hào)強(qiáng)度表現(xiàn)為高亮，但腎臟是其中均勻度較好且強(qiáng)度最大的區(qū)域，對(duì)其進(jìn)行灰度腐蝕，以去除干擾區(qū)域，如圖5所示；
(3.3)沿 L —R(左、右)方向計(jì)算 MID ( maximumintensity distribut1n,最大密度分布)曲線；
由圖5可看出，除腎臟區(qū)域外，其他區(qū)域已經(jīng)不再是高亮區(qū)域.基于該圖像，利用MID曲線可以找到腎臟區(qū)域，生成圖5的區(qū)域沿L 一 R方向的MID曲線，如圖6所示；
(3.4)確定腎臟在H - F(上、下)方向上的區(qū)間[h，f]；
圖6中，中間虛線表示曲線均值，上、下兩條虛線表示曲線的標(biāo)準(zhǔn)差，這里以均值加一個(gè)標(biāo)準(zhǔn)差作為閾值來(lái)求得區(qū)間的邊界[h，f]，由于沿L 一 R方向的MID曲線是通過(guò)灰度腐蝕圖像獲得的，因此需要對(duì)真實(shí)邊界進(jìn)行還原； (3.5)沿H — F(上、下)方向計(jì)算最大密度分布曲線，如圖7所示；
(3.6)確定腎臟在L - R方向上的區(qū)間，即左腎[LI，Rl]和右腎[L2，R2];可以看到圖7中有兩個(gè)峰，它們分別表示左腎區(qū)間和右腎區(qū)間；
(4)在橫斷位投影圖像上定位腎臟的前后位置；具體方法同步驟(3)；
經(jīng)過(guò)上述步驟，定位的腎臟區(qū)域如圖8所示；
自動(dòng)定位完成后在定位的腎臟區(qū)域內(nèi)利用增強(qiáng)后期(腎臟整體被較均勻增強(qiáng))的圖像與未注入對(duì)比劑的圖像進(jìn)行減影的方法而獲得腎臟的分割結(jié)果。
[0022]步驟4:繪制腎臟區(qū)域圖像內(nèi)每個(gè)體素的TDC曲線(時(shí)間濃度曲線)；
對(duì)于腎臟內(nèi)的每一個(gè)體素，均可以得到其濃度(亮度信號(hào))隨時(shí)間(不同掃描期相)的變化曲線，即時(shí)間濃度曲線(TDC)，如圖9所示。
[0023]步驟5:計(jì)算腎臟區(qū)域圖像內(nèi)每個(gè)體素的TDC曲線中到達(dá)峰值濃度的時(shí)間TTP ； 針對(duì)每個(gè)體素得到的TDC曲線計(jì)算出曲線中濃度達(dá)到峰值所對(duì)應(yīng)的時(shí)間，即TTP。
[0024]步驟6:生成腎臟的TTP特征圖，如圖10所示；
當(dāng)腎臟內(nèi)所有體素的TTP計(jì)算完成后，可以得到整個(gè)腎臟關(guān)于TTP的特征圖像，如圖10所示。其中腎臟內(nèi)較暗的區(qū)域代表其中的體素濃度達(dá)峰時(shí)間較短，較亮的區(qū)域代表其中的體素濃度達(dá)峰時(shí)間較長(zhǎng)。
[0025]步驟7:利用自適應(yīng)閾值方法對(duì)腎臟的TTP特征圖閾值化，如圖11、12所示；
得到腎臟的TTP特征圖后，可以得到腎臟內(nèi)所有體素的特征值直方圖，如圖11所示，根據(jù)該直方圖利用大津閾值法獲取自適應(yīng)的腎臟血管房室分割閾值。閾值化后的結(jié)果如圖12所示。
[0026]步驟8:得到腎臟血管房室分割結(jié)果。
[0027]根據(jù)閾值化后的結(jié)果，再輔以一些形態(tài)學(xué)處理，即可獲得腎臟血管房室的分割結(jié)果，如圖13所示。
【權(quán)利要求】
1.一種基于醫(yī)學(xué)影像分割腎臟血管房室的方法，其特征在于:包括以下步驟: 步驟1:獲取腎臟動(dòng)態(tài)增強(qiáng)掃描的全部影像； 步驟1-1:在未注入對(duì)比劑的情況下，獲取一個(gè)期相的腎臟掃描圖像； 步驟1-2:注入對(duì)比劑，并且每間隔固定的時(shí)間進(jìn)行一次腎臟增強(qiáng)掃描； 步驟1-3:連續(xù)獲取多個(gè)期相的腎臟增強(qiáng)掃描圖像，得到腎臟動(dòng)態(tài)增強(qiáng)掃描的全部影像； 步驟2:將不同掃描期相的腎臟增強(qiáng)掃描圖像數(shù)據(jù)進(jìn)行配準(zhǔn)； 步驟3:將腎臟區(qū)域從腎臟增強(qiáng)掃描圖像中分割出來(lái)； 步驟4:繪制腎臟區(qū)域圖像內(nèi)每個(gè)體素的TDC曲線； 步驟5:計(jì)算腎臟區(qū)域圖像內(nèi)每個(gè)體素的TDC曲線中到達(dá)峰值濃度的時(shí)間TTP ； 步驟6:生成腎臟的TTP特征圖； 步驟7:利用自適應(yīng)閾值方法對(duì)腎臟的TTP特征圖閾值化； 步驟8:得到腎臟血管房室分割結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于醫(yī)學(xué)影像分割腎臟血管房室的方法，其特征在于:所述步驟2采用三維配準(zhǔn)算法將不同掃描期相的腎臟增強(qiáng)掃描圖像數(shù)據(jù)進(jìn)行配準(zhǔn)。
3.根據(jù)權(quán)利要求1所述的基于醫(yī)學(xué)影像分割腎臟血管房室的方法，其特征在于:所述步驟3是利用增強(qiáng)后期的掃描圖像與未注入對(duì)比劑的掃描圖像進(jìn)行減影，從而將腎臟區(qū)域從腎臟增強(qiáng)掃描圖像中分割出來(lái)。
【文檔編號(hào)】A61B6/03GK104318567SQ201410578625
【公開(kāi)日】2015年1月28日 申請(qǐng)日期:2014年10月24日 優(yōu)先權(quán)日:2014年10月24日
【發(fā)明者】李宏, 孫浩然, 康雁, 金時(shí)開(kāi), 徐謝平, 鮑楠, 孫航, 田實(shí) 申請(qǐng)人:東北大學(xué), 天津醫(yī)科大學(xué)總醫(yī)院