一种新颖的CT血管造影图像的血管中心线提取方法

一种新颖的CT血管造影图像的血管中心线提取方法

杨俊　李迟迟　李娜　杨泽鹏　周寿军

510515　中国人民解放军广州疗养院（杨俊）； 518055　中国科学院深圳先进技术研究院生物医学与健康工程研究所（李迟迟、李娜、周寿军）；510800　广州，华南理工大学广州学院计算机工程学院（杨泽鹏）

通信作者：周寿军，E-mail：sj.zhou@siat.ac.cn

DOI：10.3760/cma.j.issn.1007-1245.2018.17.005

　　【摘要】　目的 提取CT血管造影图像的血管中心线。方法　本算法由两个步骤组成：首先，一种新的多尺度滤波算法被用于增强血管结构；其次，在滤波后的图像上进行基于最小路径和贝叶斯跟踪的血管中心线提取算法。结果　实验结果表明所提出的方法能有效提取血管中心线而且能获得中心线分支信息。结论　与同类算法相比，本算法能很好地增强细小血管结构，对噪声和伪影的抑制作用更强。　　【关键词】　血管中心线；中心线分支信息；最小路径；贝叶斯跟踪

　　基金项目：深圳市介入式诊疗一体化关键技术工程实验室项目[深发改（2016）893号]

A novel vascular centerline extraction method of CT angiography Yang Jun, Li Chichi, Li Na, Yang Zepeng, Zhou Shoujun

Guangzhou Nursing Home of PLA, Guangzhou 510515, China (Yang J); Institute of Biomedicine and Health Project, Shenzhen Institute of Advanced Technology, Chinese Academy of Science, Shenzhen 518055, China (Li CC, Li N, Zhou SJ); Computer Engineering College, Guangzhou College, South China University of Technology, Guangzhou 510800, China (Yang ZP)

Corresponding author: Zhou Shoujun, E-mail: sj.zhou@siat.ac.cn

　　【Abstract】 Objective To extract the vascular centerline of CT angiography. Methods In order to obtain centerline branch information, a method based on minimum path and Bayesian tracking was proposed in this article. The algorithm in this article was divided into two steps: firstly, a new multiscale filtering algorithm was used to enhance vascular structure; secondly, vascular centerline extraction algorithm based on minimum path and Bayesian tracking was performed. Result The proposed method not only could effectively extract vascular centerline, obtain centerline branch information. Conclusion Compared with similar algorithms, this algorithm can enhance the vascular structure well and inhibit the noise and artifacts effectively.

　　【Key words】 Vascular centerline; Centerline branch information; Minimal path; Bayesian tracking　　Fund program: Interventional Diagnosis and Treatment Integration Key Technology Engineering Laboratory Project of Shenzhen City [Shen Fa Gai (2016)893]

　　血管疾病在发达国家已经成为最重要的公共卫生问题。例如，由冠状动脉阻塞引起的冠心病目前在美国已成为头号健康杀手

[1-4]

1 　材料与方法

1.1 　材料来源　使用的9套冠状动脉CTA验证数据，其中8套训练数据来源于MICCAI2008 Workshop，1套数据来源于临床。1.2 　方法

1.2.1　血管结构增强　将Hessian矩阵对应的特征。考虑到在值重新定义为

幅值较低的情况下，为了增强函数的鲁棒性，将做修正处理。是在每一个尺度s下正则化

。这些统计数据自然

激励着专家学者们进行大量的血管图像方面的研究。血管中心线的提取对辅助诊断、治疗和手术规划尤为重要。然而大多数血管造影临床手术仍然严重依赖手工操作，人工中心线的提取方法最快也要数小时才能完成。因此自动或半自动的中心线提取方法显得格外瞩目。

2597

国际医药卫生导报 2018年 第24卷 第17期　IMHGN，September 2018，Vol.24　No. 17

的值。可以表示如下：具体实现步骤如下：初始3个状态向量的选择，将每个分支上选择到的最初3个状态向量表示为对应的坐标是随机的从基于回

溯的最小路径传播算法提取的中心点中选取的。　　观测模型，已知一个状态向量以及对应的观测值为其中

，给定状态向量

下的观测概率：

是介于0和1之间的阈值。对于3D图像，提出的新的血管增强函数为：

表示以该点为中心，为半径范围内的灰度平均

其中且有

分别为Hessian矩阵对应的特征值并

。

。在不同的尺

值。

表示以该点为中心，和为半径的环形区

域内的平均值。

　　预测，利用贝叶斯公式，给定所有到t时刻为止的观测，其后验概率密度函数示为：

可以表

度下， 设置为0.5倍的最大Hessian范数。对于2D图像而言，的值是根据来进行设置。在等式（2）中血管增强函数在不同的尺度下被分析，不同尺度下的最大响应作为多尺度滤波的最终估计。在图1中以X射线图像为例，将提出的方法与另外两种多尺度滤波算法做了对比。

1.2.2　基于最小路径和贝叶斯跟踪的中心线提取算法　首先，从起点

开始用Dijkstra[5]提出的最小路

径传播算法。对于前向传播中的达到的点p，计算。其中用基于对称性凸度的中该点的代价

心线度量方法[6]得到。在Dijkstra最小路径传播算法得到的路径关系基础上，从p点开始回溯个点。对于回溯路径中的最后一个点值更新为：

，代价图中该点的

被认为是马尔科夫过程并且可以被分解

为：

表示t时刻与t-1时刻灰度的相似性。

和

在3.2.4节中被详细介绍。　　更新，在t-1时刻已知状态

向的局部连续性，期望t时刻状态的坐标

其中为一个常数。表示率可以定义为：

可以表示为：

处的曲率。该点的曲

。在这种情况下

将会

，考虑到血管方

为：

初始时被设置为0。是为了避免分母出现为0

的而设置的一个很小的正值。

　　一种新的基于贝叶斯跟踪的分支选择算法的

表示与之间的夹角。

图1　多尺度滤波结果对比

2598

国际医药卫生导报 2018年 第24卷 第17期　IMHGN，September 2018，Vol.24　No. 17

是一个预定义的参数。

　　利用上述信息，可以求出N个候选点对应的后验概率。

　　重复上述过程，直到所有的中心点全被遍历到。贝叶斯跟踪过程如图2所示。

　　为了平滑中心线，采用B样条插值来平滑每一个分支。2　结果

2.1　多尺度滤波算法验证　将提出的多尺度滤波算法与Frangi和Jerman的算法进行视觉对比，2套数据对比的结果如图4所示。因为冠状动脉周围存在大量的肺部血管，为减小肺部血管对冠状动脉中心线提取造成的影响，将基于回溯的最小路径传播算法起始点选取在冠状动脉始端附近。其中4套CTA数据的结果展示如图5所示。

2.2　血管中心线提取精度评估　为了评估算法提取的中心线的精度和分支探测能力，引入了平均距离（AD）、分支探测率（BDR）这两个评价标准。用

图2　贝叶斯跟踪过程

　　分支融合，采用上述贝叶斯跟踪算法后，提出了一种基于中心点之间距离、角度信息的分支融合算法，见图3。

　　考虑到距离和角度折中，新的连接代价

可表示为：

c是一个经验值，

表示中心线分支的端点。

表

　　注：在每幅图中，第1列为Frangi的结果，第2列为Jerman的结果，第3列为本文算法的结果

示潜在的连接，它的切线方向为。其中方向定义为左边相邻点到的方向与到右边相邻点方向的平均。选取使得代价C最大的连接点进行分支重新融合。

图4　2套数据的多尺度滤波算法结果对比

图3　分支融合过程

2599

国际医药卫生导报 2018年 第24卷 第17期　IMHGN，September 2018，Vol.24　No. 17

　　注：在每幅图中，第1列为CTA图像的切层图，起始点用红点表示；第2列为对应的算法的结果

图5　4套数据的实验结果

8套训练数据中右冠状动脉（RCA），左前降支动脉（LAD），左回旋动脉（LCX）以及冠状动脉大侧枝这4条血管的标准中心线（每套数据有4条中心线，8套共32条中心线）与提取的中心线进行比较。对于每一套训练数据，评估提取出的中心线上的每一点到标准中心线的最小距离。对于每一套数据，用分支探测率来表示探测到这4条血管中心线的概率。评估结果如表1所示。

表1　8套数据的评估结果

数据 dataset00 dataset01 dataset02 dataset03 dataset04 dataset05 dataset06 dataset07

　　 AD（mm） 　　　　0.59 　　　　0.45 　　　　0.33 　　　　0.40 　　　　0.39 　　　　0.35 　　　　1.18 　　　　0.86

　　BDR（%）　　　　75　　　　75　　　 100　　　　75　　　 100　　　　50　　　　50　　　　75

同时还希望能将的算法改进为全自动的、无交互的。此外，希望的算法能在不久的将来应用到实际的血管介入手术中。

利益冲突：作者已申明文章无相关利益冲突。

文章查重：文章发表前，已由编辑部经CNKI学术不端文献　　　　　检测系统检测。参考文献

[1]　Thom T, Haase N, Rosamond W, et al. Heart disease and stroke

statistics-2006 update: a report from the American Heart Association Statistics Committee and Stroke Statistics Subcommittee[J]. Circulation, 2006, 113(6): e85.

[2]　Rosamond W, Flegal K, Furie K, et al. Heart disease and stroke

statistics-2008 update[J]. Circulation, 2008, 117(4): e25-e146.

[3]　Roger VL, Go AS, Lloyd-Jones DM, et al. Heart disease and stroke

statistics-2012 update[J]. Circulation, 2012, 125(1): e2-e220.

[4]　MEMBERS WG, Go AS, Mozaffarian D, et al. Heart disease and stroke

statistics-2014 update: a report from the American Heart Association[J]. circulation, 2014, 129(3): e28.

[5]　Dijkstra EW. A note on two problems in connexion with graphs[J].

Numerische mathematik, 1959, 1(1): 269-271.

[6]　Chen Y, Cao Q, Yang G, et al. Centerline constrained minimal path

propagation for vessel extraction[C]//Biomedical Imaging (ISBI), 2014 IEEE 11th International Symposium on. IEEE, 2014: 794-797.　　DOI: 10.1109/ISBI.2014.6867990.

（收稿日期：2018-07-03）

3　讨论

　　通过实验结果展示，不难看出本文的多尺度滤波算法能很好的增强细小血管结构，对噪声和伪影的抑制作用更强，同时能够更有效的获得血管中心线分支信息。在未来的工作中，将通过形变曲线模型来优化提取出的中心线，以此来获得更高的精度，

（责任校对：刘玲玲）

2600