文摘

虽然为可视化提供了重要手段,诊断,和决策过程的量化治疗血管疾病,血管分割仍然是一个过程,仍然存在许多挑战。在这项研究中,我们验证八动脉瘤通过使用两个现有的分割方法;该地区日益增长的阈值和Chan-Vese模型。比较这些方法进行评估的结果与手工分割。基于这种验证研究中,我们提出一种新的基于阈值水平集(TLS)方法,以克服存在的问题。与不同的分割方法,我们发现动脉瘤模型的数量达到了24%的最大区别。当地的动脉动脉瘤的解剖形状同样显著影响这些模拟的结果。相反,然而,体积差异计算通过使用TLS方法保持在一个相对较低的数字,仅5%左右,从而揭示的存在固有的局限性脑血管分割中的应用。拟议的TLS方法有可能为利用自动动脉瘤分割没有种子点或强度阈值的设置。这种技术将进一步使脑血管解剖复杂形状的分割,从而允许更准确和有效的医学图像模拟。

1。介绍

颅内动脉瘤形态和血流动力学分析的规范要求分割血管几何图形的三维(3 d)医学图像,通过CTA或MRA。方法对医学图像的处理动脉瘤模型的准确性直接关系到建设,尤其是复杂的几何形状和卷。在大多数情况下,这个过程包括提取的2 d图像CTA或MRA,紧随其后的是动脉瘤三维表面模型的重建。因此,几种方法存在,目前用于脑血管分割。一方面,fuzzy-based方法已经被用于检测和小血管畸形在MRA的图像1],而区域增长方法在医学图像分割由于其简单性和计算效率(2]。然而,主要问题包括泄漏时,边界模糊和敏感种子的位置。利用隐含在水平集活动轮廓的方法框架似乎普遍在医学图像分割3- - - - - -5]从参数化方法不受表面问题(6),有能力处理复杂的几何形状和拓扑变化(7,8]。最近,活动轮廓的建模方法也出现在颅内动脉瘤和脑血管分割9,10]。法律和涌提出了一个方法基于多波段的滤波器和局部方差进行颅内动脉瘤的分割阶段对比磁共振血管造影术数据(11]。埃尔南德斯和Frangi已经开发出一种分割方法基于几何活跃地区的颅内动脉瘤(雀鳝),使用CTA和三维转动造影数据(12),同时几种基于测地线主动轮廓(GAC)方法已经被用于分割脑动脉瘤的CTA数据(13,14]。这些方法要么需要足够的训练集或它们依赖于边界从医学成像获得的信息。此外,boundary-based活动轮廓水平集方法可能很容易泄漏当目标边界没有清晰的定义。尽管Firouzian等人提出了一种基于测地线主动轮廓的水平集方法采用区域和强度信息,它需要一个用户定义的种子点为了计算强度阈值(15]。

尽管availabity许多图像分割方法,不同的方法和算法,没有占主导地位的方法的有效性,在所有地区(16- - - - - -18]。我们之前的研究表明,动脉瘤模型的体积很大程度上取决于不同的分割方法。分割方法同样影响当地的几何形状的动脉瘤19]。验证将因此成为必要,比较细分这些细分技术的方法和调整参数以保证质量的患者脑血管血流动力学分析。虽然很多商业软件包的细分市场上,有一个明显的缺乏方法论的讨论和信息验证过程。

在本文中,作者提出一种新的基于阈值的水平集方法对脑动脉瘤。这种方法是基于测地线活动轮廓模型(20.)和Chan-Vese模型(CV) (21)整合区域和边界信息段脑动脉瘤通过使用全局阈值和梯度大小形成速度函数。从Chan-Vese模型初始阈值计算,然后迭代更新整个细分的过程。到达动脉瘤边界,改变阈值将减少,因为对比动脉瘤nonaneurysm强度和迭代将停止。算法可以实现以自动或半自动的方式根据动脉瘤形态的复杂性。

动脉瘤三维自动分割的结果,从该地区日益增长的阈值(RGT) Chan-Vese模型(CV)和基于阈值的水平集(TLS),是通过手动分割结果相比,由专家放射科医师在8 CTA图像的数据集。评估是基于六个验证指标:体积差异(VD) Jaccard的测量(卷重叠度规,JM),假阳性比率(rfp),假阴性率(rfn),豪斯多夫距离(最大表面距离,HD)和平均绝对表面距离(MASD)。本研究还将讨论参数调整对分割结果的影响。

2。方法

2.1。区域生长阈值连接(RGT)

该地区日益增长的阈值方法始于一个种子(s),所选区域内的对象分割。它需要两个对象的像素强度值,一个较低的阈值和高阈值值。相邻像素的强度值属于这个范围内接受并包含在该地区。当没有更多的邻居像素发现满足标准,细分被认为已经完成。选择标准是由以下方程描述: 在哪里和代表该地区的低和高阈值强度,代表图像,特定的位置相邻的像素被认为包含在该地区。问题围绕RGT包括阈值选择和敏感种子位置(22]。

2.2。Chan-Vese模型(CV) (21]

Chan-Vese模型是基于Mumford-Shah功能(23]。相关的进化PDE水平集的框架 在哪里目标对象的均值的强度,代表的均值背景强度,,,都是正的常数。Chan-Vese模型不需要图像梯度有关。相反,区域强度信息用于分割的目标对象。这个模型与模糊有效性在图像分割方面表现出显著的边界。

2.3。基于阈值的水平集(TLS)

基于阈值的水平集相结合的测地线活动轮廓和Chan-Vese在水平集模型框架。

在水平集方案下,轮廓是变形的函数;,嵌入式表面的零水平集表示通过。

代表了速度的函数,它驱动表面法线方向进化。很明显,施加直接影响医学图像分割的质量。相关的进化PDE水平集框架表示如下: 在哪里代表了图像分割,强度阈值,图像的梯度,曲率,图像传播常数,代表了曲率空间修饰符常数。和为体重的相对影响每一项运动的表面轮廓。

对第一项的公式,,定义了区域是一个自动参数指示的下边界强度级别定义的目标对象。在这部作品中,目标动脉瘤总是认为拥有一个相对强度水平高于其背景。因此可以看出第一项部队封闭区域的轮廓强度大于水平。当轮廓在动脉瘤地区,,它将在正常的方向。当,轮廓动脉瘤地区之外,从而减少负速度。这个过程停止时动脉瘤边界轮廓收敛,与形象达到一个阈值的。如果我们孤立第一项(3),它成为低阈值的选择标准在该地区越来越多阈值方法。第二项的公式同样将成为测地线活动轮廓。

2.3.1。自动阈值选择方法

基于阈值的水平集需要一个适当的估计从适当的阈值分割的动脉瘤,获得使用Chan-Vese模型和统计数据具体来说,可信区间(CI)和置信水平(CL)。

2.3.2。可信区间(CI)和置信水平(CL)

信心水平(CL)代表多久真正的人口比例在可信区间(CI)。基于切比雪夫不等式(24)之间的一般关系对称分布CI和CL可以建立。给出了对称分布的不平等 在哪里是随机变量,是总体均值,置信区间是由次标准差。方程(4)表明,超过人口的百分比之间的谎言从总体均值标准差。

对于非对称分布,使用单侧版本的不平等。这是由 这种不平等,由此可以得出这样的结论:当,超过50%的人口是位于一个标准差离开的意思。

2.3.3。初始阈值选择

根据理论的置信区间下限阈值的动脉瘤可以定义 阈值代表的均值之间的差异动脉瘤的强度(),倍标准偏差()。动脉瘤及其背景区域的强度不同,强度阈值最低的动脉瘤的一样的最高强度阈值的背景。因此,关系将适用。动脉瘤及其背景的信心水平被认为是相同的;,从而使被表示为 我们利用Chan-Vese模型方法进行初始分割。从获得的结果,最初的是通过计算(7)。最初的同样可以发现使用(6)。

2.4。数据采集

病人的临床研究进行同意收购动脉瘤影像。这些协议是经当地机构审查委员会批准和区域研究伦理委员会,有八个数据集窝藏颈内动脉瘤的患者获得3 d CTA扫描(通用电气医疗集团)。

横断面图像获得通过CT血管造影扫描仪应用功能,表9毫米/秒的速度,和零度表(龙门倾斜)。扫描开始的颈总动脉,继续听眶平行动脉环的水平,在静脉注射对比剂是管理3.5毫升/秒的速度。动脉瘤图像是512×512像素,而片连续厚度是用来分割和重建三维血管几何。像素表达Hounsfield单位(胡)。

2.5。实验设置

为定量评价,手动分割的八个动脉瘤使用开源软件,三维切片机,是由放射科医师的专家。结果是用作地面真理(GT)其他方法的比较。感兴趣的区域(ROI),表示目标区域的分割,选择根据动脉瘤的大小。所有的实验都是裁剪数据集上执行,以减少计算时间和内存使用量,和准备工作完成前传导的实验。

2.5.1。参数设置

基于阈值的水平集。初始零水平集是一个直角棱镜表面,由两个像素的减法两侧的ROI。因此,三个参数需要设置:,从(3),从(8)。所有八个实验利用固定设置的,,介于0.1和0.01之间。这将是分析部分的作用4。

Chan-Vese模型。初始零水平集是一个长方体的表面,构建以同样的方式作为TLS,参数(2所有病例)固定;,,。

该地区日益增长的阈值。根据每一种情况下,需要一个初始种子点来确定起始位点在特定的动脉瘤。低和高强度的阈值和在(1),选择利用TLS的阈值结果为每一个情况下,代表最高强度的动脉瘤。

2.6。评价

(我)动脉瘤体积计算通过使用边界几何、分段使用各种方法。音量差异(VD)使用方程计算,在那里代表了GT和体积代表TLS的体积、RGT或简历的方法。(2)Jaccard的测量(JM)是一个卷重叠度规,用来计算成对分割体元十字路口的百分比。这可以被视为,在那里代表体素由GT和生成的体素通过使用TLS, RGT,或者简历的方法。(3)假阳性比率(rfp)代表的额外压的百分比位于外的。当rfp相当于零,没有压将以外的。因此,,在那里代表体素由GT和代表体素生成的TLS RGT,或者简历的方法。(iv)假阴性率的百分比(rfn)代表体素的损失盖的内表面。这可能被视为,在那里代表体素由GT和代表体素生成的TLS RGT,或者简历的方法。(v)豪斯多夫距离(HD)措施的最大表面的距离。这种方法对异常值非常敏感,可能不能反映总体程度的相关性。(vi)平均绝对表面距离(MASD)表示两个表面之间的平均程度的差异和不依赖于动脉瘤大小(15]。

3所示。结果

VD的计算值,JM, rfp, rfn,高清,MASD 8例列表在表1。平均值也显示。图1描述了动脉瘤的体积。最低VD TLS方法中可以看到。VD的平均值是2.51%。最大VD,然而,看到7使用简历的方法。JM的值表明,TLS方法具有最高的重叠率相对于其他两种方法,平均为91.59%。rfp和rfn的一项研究表明3.31%的溢出和3.48%的不平均的TLS方法。最大的rfp和最小的rfn被发现发生通过简历的使用方法。这些结果同样表明,最大的体积是简历生成的方法,相比其他方法。

结果表面距离的度量(HD和MASD)显示所有分割方法的可靠性,使用TLS HD值方法在0.51到1.89之间像素和最大MASD 0.08。

图2例4的3 d几何,重组通过三种分割方法。唯一的TLS是有效的完全重建父动脉动脉瘤,而另两种方法无法构造一个部分的动脉。原因之一是动脉瘤大小在4大相比,其他情况下。另一个观点是,父母远端动脉本身是弯曲躺向近端动脉瘤。这些结果同样表明,TLS方法可能被利用在动脉瘤的分割和模糊边界。

图3代表案例1的分段动脉瘤表面,只有TLS能够重组水泡位于顶部的动脉瘤。由此产生的图像是类似于倾向手术期间拍摄的照片。

4所示。讨论

4.1。TLS边界检测功能

在这项研究中,利用TLS方法边界特性映射: 在哪里是检测血管边界,代表一个梯度大小,是一个常数控制边界检测函数的斜率,。在动脉动脉瘤的区域,边界强度梯度显著增加。因此,相对较低价值是充分的调整减少的速度,以确保搜索界面停在动脉边界。图4展示了的价值选择的过程案例1;结果表明,VD和JM聚合一个常数和MASD停止所有波动被送往等于0.5。

4.2。TLS阈值

融合的历史阈值如图5,卷15迭代后表现出倾向于收敛。的稳定性体积对一系列的价值是同样的测试。卷被发现非常稳定的范围在0.5和0.7之间。因此我们建议的价值设置在0.5和0.7之间的体积准确的边界检测。因为只有TLS,不需要选择的种子在分割,适用于自动分割的性能。

5。结论

各种方法分割生成一系列几何模型的形状和体积的变化,不确定结果的发生有还原可能影响临床治疗决策。通过分析八脑动脉瘤模型,本研究表明,限制继续围绕目前的分割方法。错误的验证的方法和分析显得至关重要。在这项研究中,提出了TLS方法改善脑血管动脉瘤细分应用程序。段动脉瘤是一种技术与能力结构上没有设定种子点或强度的阈值。该方法也适用于分割复杂的脑血管解剖形状。

确认

作者要感谢麦格理医学成像的成员,麦格理大学医院,这些情况下支持和贡献。