文摘

背景。检测和识别易损斑,容易断裂,对心脏病仍然是一个挑战。这些脂质核心斑块由日常血管造影术仍然没有可识别的,因此引发需要开发一个新工具,NIRS-IVUS可以想象斑块特征的化学和形态特征。发展的新工具可能导致解释新获得的数据的新方法。在这项研究中,完全自动化的脂质池检测的算法检测图像提出了。方法。设计算法分为四个阶段:预处理(图像增强),工件的分割,检测脂质区域,和脂质核心负担指数计算。结果。共有31 NIRS chemograms通过两种方法进行了分析。指标,总LCBI,最大LCBI在4毫米块,并在2毫米最大LCBI块,计算比较了算法与商业可用的系统。组内相关(ICC)和Bland-Altman情节显示良好的协议和使用方法之间的相关性。结论。算法是完全自动的脂质池在近红外光谱图像检测。离线数据分析工具开发,这可能很容易扩充新的功能和项目。

1。介绍

1.1。临床重要性和动机

数据从解剖研究表明,冠状动脉的斑块破裂是心肌梗死的主要原因(1]。识别动脉粥样硬化斑块容易破裂,俗称脆弱的斑块,对现代心脏病仍然是一个挑战。脆弱的斑块特征为“积极的血管重塑”有脂质核心和纤维帽小于65μ米厚。这些特性将他们定义为薄fibroatheroma (TCFA) [2- - - - - -5]。如果TCFA破裂,它使血小板的斑块的核心和冠状动脉血栓形成的发生(6]。以前的在活的有机体内观测表明,TCFA的存在是一个独立的危险因素的主要不良心血管事件(MACE) [7]。

传统血管造影术是有限的脂质核心斑块的识别(LCP) [8)因为它只呈现血管腔不了解船的墙(图1)。它会导致动脉粥样硬化的低估负担,积极的血管重构允许维护的“正常”腔大小,尽管相当大的斑块。

(一)
(一)
(b)
(b)
图1
(一个)显示右冠状动脉的血管造影图像与可见狭窄支架近端和中期段。(b)显示了相同的支架植入后血管。

这些限制可能会克服使用冠脉内成像(图2):血管内超声(治疗作用[7,9)和光学相干断层扫描(OCT) (10,11]。他们提供了斑块的定量和定性分析,检测斑块破裂、血栓形成,和引导PCI (12]。IVUS显示斑块负担和血管重塑,但关于组织成分的分析是有限的。另一方面,10月描述斑块和检测TCFA的化学成分,但是,由于其有限的渗透到血管壁,评估斑块负担和血管的重塑是阻碍。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图2
(一个)显示了一个横断面IVUS图像可见钙化和分岔。(b)显示了相同的位置,但现在收购10月(c)和(d)显示正常的船在IVUS和10月,分别。

在近几年,我们见证了一种竞争领域的权杖危险分层之间可用血管内成像,但仍没有最终定论。

1.2。国家的艺术

冠脉内成像技术已经深入开发在过去二十年中获得完美的工具。理想的成像模式应该能够获得的信息斑块负担,血管重塑,和管腔狭窄,应检测钙化,脂质斑块破裂,TCFA和帮助优化PCI的结果。最近引入了一个新颖的血管内成像模式,使我们更接近获得普遍的成像工具。这是一个融合的两种技术:IVUS和近红外光谱(NIRS) (TVC成像系统,Infraredx公司)。NIRS仅面向脂质在血管壁内的检测,但coregistered IVUS图像提供的信息同时斑块成分和它的负担。曾提出,NIRS-IVUS姿态检测易损斑块的能力(1,2,13- - - - - -16]。

随着这种新的血管内成像模式,仍有需要新的方法、计算机辅助定量和定性评价和解释获得的数据的工具。这些工具应该帮助在实时数据采集和评估,这可能是通过其与导管的IT系统集成实验室。此外,这些工具也应该帮助离线数据分析,应该允许更多的要求分析。

本研究的目的是展示一个新的完全自动化的脂质负担的估计从NIRS分析数据。这种新工具应该富含新功能和有关检测数据分析是通用的。

本文在5部分组织如下:部分1礼物我们工作的动机和审查状态的艺术领域的检测的图像。部分2指定了实现算法的概述,包括chemogram预处理、工件检测、脂质核心斑块分割,计算的基本特性。在部分3和4测试和结果,进行统计分析。部分5关闭本文结论和突出了未来的发展方向。

2。方法和材料

我们想提出我们的算法解决方案来解决这个问题的脂质核心斑块检测检测图像。第一部分详细介绍chemograms的技术和医学方面。图像用于本研究通过TVC成像系统获得的™和TVC洞察力™导管,从31个病人。在第二部分中,我们专注于特定的诊断系统实现的步骤。提出了系统的流程图如图3。实现应用程序分为四个阶段:预处理(图像增强),工件的分割,检测脂质区域,并计算医学上重要的特性。


图3
脂质核心斑块检测的方法检测图像。
2.1。检测图像

TVC成像系统(Infraredx)的血管内成像系统评估血管组成及其结构的能力。移动控制台的系统是由一个自动回落和旋转设备和二重形式TVC洞察力同时导管,coregistered收购NIRS脂质核心斑块(LCP)和灰度IVUS。通过获得的观点方面的斑块组成它的化学(NIRS)及其形态学(通过治疗作用特点(17),扫描与自动旋转的速度回调执行0.5毫米/秒。系统执行大约32000每100毫米化学测量动脉扫描。近红外发光后,探测器测量不同波长的近红外反射光的数量来确定组织成分(17]。预测算法的概率计算连结控制协定存在在每个审问动脉和位置,立即回调后,NIRS脂质核心数据,自动显示在一个二维的地图船称为“chemogram”(图4)。

(一)
(一)
(b)
(b)
(c)
(c)
图4
(一个)显示模范chemogram chemogram和(b)显示相应的块。(c)显示了横断面IVUS图像与相应的检测数据。

的 设在chemogram代表mm的动脉和回落 设在代表程度的旋转;颜色范围从红色到黄色表示增加的脂质。“块chemograms”(图4)提供了一种半定量的度量结果总结为每个2毫米的动脉。每个块的块chemogram的数值代表了90的像素值在相应的2毫米chemogram段。块chemograms映射到相同的色标chemogram,显示是分为四个离散帮助视觉解释算法概率连结控制协定是出现在2毫米块(红色: ;橙色: ;谭: ;黄色: )[17]。此外,检测数据映射和搭配相应IVUS框架,作为一个戒指在IVUS图像(图4)。

chemogram有助于目视判读,脂质核心负担指数(LCBI)是一种半定量的总结总连结控制协定的度量,在扫描段发现,计算有效的扫描区域内像素的分数超过一个连结控制协定0.6的概率乘以100017]。

检测系统检测的准确性连结控制协定在尸检研究证实,在产生的块chemogram NIRS与组织学的2毫米段(AUC = 0.80, 95% CI: 0.77—-0.97) (8,14]。

2.2。近红外线图像预处理

预处理步骤的主要目的是改善图像质量,减少甚至消除不相关的和/或剩余部分的检测图像(18]。在图5,我们提出一个模范chemogram红色像素显示动脉壁脂质地区的存在和黑色和黄色像素区域(工件)和钙化的存在或导线。如果一个像素不包含足够的数据,似乎黑(19),连续的黑色区域可以由导丝钩阴影造成的。此外,近红外光线的穿透能力钙可能导致脂质池“阴影”,这是由钙(14]。在大多数的情况下chemograms包括黑色区域,它可以很容易地显示有问题NIRS-IVUS探针在信号采集。


图5
Chemogram支架后的区域可见工件(黑色区域)和脂质核心斑块(黄色区域)。

本研究的目的是检测不仅脂质区域,清晰可见,还有那些隐藏在工件。为了达到这个目标,我们建议进行预处理和分析每一个RGB图像通道。是24位RGB图像,有三个8位频道:红、绿、蓝。图6提出了特定的渠道将他们转换为灰度后chemogram呈现在图5。

(一)
(一)
(b)
(b)
(c)
(c)
图6
RGB通道检测图像转换为灰度:(a)红色频道,工件变得清晰可见,(b)绿色通道,脂质地区更明显,(c)蓝色通道。

红色通道的分析给出了精确地检测到工件的机会,而绿色通道的处理允许检测脂质结构,不受工件。预处理步骤为每个通道包括一个图像亮度调整。这一步我新地图的强度值的灰度图像在J值,这样的数据,1%的饱和在低和高强度。这增加了输出图像的对比J。

2.3。检测工件的

工件的分割算法的下一步。这些区域的检测是很重要的分段脂质区域躺下工件。分割图像中的特定区域,需要将一个图像到区域(或者他们的轮廓)对应于不同的对象。地区是分段通过识别常见的属性或轮廓区分不同地区(边缘)。最简单的属性区域像素强度可以共享。因此,一个自然的方式通过阈值段这样的地区,光明与黑暗的分离区域。看到强度差异工件和背景以及脂质区域足够高,我们建议使用大津阈值方法。命名Nobuyuki大津,大津的方法是用来自动执行clustering-based图像阈值,这意味着减少灰度图像到一个二进制图像。阈值是一种广泛使用的图像分割方法。它是有用的在不同的前景从背景。 By selecting an adequate threshold value 灰度图像可以转换为二进制图像。算法假定像素的映像都包含两个类双峰直方图(前景像素和背景像素)。然后计算最优阈值分离两类,这样他们的联合传播(组合方差)最小或同等(因为两两距离平方的总和是常数),所以他们的阶级之间的方差最大20.]。在图像上执行此步骤后得到的红色通道强度调整步骤。图7显示了一个典型柱状图和几个分段区域的结果。

(一)
(一)
(b)
(b)
(c)
(c)
图7
检测工件的检测图像。(一)直方图是显示应用大津算法的意义。(b)原始检测图像。(c)标志着工件的地区。
2.4。分割的脂质核心斑块

脂质区域的检测包括两个步骤包括可见区域的分割和那些躺在工件。清晰可见的检测区域,我们使用前一节中描述的大津算法。这一步的结果图中可以看到8(一个)。脂质地区藏在工件的检测是由强度的分析这些区域的变化。首先,我们计算直方图的分割区域。最高峰通知我们关于分析区域的强度(工件的背景区域)。其次,基于背景的值我们学习整个地区寻找强度变化。如果之间的差异背景强度高于实验阈值,该地区被标记为脂质区域(图8 (b))。

(一)
(一)
(b)
(b)
图8
分割的脂质核心斑块区域:(a)检测可见区域和(b)的检测脂质区域覆盖工件。

图8介绍了脂质核心斑块的分割区域。

2.5。医学上重要的计算功能

从临床的观点在我们的研究中,最重要的部分chemogram是那些躺在支架部分。在检测图像的自动分析,医生可以确定感兴趣的地区。LCBI有助于评估斑块破裂的风险和预防策略的使用在PCI。斑块大连结控制协定和被检测 ≥500建议高风险斑块(2,15,21]。

在该地区,以下参数计算:

:像素分配到脂质斑块区域除以所有可行的像素生成脂质核心负担指数, 是任何的最大LCBI 2 mm长的段。 是任何的最大LCBI 4 mm长的段。

3所示。统计分析

连续参数被报道与第一和第三个四分位值(Q1: 25%,第三季度:75%)。的Wilcoxon符号秩检验(Wilcoxon配对测试)被用于比较两个相关样本。在这种情况下, 值大于0.05,测试告诉我们,没有理由把测量结果明显不同,但仍不足以证明结果从我们的方法类似于第二种方法。检查测量的两种方法是类似的,在组内相关(ICC)计算。国际刑事法庭的越高,越高脂质检测方法之间的关系。此外,Bland-Altman情节。分析在R,语言和环境统计计算(R核心团队2014年,维也纳,奥地利)。

4所示。结果与讨论

验证的脂质区域的提议完全自动化的检测方法,我们使用NIRS从31日患者获得的图像。提供的数据是西里西亚的医科大学。

4.1。数据库规范

为了验证该方法,我们比较了两种方法:方法1,商业可用的系统;方法2,我们的算法。31 chemograms分析而言,脂质池LCBI总量的检测和自动计算(最大LCBI 4毫米阻塞和最大LCBI在2毫米)支架部分。

4.2。验证的自动化脂质检测

结果收集表1。对所有测量参数、总LCBI , ,国际刑事法庭是非常接近1的值显示参数计算的方法(方法2)从商用系统相似结果。同时,Bland-Altman地块(图9)表明一个好的协议使用的方法。大多数点策划之间的实线虚线(意味着diff。)和( )。

表1
统计比较的参数。

图9
总LCBI Bland-Altman情节, , 由两种方法计算。
4.3。讨论

在本文中,一个完全自动化的检测脂质方法,检测脂质池和自动计算的LCBI NIRS图片,。方法自动检测脂质区域边界,即使他们被“遮蔽”覆盖工件。也有可能计算LCBI选择地区最大的价值LCBI不同大小的块更好地匹配评估与IVUS数据区域。此外,我们的算法有一个工具来自动检测评估的最大脂质弧块。

我们注意到我们的算法具有100%的脂质检测;最大LCBI在4毫米和2毫米块之间的不同方法和方法提出的商用系统。考虑到 值计算Wilcoxon符号秩检验是无关紧要的不同, 值不是高达总LCBI。可能,它是一个地区的结果被划分为4毫米,而不是分析的块移动时的窗口宽度为4毫米。

5。结论和未来的计划

描述动脉粥样硬化斑块的检测和识别脂质核心是非常重要的诊断和治疗冠状动脉疾病。发展NIRS-IVUS工具来检测lipid-rich斑块证实lipid-rich斑块发挥重要作用在支架植入并发症和不良事件。尽管如此,仍有需要开发更好、更准确的方法,工具将容易不仅对临床医生在导管实验室还对人员和调查人员,以获得更准确的信息从内图像。下一步深化我们的研究将提高我们的最大LCBI算法更精确的计算。功能的开发三维血管重建,基于10月和IVUS NIRS chemogram包装,将使更好的可视化在血管壁脂质本地化。

相互竞争的利益

作者宣称他们没有利益冲突有关的出版。

确认

科学工作支持的部分是啊格兰特15.11.120.508和西里西亚的医科大学的研究。提供的数据是西里西亚的医科大学。