文摘
清晰的改进和噪声抑制的数字减影血管造影(DSA)图像是非常重要的。然而,常见的方法是非常复杂的。一个图像时域积分法在这项研究中,提出了基于血液流动周期性。在这种方法中,图像的第一个心动周期注入造影剂后集成获得时域融合图像。这种方法可以单独使用或作为一个信号的图像去噪方法的后处理方法。实验结果对DSA数据从一个主动脉夹层病人显示图像的时域积分法是有效的图像去噪和增强,也具有良好的实时性能。这种方法也可以用来改善一些常见的去噪和图像增强效果的模型。
1。介绍
循环系统疾病,如主动脉夹层,一直是医学研究的重点(1,2危险和高发病率。提高捕获的医学图像的清晰度帮助我们诊断更准确地说,这是一个重要的研究领域。
数字减影血管造影(DSA),作为一个实时的方法,通常采用循环系统疾病的临床诊断(3,4),特别是在手术实时监测和医学检查的小分支血管由其他方法难以测量。为了保护病人,重要的是要缩短拍摄时间和减少造影剂的剂量时捕获的图像。
提出了大量的图像去噪方法近年来,但是他们都是有问题的应用DSA图像。例如,基于水平集理论的图像重建方法(5),小波分解和重建方法(6,7),贝叶斯方法(8),和基于各向异性扩散图像去噪方法9)通常需要长时间操作,不能满足实时要求的DSA图像处理。此外,图像处理这些方法通常不足够清晰显示边缘和纹理等细节。2004年,萤石等。10)提出了一个基于稀疏分解的图像去噪方法。在此基础上,Needell和Vershynin11)提出了正则化正交匹配追踪(ROMP)方法;Scholefield和Dragotti12)使用稀疏表示四叉树分解去除图像中的噪声;阿德勒等人采用收缩学习方法获取高分辨率重建图像(13- - - - - -17]。然而,这些方法的操作也是非常复杂的。因此,有必要找到一个图像处理方法更适合DSA图像的实时分析。
在这项工作中,一个图像时域积分法基础上提出了血液流动周期性。在该算法中,第一个心动周期的DSA图像注入造影剂后提取去噪的小波重建方法首先,然后这些图像集成获得时域融合的图像,这是TDI命名的图像。这种方法有助于循环系统疾病的诊断。
2。材料和方法
2.1。噪声模型
理论灰度在某一个像素在jth的DSA图像可以从下列方程获得Lambert-Beer法(18,19]: 在哪里和是x射线透射量之前和之后的对比剂,分别。在像素是血管的体积吗 。 和的数量和物质的量浓度造影剂在像素颗粒吗 ,分别。捐赠的吸收系数。
最初的DSA图像的图像质量降低,由于限制成像系统的分辨率和加性高斯噪声等噪声的影响,这是捐赠的和可以表达如下6]: 在哪里和代表点扩散函数和加性噪声,分别。运营商”“是卷积算子。方程(1 b)可以改写为矩阵形式使用块托普利兹矩阵 ,见以下方程:
很难解决方程(1 c),只是给定的。然而,由于某些像素的灰度水平对比剂粒子的数量成正比,像素的数量对比剂粒子跟随血液的运动模式。至于血液运动模式,考虑人类心跳的周期性,人体中的血流量也周期性的,可以表现在以下方程: 在哪里是血的速度场在时间吗 。表示血液时的平均速度场 ,这是平均流速同时在多个心脏周期。心动周期的长度。特征流速的变化由于人类血压的不稳定等因素。可以被视为一个zero-mean-value分布方差小,由于病人在麻醉总在拍摄过程中,他们的生命体征仍然稳定。根据Wilke-Chang方程(20.],自由扩散速度对比剂的血液比血液流量小得多,因此造影剂血液遵循相同的运动规律。因此,血液流量的周期性可以用来提高DSA的清晰图像。
2.2。图像融合
为了减少拍摄时间和对比剂的注入量,图片在第一个心动周期(捐赠的心动周期年代)注射对比剂后进行了分析研究。首先,在心动周期开始时间设置 。随后,的速度我- - - - - -th对比剂粒子在心动周期表示为 。因为对比剂粒子的运动是一致的血,和考虑速度的稳定方程所示(2),粒子的速度在每个位置轨迹可以被视为一个样本的血液流场在这个位置。因此,一旦提取大量的粒子,对比剂平均速度场的像素在整个心动周期可以估计的平均速度场的粒子流过的价值在心动周期计算像素,见以下方程: 在哪里代表了的时候我th粒子接近像素 。
的总时间的长度我th粒子出现在像素在一个心动周期满足方程(3 b),代表的距离我th粒子在像素的范围和将速度分量的大小与图像平面平行的像素在心动周期自拍摄每个DSA图像可以被视为一个样本的每个粒子的位置:
一个变量设置为代表的光吸收能力的单位时间一个对比剂粒子。之后,时间加权的灰度值我- - - - - -th粒子在像素 , ,可以表示由以下方程:
结合方程(3)- (3 c),可以表现为粒子的时间积分强度的总和已出现在像素在心动周期中,见以下方程: 在哪里是对比剂粒子的平均移动距离内像素。由于像素大小的小,约等于每个像素的长度, 。根据方程(1)和(3 d),当帧速率趋于无穷时,可以得到以下方程:
方程(3 e)表明,整个时域融合像素的价值 , ,可以表示为每个图像的灰度值的积分,在整个心动周期。在考虑时间步是短暂的在实际情况下,方程(3 e)可以使用捕获的DSA图像的计算。因此,方程(所示的关系3 f)可以成立。和图像命名时域集成图像或TDI图片:
此外,力量去噪效果,中值滤波的图像去噪前的时域集成自凌的工作(21]表明,无噪声图像通常是对一个中值滤波器。表1展示了我们的方法的具体步骤。
3所示。结果
图1显示一组主动脉夹层患者的DSA图像。数据1 (a1)- - - - - -1 (c1)DSA图像吗 , ,和 ,分别。图1 (d1)的TDI图像分割性动脉瘤提取的算法。为了比较,图像的分割性动脉瘤地区数据1 (a1)- - - - - -1 (c1)被提取,然后归一化灰度直方图的分割性动脉瘤之间的区域数据吗1 (a1)- - - - - -1 (d1)得到,如图1 (a2)- - - - - -1 (d2),分别。表2显示了平均值、标准差和变异系数的DSA图像的分割性动脉瘤病人的区域在一个心动周期图1。
表2表明,TDI形象的变异系数高于所有的DSA图像在心动周期中,这意味着我们的TDI形象可以增强细节。此外,山峰在图之间的差距1 (d2)比数据更清晰吗1 (a2)- - - - - -1 (c2),这意味着我们的TDI图像比原始图像具有更高的分辨率。
4所示。讨论
由于血流速度有一定程度的实际情况的不确定性,直接影响了拍摄DSA图像的灰度值,方程(1 c)可以改写如下: 在哪里捐赠后的灰度值的随机性。
方程(3 f)和(4)说明时域融合图像可以通过以下方程: 在矩阵定义描述之间的差异和 。一个新的符号这里定义,代表无噪声的时域融合图像。 。然后,方程的误差分析(5下面实现)。
根据文献[22),当心动周期长度是0.8秒,在主动脉血流量入口,用 ,遵循方程(5 b)。的第一部分方程(5 b)表示心室射血期,其次是一个简短的闭包的血液后,主动脉瓣的关闭。休息时间的流率是0。自从当每个粒子进入不同视图字段,当他们到达相同的图像上的位置也不同。因此,图像的数量满足在大多数位置大于一。因此,方程(5度)可以获得。
根据方程(5度),图像的信噪比(被定义为无噪声的图像计算)高于平均信噪比原来的DSA图像每个像素。因此,我们的方法的结果包含低噪声在整个视图字段,和我们的方法可以抑制噪声。
此外,方程(5 d从方程()可以推导出3 e),代表的two-norm矩阵。根据方程(5 d),图像更接近于无噪声的TDI形象吗比所有的DSA图像,这意味着形象最高清晰度。因此,图像可以提高原来的DSA图像的清晰度。
5。结论
总之,本研究提出了一种基于DSA图像去噪和增强方法血流量的周期性。首先,DSA图像重建通过中值滤波,然后DSA图像在一个心动周期集成和整体时域融合图像是获得。根据数学推导主动脉夹层以及验证使用图像,这项研究表明的TDI形象对比剂总体噪声低于原始DSA图像,也比原始图像更清晰。这种方法有助于功能位置提取和疾病预防循环系统的疾病,如第一个突破的位置提取主动脉夹层动脉瘤和血管壁应力分布的分析(23),这也是我们未来的工作。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
黄烁和Le程同样这项工作。
确认
这项工作得到了中国国家重点研发项目拨款2017号yfc0112801之下,中国国家自然科学基金的资助下数字61127002,11572087,61771130,和31300780,东南大学学习科学研究中心授予号码3207038391,和生物科学与医学工程学院授予数量3207037434。