文摘

因为肺血管病变对人体是有害的,很难检测,计算机辅助诊断肺血管已成为当前研究的焦点和困难。肺血管段和中心线提取的算法符合医生的诊断过程是首次提出。我们构建最大密度投影,恢复血管空间信息,和正确的随机游走算法,以满足自动、准确分割的血管。构造一个当地的3 d模型抑制海赛矩阵提取中心线。为了帮助医生做出正确的诊断和验证算法的有效性,我们提出了一个视觉扩张模型。根据420年的高分辨率CT肺血管标记的数据医生,急性中耳炎分割算法的准确性达到93%,和处理速度为0.05 s /框架,实现临床应用的标准。

1。介绍

近年来,空气质量差,严重影响人们的生活和健康,导致肺癌的发病率不断增加。因为肺癌的早期症状较轻,不容易被发现,和80%的肺癌患者已经在中期和后期临床阶段时得到证实,失踪的激进行动的最好时期。如果可以检测出肺癌早期鉴别诊断分类,它可以接受标准治疗病变蔓延之前,病人的五年生存率可以达到60%以上(1,2]。如果肺部CT数据,直观地反映了肺条件能够精确分析,还可以预防和诊断肺部疾病,可以节省更多的人类生活。肺血管病变是肺癌的早期症状之一,所以准确的划分和观察肺血管领域非常重要的诊断和治疗(3]。

由于小的肺血管形态结构和复杂的分布环境中,成像的过程中很容易受到噪声和周围组织的影响。这带来了很大的困难完成提取肺血管,这也是当前研究的重点。根据血管部分服从高斯分布的特点,Foncubierta-Rodriguez et al。4构造一个增强血管分割模型来确定和提取血管血管的方向增长。根据血管解剖,Orkisz et al。5)计算全局阈值划分肺图像,然后,歧视连接性的血管提取。基于二维CT图像,易卜拉欣et al。6手动选择初始点,计算血管位置一步一步,然后分段血管。赖et al。7)增强血管反应过滤图像从三维的角度。龚et al。8)提取血管通过构造自适应阈值根据不同的灰度血管和周围区域。Charbonnier et al。9)构建一个匹配的模型按照整个肺部血管扩展段血管。基于局部特征模型,古普塔et al。10]预测血管方向。根据样品的轴向位置,日冕的位置,和矢状位置,Phellan et al。11)建造了一个CNN模型段血管区。Lidayova et al。12]建立了模型,实现正常的血管和血管异常血管的分割。Jawaid et al。13)改进的水平集提取血管边界信息。肖et al。14使用灰度和形状特征约束和段血管。Florez和Orkisz15)建立了圆柱模型来模拟血管的分布。胡锦涛et al。(16)提高了crossaccess法提取血管功能。

医生,因为它是难以通过肉眼观察小血管的变化作出准确的诊断,计算机辅助诊断是必需的。基于上述血管中心线的提取,主流诊断方法如下:调整窗口宽度和窗口位置(17)观察到的血管时,三维模型(18显示血管的整体外部形态,虚拟内窥镜(19]显示血管的内部。上述算法不能给血管的内部和外部的特点同时,帮助医生诊断的能力有限。

中心线提取,血管部门存在的主要问题和辅助诊断可以概括如下:(1)提取血管段的三维模型是复杂的,它需要大量的计算,所以它不能实时计算并显示;(2)很难把血管面积准确通过灰度;(3)没有准确和直观的方式显示血管的内部和外部条件。

由于这些理由,我们研究的过程中医生的诊断血管病变和构造一个医生的诊断模型的视觉诊断根据医学理论,解剖,和图像图形:(1)建立基于血管解剖学的最大密度投影模型和成像原理和显著减少的数据量,同时保留血管所在的地方;(2)构造自适应随机漫步算法结合灰度与当地信息;和(3)构建血管中心线提取机制和血管扩张和从multiangle显示和诊断血管。

2。算法的细节

当医生发现肺血管病变,消除干扰的检查床上,肌肉和软组织是第一任务。他们专注于肺实质,然后确定的起始和结束点血管观察基于当地有限的图像帧,达到提取血管。最后,他们提取血管中心线,给诊断基于解剖学知识。

计算机模拟医生诊断病变如下:肺图像序列是首先进行预处理,去除噪声和检查床,和图像简化了提取肺实质区域。然后,它决定了开始和结束点的血管观察使用全局和本地模型来约束他们,考虑了解剖学的特点和图像图形实现提取血管的中线。图1显示了肺血管的流CAD分割。

2.1。预处理

CT图像可以直观地显示人体组织的形态结构(血管、肌肉骨骼等)。根据医生的诊断过程中,有关血管医师只存在于肺实质。的血管都很小;他们只显示为有限数量的像素在图像,容易受到噪声。因此,需要对图像预处理。

2.1.1。降噪

CT图像总是包括胡椒和盐噪声(20.)作为一个明亮的离散像素;它干扰提取肺血管的提示,需要删除。根据噪声分布的特征是离散的点,一个二维中值滤波算法可以用来删除它们。公式如下: 在哪里 和 的灰度值的像素坐标( )分别在原始图像和图像处理;是一个二维滤波器模板;和地中海是一个中值滤波函数。

2.1.2。肺实质提取

血管的面积,医生关心的是肺实质内。是否提取血管的好坏直接影响到后续的诊断。因此,计算机需要关注的地方肺结节。通过分析肺图像像素的统计分布,邱et al。21构造一个优化高斯dual-mixing模型来计算全球快速分割阈值,和完整的肺实质区域可以提取。为了满足临床应用标准的准确性和处理速度,算法在文献[21)应用于提取肺实质区域并确认左右肺区域。

2.1.3。设置开始和结束点的血管

当医生确定焦点,他将决定观察血管区域通过临床需求。当计算机模拟这一过程,根据血管的形态结构,它集血管的起点和终点其相应的坐标是( )和( )通过人机交互的计算机图像, 。

2.2。粗提取由当地的3 d模型

医生只关心点之间的血管和点 ,所以需要提取血管区域。

由于血管连接,如图2,只有处理 不是严格的,在哪里是点上的血管。

解剖、血管空间是连续的。从图像的角度成像、血管显示为明亮的和孤立的圆形区域在二维CT图像。

为了恢复血管的解剖特点,我们引入的最大密度投影结合当地3 d信息大大降低数据量的同时确保血管的信息。

最大强度投影方法对3 d数据项目在可视化平面压强度最大,平行的光线追踪从观点到平面的投影。方程如下: 在哪里 是灰度值的中点( )的th MIP图像帧;和分别是水平和垂直分辨率;是预计的数量层;和纳米是原始的和CT层。 的灰度值点( )在层的原始CT序列图像。图3是一个原理图的MIP投影二维CT数据。

MIP图像中的血管局部突出和连续的区域,如图4(一)。需要后续提取血管区域限制血管中心线的方法和减少的数据量。MIP图像,和选择种子点,血管的面积是获得通过使用吗 - - - - - -意味着集群(22,23),然后,疑似区域的形象如图4 (b)通过8连接领域。后续的研究是基于 。

2.3。段自动随机漫步算法

随机漫步(RW)算法(24二维图像视为一个连通的无向加权图包含固定顶点和边。标记像素开始沿着边缘的顶点。根据每个像素的最大概率到达每一个标记的像素,每个顶点的类是判断。

的主要步骤(1)手动标记种子点;(2)建立一个随机游走模型 ,在哪里图像的顶点和吗在任何两个顶点是无向边的集合的形象;(3)计算权重;(4)计算概率的分布和分割。

近年来,越南盾出版社(25]介绍了subMarkov实现图像分割。郑et al。26)限制RW根据目标特征。Bui et al。27)建立了一个3 d模型实现核心部门。所有上述方法取得好结果。血管经过多层的图片,它是低效的手工标记种子点每一层的图像。在一个2 d图像,血管显示为有限的部分像素,像素的数量很小,所以选种的准确性将直接影响分割效果。出于这个原因,我们研究种子的选择和重量计算,然后提出一种算法。

2.3.1。自适应3 d选种

传统的RW算法部分图像半自动地。用户需要手动标记目标种子在2 d图像和背景的种子,然后,每个顶点的概率这两种种子用于判断他们属于哪一个,因此将图像划分为目标区域和背景区域。

CT图像上的血管存在一个圆形或圆柱段。当使用传统RW算法时,医生需要花大量的时间准确地标记种子在每个2 d图像。此外,血管像素的数量是有限的;医生可能标志着错误的种子由于轻微的偏差,不能保证分割的完整性。

根据血管学的特点、解剖学和CT成像,我们优化选择种子的过程如图5。从医学角度来看,血管中包含的组件都是一致的,因此,在CT图像像素值是相似的。结构上,它是一个连续的区域在3 d空间。方面的成像、血管局部明亮区域。

近似区域的血管被标记为3 d空间 ,与点( )作为目标种子和nonvascular地区为背景的种子,当前层的划分血管被记录 。根据血管的连续性, ,根据血液成分的均匀性,血管的像素值应该改变一点;然后,中心点的坐标 被分配为 。

2.3.2。计算权重

每个顶点的概率权重确定属于不同的类。传统的RW算法只考虑像素间的灰度信息,不考虑像素之间的几何信息。更准确的分割,改进的权函数 在哪里代表了灰度级,代表了价值坐标,是灰度的重量,是距离的重量,是矩阵的距离。RW算法实现自动分割的血管重建。所选种子很少,计算面积小,速度快。它减少了医生的工作量,提高诊断效率。

2.4。中心线提取和扩张

医生证实了血管区域后,他重建的三维特征血管和设置中心点观察血管的病理条件。

因为CT数据层的间距和图像分辨率不一致,为了恢复肺的真实情况,计算机需要插入数据开发各向同性;即数据从任何方向观察肺制服。根据MIP图像处理,可以看出,血管的空间是有限的,所以它需要被替换。点的灰度作为集群的种子的相应层原始图像序列获得血管区域,其中心和内切圆半径计算。然后,点在图像被视为球的半径的中心 ;根据分辨率数据序列插入垂直轴形成各向同性的数据。

计算的三个特征值 ,和和特征向量 ,和 ,在不同的方向代表运动的趋势,如图6。取血管方向搜索半径;做出一些调整找下血管的位置来获得一个完整的血管区。

在计算的过程中,以下四种情况发生,如图7,红色地带是一个血管球显示中心线的调整过程。

案例1。开始从 ;计算 。的方向 ,跳的步骤 。计算中心的坐标球的引力和半径并保存它。

例2。开始从 ;计算 。的方向 ,跳转到与步骤 。不断调整重心和半径,直到他们不改变;保存重心和半径 。

例3。开始从 ;计算 。的方向 ,跳转到与步骤 ,为中心的圆与半径这不是MIP图像,表明步长太大,需要调整。圆形的横截面达到10%时,步长设置为 。这一点的坐标 。调整重心和半径不断,直到他们不改变;保存重心和半径 。

例4。开始从 ;计算 。的方向 ,跳转到与步骤 。如果超过,圆的中心和调整步骤的长度,和球的重心计算并保存。

当医生确定血管中心线,他需要观察血管的内部和外部条件;这个过程由计算机模拟如下:首先,根据血管直中心线,然后,根据解剖原理,血管扩张根据不同的配置文件(0°、45°、90°和135°)。不同的配置文件的内部和外部条件观察给一个全面的判断。其原理图如图8。

3所示。实验和结果分析

实验使用50套CT数据与2020年收集不同的决议和厚度;420年血管区域提取。程序被编译在VS2015 WIN7操作系统。

3.1。验证MIP算法的影响

同一组CT序列重建层厚度是3毫米,9毫米,和整个序列,分别由MIP算法并与原始序列。效果如图9。MIP算法可以恢复血管的板形和减少错误的风险检测。随着层厚度的增加,它可以更清晰地显示外围血管的分布,并确保后续提取血管中心线是更完整的。

3.2。血管分割的影响

验证血管提取的影响,三位专家多年一直从事医学影像被要求马克血管来验证算法的定量和定性的影响水平。

定量方面如下:区域重叠测量(急性中耳炎)[28)作为评价指标的分割效果;它被定义为 急性中耳炎是重叠面积测量,是图像的医生,是由计算机图像分割,代表了相应区域的像素数量。急性中耳炎值越大,分割得到更好的效果。结果如表所示1。

定性方面如下:使用医疗诊断标志:“准确”意味着血管部门完成和几乎相同的与该地区的专家;“将军”表明的结果之间存在一些偏差,但它不影响诊断;和“穷人”表明,有一个大两个结果之间的偏差,从而影响诊断。结果如表所示2。

本文使用对比剂(CE)算法(4从定性和定量两方面构建血管增强模型和实现血管分割。3 d算法(7)建立了一个3 d模型内的血管。多向(MD)算法(11]从轴向观察到血管,冠状、矢状方向,确定血管的方向,然后分段。水平集(LS)算法(13)分割问题转换为内部和外部力量的平衡的问题。RW (24)选择种子点手动在每一层的图像实现血管分割、不考虑时间。我们的算法充分考虑血管解剖结构和成像原理,提出了一种自动选择算法种子点,并优化加权函数;虽然花费了更多的时间比CE (4急性中耳炎达到93%)算法,分割效果,并达到“一般”的效果是最好的,从而证实了该算法的有效性。

证明我们的算法的影响,我们提取整个肺血管。它是非常困难的。本文提出的算法可以提取血管,但是仍有一些不完整的血管提取。如图10 (b),血管不完全提取的区域进入肺部。主要原因是这个序列的左、右肺相对较近。在CT成像过程中,左、右肺不是有效地划分。在这个问题上还需要进一步的研究。

3.3。血管中心线的提取

为了验证的影响血管中心线的提取和显示当前的观测效应主要辅助诊断方法,我们的算法,比较3 d显示和虚拟的洞察力。3 d显示如图(11日);只可以观察到血管的外部条件;在图所示的虚拟的洞察力11 (b);只可以观察到血管的内部条件;我们的算法是图所示11 (c),这显示了血管的内部和外部同时直观地显示了血管中心线的提取的影响。

为了直观地显示血管扩张的影响,我们选择无支链的血管,分支血管,阻塞血管,显示在0°、45°、90°、135°。无支链的血管,如图12,在不同的方向分布;中心线在血管的中心。分支血管,如图13最长的血管(红色),选择最短的血管(蓝色)矫直。可以看出,该算法不受旁边的血管分支时提取中央线。中央线可以准确提取。数据12和13显示正常的血管中心线的提取的影响和传播,以及血管的内部相对平稳。图14显示血管阻塞的传播效果。可以看出,该算法可以准确地提取中心线,很多内可以观察到血管阻塞点。从上面的演示中,本文提出的算法能够准确地提取血管中心线和直接显示血管的内部和外部条件,所以它可以帮助医生做出准确的诊断。

4所示。结论

计算机辅助检测肺血管的研究已成为一个热点话题和困难。本文提出了肺血管CT图像的分割算法,结合当地的3 d信息和增强血管区域。优化随机漫步算法准确地满足血管分离的要求。我们应用知识的病理、解剖和图形图像的血管中心线提取和扩张血管的方法提出了一种可以显示血管的内部和外部特征更清晰,从而帮助医生做出准确的诊断。这是很有价值的临床应用,奠定了良好的基础为后续检测血管病变。然而,血管部门是不完整的左、右肺接近时,还需要进一步的研究。

数据可用性

数据可以在国际肺癌早期行动项目(DB / OL) (http://www.via.cornell.edu/lungdb.html)。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持的科技新星陕西青年(2021 kjxx - 61),中国博士后科学基金会(2020 m682144),山西国家科学基金会金桥(2020 - 518),以及中国的国家自然科学基金(62062003)。