文摘
背景。光学相干断层扫描(OCT)是一种新颖的成像技术,冠脉内生成高分辨率的图像。在过去的几年里,需要更精确的分析对于实现最佳治疗冠状动脉疾病使得血管内成像介入性心脏病学中最重要的一个领域。在10月的一个主要挑战的准确检测是图像分析腔进一步预后具有重要意义。方法。在这个研究中,我们提出一个新的腔10月图像的分割方法。拟议的工作重点是设计一个高效的自动算法包含以下步骤:预处理(工件去除散斑噪声、圆形环,和引导线),极坐标与笛卡儿坐标之间的转换,分割算法。结果。实现的方法是尝过10月667帧。腔边界提取相关性比较高的地面真相:0.97 ICC (0.97 - -0.98)。结论。算法允许完全自动化腔光学相干断层扫描图像分割。这个工具可以用于自动定量腔分析。
1。介绍
今天的医学实践的诊断冠状动脉疾病(CAD)大多是用侵入性成像模式其中冠状动脉造影是最受欢迎的一个,目前被认为是在心导管和血流动力学评估标准。然而,冠状动脉造影产生“luminogram”描述只有contrast-filled腔的形状没有任何信息斑块形态或血管壁1]。这就是为什么最近血管造影术是伴随着新血管内成像技术IVUS和10月采用声波和近红外光,分别以生成横断面、冠状动脉的容积图像(2]。10月提供高对比度和高空间分辨率的图像(10 - 20µIVUS m), 10倍,从而使动脉粥样硬化斑块的特征和评估冠状动脉支架,包括支架附着和struts报道(3,4]。在10月的一个主要挑战的准确检测是图像分析腔进一步预后具有重要意义。
本文在4部分组织如下:部分1。1介绍了这项工作的动机和审查状态的艺术领域的流明分割。部分2指定了实现算法的概述。进行了统计分析,结果,讨论并给出了实现结果的部分3。最后,部分4关闭纸和突出了未来的发展方向。
1.1。动机
OCT图像清晰描绘腔和船舶之间的界限,促进图像判读。目前图像处理已被核心实验室主要进行手动分析师,但由于大量的横截面在OCT图像序列,这通常是一个耗时的过程inter-intraobserver高可变性(5]。然而,能解决上述限制通过引入自动图像分析包括检测腔轮廓的6,7]。腔分割是第一个但图像分析过程中关键的一步,因为它允许检测狭窄和高风险的斑块。已经解决不仅对10月回调还对IVUS图像序列(8,9]。
1.2。相关的工作
自动腔轮廓检测可以非常具有挑战性的一步为OCT图像通常包含各种构件(如引导线跟踪,运动构件,分岔,或nondiluted管腔内的血液。OCT图像的分析是一个要求的过程,许多自动检测方法已经开发了腔在10月(2,10- - - - - -16近年来]。
这些方法通常采用多步图像处理技术包括二值化方法(10,11,16),形态学操作(10,11),强度曲线方法(16),马尔可夫随机场(MRF)模型(2),或小波变换12]。
10月不同的技术,不同图像纹理、扩散和复杂的病变,而且,不稀释血液从血管产生巨大影响分割结果以及特征提取在上面描述的方法(2,8- - - - - -10]。此外,腔的差的图像或实质性腔的血液接触动脉壁无法好划定的活动轮廓的方法(14]。
提出的方法开发和其他研究团队往往是非常准确和有良好的计算成本。但是,他们应用高质量图像只包括一种单个工件。由于这些障碍,仍有一个复杂的空间解决方案,大多数情况下可以提高分割过程。
扩散和复杂病变有动机的发展提出了10月与一个新的序列分析方法的形态学操作,和插值方法旨在重建腔对象,导致更精确的分割结果,即使在分叉结构的存在,而不是well-diluted管腔内的血液。上面列出的大多数方法只能应用于健康或nonbifurcation图像(11)或质量好的图像没有工件(10,16]。
手动分割由独立观察员主要用作参考特定方法验证。提高我们工作的价值,我们将我们的结果与两个广泛使用的商用系统(st . Jude医疗而Medis医疗成像系统和opti集成系统)。此外,测试是在相同的数据集上进行可靠的结果。该算法实现了更高的分类结果与现有的10月细分项目相比,得分0.97 ICC腔面积与真实黄金标准的方法。
在本文中,我们提出一个完全自动化的方法来段腔地区运行10月回调不扣除任何帧。我们的解决方案可以用来分析质量差图像以及图像病变血管和分岔。
2。材料和方法
提出自动腔内检测算法对光学相干断层扫描图像包含两个主要阶段:预处理(图像增强和工件去除)和腔分割轮廓校正。实现图像分析软件使用Matlab图像处理工具箱,提出的算法的流程图如图1。
2.1。数据库规范
分析了材料由667帧不同的病人,从西里西亚的医科大学。图像用于本研究获得FD-OCT系统(C7-XR系统10月血管内成像系统,韦斯特福德,MA)和两种成像导管:C7蜻蜓,蜻蜓opti导管自动回落,驱动电动机光学控制器。分析数据得到的回落速度20 mm / s和18 mm / s,分别。
选择图像含有多种血管功能,如腔违规造成的管腔内的群众(血栓),分支机构,或不同强度资料由于不是well-diluted血液(图2)。
(一)
(b)
(c)
(d)
2.2。10月图像预处理
OCT图像不均匀、复杂(程度的强度和形状的变化),而且它们包含无关的工件,如明亮的同心圆形环和明亮的结构从引导线特征背后的影子。这些类型的工件出现在几乎每一帧使先进的图像分析步骤是不可能的。因此,有必要获得二进制图像预处理阶段的内层的层(三层建筑的最内层血管壁)没有工件的诊断导管和提高图像的质量(图进行进一步的分析3)。
(一)
(b)
(c)
(d)
该算法得到每一帧作为输入从10月整个图像数据集。已经保存在多帧图像DICOM格式(回调),每一帧是一个2 d RGB图像在笛卡儿坐标系统。
首先,所有校准标记和文本的评论从图像中删除使用口罩的像素颜色。分析RGB图像转换成灰度NTSC 1953标准,形成一个RGB值转换为灰度值的加权和的R, G, B组件。
后将RGB图像转换为灰度图像,应用极坐标变换,进一步用极坐标预处理阶段被执行。这种转变让我们把圆形的冠状动脉可见直结构剖视图。在数学中,极坐标系统是一个二维坐标系统中每一个点上飞机是由距离参考点和一个角度从一个参考方向。
的环形状畸变成像导管在极地空间显示为图像的左侧直结构与已知size-Dragonfly导管直径2.7法国为0.91毫米。利用图像的空间分辨率知识和导管直径,我们可以计算该地区结构和删除它的形象。另一个重要的构件,它可能会限制分割的过程,是一种散斑噪声不well-diluted血。散斑噪声会影响腔体分割结果通过分类错误作为一个组织导致低估了真正的腔区域。
为了消除任何破坏性的散斑效应而不会破坏边界,我们使用中值滤波与5×5窗口(17]。中值滤波后,高斯平滑算子用于“模糊”形象,旨在消除不必要的细节,减少噪音的背景。高斯平滑算子是一个二维卷积算子,它使用一个内核的高斯值代表的形状高斯钟形隆起。
高斯滤波器是一个低通滤波器,衰减高频信号。计算每个像素的邻域的加权平均,平均加权更对中心像素的值,和一个高斯分布提供了温和的平滑和保持更好的边缘18]。
自动阈值在极地空间用于生成一个新的二进制图像清晰地区分开设计magnitude-intimal层。
2.3。腔分割和轮廓图
医疗结构的方法和算法为细分开发特定于应用程序中,身体部位的成像形态和类型进行了研究。因为图像的复杂性,没有完美的方法来段所有的医疗结构效率高。然而,流明分割步骤的成功是至关重要的OCT图像的进一步分析和正确的诊断。
预处理阶段的结果是一个二进制图像主分割区仍然包含小构件(如不够稀释血液接近成像导管。最小化工件对最终结果的影响,我们主题图像形态学打开和关闭操作。腐蚀和膨胀的主要劣势改变我们感兴趣的区域的大小,打开和关闭保持有趣的领域。打开和关闭是基本的形态学噪声去除方法。打开删除小,不必要的对象从前台放置他们的背景,而关闭了小洞和连接在前台不相交的对象,小范围的改变背景到前景(19]。根据腔的形状,我们使用一个盘状结构元素保存对象的自然循环。disk-shape元素是一个平面,结构元素,在那里R指定半径(图4)。
半径是决定实验和设置为5。图5显示的例子的结果形态打开和关闭操作。
(一)
(b)
(c)
工件成像导管和导丝钩被移除在预处理阶段。然而,导丝的影子使内膜的层不连续所能观察到的图3 (c)。类似的效应是由于分岔。准绳影子的差距通常是相同的大小,普通,容易被发现和填满。问题更多的是差距引起的分岔可以大小不同,此外,保持对象的分割腔不规则的形状。分岔导致管腔面积变形可以观察到在图6 (d)。剩余区域的插值是必要的画最后腔轮廓应尽可能接近预期的值。为了解决这个问题,我们已经申请修改版本的线性插值是适合我们的需要。
(一)
(b)
(c)
(d)
为了腔的连接部分,我们分析的边界信息(位置和坐标)的每一个断开连接的部分内膜层(对象)的外部边界的痕迹。我们收到一个单元阵列中的所有对象的边界像素坐标二进制图像(20.]。进行线性插值,极端点计算,提出了图7。
(一)
(b)
极值点的候选轮廓点包括左下侧,左上的,右上的。我们分析的对象从上到下。点被插入:第一,上层对象,我们选择left-bottom点,和第二对象位于下面,我们选择左上角和右上的点之间。最后的选择是由价值决定的极端之间的欧氏距离。分岔是越大,距离越长。个人极端坐标来计算距离和执行线性插值。我们实验确认的截止点分岔是2毫米大小。图6提出了一些选择轮廓点的例子。为了避免锋利的轮廓重建,额外的点被上下移动选择从极端点,找到第一个白色像素在当前行。
设置轮廓点后,使用线性插值。这样的话,所有的不连续(分岔,影子从导丝和工件)了。在这种方法中,腔体边界线在极地获得的图像(图6 (c))。最后,腔边界点是Sobel边缘检测算法检测到的(21]。Sobel算子执行一个二维空间梯度测量,强调区域的高空间频率对应于边缘。所有操作后,产生的极形象在笛卡尔坐标转换成一个图像。图8显示了腔分割的每一步。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
分割的结果,由此产生的轮廓没有船预计平滑。Savitzky-Golay滑动多项式滤波窗口宽度35和多项式阶2 (22是被应用。
Savitzky和戈利显示一组整数( )可以推导出,作为加权系数进行平滑操作(23]。使用这些加权系数,称为卷积整数,是完全等价的适合一个多项式的数据。因此,平滑的数据点由Savitzky-Golay算法由以下方程: 在哪里是权重系数进行平滑操作。
3所示。结果
所描述的完全自动化的流明分割方法的验证已经完成667从不同的患者血管内光学相干断层扫描帧。提供的数据是西里西亚的医科大学。图9介绍了实现的结果。
(一)
(b)
(c)
(d)
(e)
(f)
3.1。统计分析
统计分析包括数据来自四个方法:我们的算法,两个商用系统和手动分析(地面实况面具)。连续参数报告为均值和中值与第一和第三个四分位数(Q1: 25%;问题3:75%)。
Bland-Altman分析被用来评估两种测量方法之间的协议。这是一个方法比较技术提出的奥特曼和乏味24基于量化的两个定量测量之间的协议通过研究平均差和构造限制的协议。
结果为特定的测量提出了均值的95%置信区间和中值与第一和第三个四分位数。差异之间的第一个和第二个分析计算的绝对和相对差异,意味着95%的CIs。组内相关性计算作为协议的主要措施以及图示Bland-Altman情节。统计计算R语言进行分析(R核心团队2017年,维也纳,奥地利)。
3.2。验证的自动化腔分割
为了验证算法描述,我们比较四个腔检测方法:我们的解决方案、地面实况面具,和两个商用系统包括圣裘德医疗系统(系统1)和Medis公司医疗成像系统(系统2)。手动分割已经由独立observers-interventional心脏科医生有丰富的临床经验。此外,我们的专家参与的发展方法和结果分析。
分析了以下参数的描述方法:腔面积,意味着腔直径、最小管腔直径,直径和最大流明,收集表1。
评估的结果收集的参数表2- - - - - -4并提出了Bland-Altman情节。
启用统计数据的分析,收集了以下参数。
相对差分计算使用以下方程:
绝对的相对偏差计算使用 在哪里N帧的总数,我是当前帧的数量,O我测量的值是1,我我是2的值测量。
3.3。讨论的结果
腔检测进行桌面电脑的英特尔酷睿i5 - 4200, 1.60 GHz处理器,8 GB RAM, Windows 64位,Matlab (R2016b)。腔轮廓检测的平均时间是1.099秒。手动分割一块的平均时间约为60秒。显示,计算机辅助分类系统比手工分割快得多;此外,它是客观的相同的情况下,也很准确。来验证我们的方法,我们测试了相同的数据集和人工分析的结果和两个商用自动腔检测工具。我们取得了高度的相关性在腔面积与真实黄金标准方法相比(手动分析由一个专家):0.97国际刑事法庭。结果在文献[2,11,12]报道的绝对差意味着腔面积0.1毫米2。De马赛et al。11)获得的绝对差异意味着腔面积0.17毫米2。我们的方法显示出类似的结果(绝对差意味着腔面积0.1毫米2)与以前公布的方法,但值得强调在我们的验证过程是所有帧包含复杂的斑块,甚至包括分析框架构件残余血,或分岔与直径> 2毫米。此外,我们可以看到参数计算方法相似的结果来自商用系统(系统1和系统2),描述的系统没有任何纸。我们的算法可以很容易地实现和测试一个新的数据集。
Bland-Altman情节(数据10- - - - - -12)表明一个好的协议使用的方法,实线表示的意思是区别第一和第二测量,而虚线表示±1.96标准差。大多数点策划之间的实线(意味着diff)和虚线(均值±2∗标准差)。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
之间的绝对差异意味着腔面积的计算方法和自动化腔提出的检测系统1是0.06毫米2相比之下,系统2的结果的绝对差异意味着腔面积0.22。虽然腔地区是相似的在所有的方法和我们的方法和其他人之间有高ICC(0.95 - -0.99),内腔直径显示较低的国际刑事法庭,尤其是我们的方法和系统2之间。
的限制,我们的方法并不是测试图像与支架的存在会对我们产生负面影响的算法。这种限制可以解决在未来发展中方法提取struts和填补的工件支撑阴影。
4所示。结论
我们提出了一个完全自动化的方法能够正确检测和画腔轮廓10月包括与分岔和工件从血液帧图像。使用手册的自动化方法验证分析由专家作为黄金标准以及商业上可用的工具。结果表明,我们的方法可以是一个有用的工具船舶分段和进一步分析。实现结果表明,该算法满足要求。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
科学工作部分AGH研究经费的支持下,15.11.120.884 15.11.120.641,西里西亚的医科大学。提供的数据是西里西亚的医科大学。