基于置信連接的CT血管造影分層可視化研究

王光磊，史英杰，苑昊，王洪瑞，劉秀玲

(河北大學電子信息工程學院，河北保定　071002;河北省數(shù)字醫(yī)療工程重點實驗室，河北保定　071002)

?

基于置信連接的CT血管造影分層可視化研究

王光磊，史英杰，苑昊，王洪瑞，劉秀玲

(河北大學電子信息工程學院，河北保定071002;河北省數(shù)字醫(yī)療工程重點實驗室，河北保定071002)

為實現(xiàn)利用CT血管造影技術(CTA)數(shù)據(jù)構(gòu)建人體脊柱、血管的分層可視化，充分研究不同組織灰度分布的特征實現(xiàn)典型組織識別，針對組織灰度重疊的關鍵問題，構(gòu)建基于置信連接的三維區(qū)域生長算法實現(xiàn)重要組織血管和骨骼的剝離，最后用體繪制技術進行三維重建.本文實現(xiàn)了人體腹部皮膚、肌肉、骨骼、血管的分層可視化，各結(jié)構(gòu)可單獨顯示，可任意旋轉(zhuǎn)，放大縮小.通過調(diào)節(jié)參數(shù)和三維分割技術可以很好地完成分層可視化的目的，可以為醫(yī)生提供更清晰直觀的三維模型.

CTA；三維分割；三維重建；可視化

在醫(yī)療影像分析中，計算機斷層造影增強圖像(computed tomography angiography，CTA)是臨床中應用非常廣泛的一種影像技術.直接將CTA數(shù)據(jù)集進行三維重建及可視化，可以得到整體的三維模型，但是為了方便臨床醫(yī)生更準確、清晰地觀察內(nèi)部血管結(jié)構(gòu)，以及進一步判斷血管的狹窄和鈣化等情況，對CTA數(shù)據(jù)進行分層可視化是有非常重要的臨床價值的.應用灰度值、設置不透明度、顏色和光照模型等因素，使得不同灰度的組織和器官顯示或者隱去，達到分層顯示的效果.通過此方法可以將皮膚肌肉等組織隱去，可以看到身體內(nèi)部的情況，然而CTA中注入了血管造影劑，血管看得更加清晰，但卻使血管的CT 值與骨骼的CT值十分接近，不能很好地實現(xiàn)骨骼血管的分離.

目前分層顯示常見的方法是軟組織分割，尤其是三維體分割是目前研究的熱點.紀建鵬等[1]提出一種基于控制標記符分水嶺的交互式三維分割方法.主要利用標記區(qū)域內(nèi)外部的標記符和相鄰幀的相似性進行提取，主要解決了三維分割過分割的問題.蔡華杰等[2]利用直方圖法和最大熵結(jié)合遺傳算法求出閾值后再利用區(qū)域增長與邊緣檢測相結(jié)合獲得三維空間的圖像結(jié)果.Goryawala[3]等提出了一種低交互式的、集成局部輪廓和K均值算法、針對肝臟的自動三維分割方法.Andres[4]提出一種基于圖形模型超體素的神經(jīng)纖維圖像的3D分割方法，超體素的使用更有利于提取圖像表現(xiàn)出來的幾何特征.Top[5]提出一種應用主動學習策略進行交互式三維分割的方法，建立一個交互式三位分割框架，把3D圖像分割變?yōu)橐粋€分類問題，同時減少用戶交互，并保證分割精度.

在前人工作的基礎上，針對CTA體數(shù)據(jù)的分層可視化問題，本研究提出一種基于組織灰度分布和置信連接的三維分割方法以實現(xiàn)人體的分層顯示.首先，根據(jù)人體各個組織的灰度值分布特點，隱去皮膚和肌肉等器官，進而針對CTA影像中骨骼CT值的期望小方差大，血管CT值期望大方差小的特點，應用置信連接度三維分割方法進一步分離骨骼和血管，完成分層可視化.通過臨床醫(yī)生驗證，結(jié)果滿足實際需求.

1　方法

1.1基于灰度范圍的分層可視化

1.1.1光線投射算法對CTA序列圖像進行三維重建

為了更方便醫(yī)生直觀的觀察影像數(shù)據(jù)，常常需要對數(shù)據(jù)集進行重建繪制以達到三維可視化的效果.常用的繪制方法有面繪制和體繪制，本文應用體繪制方法中的光線投射算法(ray casting)[6-7]對醫(yī)學圖像進行三維重建.光線投射算法的基本思想是：從屏幕上的每一個像素點發(fā)射一條光線到當前視點，光線穿過整個數(shù)據(jù)場的過程中，對穿過的一系列體數(shù)據(jù)進行采樣，并且根據(jù)光照模型計算出每一個采樣點的不透敏度和顏色，然后依照從前至后或者從后置前的順序在屏幕上進行合成，得到像素點的顏色及不透明度.

當光在介質(zhì)中傳播時，會發(fā)生多種作用，包括發(fā)射、吸收和散射.綜合光線在介質(zhì)中的所有反應，便有光線傳輸方程

(1)

式(1)計算過于復雜，通常的方法是忽略散射作用，采用只考慮介質(zhì)發(fā)射和吸收光線的發(fā)射吸收模型，所以簡化為

(2)

其中s表示在光線傳播方向上的長度信息.對式(2)求解積分得到體繪制方程的積分形式

(3)

其中s=S，s=E分別代表光線計算的起點和光線計算的終點，I0表示光線在起點處的光強，I(E)表示光線在終點處的光強.2個位置之間的透明度可以表示為

(4)

那么得到了最常用的體繪制方程

(5)

計算機只能處理離散數(shù)據(jù)，必須得到離散形式的繪制方程.將一條光線的計算路徑(從起點S到終點E)平均劃分成n個等寬度的區(qū)間s0

(6)

(7)

1.1.2依據(jù)灰度范圍分層顯示

通過光線投射算法，對CTA原始數(shù)據(jù)進行了整體繪制，但是三維模型有皮膚、肌肉、骨骼等各種組織，互相之間存在遮擋問題.人體各個組織的灰度分布情況如表1，然后根據(jù)灰度分布，將遮擋在人體表面的肌肉和皮膚隱去，這樣可以看到人體內(nèi)部的情況，實現(xiàn)初步的分層顯示的效果.

表1　不同組織灰度值范圍的統(tǒng)計Tab.1　Gray value range statistics of different organizations

1.2基于置信區(qū)間三維分割的分層可視化研究

經(jīng)過灰度分布，將肌肉組織隱去后，可以清楚地看到人體內(nèi)部的結(jié)構(gòu)，但是CTA數(shù)據(jù)是在CT掃描之前注入了造影劑，使得骨骼和血管的CT值相互混淆，不能通過調(diào)節(jié)不透明度將骨骼或者血管隱去，在可視化之后，骨骼將覆蓋在血管的外面，所以去除骨骼是CTA體數(shù)據(jù)三維可視化的一個關鍵因素.根據(jù)骨骼和血管灰度的期望和方差的區(qū)別，本文采用基于置信連接的三維分割方法，分別將骨骼和血管分割出來，實現(xiàn)骨血分離.

1.2.1應用曲率流濾波器對三維體數(shù)據(jù)進行平滑處理

曲率流濾波[8]是將水平集思想與圖像光滑思想結(jié)合在一起，把圖像的灰度值當成由一系列等強度的輪廓線，在曲率流的作用下做擴散運動.熱擴散方程如式(8)

(8)

其中，x(i,j)是m*n的圖像上一點的灰度值，圖像按能量擴散方程運動.

熱擴散方程沿著各個方向等速度擴散，從圖像平滑的角度考慮，上述過程就是高斯平滑過程

(9)

其中g為高斯核，從式子中可以看到圖像與高斯核進行了卷積計算.高斯平滑雖然減少了噪聲，但是也破壞了圖像的邊緣，致使圖像模糊.

將式(8)改寫為式(10)

(10)

式(10)就是曲率流運動方程，ξ與法線方向正交.這就意味著在法線方向上不進行擴散，而只在切線方向上進行擴散.

像高斯平滑、中值濾波等濾波器雖然會壓制大量的噪聲，但是也會破壞圖像有用的信息，導致圖像邊界模糊不清，不利于后續(xù)的分割，而這種濾波的最大優(yōu)點是：平滑只在平坦的區(qū)域進行，不跨越平坦區(qū)域的邊緣，在降噪的同時，保護了圖像的邊緣細節(jié)，有利于后續(xù)分割工作的進行.

1.2.2基于置信連接的三維分割算法

二維分割是輸入序列某一切片，輸出該切片的分割結(jié)果，而要完成整體的分割，需要將所有的切片執(zhí)行1次，效率很低，而且二維分割只是針對當前切片進行分割，不考慮切片間的關系.三維分割是針對的三維體數(shù)據(jù)，算法在三維體數(shù)據(jù)上直接進行分割，執(zhí)行1次即可完成整體的分割，效率高，并且充分利用切片之間的空間、紋理等信息，提高分割的準確性，因此本文選擇了三維分割.

CTA圖像雖然增強了血管的亮度，使得血管和骨骼的CT值十分接近，但是由于骨骼和血管的解剖學結(jié)構(gòu)特征的不同，它們的CT值還是有很大的區(qū)別.骨骼主要由骨質(zhì)、骨髓和骨膜3部分構(gòu)成，骨質(zhì)和骨髓中有骨松質(zhì)，骨松質(zhì)經(jīng)過螺旋CT采集后，CT值很低，局部區(qū)域變得很暗.骨密質(zhì)則表現(xiàn)為高亮部分，骨骼整體的CT值均值很小，方差比較大；血管的解剖學結(jié)構(gòu)很簡單，質(zhì)地均勻，整體高亮，其均值比較大，方差比較小，因此，可以將區(qū)域像素點亮度的均值和方差作為準則來篩選骨骼和血管.

置信連接[9-10]是基于當前區(qū)域的簡單統(tǒng)計方法.首先利用種子點周圍的一個小鄰域計算包含在此區(qū)域中的所有體素灰度值的平均值和標準差，根據(jù)指定的因子，乘以標準差，計算以期望為中心的灰度值范圍.如果鄰域像素的灰度值位于這個范圍內(nèi)的話就被包含進種子區(qū)域，否則就被排除.

(11)

式(11)中m指灰度值的期望，σ指標準差，f是用戶指定的因子，X是特定的鄰域像素，I代表圖像.

當遍歷了所有的鄰域像素，即認為迭代完成，再進行下一次迭代過程.下一次迭代時，像素點的灰度值期望和標準差是以新的像素區(qū)域為基礎進行計算的，算法的流程圖見圖1.

圖1三維分割算法流程

Fig.1Flowchartofthree-dimensionalsegmentationalgorithm

2　結(jié)果和分析

2.1材料

本文研究的是人體腹部CTA斷層序列圖像的分層顯示問題，數(shù)據(jù)是由德國西門子公司研制的Sensation4多層面螺旋CT獲取，數(shù)據(jù)集基本信息：像素間距[0.4297;0.4297]，切片間距0.6，圖2是由該機器掃描獲得一組病人的數(shù)據(jù)，分別是第1、2、40、100張斷層圖像.

圖2　人體腹部CT原始序列圖像Fig.2　Original CT series images of the abdomen

2.2光線投射算法整體重建效果

通過上述光線投射算法，對二維切片數(shù)據(jù)進行三維體繪制，即可得到三維渲染的結(jié)果如圖3所示.從圖3中可以直觀的看到三維模型，并且可以通過不同組織器官的灰度進行不透明度的調(diào)節(jié)，顯示或者隱去某些器官.圖3中從左到右分別能看到完整的人體腹部三維圖像，隱去皮膚后人體內(nèi)部的組織、血管和骨骼，隱去腎臟后只顯示骨骼和主動脈.

圖3　三維效果圖Fig.3　Three-dimensional display

2.3基于三維區(qū)域生長分割后可視化效果

針對CTA圖像的特點，應用基于置信連接的三維區(qū)域生長算法，對腹部CTA序列中的骨骼和血管進行分離.如圖4 所示為分別單獨顯示脊柱和主動脈的效果圖.通過三維分割，可以解決組織器官相互之間的遮擋問題，可以更清楚地觀察感興趣區(qū)域的病變問題，幫助醫(yī)生更好地診斷病情.

圖4　基于三維區(qū)域生長分割效果Fig.4　Three-dimensional region growing segmentation

3　結(jié)論

圖像分割是圖像處理的重要問題，是圖像三維可視化、計算流體力學等學科的重要前提，準確快速的分割結(jié)果有助于輔助醫(yī)生診治病情和制定正確的手術規(guī)劃.如何在保證精度的前提下減少人工交互以及提高算法自動化程度是目前面臨的現(xiàn)實問題.本文首先對骨骼、主動脈等不同的組織器官進行了灰度統(tǒng)計，介紹了傳統(tǒng)的光線投射算法，對原始數(shù)據(jù)進行直接體繪制，針對CTA圖像骨骼和血管的特征，提出一種基于組織灰度分布和置信連接度三維分割算法相結(jié)合實現(xiàn)人體分層可視化的方法.三維分割針對的是三維體數(shù)據(jù)，執(zhí)行過程直接對體數(shù)據(jù)進行，相比二維分割，方法考慮切片間的空間、紋理信息，只需設置1個三維種子點即可分割出感興趣區(qū)域，且執(zhí)行1次即可完成所有切片的分割，執(zhí)行效率高，基本能實現(xiàn)分層顯示的要求，并且可以得到感興趣的組織和器官的幾何模型，加載到醫(yī)生工作站中，使得醫(yī)生能夠方便直觀地在醫(yī)生工作站上觀察診療.

[1]紀建鵬,黎麗華,楊榮騫,等.基于分水嶺算法的交互式三維分割方法[J].中國組織工程研究與臨床康復,2011,15(39):7351-7354.DOI:10.3969/j.issn.1673-8225.2011.39.033.

JIJianpeng,LILihua,YANGRongqian,etal.Interactivethree-dimensionalsegmentationbasedonwatershedalgorithm[J].JournalofClinicalRehabilitativeTissueEngineeringResearch,2011,15(39):7351-7354.DOI:10.3969/j.issn.1673-8225.2011.39.033.

[2]蔡華杰,田金文.三維腦分割中灰度閾值的選取方法[J].武漢理工大學學報,2006,28(4):122-124.

CAIHuajie,TIANJinwen.3-Dsegmentationofbrainvolumethresholdingmethod[J].JournalofWuhanUniversityofTechnology,2006,28(4):122-124.

[3]GORYAWALAM,GULECS,BHATTR,etal.ALow-interactionautomatic3Dliversegmentationmethodusingcomputedtomographyforselectiveinternalradiationtherapy[J].BioMedResearchInternational,2014，2014:1-12.DOI:10.1155/2014/198015.

[4]ANDRESB,KOETHEU,KROEGERT,etal.3DsegmentationofSBFSEMimagesofneuropilbyagraphicalmodeloversupervoxelboundaries[J].MedicalImageAnalysis,2012,16(4):796-805.DOI:10.1016/j.media.2011.11.004.

[5]TOPA,HAMARNEHG,ABUGHARBIEHR.Activelearningforinteractive3Dimagesegmentation[J].MedicalImageComputingandComputerAssistedIntervention,2011,6893:603-610.DOI:10.1007/978-3-642-23626-6_74.

[6]LEVOYM.Efficientraytracingofvolumedata[J].ACMTransactionsonGraphics,1990,9(3):245- 261.DOI:10.1145/78964.78965.

[7]DREBINRA,CARPENTERL,HANRAHANP.Volumerendering[J].ComputerGraphics,1988,22(4):65-74.

[8]石澄賢,王元全,王平安,等.Min/Max曲率流實現(xiàn)圖像去噪和增強分析[J].計算機工程與應用,2004,40(5):10-13.

SHIChengxian,WANGYuanquan,WANGPingan,etal.Min/Maxcurvatureflowanalysisinimageenhancementanddenoise[J].ComputerEngineeringandApplications,2004,40(5):10-13.

[9]王倩,楊春蘭,吳水才,等.結(jié)合置信連接度的自適應模糊連接度的圖像中丘腦分割算法研究[J].北京生物醫(yī)學工程,2015,34(3):244-250.DOI:10.3969/j.issn.1002-3208.2015.03.05.

WANGQian,YANGChunlan,WUShuicai,etal.Segmentationforthalamusanditssubstructuresbasedonadaptivefuzzyconnectednesscombinedwithconfidenceconnectedness[J].BeijingBiomedicalEngineering,2015,34(3):244-250.DOI:10.3969/j.issn.1002-3208.2015.03.05.

[10]宋曉,程明,王博亮,等.置信連接的自動肝臟分割方法[J].計算機輔助設計與圖形學學報,2012,24(9):1188-1192.

SONGXiao,CHENGMing,WANGBoliang,etal.Confidenceconnectedmethodforautomaticliversegmentation[J].JournalofComputer-AidedDesign﹠ComputerGraphics,2012,24(9):1188-1192.

(責任編輯：孟素蘭)

Hierarchical visualization of CT angiography based on confidence-connected

WANG Guanglei,SHI Yingjie,YUAN Hao,WANG Hongrui,LIU Xiuling

(Key Laboratory of Digital Medical Engineering of Hebei Province,Electronic Information Engineering College,Hebei University,Baoding 071002,China)

In order to achieve the hierarchical visualization of the human spine and blood vessels by using the CTA data,the recognition of the typical organization can be realized by properly vtilizing the intensity distribution of different organizations.By tacking the key problem of organization gray level overlapping,the separation of important organizations blood vessels and bone can be realized by three-dimensional region growing algorithm based on confidence-connected.Finally,the three-dimensional reconstruction is performed by volume rendering.The hierarchical visualization of the abdominal skin,muscle,bone and blood vessels is realized,and the structure can be displayed separately,can be freely rotated and zoomed in and out.By adjusting the parameters and three-dimensional segmentation, hierarchical visualization can be easily achieved.So it can provide a more clear and intuitive three-dimensional model for the doctor.

CTA; three-dimensional segmentation; three-dimensional reconstruction; visualization

10.3969/j.issn.1000-1565.2016.03.015

2015-10-12

國家自然科學基金資助項目(61473112； 61203160)

王光磊(1983-)，男，天津人，河北大學講師，博士，主要從事醫(yī)學圖像處理等方面研究.

E-mail:windlay@hotmail.com

劉秀玲(1977-)，女，河北滄州人，河北大學教授，博士，主要從事醫(yī)學圖像處理等方面研究.

E-mail:liuxiuling121@hotmail.com

TP399

A

1000-1565(2016)03-0312-06