CN102346803A - 心血管造影图像分析系统 - Google Patents

Abstract

本发明涉及了一种医学图像分析系统和方法，具体而言涉及一种心血管造影图像分析系统。该图像分析系统由C型臂造影机，图像采集卡，计算机以及图像分析软件组成，其步骤包括获取图像，预处理图像，标定图像，分割图像，测量图像。本发明结构简单，工作效率高，可用于在介入手术中实时分析造影图像。

Description

心血管造影图像分析系统

技术领域

本发明涉及一种心血管造影图像分析与测量的图像系统和方法，具体而言涉及一种心血管造影图像分析系统及其分析方法。 

技术背景

冠心病(coronary artery disease，CAD)是冠状动脉粥样硬化导致冠状动脉狭窄、闭塞，引起心肌缺血缺氧的疾病，又称冠状动脉粥样硬化性心脏病。冠心病是危害人类健康的主要疾病之一，近年来全球冠心病的发病率和死亡率呈上升趋势。冠脉造影图像是目前临床诊断和治疗冠心病的主要依据之一，被称为诊断冠心病的“金标准”。

对造影血管进行狭窄分析是当前数字减影常用的后处理方法，经过狭窄分析，可获得正常与狭窄血管的直径大小及比值，有助于正确选择球囊导管及支架的尺寸大小。目前，国内已公布的血管分割的专利有如下几个：(在数字冠脉造影图像中分割血管数据的方法：CN1897034A/华中科技大学(桑农等)-2007/01/17)；(一种在数字减影血管造影图像的方法：CN100547612C/华中科技大学(桑农等)-2009/10/07)；(在数字减影血管造影图像中分割血管数据的方法：CN1897033A/华中科技火学(桑农等)-2007/01/17)；这些专利公开了几种在造影图像中分割血管的方法，根据查新结果，但尚无针对心血管造影图像的处理和分析系统。 

国内已经有关于数字血管造影设备的专利文献报导(数字血管造影设备：CN1141156/株式会社岛津制作所(河合益；三浦祐介)-2006/05/24)，但未见其有获得心血管造影图像的分析系统。 

国内已经有关于增强数字减影血管造影图像的方法的专利文献报导(自适应增强数字减影血管造影图像的方法：CN 101051384/华中科技大学(桑农等)-2007/05/14)。 

发明内容

本发明要解决的技术问题是克服现有技术的不足之处，提供一种较低成本、使用方便的心血管造影图像分析系统，同时提供一种利用该系统对造影图像进行分析、识别的方法，解决分析心血管造影图像的问题。 

本发明的心血管造影图像分析系统包括C型臂造影机，图像采集卡，计算机以及图像分析软件。 

本发明提供的在介入手术过程中，从C型臂造影机中，通过图像采集卡实时采集造影图像到计算机中，通过图像分析软件进行分析的方法，其步骤为： 

1)获取图像：医生在介入手术过程中，需要在心血管内打入适量造影剂，然后将C型臂造影机转到合适的角度，踩线之后获得造影图像，同时，利用图像采集卡，实时获取造影图像并将其数字化后传输至计算机。 

2)预处理图像：根据在造影图像数据库内预先储存的处理流程，对图像进行预处理并增强。 

3)标定图像：根据导管在造影图像上的像素宽度和已知导管规格，对图像进行标定。

4)分割图像：对经过预处理与标定的图像进行分割，将待分析的目标与背景分离，由预处理过程提供分割所需的先验知识。 

5)测量图像：对图像兴趣区进行测量，由所述心血管造影图像数据库提供需要测量的图像特征。 

本发明的有益效果是，提供一种结构简单，使用方便的实时造影图像分析系统，该系统可以广泛应用于介入手术中，为介入医生提供心血管图像的实时信息。 

附图说明

下面结合附图和实施例对本发明进一步说明。 

图1为本方法获取图像的流程图； 

图2为本方法图像分析系统进行分析的流程图； 

图3a为左冠状动脉(LCD)造影图像； 

图3b为经过增强后的造影图像； 

图4a为本方法标定图像的流程图； 

图4b为标定图像中的导管检测造影图像； 

图4c为标定图像中的导管检测造影图像截图； 

图4d为检测到的导管图像； 

图五a为本方法血管分割后的二值图像； 

图五b为本方法血管分割的造影图像截图； 

图五c为本方法血管轮廓分割的血管轮廓； 

图6a为本方法血管测量的中心线； 

图6b为本方法血管测量的血管直径连接线段； 

具体实施方式

1.C型臂造影机 

C型臂造影机采用飞利浦医疗系统生产的IntegrisAllura9/9双向C型臂心血管造影机，该造影机进行双向投照，基于CCD摄像系统的全数字化图像链，最快采集速度达60度/秒，实现1024*1024的高分辨率高质量图像。我们通过图像采集卡，在术中实时采集该C型臂造影机输出的心血管造影图像。 

2.图像采集卡 

图像采集卡采用北京嘉恒中自图像技术有限公司生产的OK_C20A图像采集卡，该图像采集卡基于PCI总线的彩色图像采集卡，适用于图像处理、工业监控和多媒体的压缩、处理等研究开发和工程应用领域。该图像采集卡可提供丰富的接口函数，图像系统可以通过调用这些接口函数得到所需图像，同时可以对采集参数进行设置，需设置的参数如下： 

1)视频输入：采用标准PAL制信号(625行，50场/秒，色负载波4.43MHz)。 

2)输入窗口：图像采集显示分辨率最大为768*576像素。 

3)输出窗口：本系统采用760*560像素，图像采集显示分辨率最大768×576。 

4)色彩空间：数字化后的图像格式是YUV：4:2:2，用户可以根据需要进行YUV-RGB转换，本系统采用RGB：8:8:8格式。 

5)图像采集卡控制参数：该图像采集卡包括：视频源路，亮度，对比度，色调，色饱和度。 

3.心血管图像图像分析系统总体结构设计和分析方法 

1)对心血管图像进行增强： 

本发明采用的是归一化后的多尺度下的Gabor滤波增强算法，具体实施如下： 

二维Gabor基函数具有与大多数哺乳动物的视觉表皮简单系统的二维感受视野相似的物理性质，因此在图像分析领域，可以将图像中的信号按不同尺度，不同方向分解成多个通道，从而提取出具有方向和尺度信息的相关特征。Gabor函数定义为一个经过复数正弦函数调制的高斯函数： 

H＝g(x′，y′)exp(j2πFx′) 

其中： 

$g(x,y)=\frac{1}{2{\mathrm{\π\σ}}_x{\mathrm{\σ}}_y}\exp (-\frac{1}{2}[-{\left(\frac{x}{{\mathrm{\σ}}_x}\right)}^2+{\left(\frac{y}{{\mathrm{\σ}}_y}\right)}^2\left]\right)$

g(x′，y′)＝(xcos(θ)+ysin(θ)，-xsin(θ)+ycos(θ))

参数说明：θ表示滤波器的方位，通过在x-y平面旋转可使滤波器达到任何所期望的角度。F表示中心频率，它决定了滤波器带通区域中心在频域中的位置。σ_x，σ_y分别是沿着x轴和y轴的高斯包络的空间常量。并分别与频率带宽和方位带宽有关，它们确定了感受视野的大小。 

如果用单一的尺度去检测血管，在血管粗细变化不大的情况下，能够较为准确地提取出中轴线。但是对于大多数的血管图像，当主干和枝干血管的半径差异很明显时，只用一个尺度会导致错误的结果。如果尺度相对于待检测的血管太大，滤波后的响应图会变得过度扩散导致冗余噪声，如果尺度相对太小，则会检测到边缘位置上去。因此，采用多尺度检测是必要的。 

最大值响应原则是基于如下的观察：当尺度和方向与血管的尺度和方向最吻合的时候，滤波的响应值会最大，只需将每一个像素点在不同尺度和不同方位的最大值找出来即可，这个尺度对应着实际血管的宽度，方向也能大致描述血管的走向。这里存在的问题是：在不同尺度下的滤波响应值如果没有归一化，可能会出现的一种情况是：在血管比较粗的情况下，小尺度下的响应值可能会大于大尺度下的响应值，从而导致错误的结果。我们采用的是在同一个尺度下不同方向的归一化后的响应值，再和不同尺度下的Gabor响应值进行比较，这样避免了上述问题。 

$f=\underset{\mathrm{scaled}-{\mathrm{\σ}}_i}{\max }(I*G({\mathrm{\λ}}_i,{\mathrm{\σ}}_i))$

参数说明：I表示输入图像，*表示卷积算子。G(λ_i，σ_i)表示频率带宽为σ_i和方位带宽为λ_i的Gabor算子。f表示输出图像。如图3(a)为原始输入造影图像，图3(b)为经过归一化多尺度下的Gabor滤波后增强造影图像。 

2)导管检测： 

本发明专利采用的是鼠标移动实时检测导管的方法，该方法应用了霍夫直线检测算法。 

霍夫变换是图像处理中识别几何形状的一种方法，在图像处理中有着广泛应用，霍夫变换不受图形旋转的影响，易于进行几何图形的快速变换。霍夫变换可以在图像中识别直线。在平面直角坐标系(x，y)中，一条直线可以用方程y＝ax+b表示。对于直线上一个确定的点(x₀，y₀)，有y₀＝ax₀+b。这表示参数平面(k，b)中的一条直线。因此，图像中的一个点对应参数平面中的一条直线，图像中的一条直线对应参数平面中的一个点。对图像上所有的点作霍夫变换，最终所要检测的直线对应的一定是参数平面中直线相交最多的那个点。这样就在图像中检测出了直线如图4(d)。 

3)图像标定： 

上述导管检测可以在造影图像中检测到导管的两根直线如图四(d)所示，通过计算两根线段间的平均距离得到导管在造影图像上的宽度，单位为像素，根据所有导管的规格，单位为毫米，得到图像标定参数，单位为像素/毫米。 

4)血管分割： 

对于增强后的血管图像，我们使用二维自适应类间最大方差法做阈值分割，提取血管。 

在实际图像中，由于噪声干扰等因素的影响，使得图像的灰度直方图分布不一定出现明显的波峰和波谷，此时仅利用一维灰度直方图得到的阀值并不能使图像分割得到满意的结果，往往还会产生严重的分割错误.这是因为像素灰度值仅仅反映了像素灰度级的幅值大小，并没有反映出像素与邻域的空间相关信息。基于这一点，我们应用二维自适应类间最大方差法做阈值分割，该方法既能反映像素点的灰度分布， 又能体现像素点与其邻域空间相关信息的灰度均值二维直方图，最佳的阀值是在一个二维的类间方差测度准则取最大值时得到的一个二维矢量，并以此二维矢量作为分割门限进行图像分割。 

设图像的灰度等级为0-L，则图像的二维直方图定义为一个二元数组或者矩阵P＝P(i，j)，其中i为像素的灰度值，j表示为像素灰度值为i的领域灰度平均值，P(i，j)就表示出现的频次，如图4所示。这样我们只需对每个s、t的组合计算一个离散度矩阵的迹，然后取离散度矩阵的迹最大时的S、T为分割阈值。具体计算公式如下： 

假设二维直方图存在两类，如图4所示分别为1和3为目标和背景，且具有不同的概率密度函数分布，设阈值为(S，T)，那么两类的概率分别为： 

$W_0=\underset{i=0}{\overset{S}{\mathrm{\Σ}}}\underset{j=0}{\overset{T}{\mathrm{\Σ}}}p(i,j)=W_0(S,T)$

$W_1=\underset{i=S+1}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=T+1}{\overset{L-1}{\mathrm{\Σ}}}p(i,j)=W_1(S,T)$

该两类对应的均值为： 

$\stackrel{\‾}{U_0}={(U_{0i},U_{0j})}^T={(\underset{i=0}{\overset{S}{\mathrm{\Σ}}}\underset{j=0}{\overset{T}{\mathrm{\Σ}}}\mathrm{ip}(i,j)/W_0,\underset{i=0}{\overset{S}{\mathrm{\Σ}}}\underset{j=0}{\overset{T}{\mathrm{\Σ}}}\mathrm{jp}(i,j)/W_0)}^T$

$\stackrel{\‾}{U_1}={(U_{1i},U_{1j})}^T={(\underset{i=S+1}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=T+1}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{ip}(i,j)/W_1,\underset{i=S+1}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=T+1}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{jp}(i,j)/W_1)}^T$

阈值为(S，T)时的总均值为： 

$\stackrel{\‾}{U_{\mathrm{Total}}}={(U_{\mathrm{Totali}},U_{\mathrm{Totalj}})}^T={(\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{ip}(i,j),\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{jp}(i,j))}^T$

这样我们得到一个类间方差测度为： 

$D(S,T)=W_0[{({\stackrel{\‾}{U}}_{0i}-{\stackrel{\‾}{U}}_{\mathrm{Totali}})}^2+{({\stackrel{\‾}{U}}_{0j}-{\stackrel{\‾}{U}}_{\mathrm{Totalj}})}^2]+W_1[{({\stackrel{\‾}{U}}_{1i}-{\stackrel{\‾}{U}}_{\mathrm{Totali}})}^2+{({\stackrel{\‾}{U}}_{1j}-{\stackrel{\‾}{U}}_{\mathrm{Totalj}})}^2]$

最优阈值(S₀，T₀)，对应的是最大类间方差D(S₀，T₀)满足： 

$D(S_0,T_0)=\underset{i,j}{\max }\left\{D(S_i,T_j)\right\}$

通过阈值分割，我们得到了血管的二值图如图5(a)，并通过形态学细化操作得到血管的中心线。 

5)血管轮廓分割： 

通过阈值分割得到的血管部分以及中心线，通过用户手动选定的两个点作为血管的近端和远端，从起点沿中心线垂直方向检测到边界点，将所有中心线两侧的边界点连成血管轮廓。图5(c)，图5(d)是采用上述血管轮廓分割得到的效果图，其中红色轮廓即为血管轮廓。 

6)血管轮廓测量： 

对于得到的血管轮廓，假设血管的两条边界为a₁＝(x1_i，y1_i)，a₂＝(x2_i，y2_i)，新的中心线为c＝((x1+x2_i)/2，(y1+y1_i)/2)如图6(a))蓝色部分所示。遍历血管中心线上每个点，向两边做垂线，得到血管的直径，将所有直径绘制到坐标系下得到血管直径大小的统计图(x轴是血管中心线c离血管近端的距离，单位为mm，y轴是该血管中心线上的点处的血管直径，单位为mm)如图6(b)所示。 

Claims (7)

1.一种心血管造影图像分析系统，由C型臂造影机，图像采集卡，计算机以及图像分析软件组成。其特征在于在介入手术的过程中，利用C型臂造影机和图像采集卡，实时采集造影图像，通过计算机与图像分析软件进行分析，指导医生。

2.按权利要求1所述的心血管造影图像分析系统，其特征是所述图像分析系统包括图像获取、图像预处理、图像分割，在图像分析的基础上实现对心血管造影图像的相关计算与测量。

3.一种采用权利要求1所述的图像分析系统的心血管造影图像分析方法，其特征包括以下步骤：

1)获取图像：医生在介入手术过程中，需要在心血管内打入适量造影剂，然后将C型臂造影机转到合适的角度，踩线之后获得造影图像，同时，我们利用图像采集卡，实时获取造影图像并将其数字化后传输至计算机。

2)预处理图像：根据在造影图像数据库内预先储存的处理流程，对图像进行预处理并增强。

3)标定图像：根据导管在造影图像上的像素宽度和已知导管规格，对图像进行标定。

4)分割图像：对经过预处理与标定的图像进行分割，将待分析的目标与背景分离，由预处理过程提供分割所需的先验知识。

5)测量图像：对图像兴趣区进行图像测量，由所述心血管造影图像数据库提供需要测量的图像特征.

4.按权利要求3所述的心血管造影图像分析方法，其特征是，所述的阈值分割方法采用的是二维自适应类间最大方差法。

5.按权利要求3所述的心血管造影图像分析方法，其特征是，所述的预处理增强图像方法采用的归一化后的多尺度下的Gabor滤波增强算法。

6.按权利要求3所述的心血管造影图像分析方法，其特征是，所述的图像标定方法采用的是鼠标移动实时显示导管分割图像。

7.按权利要求3所述的心血管造影图像分析方法，其特征是，所述的图像分割交互方法采用的是手动在心血管造影图的近端和远端各确定一个点，图像系统自动分割出用户兴趣区的血管边界。

Images