CN103337096A - 一种冠状动脉ct造影图像钙化点检测方法 - Google Patents

Abstract

本发明公开了一种冠状动脉CT造影图像钙化点检测方法，利用已有的冠状动脉中轴线，首先提取该血管的感兴趣区域内各体素点的局部结构特征，然后利用球谐函数变换对局部结构特征量化得到特征向量，最后采用分类算法对所获得的特征向量进行分类，以确定体素点与训练数据集中的图像背景、血管腔及钙化点的局部结构特征近似程度，最终获得钙化点检测结果。本发明方法能够精确定位冠状动脉CT造影图像中位于冠状动脉血管壁上的钙化点，提高计算机辅助诊断的效率及准确率。

Description

一种冠状动脉CT造影图像钙化点检测方法

技术领域

本发明涉及一种冠状动脉CT造影图像钙化点检测方法，属于图像处理技术在医疗领域的应用。

背景技术

冠心病是威胁人类健康的一项严重疾病，多年来冠心病在国内外均位列人类致死原因的前几位。位于冠状动脉上的钙化点是冠心病的一个重要临床症状，正确识别钙化点及钙化的严重程度将有助于准确地进行冠心病诊断并制定最终治疗方案。为此，临床上采用普通的CT平扫方式在不注射造影剂的情况下测定冠状动脉的钙化分数（Calciumscoring）。但是近年来，随着冠状动脉CT造影成像方式的广泛使用，使得医生能够在检查冠状动脉血管腔狭窄情况的同时也能够观察位于血管壁上的钙化点病变情况。因此，在病人已经进行了冠状动脉CT造影检查的情况下，再对其进行CT平扫获得冠状动脉钙化分数将使得病人获得更多地射线照射剂量（一次CT平扫的放射剂量约为0.5～1.5mSv）。如果能采用自动或半自动的方法在CT造影图像中进行钙化点检测，将能有效地减少病人的射线剂量，并提高医生诊断效率及准确率。但由于CT造影图像中造影剂的使用，使得冠状动脉血管腔、心腔等组织均呈现出较高CT值（如图1所示），且这一数值的范围随采集参数、采集设备的不同而变化，如果采用CT平扫数据中常用的阈值法，会出现过分割或欠分割的情况。因此，亟需提供新的计算机检测算法对冠状动脉CT造影数据中的钙化点进行检测，提高钙化点检测的准确率。

由于冠状动脉CT造影图像中的心腔和血管等都呈现出较高的CT值，但该CT值范围随着图像采集、造影剂注射等参数的不同而存在较大差异，而且还会受到部分体积效应的影响。因此，目前用于CT平扫图像测定钙化分数的阈值法难以在此类图像中自动准确地定位出血管钙化点。

发明内容

发明目的：为了克服血管内造影剂形成的高CT值的干扰，准确的定位位于血管壁上的钙化点，本发明提供一种冠状动脉CT造影图像中血管钙化点的方法，能够较为精确地定位冠状动脉血管壁上的钙化点，从而提高诊断的效率及准确性，同时使得后续的相关量化分析提供有力地保障。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种冠状动脉CT造影图像钙化点检测方法，包括如下步骤：

（1）计算感兴趣区域中的各体素点的局部结构特征向量；

（2）根据步骤（1）得到的局部结构特征向量对各体素点所属的区域类型进行分类，判断各体素点是否为钙化点；

（3）将步骤（2）得到的分类结果进行阈值后处理，得到最终的钙化点检测结果。

由于CT造影数据中血管腔为高亮度的管状结构，而钙化点为体积较小的更高亮度斑点，因此，获取图像的局部结构形态特征并对该特征进行量化，最终将能获得钙化点检测结果。具体地，我们首先在一系列球形区域中获取图像的局部结构特征，然后利用球谐函数变换具有旋转不变性的特点，将局部特征通过球谐函数变换表示为特征向量形式，通过判断这一特征向量与已知背景、血管腔及钙化点特征向量的近似程度，最终得到血管钙化点检测结果。因此，所述步骤（1）具体包括如下步骤：

（11）首先在感兴趣区域中的体素点v上定义一个以v为球心r为半径的球S，然后在S球面上定义N个均匀分布的点q_i，i＝1,2,...,N；在v与q_i的连线上取等间隔M个点p_j，j＝1,2,...,M，根据p_j在体数据空间中的坐标位置，利用临近体素点的图像灰度值插值得到p_j点的图像灰度值，如果p_j与p_j+1两点的灰度值差达到了设定阈值，即：

I(p_j)-I(p_j+1)＞T_I，

其中，I(p)表示p点处的图像灰度值；T_I表示设定阈值，设定为v点处的图像灰度值I(v)的0.1倍；如果满足上式，则计算下p_j点至球心v的距离，并判断该距离是否超过了设定阈值（通常设定为半径r的0.8倍），若超过则记录下q_i点在S球面上的位置；

（12）对记录下的q_i点的坐标，计算在最高截断次数为b时的球谐函数变换，即将q_i点的坐标表示为一系列球谐函数和的形式：

$f(\mathrm{\θ},\mathrm{\φ})=\underset{l=0}{\overset{b}{\mathrm{\Σ}}}\underset{m=-1}{\overset{l}{\mathrm{\Σ}}}{a}_{\mathrm{lm}}{Y_l}^m(\mathrm{\θ},\mathrm{\φ}),$

其中，Y_l ^m为m阶l次的球谐函数，a_lm为Y_l ^m对应的系数，截断次数b通常设定为5；然后利用计算所得的球谐函数系数a_lm分别计算在次数l等于0,1,...,b时球谐函数变换的L₂范数，即：

$t_l^r=\left|\right|\underset{m=-1}{\overset{l}{\mathrm{\Σ}}}{a}_{\mathrm{lm}}{Y_l}^m(\mathrm{\θ},\mathrm{\φ})\left|\right|,l=\mathrm{0,1},...,b,$

并将得到的L₂范数作为体素点v在球S半径为r时的局部结构特征向量t^r，即：

$t^r=(t_0^r,t_1^r,...,t_b^r);$

（13）改变r的大小，重复步骤（11）和（12）；然后将同一体素点v在r取值不同时获得的局部结构特征向量t^r连接成一个向量，构成体素点v的局部结构特征向量t；

（14）对感兴趣区域中的各体素点均进行步骤（11）、（12）和（13）中的操作，得到各体素点的局部结构特征向量。

所述步骤（2）具体为：首先利用已知的分别属于钙化点、冠状动脉血管腔以及背景体素的局部结构特征向量作为训练数据，训练分类器；再利用训练好的分类器对未知体素点的局部结构特征向量进行分类，计算该未知体素点的局部结构特征向量与钙化点、冠状动脉血管腔以及背景体素的局部结构特征向量的近似程度，最终由分类器给出未知体素点所属的类型为钙化点、冠状动脉血管腔或背景体素。该步骤也可以理解为判断未知体素点与真实钙化点所具有的局部结构特征向量的相似性，在具体操作时可按如下方式进行：

（21）建立用于训练分类器的训练数据集；具体而言，首先对数据集中感兴趣区域内的体素点进行局部结构特性向量计算；再由专家对各体素点所属的类型（钙化点、冠状动脉血管腔或背景体素）进行手工标记；然后利用不同体素点的局部结构特征向量训练分类器；

（22）再利用训练好的分类器对待处理图像中计算得到的各体素点的局部结构特性向量进行分类，最终由分类器给出未知体素点所属的类型为钙化点、冠状动脉血管腔或背景体素。

所述步骤（3）具体为：首先计算步骤（2）中被分类为冠状动脉血管腔的体素点的图像灰度均值T_L，然后判断步骤（2）中被分类为钙化点的体素点的像素是否大于一个基于T_L计算得到的阈值，若大于则判断该体素点为检测到的钙化点。

有益效果：本发明提供的冠状动脉CT造影图像钙化点检测方法，通过获取图像局部几何形态特征，并利用球谐函数变换量化这一特征，并根据特征向量对体素点类型加以判断，从而较为精确地定位钙化点；本方法能够有效地避免阈值法所造成的过分割或欠分割的情况，并能克服部分体积效应的影响；此外，由于分类器将像素分为背景、血管腔和钙化点三类，所以该方法还能获得血管腔的大致分割结果，这将为后续血管狭窄检测、狭窄程度的量化评估打下了良好的基础。

附图说明

图1为冠状动脉CT造影图像；

图2为本发明的流程图；

图3为在体素点v处的定义的球面S及位于球面上的采样点q_i；

图4为提取的冠状动脉中轴线；

图5为由形态学膨胀算子生成的感兴趣区域；

图6为利用一系列球形区域提取局部结构特征的示例；

图7为钙化点检测结果。

具体实施方式

下面结合附图对本发明作更进一步的说明。

一种冠状动脉CT造影图像钙化点检测方法，利用已有的冠状动脉中轴线，首先提取该血管的感兴趣区域内各体素点的局部结构特征，然后利用球谐函数变换对局部结构特征量化得到特征向量，最后采用分类算法对所获得的特征向量进行分类，以确定体素点与训练数据集中的图像背景、血管腔及钙化点的局部结构特征近似程度，最终获得钙化点检测结果。

所述感兴趣区域的生成步骤为：

a．对三维冠状动脉CT造影图像进行插值，得到等分辨率的三维体数据，在本实施例中，三维体数据体素的大小设定为0.7×0.7×0.7mm³；

b．对体数据中的冠状动脉中轴线进行提取，可以采用G.Yang等人的文章“Automaticcenterline extraction of coronary arteries in coronary computed tomographic angiography”，International Journal of Cardiovascular Imaging，2012Apr，vol.28，no.4，pages921-33中所描述的方法，得到图像中的冠状动脉中轴线（如图4所示）；

c．采用计算机形态学中的膨胀算子对步骤b所得中轴线进行膨胀，得到如图5所示的感兴趣区域。

所述膨胀算法中采用球形掩膜，球形掩膜的半径通常设定为8个体素。膨胀算法可以应用于如图3所示的某一根血管中轴线上生成该血管的感兴趣区域，也可应用于所有血管的中轴线上，生成所有冠状动脉的感兴趣区域。

如图2所示为基于本发明思想的实施例的操作过程，包括如下步骤：

（1）计算感兴趣区域中的各体素点的局部结构特征向量；具体包括如下步骤：

（11）首先在感兴趣区域中的体素点v上定义一个以v为球心r为半径的球S，然后在S球面上定义如图3所示的N个均匀分布的点q_i，i＝1,2,...,N；在v与q_i的连线上取等间隔M个点p_j，j＝1,2,...,M，根据p_j在体数据空间中的坐标位置，利用临近体素点的图像灰度值插值得到p_j点的图像灰度值，如果p_j与p_j+1两点的灰度值差达到了设定阈值，即：

I(p_j)-I(p_j+1)＞T_I，

其中，I(p)表示p点处的图像灰度值；T_I表示设定阈值，设定为v点处的图像灰度值I(v)的0.1倍；如果满足上式，则计算下p_j点至球心v的距离，并判断该距离是否超过了设定阈值（通常设定为半径r的0.8倍），若超过则记录下q_i点在S球面上的位置；

（12）对记录下的q_i点的坐标，计算在最高截断次数为b时的球谐函数变换，即将q_i点的坐标表示为一系列球谐函数和的形式：

$f(\mathrm{\θ},\mathrm{\φ})=\underset{l=0}{\overset{b}{\mathrm{\Σ}}}\underset{m=-1}{\overset{l}{\mathrm{\Σ}}}{a}_{\mathrm{lm}}{Y_l}^m(\mathrm{\θ},\mathrm{\φ}),$

其中，Y_l ^m为m阶l次的球谐函数，a_lm为Y_l ^m对应的系数，截断次数b通常设定为5；然后利用计算所得的球谐函数系数a_lm分别计算次数l等于0,1,...,b时球谐函数变换的L₂范数，即：

$t_l^r=\left|\right|\underset{m=-1}{\overset{l}{\mathrm{\Σ}}}{a}_{\mathrm{lm}}{Y_l}^m(\mathrm{\θ},\mathrm{\φ})\left|\right|,l=\mathrm{0,1},...,b,$

并将得到的L₂范数作为体素点v在球S半径为r时的局部结构特征向量t^r，即：

$t^r=(t_0^r,t_1^r,...,t_b^r);$

（13）改变r的大小，重复步骤（11）和（12）；然后将同一体素点v在r取值不同时获得的局部结构特征向量t^r连接成一个向量，构成体素点v的局部结构特征向量t；r的大小通常选择6～16个体素；

图6中给给出了当v位于一个冠状动脉分叉点时利用上述步骤提取局部结构特征向量的例子，6(b)为在6(a)中的v点处，r取6至16个体素时记录下的q_i点的位置（为清楚显示记录下的q_i点的位置，图中显示为q_i和v点的连线），可见随着r的增大，q_i的数目逐渐减少，记录下的q_i均位于血管分支内；

（14）对感兴趣区域中的各体素点均进行步骤（11）、（12）和（13）中的操作，得到各体素点的局部结构特征向量；

（2）根据步骤（1）得到的局部结构特征向量对各体素点所属的区域类型进行分类，判断各体素点是否为钙化点；即判断未知体素点与真实钙化点所具有的局部结构特征向量的相似性；具体操作过程为：

（21）建立用于训练分类器的训练数据集；具体而言，首先对数据集中感兴趣区域内的体素点进行局部结构特性向量计算；再由专家对各体素点所属的类型（钙化点、冠状动脉血管腔或背景体素）进行手工标记；然后利用不同体素点的局部结构特征向量训练分类器；

（22）再利用训练好的分类器对待处理图像中计算得到的各体素点的局部结构特性向量进行分类，最终由分类器给出未知体素点所属的类型为钙化点、冠状动脉血管腔或背景体素；

（3）将步骤（2）得到的分类结果进行阈值后处理，得到最终的钙化点检测结果；具体为：首先计算步骤（2）中被分类为冠状动脉血管腔的体素点的图像灰度均值T_L，然后判断步骤（2）中被分类为钙化点的体素点的像素是否大于一个基于T_L计算得到的阈值，若大于则判断该体素点为检测到的钙化点；最终得到如图7所示的钙化点检测结果。

所述步骤（2）中，分类器可以采用如支持向量机（Support vector machine，简称SVM）等分类器。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种冠状动脉CT造影图像钙化点检测方法，其特征在于：包括如下步骤：

（1）计算感兴趣区域中的各体素点的局部结构特征向量；

（2）根据步骤（1）得到的局部结构特征向量对各体素点所属的区域类型进行分类，判断各体素点是否为钙化点；

（3）将步骤（2）得到的分类结果进行阈值后处理，得到最终的钙化点检测结果。

2.根据权利要求1所述的冠状动脉CT造影图像钙化点检测方法，其特征在于：所述步骤（1）具体包括如下步骤：

（11）首先在感兴趣区域中的体素点v上定义一个以v为球心r为半径的球S，然后在S球面上定义N个均匀分布的点q_i，i＝1,2,...,N；在v与q_i的连线上取等间隔M个点p_j，j＝1,2,...,M，根据p_j在体数据空间中的坐标位置，利用临近体素点的图像灰度值插值得到p_j点的图像灰度值，如果p_j与p_j+1两点的灰度值差达到了设定阈值，则计算p_j点至球心v的距离，如果该距离超过了设定阈值，则记录下q_i点在S球面上的位置；

（12）对记录下的q_i点的坐标，计算在最高截断次数为b时的球谐函数变换；然后利用计算所得的球谐函数系数分别计算在0,1,...,b次数时球谐函数变换的L₂范数，并将得到的L₂范数作为体素点v在球S半径为r时的局部结构特征向量t^r；

（13）改变r的大小，重复步骤（11）和（12）；然后将同一体素点v在r取值不同时获得的局部结构特征向量t^r连接成一个向量，构成体素点v的局部结构特征向量t；

（14）对感兴趣区域中的各体素点均进行步骤（11）、（12）和（13）中的操作，得到各体素点的局部结构特征向量。

3.根据权利要求1所述的冠状动脉CT造影图像钙化点检测方法，其特征在于：所述步骤（2）具体为：首先利用已知的分别属于钙化点、冠状动脉血管腔以及背景体素的局部结构特征向量作为训练数据，训练分类器；再利用训练好的分类器对未知体素点的局部结构特征向量进行分类，计算该未知体素点的局部结构特征向量与钙化点、冠状动脉血管腔以及背景体素的局部结构特征向量的近似程度，最终由分类器给出未知体素点所属的类型为钙化点、冠状动脉血管腔或背景体素。

4.根据权利要求1所述的冠状动脉CT造影图像钙化点检测方法，其特征在于：所述步骤（3）具体为：首先计算步骤（2）中被分类为冠状动脉血管腔的体素点的图像灰度均值T_L，然后判断步骤（2）中被分类为钙化点的体素点的像素是否大于一个基于T_L计算得到的阈值，若大于则判断该体素点为检测到的钙化点。

Images