CN113436099B - 血管内光学相干层析成像两级导管伪影去除方法 - Google Patents

Abstract

本发明涉及一种血管内光学相干层析成像两级导管伪影去除方法，包括下列步骤：将光学相干层析成像图像中的管鞘伪影视为四层环状结构，收集包含管鞘伪影的光学相干层析成像图像样本集；得到消除第一和二层管鞘伪影的图像Ir(θ,ρ)；使用大津法将消除第一和二层管鞘伪影的图像Ir(θ,ρ)转化为二值图B(θ,ρ)；计算二值图B(θ,ρ)中单连通孤立区域，找出面积小于经验阈值τc的所有元素；标记外层管鞘伪影；于外层管鞘伪影中的像素，计算管鞘去除后的最终图像。

Description

血管内光学相干层析成像两级导管伪影去除方法

技术领域

本发明属于血管内光学相干层析成像图像处理技术领域，更为具体地讲，涉及一种血管内光学相干层析成像图像管鞘伪影去除。

背景技术

目前，冠心病是导致人类死亡的首要病因，且未来10年我国冠心病患病及死亡人数仍将快速增长。而冠状动脉粥样硬化是引发冠心病的主要原因。当脂质在冠状动脉内膜聚集后，会形成黄色的黄色粥样外观，因此又将其命名为冠状动脉粥样硬化。对于冠心病，传统的诊断方法一般为临床症状分析、心电图、血脂检测和运动负荷实验检测等。但这些方法的诊断准确性不高，有时还会造成冠心病的误诊和漏诊，并对患者造成一定程度的精神负担和经济压力。因此，冠心病的诊断预防需要医学影像技术的发展进行指导。

在医学诊断领域，医学影像技术是一门新兴的学科，具有十分巨大的发展潜力。在医学研究过程中，将物理场源以非侵入的方式施加在生物组织之后，生物组织由于所施加的物理场而产生物理特性变化，依据此变化按一定的规律将生物组织部分转化为视觉影像，这种技术称之为医学影像技术。通过医学影像技术，可以较为准确观察生物组织状况，观察是否发生生物组织病变以及病变情况，对生物组织情况进行定性和定量的评估，从而帮助医生进行更好得临床诊断。

光学相干断层扫描(Optical Coherence tomography简称OCT)是一种新兴的医学成像技术，该技术以光学相干理论为基础，具有高分辨率、成像速度快、非侵入特点，被广泛应用于血管内成像，是动脉粥样硬化疾病诊断的重要手段。但是，血管内光学相干层析成像(Intravascular Optical Coherence tomography简称IVOCT)图像中存在的管鞘伪影严重影响了血管内部图像，需要去除。

IVOCT图像中的管鞘伪影主要依据导管的先验信息进行去除。L.S.Athanasiou等人在2017年的Elsevier Science中发表的名为《基于冠状动脉成像的动脉粥样硬化斑块表征方法》(Atherosclerotic plaque characterization methods based on coronaryimaging)的文章中，直接根据导管先验信息去除掉管鞘伪影。专利CN108416769A《基于预处理的IVOCT图像易损斑块自动检测方法》和专利CN109118508A《IVOCT图像血管壁内腔轮廓提取方法》都采用将成像导管部分区域所对应的像素值都赋零的方法去除管鞘伪影。在此基础上Amrute J.M.等人在2018年的Journal of Biomedical OpticsJournal ofBiomedical Optics中发表名为《冠状动脉内光学相干层析成像的聚合血管内支柱和腔内检测算法》(Polymeric endovascular strut and lumen detection algorithm forintracoronary optical coherence tomography images)的文章中提出鞘层几何结构的过度简化导致部分聚合物支柱或管腔边界的缺失，为了准确删除保护鞘，采用沿鞘轮廓梯度行走的边缘检测方法去除管鞘伪影。

也可以通过形态学特征来区分出管鞘伪影。专利CN110717888A《一种血管内光学相干层析成像血管壁内轮廓自动识别方法》基于形态学的方向和面积特征对原始图像中的各个对象进行标记得到各个连通区域的方向及面积属性，去除导丝以及导管。专利US20120075638A1《血管内光学相干层析成像图像的分割和量化》(Segmentation andquantification for intravascular optical coherence tomography images)应用Otsu的方法来生成前景和背景像素的二进制图像，施加区域约束来去除小于某个阈值的面积的任何孤立区域，从而去除管鞘伪影。专利US20160174925A1《血管数据处理和图像配准系统，方法和器具》(Vascular data processing and image registration systems,methods,and apparatuses)利用导管的特征矢量方向与血管的特征矢量方向的差别来区分管鞘伪影。

发明内容

本发明的目的在于提供一种去除IVOCT图像中的管鞘伪影的方法，在保证管鞘伪影分割准确性的基础上，缩短了处理时间。本发明基于临床IVOCT图像中管鞘伪影的特点提出一种两级管鞘伪影去除(Two Stage Catheter Remove简称TSCR)算法，分为内层管鞘伪影识别和外层管鞘伪影识别两个部分。首先根据统计信息去除内层管伪影鞘，然后利用外层管鞘伪影非连续的特点将其去除，从而实现IVOCT图像中管鞘伪影的完全去除。从实验结果可知，本发明所设计的算法能够较好地去除IVOCT图像中的管鞘伪影，而且算法对于管鞘贴壁情况具有较好的鲁棒性。技术方案如下：

一种血管内光学相干层析成像两级导管伪影去除方法，包括下列步骤：

步骤一：将光学相干层析成像图像中的管鞘伪影视为四层环状结构，由内至外管鞘伪影的半径分别记为ρ₁、ρ₂、ρ₃和ρ₄，收集包含管鞘伪影的光学相干层析成像图像样本集，并对样本集中管鞘伪影半径做统计分析，通过高斯函数拟合得到，第二层和第四层管鞘直径的分布分别记为ρ₂～N(μ_ρ2,σ_ρ2)和ρ₄～N(μ_ρ4,σ_ρ4)，其中μ_ρ2,σ_ρ2和μ_ρ4,σ_ρ4分别为第二层和第四层管鞘半径高斯分布的期望和方差。

步骤二：设待处理极坐标OCT图像为I(θ,ρ)，设定极坐标OCT图像的坐标原点，θ和ρ为像素点的极坐标值，采用下述公式得到消除第一和二层管鞘伪影的图像I_r(θ,ρ)：

步骤三：使用大津法将消除第一和二层管鞘伪影的图像I_r(θ,ρ)转化为二值图B(θ,ρ)

步骤四：计算二值图B(θ,ρ)中单连通孤立区域，记为S_k(k＝1,2…K)，其中K为孤立区域总个数，全部离散区域的集合记为S＝{S₁,S₂…,S_K}，找出集合S中面积小于经验阈值τ_c的所有元素，构成集合S_T。

步骤五：将极坐标半径落入值[μ_ρ4+2σ_ρ4,μ_ρ4+2σ_ρ4]，且属于集合S_T的离散区域，标记为外层管鞘伪影。

步骤六：按照下述公式，对于外层管鞘伪影中的像素，计算管鞘去除后的最终图像：

附图说明

图1为本发明的两级管鞘伪影去除算法的完整流程图；

图2为不同IVOCT图像在极坐标和直角坐标中的管鞘分布；

图3为ρ₂和ρ₄管鞘半径概率分布图；

图4为依据ρ₂去除连续管鞘结果；

图5为不同阈值τ_c对管鞘伪影去除的影响结果；

图6为不同IVOCT图像在极坐标和直角坐标中管鞘伪影去除前后对比。

具体实施方式

结合附图和实施例对本发明的两级管鞘伪影去除算法加以说明。

如图2所示，在IVOCT图像中，临床图像采集过程中，导管回撤会发生抖动，迫使光纤旋转中心偏离导管轴线，内外层管鞘伪影不同心；由于光的衰减，外层管鞘伪影可能不连续且为非标准圆形；在狭窄血管处，导管可能紧贴血管壁，增加了管鞘伪影去除的难度。设4层管鞘光圈的半径分别为ρ₁、ρ₂、ρ₃和ρ₄，分析其特点可知，在极坐标图中内两层为连续的近似直线；第三层非连续近似直线，但不会与血管壁相接；第四层最为模糊，且可能与管壁接触。

图1是本发明的两级管鞘伪影去除算法的完整流程图，分为内层管鞘识别与外层管鞘识别两个部分。

内层管鞘去除的过程中，首先应对管鞘半径做统计分析。管鞘半径的真实值由人为标定得到。实验过程中假设管鞘半径的概率分布符合高斯分布，第二层和第四层管鞘直径的分布分别记为ρ₂～N(μ_ρ2,σ_ρ2)和ρ₄～N(μ_ρ4,σ_ρ4)，其中μ_ρ2,σ_ρ2和μ_ρ4,σ_ρ4分别为第二层和第四层管鞘半径高斯分布的期望和方差。管鞘半径的分布情况如图3所示，图像中实线部分为ρ₂的概率密度函数，虚线部分为ρ₄的概率密度函数。本例中，通过统计分析，测试样本集中的第二层和第四层管鞘半径的μ_ρ2＝71.3，σ_ρ2＝6.7，μ_ρ4＝101.5，σ_ρ4＝8.2。分析可知，对于ρ₂的概率分布，取95％的单侧置信区间，得到μ_ρ2+2σ_ρ2＝84.7，也即是ρ₂有95％的概率存在于图像第85行像素点以内；同样可计算ρ₄的5％的置信区间，得到μ_ρ4-σ_ρ4＝83.1，即ρ₄仅有5％的概率存在于图像第83行像素点以内。根据该分析可知，如果我们采用85作为阈值，去除管鞘伪影，则有约95％的概率完全去除内两层管鞘，只有约5％的概率去除外两层管鞘。

设图像为I(ρ,θ)，则内层管鞘去除后的图像为：

内层管鞘去除效果如图4所示。

外层管鞘伪影去除主要依据外层管鞘伪影非连续的特点。首先，使用大津法将图像I(θ,ρ)转化为二值图B(θ,ρ)。其次，计算对于二值图B(θ,ρ)中的单连通微小孤立区域，记为S_k(k＝1,2…K)，全部离散区域的集合记为S＝{S₁,S₂…,S_K}。找出集合S中面积小于某一阈值的所有元素，构成集合：

当离散区域的面积小于阈值τ_c之时，该离散区域被标记为外层管鞘伪影。此外，根据最外层管鞘的先验概率分布可知，外层管鞘半径95％的置信区间为[μ_ρ4+2σ_ρ4,μ_ρ4+2σ_ρ4]，因此只对落入该区间内的微小单连通区域进行去除。其中τ_c为超参数，需要根据经验选取。图5给出了分别选取τ_c为50、300和1200时的管鞘伪影去除结果。可以看出，如果τ_c选取过小，会导致部分管鞘部分难以去除；而τ_c的值过大时，有时会将图像中的管腔主体部分去除。在本例中，确定τ_c＝300为最终阈值。

综上所述，最终管鞘区域去除算法可由下式表示：

式中I_c(ρ,θ)为去除管鞘伪影的最终结果。

如图6所示，由上至下以此为管鞘去除前的极坐标图像、管鞘去除后的极坐标图像、管鞘去除前的直角坐标图像、管鞘去除前的直角坐标图像，由左至右图中管腔面积依次减小。随着管腔面积的减小，管鞘也渐渐向管腔内壁靠近。第1至3列图像中，管鞘基本处于管腔的中心部分，且不与管腔壁相连。而在第4列图像中，管腔面积较小，且部分管鞘贴在管腔内壁上。从图像中结果可以看出，本发明所设计的算法能够较好地去除IVOCT图像中的管鞘伪影，而且算法对于管鞘贴壁情况具有较好的鲁棒性。

本发明不局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的显而易见的等效或修改，都在本发明的保护之列。

Claims (1)

1.一种血管内光学相干层析成像两级导管伪影去除方法，包括下列步骤：

步骤一：将光学相干层析成像图像中的管鞘伪影视为四层环状结构，由内至外管鞘伪影的半径分别记为ρ₁、ρ₂、ρ₃和ρ₄，收集包含管鞘伪影的光学相干层析成像图像样本集，并对样本集中管鞘伪影半径做统计分析，通过高斯函数拟合得到，第二层和第四层管鞘直径的分布分别记为ρ₂～N(μ_ρ2,σ_ρ2)和ρ₄～N(μ_ρ4,σ_ρ4)，其中μ_ρ2,σ_ρ2和μ_ρ4,σ_ρ4分别为第二层和第四层管鞘半径高斯分布的期望和方差；

步骤二：设待处理极坐标OCT图像为I(θ,ρ)，设定极坐标OCT图像的坐标原点，θ和ρ为像素点的极坐标值，采用下述公式得到消除第一和二层管鞘伪影的图像I_r(θ,ρ)：

步骤三：使用大津法将消除第一和二层管鞘伪影的图像I_r(θ,ρ)转化为二值图B(θ,ρ)；

步骤四：计算二值图B(θ,ρ)中单连通孤立区域，记为S_k(k＝1,2…K)，其中K为孤立区域总个数，全部离散区域的集合记为S＝{S₁,S₂…,S_K}，找出集合S中面积小于经验阈值τ_c的所有元素，构成集合S_T；

步骤五：将极坐标半径落入值[μ_ρ4+2σ_ρ4,μ_ρ4+2σ_ρ4]，且属于集合S_T的离散区域，标记为外层管鞘伪影；

步骤六：按照下述公式，对于外层管鞘伪影中的像素，计算管鞘去除后的最终图像：

Images