基于最小路徑的血管圖像分割算法.pdf

1、血管類(lèi)疾病已經(jīng)成為了世界范圍內(nèi)高死亡率、高致殘率、高醫(yī)療風(fēng)險(xiǎn)的疾病之一。現(xiàn)代醫(yī)學(xué)對(duì)血管類(lèi)疾病的診斷和治療常常需要借助一些成像工具對(duì)獲取的血管數(shù)據(jù)進(jìn)行成像和觀察，對(duì)疑似病灶，如軟斑塊，鈣化等進(jìn)行判斷和確認(rèn)?，F(xiàn)在已經(jīng)有大量的研究致力于醫(yī)學(xué)臨床血管精確成像，其中血管分割是精確成像，量化血管疾病，幫助臨床診斷的關(guān)鍵步驟。然而，血管分割依然是一個(gè)具有挑戰(zhàn)性的難題，這是因?yàn)檠軘?shù)據(jù)不同的獲取方法，血管復(fù)雜多變的形態(tài)，多種病理學(xué)特征以及血管周?chē)鷱?fù)雜的

2、生理環(huán)境都會(huì)影響血管分割效果。
　　最小路徑方法可以有效地找到兩個(gè)點(diǎn)之間累積代價(jià)最小的路徑，通過(guò)待提取的特征來(lái)構(gòu)造代價(jià)函數(shù)，從而可以提取兩點(diǎn)之間的類(lèi)曲線結(jié)構(gòu)。最小路徑方法已經(jīng)被作為血管提取的有效方法之一。最小路徑方法雖然有著諸多優(yōu)點(diǎn)，如搜索速度快，可以有效地定位細(xì)小血管以及克服血管交叉點(diǎn)和一些病灶引起的血管灰度分布不均勻?qū)е路指罱Y(jié)果不準(zhǔn)確的情況等，但是對(duì)于其在血管中軸線及血管結(jié)構(gòu)提取上的應(yīng)用還存在一定問(wèn)題，主要有端點(diǎn)問(wèn)題，短接問(wèn)題

3、以及代價(jià)累積問(wèn)題這三個(gè)問(wèn)題。
　　為了克服上述三個(gè)問(wèn)題，本文在最小路徑方法中引入回溯技術(shù)，進(jìn)而給出了提取類(lèi)曲線結(jié)構(gòu)的MPPBT(minimal path propagation with backtracking)方法。通過(guò)在最小路徑搜索中執(zhí)行三種類(lèi)型的回溯操作，包括回溯累加終點(diǎn)操作，回溯能量降低操作以及回溯速度計(jì)算，MPPBT方法實(shí)現(xiàn)了只需要一個(gè)起始點(diǎn)，就可以有效地搜索出圖像中完整的特征區(qū)域，并實(shí)現(xiàn)搜索地自動(dòng)化停止，最終準(zhǔn)確地提

4、取出類(lèi)曲線結(jié)構(gòu)。但是，在最小路徑方法中引入回溯技術(shù)后，會(huì)導(dǎo)致一個(gè)新的問(wèn)題:閉環(huán)問(wèn)題。本文在闡述閉環(huán)問(wèn)題產(chǎn)生原因的基礎(chǔ)之上，給出了局部MPPBT方法來(lái)解決閉環(huán)問(wèn)題。
　　本文使用了血管中軸線的對(duì)稱(chēng)凸性來(lái)描述其特征能量函數(shù)，繼而使用MPPBT方法來(lái)快速有效地提取出血管中軸線。在精確的血管中軸線結(jié)果的基礎(chǔ)之上，本文又給出了基于中軸線約束和最小路徑搜索技術(shù)的CCMPP(centerline constraint-minimal path

5、propagation)算法來(lái)進(jìn)行血管提取。其中，中軸線約束包括能量約束和半徑約束兩種類(lèi)型的約束。CCMPP算法利用回溯操作來(lái)實(shí)現(xiàn)最小路徑搜索的自動(dòng)化停止。本文給出的完整的血管分割算法在處理相同類(lèi)型的血管數(shù)據(jù)時(shí)，只需要單獨(dú)設(shè)置起點(diǎn)位置，其余的算法參數(shù)即使保持不變也可以魯棒地實(shí)現(xiàn)血管分割。
　　本文使用了二維冠狀動(dòng)脈造影圖像，三維冠狀動(dòng)脈數(shù)據(jù)，二維視網(wǎng)膜數(shù)據(jù)，三維頸動(dòng)脈數(shù)據(jù)，和三維腎臟動(dòng)脈數(shù)據(jù)五種不同類(lèi)型的血管圖像數(shù)據(jù)來(lái)進(jìn)行算法有效