陳芳，馬龍飛，廖洪恩

清華大學 醫(yī)學院 生物醫(yī)學工程系，北京 100084

影像引導血管內精準介入診療

陳芳，馬龍飛，廖洪恩

清華大學 醫(yī)學院 生物醫(yī)學工程系，北京 100084

血管類疾病作為全球頭號死因，其診斷與治療已受到越來越多的關注。由于創(chuàng)傷小、恢復時間短及術后并發(fā)癥少等原因，微創(chuàng)介入診療成為血管內疾病治療的新趨勢。而血管內介入診療需要借助于術中影像的引導，如術中2D X線透視圖。但是X線透視圖引導的方式存在以下問題：術前影像的定量分析不足；缺少對介入裝置及組織的三維實時影像且影像顯示方式不直觀；術中依賴重復的X線照射會帶來安全隱患。針對這些問題，本文從基于影像分析的術前先驗、術前術中影像結合及引導、直觀的影像顯示3方面展開，提出了術中無輻射的影像引導血管內介入診療方法，為醫(yī)生提供3D定量、顯示直觀的影像引導信息，輔助血管內診療。

圖像引導；血管內診療；三維直觀；無輻射

1 研究背景

2015年美國最新研究報告顯示血管類疾病已成為全球頭號死因[1]，每年死于血管類疾病的人數多于任何其他死因。隨著人口的老齡化，預計在很長的一段時間內，血管類疾病將繼續(xù)成為單個首要死因[2]。血管內微創(chuàng)介入手術具有創(chuàng)傷小、術后恢復快、并發(fā)癥少等優(yōu)點，是血管類疾病治療的重要手段，并得到了不斷推廣與應用。而影響血管內微創(chuàng)介入手術效率與手術成功率的關鍵因素之一是術中影像導航的直觀性和準確度[3]。

血管內微創(chuàng)介入臨床手術中，醫(yī)生通過屏幕上2D血管造影和X線透視圖，憑經驗在腦中想象三維組織結構，判斷導管插入的路徑與到達的位置和植入支架的位姿。該影像引導血管內介入診療方式存在以下問題：

（1）對術前影像定量分析不足，未能給醫(yī)生提供病情嚴重等級的先驗信息和組織變形信息等，且術前影像未在術前高效使用。

（2）為了實時追蹤導管位置，醫(yī)生需要術中重復注射造影劑進行X-線照射，使醫(yī)生和患者被暴露在大量的射線輻射下，造成安全隱患。

（3）醫(yī)生基于2D血管造影圖像定性判斷血管分支位置和支架距離血管目標的距離，會導致支架放置位置不準確。特別是對血管狹窄嚴重的病人，通過2D影像難以準確確定血管狹窄的位置，會引起支架放置位置誤差。血管內介入微創(chuàng)手術中放置支架是通過人體自然血管通道到達血管病變區(qū)，導管植入過程中血管分支會帶來路徑干擾，影響導管快速到達病變目標區(qū)，導致手術時間延長。所以2D的X線透視圖或血管造影無法提供給醫(yī)生三維的解剖信息，影響手術成功率和導管插入時間。

（4）手術過程中，醫(yī)生從2D屏幕獲取引導影像信息，容易造成手眼不協(xié)調的問題。

為解決臨床血管內微創(chuàng)診療導航手術存在的問題，國內外相關研究不斷展開。首先，為了實現影像定量分析，Sandhu等[4]通過實現血管造影圖自動分割算法，對血管異常、血管堵塞嚴重程度進行定量評估。但基于2D血管造影圖的分析方法，會因不合適的投影角度使圖像出現線性放大，導致定量評估精度低。血管內超聲（Intravascular Ultrasound，IVUS）作為介入式血管內成像新方式，臨床證明IVUS比傳統(tǒng)的血管造影對血管成像更清晰，對血管鈣化和斑塊程度的診斷更準確。Wong等[5]比較了血管造影、血管鏡和血管內超聲影像對病變血管的管腔直徑和面積的評估，認為血管內超聲可以正確評估管腔直徑大小和內膜缺陷。關于IVUS影像自動分割算法也相繼展開[6-7]，如利用一些曲線變形和統(tǒng)計學分類的方法。但這些算法需要醫(yī)生進行較復雜的參數設置且對噪聲敏感。特別是對IVUS圖像中存在的偽影噪聲、Ring-down噪聲、導絲噪聲和斑塊弱邊緣等。除了結構影像，一些研究也從血管功能成像出發(fā)，采用吲哚青綠（Indocyanine Green，ICG）熒光染料，利用熒光分子成像對血管進行細胞分子水平成像[8-9]，但受限于光學成像的約束、功能成像深度淺，只能實現血管表層微米級成像。

其次為了解決術中X線過度輻射問題，Sandhu等[4]提出利用電磁線圈定位系統(tǒng)跟蹤導管導絲的方式來取代傳統(tǒng)的基于X線透視圖的追蹤方式。但是單一的電磁定位信息并不能直觀反映導絲導管與目標血管區(qū)域的距離，所以在臨床應用中需結合部分術中X線透視圖或者血管造影圖，這樣的方式并不能顯著解決輻射量問題。一些研究也提出將磁定位和術前CT影像結合，但該方式缺少術中組織成像，缺少術中組織變形信息，影響導航精度[10]。此外，一些研究利用超聲來取代X線透視圖，引導血管內診療導航。Onogi等[11]提出利用3D超聲引導，來判斷血管分支與流向并重建血管網來實現血管內治療。Ormesher等[12]提出利用3D對比度增強的超聲來引導血管內導航。但是，術中實時3D超聲影像在臨床手術中的使用率比較低，所以該方式的臨床實用性需進一步提高，而且多普勒超聲作為血管常用的成像方式，并沒有被有效使用。作為血管內導航方式，利用單一模態(tài)的超聲影像，其導航精度難以滿足臨床需求。

為了使術中導航影像更直觀，為醫(yī)生提供三維解剖信息，一種利用多方向透視圖來重建3D影像、提供三維導航信息的方法被提出[13]。但這樣的方式至少需要3個方向的透視圖，才能完成重建，會延長手術時間，且增加了術中輻射量。George等[14]通過外部標志點實現術前MR與術中X-ray影像的融合來引導介入手術，模型實驗精度為2.4 mm，未進行動物或病人實驗，難以滿足臨床應用準確性要求。一些研究[15-16]也提出將X-ray透視圖與IVUS進行融合，通過在X透視圖中分割出血管的中心線，來實現IVUS序列的重排，為醫(yī)生提供一個具有三維結構的目標血管，但這樣的方式受限于IVUS成像深度問題，無法直觀反映出血管分支信息，且提供的三維信息不全，周圍組織三維解剖信息無法呈現。這樣的結合方式自動化程度差，一般需要醫(yī)生進行手動干預，臨床實用性低。

為解決現有血管內微創(chuàng)介入方式的不足，相關的醫(yī)療公司也提出了一些解決方案。如美國強生公司開發(fā)的CARTO Merge（Biosense Webster，USA）系統(tǒng)[17]和圣猶達醫(yī)療公司開發(fā)的EnsiteNavX（St Jude Medical，USA）系統(tǒng)[18]將術前影像和心肌組織三維重建圖進行結合為醫(yī)生提供三維導航信息，采用磁電雙定位（Advanced Catheter Location，ACL）原理，通過電場感知定位導管。該系統(tǒng)能減少射線輻射，但主要基于術前影像，術中實時結構影像信息少，無法提供給醫(yī)生定量的血管診斷信息，且設備較昂貴。

上述相關研究未能解決臨床中影像引導血管內介入診療的不足，所以本文從基于影像分析的術前先驗、術前術中影像結合與引導、直觀的血管內影像引導顯示3個方面展開，提出了術中無輻射的影像引導血管內介入診療方法，為輻射量少、3D定量、顯示直觀的影像引導輔助血管內診療的實現提供新思路。

2 影像引導血管內精準介入診療中的關鍵技術

2.1 基于術前影像精確分析的先驗信息

2.1.1 基于CTA影像的血管變形分析

以頸動脈為研究對象，Ohya等[19]分析了頸動脈周圍骨骼（如頭骨頜段、頸椎等）對頸動脈5個分支點變形的影響。利用一些常用的醫(yī)學影像處理軟件如Mimics、3D slicer對6組病人的兩類CT血管影像（CTA）進行分割處理，提取出頸動脈周圍骨骼以及頸動脈并標識出5個重要的分支點。為保證分割的準確性，以同一個病人兩類CTA數據集分割得到的骨對象的DICE系數＞0.95為檢測標準。CT掃描過程中，病人位姿的不一致（如仰臥位、俯臥位及側臥位）會導致不同病人術前CTA坐標系的不一致。為了保證采集到的多組病人數據在相同的坐標系下，引入了一個新的標準化的坐標系統(tǒng)。該坐標系統(tǒng)以頜面骨段的慣性主軸為主方向建立。把兩類CTA影像中得到的骨模型及頸動脈模型過渡到該標準化坐標系后，通過圖像配準的方式，獲得兩類骨模型及頸動脈模型之間的變形量，該變形通過X、Y、Z三個軸方向的平移和旋轉歐拉角來表示。為實現兩類點集模型的精確配準，使用迭代最近點（Iterative Closest Point，ICP）算法。最后通過線性回歸的方式，分析周圍骨組織位移與頸動脈變形之間的關系?；贑TA影像的血管變形分析，確定頸動脈變形先驗信息，為術中提高導管導航的準確性，提供一定參考。如利用非侵入式的骨固定轉置或者侵入式的頭銷方式來減少周圍骨移位，防止頸動脈變形。或者通過術中周圍骨影像與術前骨影像位移測定量來矯正術中頸動脈變形，而不需要術中血管造影成像，從而減少術中輻射量和造影劑的使用。

2.1.2 基于IVUS影像處理的斑塊等級分析

血管內超聲（IVUS）成像是一種基于導管的血管內成像技術，可用于輔助診斷血管疾病如動脈粥樣硬化。IVUS圖像分析或管腔膜和內外膜的自動識別是血管形態(tài)學特征定量分析的關鍵步驟，也為評估病人斑塊嚴重程度提供了參考。血管內超聲影像的自動分析是一個復雜的過程，存在著各種圖像噪聲（如導絲和環(huán)狀偽影等），為提高自動分割的精度，提出了一種將圖像紋理特征與血管膜曲線形態(tài)特征結合的IVUS影像分割方法。該方法先提取圖像的laws紋理特征后，通過訓練得到有監(jiān)督的支持向量機分類器[20]。通過圖像測試，得到基于紋理特征的分類結果，利用該分類結果與曲線變形模型[21]（如參數變形模型和幾何變形模型）結合，實現自動初始曲線獲取，自動變形參數調整以及對圖像噪聲的去除。該方法將圖像紋理和血管輪廓拓撲結構結合，克服了傳統(tǒng)的變形模型分割算法的不足，可實現自動的IVUS圖像術前分析，且參數和初始曲線的自動設置大大減少了臨床醫(yī)生繁雜的手動輔助過程。

2.2 術前、術中影像與電磁定位結合實現術中無輻射影像引導

2.2.1 術前與術中影像融合技術

在血管內介入診療手術中，2DUS或者X-ray影像由于實時成像的特性，往往被用于對術中組織或者介入導管及設備的成像。但是受限于圖像質量和2D影像的限制，單一的術中影像常難以滿足臨床需求。術前高質量的CT/MR影像不僅可用于術前診斷，且通過術前術中影像的融合，可提高術中影像的清晰度和影像范圍來提供更有效的影像導航信息。在血管內介入診療手術中，為了減少X線輻射，術中US作為血管血流成像的重要影像模態(tài)，可用于術中導航。

但是US影像成像質量低、成像范圍有限且對骨頭等組織穿透力差，需要與高質量的術前影像融合，來提高術中影像的清晰度。但是，由于兩種影像維度和模態(tài)的差異，實時的術前與術中影像融合是一個挑戰(zhàn)[22]。為解決該問題，在術前利用一個已標定的三維超聲探頭進行一次掃描，得到術前3D超聲影像，并記錄探頭在跟蹤定位系統(tǒng)轉置下的位姿。對術中2D超聲探頭，同樣在探頭上固定定位小球或線圈，實時記錄2D超聲探頭在術中掃描時在跟蹤定位系統(tǒng)下的位姿。為了獲得2DUS和3DUS的粗配準關系，需要融合2DUS探頭和3DUS探頭的標定矩陣和（標定矩陣代表了超聲圖像坐標系與超聲探頭坐標系之間的轉換關系）和2D、3D超聲探頭的位姿信息（如公式1）。對于不同的超聲探頭，將選擇不同的探頭標定方法，對于2D探頭，設計N-線標定板。改變標定板中的繞線方式，可得到IXI線標定板，用于3D超聲探頭的標定。2DUS與3DUS的粗配準關系由下式求得：

基于粗配準關系，利用圖像信息進一步實現2D-3DUS圖像的精配準?？紤]到2D-3DUS具有相同的圖像模態(tài)，圖像歸一化相關系數是圖像間配準優(yōu)化度量的合適選擇，同時結合Powell優(yōu)化方式得到最優(yōu)的配準參數。為實現術前3DUS和3DMR的配準，對兩組術前影像進行分割處理后，得到組織模型，并在3DSlicer平臺下手動完成兩者的配準，獲得配準關系。融合2DUS-3DUS同模態(tài)配準和3DUS-3DMR同維度配準，最終得到術前3DMR-術中2DUS間不同維度不同模態(tài)配準關系，如下式

Chen等[23]提出的配準框架將大部分任務（如超聲標定、耗時的三維配準等）在術前完成，術中只需完成基于圖像信息的局部微調，故可保證配準的速度和精度。以一個動態(tài)的心臟模型為研究對象，搭建實驗平臺，得到的2DUS與3DMR配準結果，見圖1。經融合后，術中2DUS與術前3DMR中心室輪廓可實現匹配。

圖1 術中術前影像融合圖

人體正常的呼吸作用會引起組織變形，給圖像的配準融合帶來困難。為解決該問題，為醫(yī)生提供更精確的影像信息，一種基于可變彈簧模型的非剛性配準方法被提出[24]，通過加入一個物理約束項來保證變形中不違背器官的彈性特征。假設人體器官為彈性體，利用與連接各相鄰體素的3D彈簧體作為模擬。配準中以B樣條變形的非剛性方式，配準優(yōu)化度量是圖像信息與彈簧勢能相結合：

其中，Ei代表圖像信息，Ep為彈簧勢能，α為權重變量對于同模態(tài)影像，圖像信息選擇平方差，對于不同模態(tài)影像選擇互信息作為圖像信息。該方法不但考慮了不同組織圖像信息的一致而且考慮了組織彈性特性（如硬度和柔軟度）。該方法對變形影像配準精度高，能更好去除呼吸作用影響。

2.2.2 術前CT/MR影像、術中US結合磁定位引導血管內介入診療

傳統(tǒng)的術中X-ray影像引導方式，只能提供給醫(yī)生2D的組織結構信息和介入導管的2D相對位置信息。而且術中需要大量重復的X線輻射并對病人重復注射造影劑。為了實現術中無輻射情況下的血管分支判別，提出了一種結合術中Freehand 2D超聲（Doppler 效應）、術前3DCT及電磁定位的圖像引導血管內導管介入的方式[25]。跟蹤系統(tǒng)坐標系下，介入導管的路徑和位置通過電磁線圈定位的方式獲得。術中Freehand 3D US運行在功率Doppler狀態(tài)，將得到的US圖像、導管路徑與術前影像結合，可獲得精確的術中血管3D圖像，提供給醫(yī)生目標血管與導管的相對位置信息，進行術中無輻射的影像引導。

該導航方式涉及3個重要的坐標系：病人坐標系、跟蹤系統(tǒng)坐標系和術前圖像坐標系，這些坐標系統(tǒng)之間的相互轉換流程，見圖2。由于導管路徑是在電磁跟蹤系統(tǒng)坐標系下探測的，所以導管路徑能直接過渡到跟蹤系統(tǒng)坐標系下?？紤]到所記錄的導管路徑會受到噪聲點的影響，使用最小二乘樣條曲線擬合，得到一個光滑的導管路徑。Freehand的Doppler超聲圖像利用探頭標定矩陣和電磁系統(tǒng)下探頭位姿信息，也過渡到電磁跟蹤系統(tǒng)坐標系下。對獲得的Doppler圖像，通過圖像分割獲得代表血管的彩色像素點，利用這些像素點經三角面片化得到術中血管模型。從導管路徑和術中Doppler獲得的血管模型，難以得到血管分支信息，因為術中超聲成像范圍有限。術前CT影像成像質量高，成像范圍廣，所以將術中影像與術前影像結合，可以解決分支判別的問題。在3D slicer軟件平臺下對術前CT影像分割，可得到術前圖像的血管中心線。導管路徑與超聲圖像中血管中心線已經過渡到了跟蹤系統(tǒng)坐標系下。應用迭代最近點（Iterative Closest Point，ICP）算法實現術前圖像中血管中心線與術中超聲圖像中血管中心線的自動配準，將術前影像過渡到跟蹤系統(tǒng)坐標系下。這樣導管路徑、術中血管、術前血管都過渡到了相同坐標系下，通過渲染顯示為醫(yī)生提供影像和導管的位置信息，引導血管內介入手術。

圖2 坐標系統(tǒng)

術前影像、術中US結合磁定位的血管內引導方法，在動物豬（44.5 kg）頸動脈（血管內直徑約3 mm）進行了導管介入實驗。實驗證實，目標血管分支定位誤差為2.4 mm，結果表明所提出的引導方式可以準確引導導管介入目標血管進行治療。

2.3 導航影像直觀的顯示方式

傳統(tǒng)血管內診療導航通過屏幕2D顯示的方式僅供醫(yī)生進行二維觀察，缺乏對目標血管和血管內病灶的空間信息感知。為醫(yī)生提供更直觀的引導影像顯示方式，能讓醫(yī)生對血管內病變情況及介入導管與血管相對位置信息有直接的信息反饋，是影像引導血管內介入診療領域的一個研究重點。

2.3.1 基于虛擬視覺反饋的無輻射血管內影像引導方法

數字減影血管造影（Digital Subtraction Angiography，DSA）和X線透視作為目前導管介入的引導影像，由于缺乏事實的血管內視覺反饋，難以將一個柔性導管放置到形態(tài)復雜的目標血管位置。為此，提出了一種基于虛擬視覺反饋的無輻射血管內影像引導方法[26]。從術前CTA影像中分割出血管，建立術前信息樹（圖3a），完成路徑規(guī)劃。術中在介入導管的前端和拐角處固定兩個磁定位線圈，并利用數學建模確定兩個磁定位線圈固定點與導管形狀之間的關系圖（圖3b）。則術中通過對電磁定位確定線圈處位姿信息，可進一步推導出導管模型形態(tài)。為了實現跟蹤系統(tǒng)和CT術前影像之間的配準關系，在術前CT掃描時，先在病人的頭部和頸部放置一些皮膚標志點。這些標志點在術前CT中的坐標位置可獲得，同時利用磁線圈可獲得這些標志點在磁定位跟蹤系統(tǒng)下的坐標位置。利用基于點配準的方式可獲得術前CT影像與磁定位坐標系之間的轉換矩陣，點配準中利用無跡卡爾曼濾波來減少誤差。確定了兩個坐標系間的轉換關系，即可確定導管在術前CT信息樹中的位姿信息。最后通過導管位姿來確定虛擬內窺鏡的視角和鏡頭方向，基于虛擬內窺鏡技術，實現虛擬視覺反饋，獲得血管內成像圖。所以通過將電磁跟蹤與虛擬血管成像和路徑規(guī)劃相結合，為柔性導管介入提高直觀的視覺反饋導航圖像，從而減少術中X線輻射和對比劑劑量。

為了驗證基于虛擬視覺反饋的無輻射血管內影像引導方法，搭建了顱骨模型頸動脈導管介入系統(tǒng)（圖4）。術前采集CT影像，圖像尺寸為512×512×258，物理分辨率為0.43 mm × 0.43 mm× 0.7 mm。術前CT影像與電磁跟蹤系統(tǒng)配置誤差為0.73 mm。該方法的導管定位精度為（1.80±0.85）mm。在一名專業(yè)臨床醫(yī)生的幫助下，利用提出的影像引導方式，在5 min內成功地將導管放置到目標位置處。傳統(tǒng)影像導航方式下，往往需要20 min～2 h的導管放置時間，這取決于病人情況和醫(yī)生技能。初步的實驗結果證明了該方法的可行性及有效性。

圖3 基于導管定位建模和虛擬視覺反饋的影像引導與顯示[26]注：a.術前路徑規(guī)劃與血管信息樹；b.雙線圈導管定位；c.視覺反饋導航圖像。

圖4 頭顱模型頸動脈導管介入實驗[26]

2.3.2 原位透視融合顯示與血管內診療影像引導

DSA和X線透視作為引導影像通過2D屏幕顯示的方式，需要醫(yī)生在屏幕和患者病灶區(qū)域之間進行視野切換，來判斷手術入口、介入導管和目標血管之間的相對位置。這樣就會帶來手眼不協(xié)調問題，且2D屏幕導航顯示方式缺乏深度空間信息感知。原位透視融合顯示技術[27-28]能夠提供給醫(yī)生疊加到真實病灶組織中的醫(yī)學影像信息，見圖5。該顯示導航方式能夠滿足三維原位可視化的臨床需求，解決手眼不協(xié)調問題，提高導航精度。該技術已經應用于膝關節(jié)、導針穿刺、牙科和微創(chuàng)手術模型、動物實驗中，也將進一步被應用到血管內介入診療中。

圖5 心臟原位透視融合手術顯示效果

3 結論與展望

醫(yī)學影像分析與引導為血管內微創(chuàng)精準介入診療提供了可能，輔助醫(yī)生判斷介入裝置或導管與目標血管病灶區(qū)和周邊組織的相對位置關系，從而保證血管內手術的安全、提高手術成功率。但是傳統(tǒng)的術中X-ray、DSA影像引導的方式，只能提供給醫(yī)生2D引導信息，術中過于依賴醫(yī)生經驗，對術前影像未有效利用，且2D屏幕的顯示方式很不直觀。另外，術中重復的X線輻射和造影劑的使用會帶來不安全因素。

本文從基于術前影像精確分析的先驗信息、術前、術中影像與電磁定位結合，實現術中無輻射影像引導和導航影像直觀的顯示方式三個方面展開，介紹了目前影像分析與引導在血管內介入診療中的關鍵技術。術前影像分析主要包括基于術前CTA影像的血管變形分析和基于IVUS影像處理的斑塊等級分析。通過術前影像分析為醫(yī)生提供組織和病情的先驗信息，輔助術中治療。術前術中影像結合與引導包括術前與術中影像融合技術及術前影像、術中影像結合磁定位引導血管內介入導航方法。術前術中影像并與磁定位跟蹤結合，可實現術中3D影像信息和無輻射的術中導航環(huán)境。導航影像直觀的顯示方式部分主要介紹了基于虛擬相機的血管內虛擬視覺反饋技術和原位透視融合顯示技術。直觀的顯示方式能夠解決手眼不協(xié)調問題，提高導管介入效率和精度。相較于傳統(tǒng)的X線導航血管內介入診療的方式，本文介紹的影像引導血管內介入診療的相關技術為3D直觀術中無輻射的影像引導血管內介入診療提供了可行的解決方案，雖然還存在一定的技術制約，如圖像處理的實時性和US影像對組織成像質量需要提高，且所提出的技術需要更多的臨床試驗實現系統(tǒng)效率與可行性的評估。

可以預見，安全精確的血管內影像導航方式是血管內介入診療重要的發(fā)展方向。其相關研究包括：① 影像分析的精確定量化，即利用機器學習和深度學習的相關處理算法，實現影像的定量化分析；② 術前高空間分辨率影像與術中高時間分辨率影像結合，通過時空分辨率互補來豐富導航影像；③ 通過新型影像顯示方式來提高導航影像的直觀性；④ 開發(fā)設計診療一體化的介入設備，在診斷的同時進行高效治療。引導方式的安全性、導航影像的精確直觀性，以及介入設備的診療一體化將會為更精準安全的血管內微創(chuàng)介入診療提供可能。

致謝

感謝國家自然科學基金（81427803、61361160417、81271735），北京市科委《生命科學領域前沿技術》專項（Z151100003915079）及“985工程”項目的資助。

[1] Mozaffarian D,Benjamin EJ,Go AS,et al.Heart disease and stroke statistics--2015 update: a report from the American Heart Association[J].Circulation,2015,131(4):e29-322.

[2] http://www.who.int/mediacentre/factsheets/fs317/zh/.

[3] Vykoukal D,Chinnadurai P,Davies MG.Cardiovascular Imaging, Navigation and Intervention: Hybrid Imaging and Therapeutics[M].Computational Surgery and Dual Training. Springer New York,2014:125-148.

[4] Sandhu D,Kim JH,Vasquez C,et al.Abstract T P25: Angiographic Predictors Of Hemorrhagic Transformation In Acute Endovascular Treatment Of Ischemic Stroke: A Retrospective Review[J].Stroke,2015,46(Suppl 1):ATP25-ATP25.

[5] Wong CKW, Adviser-Chung AC.Segmentation algorithms for quantitative analysis of vascular abnormalities on three dimensional angiography[D].Hong Kong:Hong Kong University of Science and Technology (People's Republic of China),2006.

[6] Mendizabal-Ruiz EG,Rivera M,Kakadiaris IA.Segmentation of the luminal border in intravascular ultrasound B-mode images using a probabilistic approach[J].Med Image Anal,2013,17(6):649-670.

[7] Gao Z,Hau WK,Lu M,et al.Automated Framework for Detecting Lumen and Media–Adventitia Borders in Intravascular Ultrasound Images[J].Ultrasound Med Biol,2015,41(7):2001-2021.

[8] Sheth RA,Tam JM,Maricevich MA,et al.Quantitative endovascular fluorescence-based molecular imaging through blood of arterial wall infammation[J].Radiology,2009,251(3):813-821.

[9] Weber CN,Hunt S,Ge BH,et al.Translational rat model of arteriovenous fistula for the study of the pathophysiology and molecular imaging of dialysis access stenosis and development of endovascular therapies[J].J Vasc IntervRadiol,2015,26(2):S164.

[10] Ludwig DR,Menon PG,Schwartzman D.CT-Electromagnetic Three-Dimensional Tracking for Renal Endovascular Sympathetic Ablation Catheter Positioning in an Animal Model[J].J Vasc Interv Radiol,2015,26(5):741-745.

[11] Onogi S,Phan TH,Bossard A,et al.3D ultrasound navigation system with reconstruction of blood vessel network for microbubble delivery therapy[J].Advanced Biomedical Engineering,2014,3: 29-36.

[12] Ormesher DC,Lowe C,Sedgwick N,et al.Use of threedimensional contrast-enhanced duplex ultrasound imaging during endovascular aneurysm repair[J].J Vasc Surg,2014,60(6):1468-1472.

[13] Stárek Z,Lehar F,Je? J,et al.3D X-ray imaging methods in support catheter ablations of cardiac arrhythmias[J].Int J Cardiovasc Imaging,2014,30(7):1207-1223.

[14] George AK,Sonmez M,Lederman RJ,et al.Robust automatic rigid registration of MRI and X-ray using external fiducial markers for XFM-guided interventional procedures[J].Med Phys,2011,38(1):125-141.

[15] Doulaverakis C,Tsampoulatidis I,Antoniadis AP,et al.IVUSAngio tool: a publicly available software for fast and accurate 3D reconstruction of coronary arteries[J].Comput Biol Med,2013,43(11):1793-1803.

[16] Lang P,Seslija P,Chu MW,et al.US-fuoroscopy registration for transcatheter aortic valve implantation[J].IEEE Trans Biomed Eng,2012,59(5):1444-1453.

[17] Martinek M,Nesser HJ,Aichinger J,et al.Impact of integration of multislice computed tomography imaging into three-dimensional electroanatomic mapping on clinical outcomes, safety, and efficacy using radiofrequency ablation for atrial fibrillation[J].Pacing Clin Electrophysiol, 2007,30(10):1215-1223.

[18] Richmond L,Rajappan K,Voth E,et al.Validation of computed tomography image integration into the EnSite NavX mapping system to perform catheter ablation of atrial fibrillation[J].J Cardiovasc Electrophysiol,2008,19(8):821-827.

[19] Ohya T,Iwai T,Luan K,et al.Analysis of carotid artery deformation in different head and neck positions for maxillofacial catheter navigation in advanced oral cancer treatment[J].Biomed Eng Online,2012,11:65

[20] Kwang Kim,Keechul Jung,Se Hyun Park.Support vector machines for texture classification[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002,24(11):1542-1550.

[21] Xu C,Prince JL.Snakes, shapes, and gradient vector fow[J].IEEE Trans Image Process,1998,7(3):359-369.

[22] Markelj P,Toma?evi? D,Likar B,et al.A review of 3D/2D registration methods for image-guided interventions[J].Med Image Anal,2012,16(3):642-661.

[23] Chen F,Liao R,Liao H.Fast Registration of Intraoperative Ultrasound and Preoperative MR Images Based on Calibrations of 2D and 3D Ultrasound Probes[C].World Congress on Medical Physics and Biomedical Engineering,2015,Toronto,Canada. Springer International Publishing,2015:220-223.

[24] Herlambang N,Liao H,Matsumiya K,et al.Physically accurate B-spline based non-rigid registration using variable spring model[C].Biomedical Imaging:From Nano to Macro,2007. IEEE International Symposium on,2007:748-751.

[25] Luan K,Ohya T,Liao H,et al.Vessel bifurcation localization based on intraoperative three-dimensional ultrasound and catheter path for image-guided catheter intervention of oral cancers[J].Comput Med Imaging Graph,2013,37(2):113-122.

[26] Wang J,Ohya T,Liao H,et al.Intravascular catheter navigation using path planning and virtual visual feedback for oral cancer treatment[J].Int J Med Robot,2011,7(2):214-224.

[27] Herlambang N,Liao H,Matsumiya K,et al.Real-time autostereoscopic visualization of registration-generated 4D MR image of beating heart[M].Medical Imaging and Augmented Reality.Springer Berlin Heidelberg,2008:349-358.

[28] Liao H,Inomata T,Sakuma I,et al.3-D augmented reality for MRI-guided surgery using integral videography autostereoscopic image overlay[J].IEEE Trans Biomed Eng,2010,57(6):1476-1486.

Image-guided Endovascular Interventional Diagnosis and Treatment

CHEN Fang, MA Long-fei, LIAO Hong-en
Department of Biomedical Engineering, School of Medicine, Tsinghua University, Beijing 100084, China

As the leading cause of death in the world, the diagnosis and treatment of vascular diseases has received more and more attention. The minimally invasive endovascular procedures which require effective intraoperative guidance, such as 2D X ray fuoroscopy, become the preferred option for patients because the patient trauma, risk of complications and recovery times can be reduced. The 2D-fuoroscopyguided endovascular navigation, however, is limited by a number of factors: insufficient analysis of the preoperative images; lacking of 3D real-time images of instruments and surrounding anatomy and exposure to repeated doses of X-ray radiation. To solve these problems, an intraoperative fuoroscopyfree endovascular navigation method is introduced in this paper from three aspects: the preoperative prior information based on image analysis, the fusion of preoperative and intraoperative images and the intuitive navigation images. The proposed intraoperative fuoroscopy-free navigation method can provide 3D quantitative and intuitive navigation information for doctors to assist endovascular interventional therapy.

image guidance; endovascular diagnosis and treatment; 3D intuitive; fuoroscopy-free

R197.39

B

10.3969/j.issn.1674-1633.2016.06.006

1674-1633(2016)06-0029-07

2015-11-15

2015-12-16

國家自然科學基金（81427803，61361160417，81271735），北京市科委《生命科學領域前沿技術》專項（Z151100003915079）及“985工程”等支持。

廖洪恩，教授。

通訊作者郵箱：liao@tsinghua.edu.cn