李致勛+++張英濤++唐降龍

摘要： 目前，冠狀動(dòng)脈介入手術(shù)主要采用傳統(tǒng)冠脈成像CCA加冠脈CT成像CCTA輔助的方式。但是，CCTA下的3D圖像獲取的是某一時(shí)刻的靜態(tài)圖像，在心跳和呼吸作用下，CCA下動(dòng)態(tài)2D圖像和CCTA下靜態(tài)3D圖像的血管可能并不處于同一位置，彼此之間會(huì)具有很大的形態(tài)及位置差異。本文在2D和3D中心線基礎(chǔ)上，利用血管曲線特征對(duì)2種維度的血管進(jìn)行粗糙和精細(xì)兩級(jí)配準(zhǔn)操作。在粗糙配準(zhǔn)中，通過考慮節(jié)點(diǎn)間的拓?fù)潢P(guān)系一致性取消以往算法的雙向一對(duì)一的對(duì)齊約束，對(duì)血管間的分支點(diǎn)進(jìn)行多對(duì)多對(duì)齊配準(zhǔn)。在精細(xì)配準(zhǔn)中，基于節(jié)點(diǎn)對(duì)齊的配對(duì)血管段間采用伸縮特性的DTW技術(shù)進(jìn)行像素間配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明研究提出的方法具有良好的效果。

關(guān)鍵詞：樹節(jié)點(diǎn)拓?fù)湟恢滦裕?非剛性配準(zhǔn)； 2D/3D冠脈成像

中圖分類號(hào)： TP393

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：2095-2163（2016）06-0020-05

0引言

目前，冠脈疾病已經(jīng)成為人類醫(yī)學(xué)中重點(diǎn)高危的病癥之一＼[1＼]。在其常規(guī)診療過程中，二維傳統(tǒng)冠脈造影（Conventional Coronary Angiography，CCA）由于具有實(shí)時(shí)性和高清晰度的特點(diǎn)，因而在冠狀動(dòng)脈介入手術(shù)中始終作為頻選技術(shù)手段而獲長(zhǎng)期穩(wěn)定使用。但是由于必要三維空間信息的實(shí)效匱乏，使得醫(yī)生在安裝支架時(shí)容易出現(xiàn)導(dǎo)絲插入尋跡錯(cuò)誤的問題。為彌補(bǔ)此中不足，三維計(jì)算機(jī)斷層掃描成像（Coronary Computed Tomography Angiography，CCTA）雖然能為其提供較好的指導(dǎo)，但是卻由于目前2種模態(tài)只能單獨(dú)使用，并且在心跳和呼吸作用下，CCTA中的三維血管位置也未能與二維的圖像做到完全重合，如此即使得最終效果與預(yù)期目標(biāo)仍存在不小差距。

研究可知，2種模態(tài)配準(zhǔn)融合算法的提出不僅能提高手術(shù)效率，還能降低手術(shù)中的不確定性。一般2D/3D的配準(zhǔn)都先通過3D圖像構(gòu)建投影與2D圖像對(duì)齊，再基于強(qiáng)度信息進(jìn)行配準(zhǔn)。為了適應(yīng)此類諸如血管易變形結(jié)構(gòu)配準(zhǔn)問題的背景需求，研究者們相繼提出了許多非剛性配準(zhǔn)算法。一般分為2類，即：空間變換的線性插值、薄板樣條＼[2＼]、B樣條＼[3＼]等，以及基于物理模型變換的彈性模型＼[4＼]、粘性流體模型＼[5＼]和光流場(chǎng)模型＼[6＼]等。

顯然，隨著造影設(shè)備的發(fā)展，高分辨率及豐富的圖像色階均會(huì)極大地提升計(jì)算成本，尤其在這種非剛性變換的場(chǎng)景下。為了降低計(jì)算的復(fù)雜度，有些基于特征的配準(zhǔn)方法會(huì)從圖像中先期提取最能體現(xiàn)血管結(jié)構(gòu)的中心線，而后再進(jìn)行基于中心線的配準(zhǔn)。在曲線配準(zhǔn)過程的展開實(shí)現(xiàn)中，最初都是基于點(diǎn)或點(diǎn)云之間的最短距離進(jìn)行對(duì)齊。比如廣泛使用的迭代最近點(diǎn)ICP方法 [7＼]和相干點(diǎn)漂移CPD算法＼[8＼]。這類方法由于失去了血管線間點(diǎn)的拓?fù)潢P(guān)系，導(dǎo)致配準(zhǔn)位置順序混亂。另外，血管在心跳和呼吸作用下的非剛性形變可能非常大，通過距離最小來衡量配準(zhǔn)的正確性并不適用。

針對(duì)以上方法的研究不足，本文即在冠脈血管 2D和3D中心線提取的基礎(chǔ)上，把圖節(jié)點(diǎn)對(duì)應(yīng)引入2D/3D兩種模態(tài)下的冠脈血管分支點(diǎn)配準(zhǔn)工作中。同時(shí)，將僅是考慮節(jié)點(diǎn)間的拓?fù)潢P(guān)系，并去除以往算法的雙向一對(duì)一的約束，提出一種基于有向無環(huán)圖的穩(wěn)態(tài)拓?fù)渑判蚍椒ǎ糜诠?jié)點(diǎn)間的對(duì)齊，這更符合血管配準(zhǔn)的場(chǎng)景。血管段的配準(zhǔn)則采用動(dòng)態(tài)時(shí)間規(guī)整（Dynamic Time Warping，DTW）技術(shù)進(jìn)行對(duì)齊。最終的仿真實(shí)驗(yàn)也一并證明本文提出的方法呈現(xiàn)出良好的優(yōu)化效果。

3結(jié)束語

本文提出一種在血管中心線基礎(chǔ)上構(gòu)建的血管圖結(jié)構(gòu)，在節(jié)點(diǎn)拓?fù)浔３值募s束下設(shè)計(jì)研發(fā)一個(gè)真正的樹與樹之間的節(jié)點(diǎn)配準(zhǔn)算法，而后利用DTW對(duì)成對(duì)節(jié)點(diǎn)間的血管段實(shí)現(xiàn)精細(xì)配準(zhǔn)。該算法具有很強(qiáng)的魯棒性。在進(jìn)行精細(xì)配準(zhǔn)過程中，基于DTW的算法能夠較好地保持血管段中的節(jié)點(diǎn)的前后拓?fù)潢P(guān)系，使得配準(zhǔn)結(jié)果更加準(zhǔn)確。

參考文獻(xiàn)：

[1] NAGHAVI M， WANG H， LOZANO R， et al. Global， regional， and national age-sex specific allcause and causespecific mortality for 240 causes of death， 1990-2013： a systematic analysis for the Global Burden

[LL]

[DW]of Disease Study 2013[J]. Lancet， 2015， 385（9963）： 117-171.[JP]

[2] [JP3]BOOKSTEIN F. Thinplate splines and the decomposition of deformation[J]. IEEE Trans. Patt. Anal. Mach. Intell， 1988， 10：567-585.[JP]

[3] FRANGI A F， NIESSEN W J， VINCKEN K L， et al. Multiscale vessel enhancement filtering[C]//International Conference on Medical Image Computing and Computer-Assisted Intervention. Cambridge， MA， USA：Springer Berlin Heidelberg， 1998： 130-137.

[4] Broit C. Optimal registration of deformed images[D]. Philadelphia， Pensylvania， USA：University of Pensylvania， 1981.

[5] [JP2]CHRISTENSEN G E， JOHNSON H J. Consistent image registration[J]. IEEE transactions on medical imaging， 2001， 20（7）： 568-582.[JP]

[6] [JP3]THIRION J P. Image matching as a diffusion process： an analogy with Maxwells demons[J]. Medical image analysis， 1998， 2（3）： 243-260.[JP]

[7] CHUI H， RANGARAJAN A. A new point matching algorithm for nonrigid registration[J]. Computer Vision and Image Understanding， 2003， 89（2）： 114-141.

[8] MYRONENKO A， SONG X. Point set registration： Coherent point drift[J]. IEEE transactions on pattern analysis and machine intelligence， 2010， 32（12）： 2262-2275.

[9] LI Z， ZHANG Y， LIU G， et al. A robust coronary artery identification and centerline extraction method in angiographies[J]. Biomedical Signal Processing and Control， 2015，16：1-8.

[10][JP4]SKOURA A， BARNATHAN M， MEGALOOIKONOMOU V. Classification[JP] of ductal tree structures in galactograms[C]//IEEE International Symposium on Biomedical Imaging： From Nano to Macro. Piscataway， NJ， USA ：IEEE， 2009： 1015-1018.

[11]KALVIN A D， VAROL Y L. On the generation of all topological sortings[J]. Journal of Algorithms， 1983， 4（2）： 150-162.

[12]MLLER M. Information retrieval for music and motion[M]. Berlin Heidelberg： Springer，2007： 69-84.

[13]POWELL M J D. A fast algorithm for nonlinearly constrained optimization calculations[M]//WATSON G A. Numerical analysis. Berlin Heidelberg：Springer， 1977： 144-157.

[14]METZ C T， SCHAAP M， KLEIN S， et al. Registration of coronary CCTA and monoplane X-ray angiography[J]. IEEE transactions on medical imaging， 2013， 32（5）： 919-931.[ZK）]