基于超声图像的血管重构技术研究

2020-01-06侯书鹏

科学技术创新 2020年8期

王辉刘峥侯书鹏

（西安工业大学，陕西西安710021）

冠状动脉粥样硬化性心脏病（冠心病）已成为严重危害人类生命健康的非传染性慢性疾病。根据中国心血管病报告2017的数据统计显示，截止到2015 年，我国心血管的患者大约有1100 万人，每十万人中就有近三百的人死于心血管疾病[1]。早期明确冠心病患者冠状动脉（冠脉）病变特征，对临床制定有针对性干预方案具有重要意义[2]。

在三维重构的技术提出之后便吸引了大量研究人员投入该领域的研究。文献[3]提出一种基于图像灰度的关键帧提取的门控方法,用于减少血管内超声（IVUS）图像序列纵切方向上的运动伪影。文献[4]通过融合边缘特征和区域特征，并且依据一定的特征来选择种子点，尽量避免种子点选择在边缘区，从而实现提高图像分割的效果。文献[5]提出了一种基于医学图像的改进的移动立方体（MC）算法，改善了传统MC 算法在医学图像重建中速度慢、组织分离困难等问题。随着面绘制算法的不断发展，人们又提出了体绘制算法，文献[6]提出了基于体绘制的交互算法，解决了体绘制中缺乏有效的交互问题。随着研究人员的不断探索，医学图像的三维重构技术日渐成熟。

本文通过对血管三维重构过程所需用的技术进行实验探究，选择适用的图像处理和三维重构的方法，利用冠心病血管的二维切片序列图，重构了冠状动脉血管的三维模型。帮助年轻医生在介入术之前进行术前模拟，降低实际操作过程中产生的各种问题，降低手术风险，缓解病人痛苦。

1 血管部位三维重构

1.1 图像采集和预处理

血管内超声（Intravascular ultrasound，IVUS）通过回撤预先放入血管的导管，获取血管的截面图数据。在超声图像采集的过程中，由于设备所处的环境，信号传输过程中受到的干扰以及转换时的数据丢失等原因，使得超声图像质量较差，识别、定位和分割的难度增大。因此需要对超声图像进行平滑增强处理。

为获取高质量的超声图像，便于分割血管轮廓，本文集合各种滤波方法的优势，采用混合滤波算法。由于原始数据中含有光标点、摄像头伪影等比较明显的干扰因素，因此第一步先采用中值滤波方法去除掉图像中比较明显的干扰，然后对图像进行小波分解，由于噪声大多处于高频部分，因此对高频区域采用均值滤波，保持低频信号不变，实现降噪，这种混合降噪的方法可以更好地去除图像的噪声。

算法的步骤如下：

（1）读取图像A，对图像A 做中值滤波获得图像B；

（2）对图像B 做小波变化，得到低频部分B1保持不变，对高频部分H1，V1，D1做均值处理，得到处理后的高频部分H2，V2，D2；

（3）对B1，H2，V2，D2做小波逆变化得到滤波后的图像C。

通过对比可以看出，单独滤波降噪处理效果一般。本文的混合滤波算法在去除干扰的时候还能较好的保留细节，并且色调明亮，从视觉上要优于其他算法。

医学图像的分割是进行三维重建最为关键的一步，同时广泛应用于医学图像处理和分析。由于人体器官的复杂多样，不论是图像的获取，还是对图像分析的难度都远大于一般图像的处理。

经实验研究，虽然一阶微分算子都可以提取出血管的轮廓，但是在细节方面有所区别，分割的效果还是不理想；而区域生长法可以比较好的分割出血管的轮廓，因为区域生长法开始的过程中，种子点在图像中心，以种子点为基点向外扩散，将符合条件的点并入种子内，当到达边界就停止计算，因此可以有效的将血管轮廓外的区域剔除，获取比较好的分割轮廓。因此选择本文采用区域生长法提取血管轮廓用于血管模型的三维重构。

1.2 血管部位三维重构

现在应用比较广泛的医学图像的可视化技术主要有面绘制和体绘制两种比较成熟的技术。两种方法各有优缺点，体绘制利用光线穿过数据场，通过对颜色及不透明度等因素的考虑，直接构建模型，该算法可以很好地表达出物体内部的细微结构，但由于参与计算的数据量大，模型的处理和显示都会比较慢；面绘制利用等值面的思想，通过三角面片拟合出物体的表面轮廓，算法简单，易于实现效率高。

本文中的数据是冠脉病变部位的血管内超声图像，三维重构的主要对象是血管轮廓，而血管内部结构比较单一，因此选用移动立方体算法（Marching Cube）来进行血管模型的重构，不仅可以满足实验的需求，同时可以提高模型生成的效率。重构结果可以看出，MC 算法在血管重构上面的应用还是很有效果的，重构出的血管模型比较完整。