冠脉造影图像血管增强及减影的优化方法

宗娇娇，张天序

1. 武汉工程大学电气信息学院，湖北 武汉 430205；2. 华中科技大学图像处理与人工智能研究所，湖北 武汉 430074

阵发性心血管疾病是对人类健康的主要威胁，仅次于癌症［1］。X 射线成像技术是检测和诊断心血管疾病的金标准［2］。从医学X 射线冠脉血管造影图像中提取完整的冠脉血管对心血管疾病的医学诊断有重要的意义。其中，数字减影血管造影（digital subtraction angiography，DSA）是一种在诊断和治疗中广泛应用的血管解剖可视化技术［3］。在DSA 中，当造影剂还未注入血管时，X 射线透过人体后在成像设备数字化处理后得到图像［4］。此时，造影图中还未显现出血管，只有导管、肌肉软组织、骨骼以及其他人体组织信息，这些造影图即蒙片。当造影剂缓慢地注入到血管中，X 射线照射到充盈着造影剂的血管时，射线通量强度急剧衰减，随着造影剂的不断注入，造影图中逐渐显现出血管，此造影图像为活片［5］。理想情况下，存在血管的活片与没有血管的蒙片相减可获得血管的显影。但实际由于心脏的搏动，患者呼吸造成的器官运动，甚至造影平台的轻微移动都直接影响着减影的结果。为此不少学者进行了相关研究。2018 年，Kulpe［6］使用K 边缘减影成像（K-edge subtraction，KES）来消除图像减影残留的伪影。但是KES 需要大剂量的X 射线照射，所以并不利于现实应用。2019 年，Mizukuchi［7］通过同时收集心电图（electrocardiograph，ECG）波形和血管造影术，可以自动选择处于同一心脏周期相位的蒙片和活片。但是需要患者长时间屏气，缺乏人性化。为此本文提出了一种冠脉造影图像血管增强以及减影优化的方法。

1 减影图像的获得

在冠脉造影图像的拍摄过程中，患者的心跳、呼吸和身体的位移都被包含在序列图像中。受这些运动的影响，人体内部的冠脉血管、骨骼、以及其他软组织都会产生运动。这些运动造成血管造影图像背景的变化，对减影结果产生了影响［8］。

一般情况下，一个冠脉血管造影序列会持续6 s 左右，不会超过10 s。成人正常的心跳在60～100 次/min［9］。所以一个造影序列中会包含多个心脏周期。造影过程中不要求患者屏气，因此存在呼吸运动，且呼吸的周期比较长。平移是由于患者不自主的位移和拍摄设备的移动产生，不可避免且不具有周期性。根据以上特征，混合运动可以分解为心脏运动和呼吸运动以及身体位移［10］。所以跟踪序列图像中的特征点可以得到混合运动曲线，对混合运动进行分解可以得到心脏运动、呼吸运动以及身体位移曲线［11］。针对曲线的规律，找到时相相同即背景状态最为相似的一组活片与蒙片进行减影，可取得较为优质的初步血管减影，但是仍然存在减影结果不完整及存在大量噪声的问题。

2 血管增强及减影优化

针对于上述初步减影结果的不理想情况，本文提出一种有效的血管增强及减影优化方法。造影图像中的细长血管未被检测提取的原因主要有两个：一是目标血管灰度值与背景接近，区别不明显［12］，不易被分割提取；二是血管与造影剂导管交叉，部分血管被遮挡，导致提取不完整。如果直接对该血管进行检测提取势必会把导管一起提取出来，但导管并不是所需要提取的目标。所以要提取血管就需要血管与干扰背景的灰度差足够大。如果可以把干扰导管的灰度值增大，血管的灰度值减小，可以完成血管提取。为此采用了一种基于区域生长的血管增强方法，实验过程如图1 所示。

图1 血管增强流程图Fig.1 Flowchart of vascular enhancement method

根据X 射线造影图像的成像特点，由叠加原理可知，导管和血管交叉的区域的灰度值比其他区域要低，也就是包含灰度值最小的像素点。基于这一先验知识，在目标区域截取、傅里叶高通滤波等图像预处理之后，进行自适应直方图均衡化［13］。对所得图像选取灰度值最小的像素点作为种子点进行特定元素的区域生长［14］。对生长区域进行形态学处理，形成连通域［15］。此连通区域即为血管被导管遮盖的部分。通常利用元素D 进行形态学处理使得生长的区域更加饱满连通。元素D 的表达式如式（1）所示。

建立包含此连通域的最小矩形a（X，Y，Xlength，Ylength），并向垂直X、Y 轴的方向扩大适当的范围，形成扩展矩形1（X+n1，Y+n2，Xlength+n3，Ylength+n4）。n1，n2，n3，n4根据连通域和血管的位置关系进行调整。之后保留扩展矩形1 的情况下，再次创建扩展矩形2。根据遮挡血管的导管的位置，对扩展矩形2 进行相应角度的旋转，使之完全覆盖导管。将1 和2 两个扩展矩形合并成为1 个多边图形，此多边图形覆盖的区域记为e。

则需要增大灰度值的范围S 表达式如公式（2）所示。需要降低灰度值的区域为a。

对处理图像I 进行灰度值加权处理后所得增强图像F 的公式如式（3）所示。

其中，ω1为需要降低灰度值区域的加权参数，ω2为需要增大灰度值的区域的加权参数。

通过灰度值的加权调整，扩大灰度差，使血管的被遮挡部分更加突出，从而便于分割提取。此时血管与交叉的导管已经有明显灰度差，实现了血管的增强。达到分割条件后，对该部分图像进行阈值分割，最后进行连通域检测，得到血管。

为了进一步优化减影效果，在得到血管增强图像后，可以对该图像进行底帽变换，再次增强血管。底帽变换操作，可以突出比背景区域更暗的目标导管区域［16］。底帽操作是结构元b 对图像f闭操作的结果与原图像f 之差。数学表达式如式（4）所示。

将该增强活片与蒙片相减，得到血管的显影图像。对显影图像进一步优化去噪。流程图如图2 所示。线性灰度变换是为了增强目标血管，减弱背景杂质。中值滤波则可以滤除噪声。

图2 冠脉血管造影图像减影优化流程图Fig.2 Flowchart of subtraction optimization of coronary angiography image

3 实验部分

基于利用时空约束得到的结论，本实验选取的处理图像为序列图像中匹配到的一组蒙片与活片，如图3（a）和图3（b）所示。利用时空特性减影得到的血管显影图像如图3（c）所示。由图3（c）可以看出大部分冠脉血管被提取了出来。但是血管右边存在大量噪声。重点问题是血管主干上方有两根细长的血管并未很清晰的显影，如图3（d）中箭头所指。因此这只能作为初步的减影结果。

图3 减影图：（a）蒙片，（b）活片，（c）血管显影图，（d）显影结果缺失的血管Fig.3 Images of subtraction：（a）mask，（b）livefilm，（c）angiography image，（d）missing blood vessels of subtraction

本文以右边血管为例说明提出的血管增强方法。如图4（a）中的黑框为血管和导管的交叉部分，即血管被遮挡部分。放大后如图4（b）所示。由图4（b）可以看出，截取的该部分图像的导管的灰度值比血管的灰度值要小，且血管的灰度值与背景很接近。

图4 被导管遮挡的血管：（a）血管被遮挡部分，（b）放大的被遮挡部分Fig.4 Images of vessels occluded by catheter：（a）occluded part of blood vessel，（b）enlarged image of occluded part of blood vessel

基于X 射线成像原理及叠加原理，选取的种子点如图5（a）所示。利用区域生长及膨胀腐蚀的形态学处理，得到连通域图5（b）。之后进行区域扩展，形成可覆盖导管的区域，如图5（c）所示。对连通域和覆盖导管区域的灰度值分别加权处理，形成灰度差，如图5（d）所示。

图5 血管和导管的灰度区分过程：（a）种子点，（b）连通域，（c）灰度值增大的区域，（d）灰度差扩大图像Fig.5 Gray-scale differentiation of blood vessels and catheter：（a）seed points，（b）connected domain，（c）area with increased gray，（d）gray-scale difference enlargement

获得了血管增强图像之后，为了使减影更加清晰，可以对图像进行底帽变换，得到进一步的增强的图像。如6（a）所示。将原图减去此增强图像可以得到增强的血管显影图，如图6（b）所示。可以看到，右分支血管被成功提取。但同时观察到图像右半部分依然存在噪声，且血管并不明显。

图6 实验结果：（a）单根血管增强图像，（b）血管增强减影图像，（c）最终减影优化结果，（d）传统减影结果Fig.6 Experiment results：（a）single vessel enhanced im‐age，（b）subtraction of vascular enhancement，（c）final result of subtraction and optimization，（d）result of traditional subtraction method

对图6（b）进行线性灰度变换与中值滤波可以得到优化的减影结果。图6（c）为本方法获得的减影结果。可以明显看出血管比没有优化之前要更加清晰并且更加完整。图6（d）为采取全局底帽变换与灰度线性变换增强的减影结果实验图，可以很直观地观察到图像中上方两根细长的血管未被检测出来，即血管提取不完整，并且含有伪影，不清晰。

4 结 论

X 射线造影由于低剂量、短时长等优点一直是诊断的重要辅助工具。造影图像也是医学图像里不可或缺的一部分。上述血管增强及减影优化的方法可以有效应用于X 射线造影序列图像减影。对比传统减影方法，本实验中的区域生长及灰度加权模型具有多参数调控、灵活可变的特点，通过调节参数可以去除多种情况的遮挡，具有很强的操控性和便捷性。同时本方法还可以应用于去除造影剂污染，为减影提供了新思路。但同时由于针对性较强，对于不同的遮挡情况需要调整相应的参数，所以本方法不适用于处理大量图像。这也是以后实验改进的方向。