基于经验模态分解的冠脉造影图像分层血管提取

摘要：冠脉造影图像是临床诊断冠心病的金标准。在其成像过程中，受心脏跳动、成像设备等因素的影响，冠脉造影图像不可避免地产生一定的噪音，使得图像模糊尤其是血管边缘和细节的模糊。为协助医生对病情做出准确诊断，该文对冠脉造影图像进行血管提取。心脏中的血管结构特征比较复杂，使用单一的算法很难将冠脉造影图像中完整的血管脉络完整地提取出来。该文通过经验模态分解方法对冠脉造影图像进行分层处理，从而产生含有不同血管脉络特征信息的图像层，对这些图像使用与之适应的血管提取算法，从而将各图像层里的血管特征信息很好的提取出来。

关键词：经验模态分解；小波变换；模极大值；径向投影；Hessian矩阵

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）01-0176-0VNJcWJouztF6pvTb/eu3fw==4

1 概述

本文是对医学图像中常见的冠状动脉造影图像进行数字图像处理，使得医生在对患者病情诊断时能够只关注心脏血管的狭窄程度和支数而不受非血管部分的干扰，以期达到准确的诊断效果。

本文将冠状动脉造影图像作为研究对象，对造影图像的去噪方法进行了研究[1，2]。采用经验模态分解（EMD，Empirical Mode Decomposition）方法将造影图像分解成若干层子图像[3]。此后通过多种血管提取方法，如小波变换模极大值、径向投影、Hessian矩阵与Gabor滤波器，来分别获取子图像层中清晰明显的血管段。最后重构成血管脉络明显的心血管图像。

本文的结构为：第二部分描述对冠脉造影图像的预处理过程；第三部分简单介绍经验模态分解算法，并对预处理后的图像进行基于经验模态分解的分层处理；第四部分详细描述对各子层图像的血管特性信息分析，并给出各子层图像对应的算法与血管脉络提取结果，具体为对含高频血管脉络信息的第一层图像采用模极大值方法，含次高频血管脉络信息的第二层图像采用径向投影的方法，对含有低频血管第三层图像采用Hessian矩阵转换和Gabor滤波器的血管提取方法；第五部分简单介绍将从各子层图像中提取出的血管脉络信息的拼接方法；第六部分是本文的总结部分。

2 冠状动脉造影图像预处理

2.1 图像特点分析

图2.2所示的是临床某患者的冠脉造影图像。由于投影设备的限制，在图像的四周会出现不含血管信息的无像素黑色区域。并且，在黑色区域与圆形亮色区域的相接处，此处像素点的灰度值变化剧烈，在后续的图像经验模态分解过程中会出现伪血管信息。所以，为实现相接处像素灰度值平缓过渡的目的，对图像实行无像素黑色区域的像素填充是必要的。

2.2 预处理算法描述

根据圆形亮色区域与黑色区域相交处所在位置的不同，将图2.1的冠脉造影图像划分为四个区域，分别为左上区、右上区、左下区和右下区，每个区域的像素填充方向各不相同。箭头表示各个区的填充方向。