卷积核算法对高级血管分析软件半自动追踪血管曲面重组的影响

张德军，马春，张祖建，明兵

(1.德阳市第二人民医院放射科，四川德阳618000；2.德阳市人民医院放射科，四川德阳618000）

·论著·

卷积核算法对高级血管分析软件半自动追踪血管曲面重组的影响

张德军1，马春2，张祖建2，明兵2

(1.德阳市第二人民医院放射科，四川德阳618000；2.德阳市人民医院放射科，四川德阳618000）

目的 应用不同的卷积核算法，使用高级血管分析软件的半自动追踪曲面重组功能显示颈内动脉颅内段及椎动脉，探讨最容易曲面重组与骨质结构关系密切血管的卷积核算法。方法对32例临床疑有脑缺血或蛛网膜下腔出血病例进行头颈部Neuro DSA CTA扫描。默认图像重建卷积核算法为H10f，然后分别选择H48f、H50f及H60f卷积核算法进行重建。使用Inspace软件下的AVA软件进行血管分析，计数载入不同卷积核算法图像半自动追踪成功曲面重组颈内动脉及椎动脉支数。结果32例共128支血管。H10f算法图像半自动追踪曲面重组显示0支血管，成功率为0；H48f算法图像显示44支血管，成功率为34%；H50f算法图像显示68支血管，成功率为53%；H60f算法图像显示108支血管，成功率为84%，两两比较差异均有统计学意义(P＜0.01)；H60f算法图像半自动追踪曲面重组成功率明显高于其他两种，H60f算法图像对颈内动脉曲面重组成功率明显高于椎动脉。结论使用AVA软件对颈内动脉颅内段及椎动脉进行血管分析时，应用较高卷积核(H60f)算法能明显改善半自动追踪血管曲面重组成功率，利于进一步进行血管分析，有较大临床实用价值。

血管成像；卷积核；颈内动脉；椎动脉；X线计算机；体层摄影术

颈内动脉颅内段及椎动脉走行迂曲，且与邻近骨质紧贴，传统CT血管成像(CT angiography，CTA)检查很难同时显示较长节段血管，手工选点进行血管曲面重组耗时较长，准确性较差，极易产生假象。近年来临床应用较为广泛的数字减影CTA[1-2]在观察颈内动脉颅内段及椎动脉有着巨大进步，但由于减影会减去钙化斑块，且如两次扫描间患者制动不佳会造成假象，使所显示血管失真。Siemens Syngo 2008c工作站Inspace软件下的高级血管分析软件(Advanced vessels analysis，AVA)具有半自动追踪曲面重组功能，可显示增强后的血管曲面重组图像，显示管腔、血管壁及血管与邻近骨质结构的关系，并能对血管进行高级分析。但系统默认重建算法下(H10f)对颅内段颈内动脉及椎动脉等走行迂曲并与邻近骨质关系密切的血管几乎不能成功进行半自动血管曲面重组。本研究使用AVA软件应用不同的卷积核算法进行血管曲面重组，探讨哪种卷积核算法更利于显示血管，以进一步行血管分析。

1 资料与方法

1.1 一般资料选取2012年3月至2013年7月进行头颈部CTA检查患者32例，男性18例，女性14例，年龄40～77岁，中位年龄64岁。临床诊断为蛛网膜下腔出血、脑梗塞、后循环缺血等。

1.2 设备与方法Siemens Sensation 64 CT机，扫描范围自主动脉弓平面到颅顶。扫描参数：平扫为100 kV，80 eff.mAs；经肘静脉注药后扫描为100/120 kV(根据体重大小)，160 eff.mAs，两次扫描野完全相同。使用Medrad双筒高压注射器，首先用20 ml生理盐水试注射，对比剂为优维显(370 mgI/ml)，根据体重、年龄决定对比剂用量，一般为50～70 ml，流速为5 ml/s，然后给予50 ml生理盐水冲管。触发点设置于胸主动脉，触发阈值为100 HU。

1.3 图像处理扫描后图像重建卷积核分别为H10f、H48f、H50f及H60f，层厚为0.75 mm，传输到Siemens Syngo 2008c工作站。由一名后处理技术熟练的影像医生进行图像后处理，将不同卷积核增强后图像载入Inspace软件，选择AVA进行血管分析，点击“trace”后在颈内动脉颅内段/椎动脉两端血管中心选点进行自动跟踪曲面重组(图1)。如果不能成功找到路径，可以在中间某段血管“insert”一点或多点帮助系统追踪血管，如果经此项操作仍不能正确追踪血管，则认为不能自动追踪血管；成功显示血管曲面图像后，对未行走于血管中心的点可点“edit”，移动该点至血管中心，计数成功进行血管曲面重组的血管支数。

1.4 统计学方法应用SPSS 18.0统计软件包，计算不同卷积核算法成功曲面重组血管的百分比，并对不同算法间成功率进行χ2检验；计算颈内动脉与椎动脉曲面重组成功的支数，进行χ2检验，检验水准为P=0.05。

2 结果

32例患者共64侧颈内动脉及椎动脉，共128支血管。卷积核为H10f算法图像半自动追踪曲面重组显示0支血管，成功率为0；卷积核为H48f算法图像半自动追踪曲面重组显示44支血管，成功率为34%；卷积核为H50f算法图像半自动追踪曲面重组显示68支血管，成功率为53%；卷积核为H60f算法图像半自动追踪曲面重组显示108支血管，成功率为84%。H48f算法图像半自动追踪曲面重组血管显示成功率与H50f算法及H60f算法比较χ2=53.562、12.416；H50f算法与H60f算法比较χ2=26.864，两两比较差异均有统计学意义(P＜0.001)，卷积核为H60f算法图像半自动追踪曲面重组成功率明显高于其他两种。H60f卷积核算法图像成功曲面重组颈内动脉颅内段共64支，椎动脉成功曲面重组共44支，两者比较χ2= 42.023，差异有统计学意义(P＜0.001)。H60f卷积核算法图像分辨血管与周围骨质结构更清楚(图2)，但曲面重组血管将扭曲血管显示于一个平面内，会有伪影产生，并对周围结构有扭曲(图3)。

图1 H48f、H50f及H60f卷积核算法图像半自动追踪曲面重组显示右侧颈总动脉及颈内动脉颅内外段，H48f卷积核算法图像较H50f、H60f卷积核算法图像平滑，噪声较小，H60f较其他两种算法空间分辨率高

图2 H60f卷积核算法图像显示钙化斑块明显的左侧颈内动脉颅内段，管腔与钙化斑块分界清楚；图3H60f算法图像全程显示右侧椎动脉，部分节段血管有镜像伪影

3 讨论

3.1 颈内动脉颅内段及椎动脉血管成像颈内动脉狭窄是常见的临床疾病，大多由动脉粥样硬化引起，而动脉粥样硬化常发生于颈内动脉颅内段。颈内动脉颅内段包括岩骨段、海绵窦段、膝部、床突上段及终段，走行迂曲，且与邻近颅底骨质紧贴。临床上多数椎-基动脉短暂性脑缺血发作是由于各种原因引起的椎动脉狭窄所致，椎动脉亦走行迂曲，与邻近椎骨关系密切。临床用于显示颈内动脉颅内段及椎动脉的影像学手段包括DSA、MRA及CTA，DSA被认为是诊断血管狭窄的金标准，但其仍然有不足之处：有创、费用昂贵，并可能发生穿刺部位血肿、血管痉挛、血栓及栓塞、假性动脉瘤等并发症。MRA无辐射，但对狭窄严重的血管容易产生伪影，扫描时间过长也易有运动伪影。CTA有较高的空间分辨率及时间分辨率，可以显示管腔、管壁及血管外结构，对诊断血管性疾病有重要意义。由于血管周围骨质结构的影响，常规后处理方式如：MPR、MIP、CPR及VR在显示颈内动脉颅内段及椎动脉有明显缺陷，很难显示血管全貌。近年来发展起来的数字减影CTA及双能CTA可以减去血管周围骨质结构，从而清晰地显示颈内动脉颅内段及椎动脉，但这种成像方式存在重要问题：去骨减影会同时减去管壁钙化斑块，血管狭窄严重时，血管强化低，以及有钙化伪影时，会导致过度减影[3]，且数字减影CTA两次扫描间患者如有运动会导致伪影形成。

3.2 高级血管分析软件CTA血管分析软件是在多层螺旋CT冠状动脉CTA血管分析基础上发展起来的一种血管分析手段，可以将迂曲的血管展开于一个平面上，以血管腔为中心360°旋转显示血管腔、管壁以及血管与周围结构的关系，对血管腔狭窄与扩张直径、面积、管壁斑块厚度以及病变长度均可以准确测量和分析[4]。在冠脉CTA应用较为成熟，现已被应用于体部血管，对颈动脉颈段应用较多[5-6]。但对于颈内动脉颅内段及椎动脉而言，应用血管分析软件分析血管的报道较少。本研究使用Siemens Syngo 2008c工作站inspace软件包下的AVA软件进行半自动追踪曲面重组颈内动脉颅内段及椎动脉研究。系统默认算法H10f，所有32例病例无一例成功半自动追踪曲面重组血管，无法进行血管分析。改变算法以H48f、H50f及H60f卷积核算法重建图像后进行血管追踪，H60f算法图像半自动追踪曲面重组颈内动脉及椎动脉成功率最高，达84%，H50f次之，成功率为53%，H48f成功率比较低，为34%，说明了较高卷积核算法图像能更好地追踪血管。H60f卷积核算法对颈内动脉颅内段显示成功率达100%，椎动脉使用H60f卷积核算法成功率为69%，明显低于颈内动脉，这可能与颈内动脉管径较椎动脉粗有关。

3.3 算法对血管追踪的影响卷积核算法不同致图像空间分辨率不同，卷积核从低到高，图像从平滑到锐利，图像空间分辨率增高[7]。图像空间分辨率越高，图像细微结构显示更清楚，对血管成像而言，血管管腔与周围结构分界更为清楚。用低卷积核算法图像进行血管分析时，对体部血管，如主动脉及颈动脉颈段等血管很容易进行半自动追踪血管重组，但对颈内动脉颅内段及椎动脉等与周围骨质结构关系紧密的血管来说，血管腔与周围骨质结构分界不清，故几乎不能自动追踪血管。本研究使用H48f卷积核算法血管重组成功率为34%，H50f卷积核算法成功率为53%，H60f卷积核算法为84%，随着卷积核的提高，血管半自动追踪曲面重组成功率明显提高，说明较高卷积核算法有利于AVA血管成像。当卷积核算法升高时血管腔与周围骨质结构分界更为清楚，对血管进行半自动追踪曲面重组成功率更高，且更有利于区分血管及管壁钙化[8]。本研究提示AVA使用较高卷积核算法能更好地半自动追踪颈内动脉颅底段及椎动脉等与血管周围骨质结构关系密切的血管。

数字减影CTA在临床发挥着越来越重要的作用，而AVA可以对血管腔、血管壁及周围结构进行分析，可以对数字减影CTA减影的不足做很好的补充，更好地显示与骨质关系密切的血管。但对于管径较小的血管如椎动脉半自动血管追踪的成功率不是太高，应用受限。高卷积核算法图像较低卷积核算法图像空间分辨率提高，但图像平滑度降低，噪声会增加。曲面重组血管会扭曲周围结构，产生伪影，应配合轴位图像及MPR图像。

[1]Hwang SB,Kwak HS,Han YM,et al.Detection of intracranial aneurysms using three-dimensional multidetector-row CT angiography:is bonesubtraction necessary?[J].Eur J Radiol,2011,79(2):18-23.

[2]Luo Z,Wang D,Sun X,et al.Comparison of the accuracy of subtraction CT angiography performed on 320-detector row volume CT with conventional CT angiography for diagnosis of intracranial aneurysms[J].Eur J Radiol,2012,81(1):118-122.

[3]Watanabe Y,Uotani K,Nakazawa T,et al.Dual-energy direct bone removal CT angiography for evaluation of intracranial aneurysm or stenosis:comparison with conventional digital subtraction angiography[J].Eur Radiol,2009,9(4):1019-1024.

[4]Anders K,Achenbach S,Petit I,et al.Accuracy of automated software-guided detection of significant coronary artery stenosis by CT angiography:comparison with invasive catheterization[J].Eur Radiol,2013,23(5):1218-1225.

[5]Saba L,Sanfilippo R,Montisci R,et al.Correlation between US-PSV and MDCTA in the quantification of carotid artery stenosis [J].Eur J Radiol,2010,74(1):99-103.

[6]Biermann C1,Tsiflikas I,Thomas C,et al.Evaluation of computer-assisted quantification of carotid artery stenosis[J].J Digit Imaging,2012,25(2):250-257.

[7]Prevrhal S,Engelke K,Kalender WA,et al.Accuracy limits for the determination of cortical width and density:the influence of object size and CT imaging parameters[J].Phys Med Biol,1999,4(3): 751-764.

[8]Scherl H,Hornegger J,Prümmer M,et al.Semi-automatic level-set based segmentation and stenosis quantification of the internal carotid artery in 3D CTAdata sets[J].Med ImageAnal,2007,1(1):21-34.

Impact of kernel algorithm on semi-automted traced curved planar reformation by advanced vessels analysis.

ZHANG De-jun1,MA Chun2,ZHANG Zu-jian2,MING Bing2.1.Department of Radiology,the Second People's Hospital of Deyang City,Deyang 618000,Sichuan,CHINA;2.Department of Radiology,People's Hospital of Deyang City,Deyang 618000,Sichuan,CHINA

ObjectiveTo investigate the correct kernel algorithm for vessels close to adjacent bone when semi-automated tracing internal carotid artery(ICA)intracranial segment and vertebral artery(VA)with curved planar reformation(CPR)in advanced vessels analysis(AVA).MethodsThirty-two patients were enrolled and were scanned by Neuro DSA CT angiograply.Algorithms of H10f,H48f,H50f,H60f were selected.Inspace AVA was applied for vessels analysis,the number of ICA and VA was counted,which were semi-automated traced well.ResultsThe 32 patients had a total of 128 vessels.No vessel was successfully curve planar reformatted with H10f.Forty-four vessels (34%)was successfully displayed with H48f and 68 vessels(53%)with H50f,108 vessels(84%)with H60f.Significant difference was found between different groups(P＜0.05).The achievement ratio of H60f was significantly higher than H48f and H50f,and achievement ratio of H60f was higher in ICA than VA.ConclusionHigh kernel algorithm could improve achievement ratio in semi-automated traced CPR for advanced vessel analysis,when analyzing ICA intracranial segment and VAwithAVA.

Angiography;Kernel algorithm;Internal carotid artery;Vertebral artery;X-ray computed;Tomography

R445

A

1003—6350（2014）21—3163—04

10.3969/j.issn.1003-6350.2014.21.1241

2014-03-26)

四川省卫生厅科研课题(编号：100173)

马春。E-mail：windeyesword@163.com