基于置信连接的CT血管造影分层可视化研究

王光磊，史英杰，苑昊，王洪瑞，刘秀玲

(河北大学电子信息工程学院，河北保定　071002;河北省数字医疗工程重点实验室，河北保定　071002)



基于置信连接的CT血管造影分层可视化研究

王光磊，史英杰，苑昊，王洪瑞，刘秀玲

(河北大学电子信息工程学院，河北保定071002;河北省数字医疗工程重点实验室，河北保定071002)

为实现利用CT血管造影技术(CTA)数据构建人体脊柱、血管的分层可视化，充分研究不同组织灰度分布的特征实现典型组织识别，针对组织灰度重叠的关键问题，构建基于置信连接的三维区域生长算法实现重要组织血管和骨骼的剥离，最后用体绘制技术进行三维重建.本文实现了人体腹部皮肤、肌肉、骨骼、血管的分层可视化，各结构可单独显示，可任意旋转，放大缩小.通过调节参数和三维分割技术可以很好地完成分层可视化的目的，可以为医生提供更清晰直观的三维模型.

CTA；三维分割；三维重建；可视化

在医疗影像分析中，计算机断层造影增强图像(computed tomography angiography，CTA)是临床中应用非常广泛的一种影像技术.直接将CTA数据集进行三维重建及可视化，可以得到整体的三维模型，但是为了方便临床医生更准确、清晰地观察内部血管结构，以及进一步判断血管的狭窄和钙化等情况，对CTA数据进行分层可视化是有非常重要的临床价值的.应用灰度值、设置不透明度、颜色和光照模型等因素，使得不同灰度的组织和器官显示或者隐去，达到分层显示的效果.通过此方法可以将皮肤肌肉等组织隐去，可以看到身体内部的情况，然而CTA中注入了血管造影剂，血管看得更加清晰，但却使血管的CT 值与骨骼的CT值十分接近，不能很好地实现骨骼血管的分离.

目前分层显示常见的方法是软组织分割，尤其是三维体分割是目前研究的热点.纪建鹏等[1]提出一种基于控制标记符分水岭的交互式三维分割方法.主要利用标记区域内外部的标记符和相邻帧的相似性进行提取，主要解决了三维分割过分割的问题.蔡华杰等[2]利用直方图法和最大熵结合遗传算法求出阈值后再利用区域增长与边缘检测相结合获得三维空间的图像结果.Goryawala[3]等提出了一种低交互式的、集成局部轮廓和K均值算法、针对肝脏的自动三维分割方法.Andres[4]提出一种基于图形模型超体素的神经纤维图像的3D分割方法，超体素的使用更有利于提取图像表现出来的几何特征.Top[5]提出一种应用主动学习策略进行交互式三维分割的方法，建立一个交互式三位分割框架，把3D图像分割变为一个分类问题，同时减少用户交互，并保证分割精度.

在前人工作的基础上，针对CTA体数据的分层可视化问题，本研究提出一种基于组织灰度分布和置信连接的三维分割方法以实现人体的分层显示.首先，根据人体各个组织的灰度值分布特点，隐去皮肤和肌肉等器官，进而针对CTA影像中骨骼CT值的期望小方差大，血管CT值期望大方差小的特点，应用置信连接度三维分割方法进一步分离骨骼和血管，完成分层可视化.通过临床医生验证，结果满足实际需求.

1　方法

1.1基于灰度范围的分层可视化

1.1.1光线投射算法对CTA序列图像进行三维重建

为了更方便医生直观的观察影像数据，常常需要对数据集进行重建绘制以达到三维可视化的效果.常用的绘制方法有面绘制和体绘制，本文应用体绘制方法中的光线投射算法(ray casting)[6-7]对医学图像进行三维重建.光线投射算法的基本思想是：从屏幕上的每一个像素点发射一条光线到当前视点，光线穿过整个数据场的过程中，对穿过的一系列体数据进行采样，并且根据光照模型计算出每一个采样点的不透敏度和颜色，然后依照从前至后或者从后置前的顺序在屏幕上进行合成，得到像素点的颜色及不透明度.

当光在介质中传播时，会发生多种作用，包括发射、吸收和散射.综合光线在介质中的所有反应，便有光线传输方程

(1)

式(1)计算过于复杂，通常的方法是忽略散射作用，采用只考虑介质发射和吸收光线的发射吸收模型，所以简化为

(2)

其中s表示在光线传播方向上的长度信息.对式(2)求解积分得到体绘制方程的积分形式

(3)

其中s=S，s=E分别代表光线计算的起点和光线计算的终点，I0表示光线在起点处的光强，I(E)表示光线在终点处的光强.2个位置之间的透明度可以表示为

(4)

那么得到了最常用的体绘制方程

(5)

计算机只能处理离散数据，必须得到离散形式的绘制方程.将一条光线的计算路径(从起点S到终点E)平均划分成n个等宽度的区间s0

(6)

(7)

1.1.2依据灰度范围分层显示

通过光线投射算法，对CTA原始数据进行了整体绘制，但是三维模型有皮肤、肌肉、骨骼等各种组织，互相之间存在遮挡问题.人体各个组织的灰度分布情况如表1，然后根据灰度分布，将遮挡在人体表面的肌肉和皮肤隐去，这样可以看到人体内部的情况，实现初步的分层显示的效果.

表1　不同组织灰度值范围的统计Tab.1　Gray value range statistics of different organizations

1.2基于置信区间三维分割的分层可视化研究

经过灰度分布，将肌肉组织隐去后，可以清楚地看到人体内部的结构，但是CTA数据是在CT扫描之前注入了造影剂，使得骨骼和血管的CT值相互混淆，不能通过调节不透明度将骨骼或者血管隐去，在可视化之后，骨骼将覆盖在血管的外面，所以去除骨骼是CTA体数据三维可视化的一个关键因素.根据骨骼和血管灰度的期望和方差的区别，本文采用基于置信连接的三维分割方法，分别将骨骼和血管分割出来，实现骨血分离.

1.2.1应用曲率流滤波器对三维体数据进行平滑处理

曲率流滤波[8]是将水平集思想与图像光滑思想结合在一起，把图像的灰度值当成由一系列等强度的轮廓线，在曲率流的作用下做扩散运动.热扩散方程如式(8)

(8)

其中，x(i,j)是m*n的图像上一点的灰度值，图像按能量扩散方程运动.

热扩散方程沿着各个方向等速度扩散，从图像平滑的角度考虑，上述过程就是高斯平滑过程

(9)

其中g为高斯核，从式子中可以看到图像与高斯核进行了卷积计算.高斯平滑虽然减少了噪声，但是也破坏了图像的边缘，致使图像模糊.

将式(8)改写为式(10)

(10)

式(10)就是曲率流运动方程，ξ与法线方向正交.这就意味着在法线方向上不进行扩散，而只在切线方向上进行扩散.

像高斯平滑、中值滤波等滤波器虽然会压制大量的噪声，但是也会破坏图像有用的信息，导致图像边界模糊不清，不利于后续的分割，而这种滤波的最大优点是：平滑只在平坦的区域进行，不跨越平坦区域的边缘，在降噪的同时，保护了图像的边缘细节，有利于后续分割工作的进行.

1.2.2基于置信连接的三维分割算法

二维分割是输入序列某一切片，输出该切片的分割结果，而要完成整体的分割，需要将所有的切片执行1次，效率很低，而且二维分割只是针对当前切片进行分割，不考虑切片间的关系.三维分割是针对的三维体数据，算法在三维体数据上直接进行分割，执行1次即可完成整体的分割，效率高，并且充分利用切片之间的空间、纹理等信息，提高分割的准确性，因此本文选择了三维分割.

CTA图像虽然增强了血管的亮度，使得血管和骨骼的CT值十分接近，但是由于骨骼和血管的解剖学结构特征的不同，它们的CT值还是有很大的区别.骨骼主要由骨质、骨髓和骨膜3部分构成，骨质和骨髓中有骨松质，骨松质经过螺旋CT采集后，CT值很低，局部区域变得很暗.骨密质则表现为高亮部分，骨骼整体的CT值均值很小，方差比较大；血管的解剖学结构很简单，质地均匀，整体高亮，其均值比较大，方差比较小，因此，可以将区域像素点亮度的均值和方差作为准则来筛选骨骼和血管.

置信连接[9-10]是基于当前区域的简单统计方法.首先利用种子点周围的一个小邻域计算包含在此区域中的所有体素灰度值的平均值和标准差，根据指定的因子，乘以标准差，计算以期望为中心的灰度值范围.如果邻域像素的灰度值位于这个范围内的话就被包含进种子区域，否则就被排除.

(11)

式(11)中m指灰度值的期望，σ指标准差，f是用户指定的因子，X是特定的邻域像素，I代表图像.

当遍历了所有的邻域像素，即认为迭代完成，再进行下一次迭代过程.下一次迭代时，像素点的灰度值期望和标准差是以新的像素区域为基础进行计算的，算法的流程图见图1.

图1三维分割算法流程

Fig.1Flowchartofthree-dimensionalsegmentationalgorithm

2　结果和分析

2.1材料

本文研究的是人体腹部CTA断层序列图像的分层显示问题，数据是由德国西门子公司研制的Sensation4多层面螺旋CT获取，数据集基本信息：像素间距[0.4297;0.4297]，切片间距0.6，图2是由该机器扫描获得一组病人的数据，分别是第1、2、40、100张断层图像.

图2　人体腹部CT原始序列图像Fig.2　Original CT series images of the abdomen

2.2光线投射算法整体重建效果

通过上述光线投射算法，对二维切片数据进行三维体绘制，即可得到三维渲染的结果如图3所示.从图3中可以直观的看到三维模型，并且可以通过不同组织器官的灰度进行不透明度的调节，显示或者隐去某些器官.图3中从左到右分别能看到完整的人体腹部三维图像，隐去皮肤后人体内部的组织、血管和骨骼，隐去肾脏后只显示骨骼和主动脉.

图3　三维效果图Fig.3　Three-dimensional display

2.3基于三维区域生长分割后可视化效果

针对CTA图像的特点，应用基于置信连接的三维区域生长算法，对腹部CTA序列中的骨骼和血管进行分离.如图4 所示为分别单独显示脊柱和主动脉的效果图.通过三维分割，可以解决组织器官相互之间的遮挡问题，可以更清楚地观察感兴趣区域的病变问题，帮助医生更好地诊断病情.

图4　基于三维区域生长分割效果Fig.4　Three-dimensional region growing segmentation

3　结论

图像分割是图像处理的重要问题，是图像三维可视化、计算流体力学等学科的重要前提，准确快速的分割结果有助于辅助医生诊治病情和制定正确的手术规划.如何在保证精度的前提下减少人工交互以及提高算法自动化程度是目前面临的现实问题.本文首先对骨骼、主动脉等不同的组织器官进行了灰度统计，介绍了传统的光线投射算法，对原始数据进行直接体绘制，针对CTA图像骨骼和血管的特征，提出一种基于组织灰度分布和置信连接度三维分割算法相结合实现人体分层可视化的方法.三维分割针对的是三维体数据，执行过程直接对体数据进行，相比二维分割，方法考虑切片间的空间、纹理信息，只需设置1个三维种子点即可分割出感兴趣区域，且执行1次即可完成所有切片的分割，执行效率高，基本能实现分层显示的要求，并且可以得到感兴趣的组织和器官的几何模型，加载到医生工作站中，使得医生能够方便直观地在医生工作站上观察诊疗.

[1]纪建鹏,黎丽华,杨荣骞,等.基于分水岭算法的交互式三维分割方法[J].中国组织工程研究与临床康复,2011,15(39):7351-7354.DOI:10.3969/j.issn.1673-8225.2011.39.033.

JIJianpeng,LILihua,YANGRongqian,etal.Interactivethree-dimensionalsegmentationbasedonwatershedalgorithm[J].JournalofClinicalRehabilitativeTissueEngineeringResearch,2011,15(39):7351-7354.DOI:10.3969/j.issn.1673-8225.2011.39.033.

[2]蔡华杰,田金文.三维脑分割中灰度阈值的选取方法[J].武汉理工大学学报,2006,28(4):122-124.

CAIHuajie,TIANJinwen.3-Dsegmentationofbrainvolumethresholdingmethod[J].JournalofWuhanUniversityofTechnology,2006,28(4):122-124.

[3]GORYAWALAM,GULECS,BHATTR,etal.ALow-interactionautomatic3Dliversegmentationmethodusingcomputedtomographyforselectiveinternalradiationtherapy[J].BioMedResearchInternational,2014，2014:1-12.DOI:10.1155/2014/198015.

[4]ANDRESB,KOETHEU,KROEGERT,etal.3DsegmentationofSBFSEMimagesofneuropilbyagraphicalmodeloversupervoxelboundaries[J].MedicalImageAnalysis,2012,16(4):796-805.DOI:10.1016/j.media.2011.11.004.

[5]TOPA,HAMARNEHG,ABUGHARBIEHR.Activelearningforinteractive3Dimagesegmentation[J].MedicalImageComputingandComputerAssistedIntervention,2011,6893:603-610.DOI:10.1007/978-3-642-23626-6_74.

[6]LEVOYM.Efficientraytracingofvolumedata[J].ACMTransactionsonGraphics,1990,9(3):245- 261.DOI:10.1145/78964.78965.

[7]DREBINRA,CARPENTERL,HANRAHANP.Volumerendering[J].ComputerGraphics,1988,22(4):65-74.

[8]石澄贤,王元全,王平安,等.Min/Max曲率流实现图像去噪和增强分析[J].计算机工程与应用,2004,40(5):10-13.

SHIChengxian,WANGYuanquan,WANGPingan,etal.Min/Maxcurvatureflowanalysisinimageenhancementanddenoise[J].ComputerEngineeringandApplications,2004,40(5):10-13.

[9]王倩,杨春兰,吴水才,等.结合置信连接度的自适应模糊连接度的图像中丘脑分割算法研究[J].北京生物医学工程,2015,34(3):244-250.DOI:10.3969/j.issn.1002-3208.2015.03.05.

WANGQian,YANGChunlan,WUShuicai,etal.Segmentationforthalamusanditssubstructuresbasedonadaptivefuzzyconnectednesscombinedwithconfidenceconnectedness[J].BeijingBiomedicalEngineering,2015,34(3):244-250.DOI:10.3969/j.issn.1002-3208.2015.03.05.

[10]宋晓,程明,王博亮,等.置信连接的自动肝脏分割方法[J].计算机辅助设计与图形学学报,2012,24(9):1188-1192.

SONGXiao,CHENGMing,WANGBoliang,etal.Confidenceconnectedmethodforautomaticliversegmentation[J].JournalofComputer-AidedDesign﹠ComputerGraphics,2012,24(9):1188-1192.

(责任编辑：孟素兰)

Hierarchical visualization of CT angiography based on confidence-connected

WANG Guanglei,SHI Yingjie,YUAN Hao,WANG Hongrui,LIU Xiuling

(Key Laboratory of Digital Medical Engineering of Hebei Province,Electronic Information Engineering College,Hebei University,Baoding 071002,China)

In order to achieve the hierarchical visualization of the human spine and blood vessels by using the CTA data,the recognition of the typical organization can be realized by properly vtilizing the intensity distribution of different organizations.By tacking the key problem of organization gray level overlapping,the separation of important organizations blood vessels and bone can be realized by three-dimensional region growing algorithm based on confidence-connected.Finally,the three-dimensional reconstruction is performed by volume rendering.The hierarchical visualization of the abdominal skin,muscle,bone and blood vessels is realized,and the structure can be displayed separately,can be freely rotated and zoomed in and out.By adjusting the parameters and three-dimensional segmentation, hierarchical visualization can be easily achieved.So it can provide a more clear and intuitive three-dimensional model for the doctor.

CTA; three-dimensional segmentation; three-dimensional reconstruction; visualization

10.3969/j.issn.1000-1565.2016.03.015

2015-10-12

国家自然科学基金资助项目(61473112； 61203160)

王光磊(1983-)，男，天津人，河北大学讲师，博士，主要从事医学图像处理等方面研究.

E-mail:windlay@hotmail.com

刘秀玲(1977-)，女，河北沧州人，河北大学教授，博士，主要从事医学图像处理等方面研究.

E-mail:liuxiuling121@hotmail.com

TP399

A

1000-1565(2016)03-0312-06