2023年IVUS三维重建总结.docx

《2023年IVUS三维重建总结.docx》由会员分享，可在线阅读，更多相关《2023年IVUS三维重建总结.docx（13页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、2023年IVUS三维重建总结 1.主要研究内容 CAG图像和预处理，CAG二维信息的提取，血管中心线的三维重建，IVUS图像的图像预处理，内外膜分割，三维血管中心线与IVUS图像融合。 1.1.CAG图像预处理 冠脉造影图像属于高噪声，低信噪比图像，又因为下一阶段是要进行边缘检测，所以需要考虑减少噪声并增强边界的滤波器。图像预处理方法考虑的有高斯滤波，中值滤波，灰度拉伸，tophat变换。 1.1.1.高斯滤波 高斯滤波器是图像处理中最有效常用的去噪方法，能够有效的去除图像中的服从正太分布的随机噪声。高斯函数具有旋转对称性，因此处理后图像不会出现偏差，并且高斯函数有可分性，可以简化运算。因此

2、高斯平滑对冠脉造影图像有一定的去噪效果。 1.1.2.中值滤波 中值滤波是一种非线性空间滤波器，其对处理椒盐噪声非常有效。因此首先选用中值滤波的方法来去除这种噪声。该滤波方法所选的模板越大则平滑去噪的效果越好。它的优点是一方面它的减少噪声和增强边缘效果比较明显，而另一方面相比其他形式滤波处理速度较快。缺点是去噪的同时也会平滑掉一些有用的细节。 1.1.3.灰度拉伸 由于造影图像在造影过程中会受到客观条件的限制，使得图像出现一些细节上的问题。灰度拉伸处理正是针对造影图像的这一缺点进行补偿，通过对造影图像的灰度进行拉伸，把灰度区间a, b内的像素映射到c, d, 灰度拉伸的目的是增强图像的对比度和

3、提高其质量。 1.1.4.Tophat变换 对结构噪声应用形态学TopHat变换消除图像背景的不均匀性。冠脉造影图像中存在多种噪声因此需要取出这些不同的背景噪声。除了背景噪声外，造影胶片还常常出现曝光不均匀的现象，使得背景不均匀。Top-Hat变换方法是形态学方法中的一种，在图像对比度增强、亮度调整中有很好的应用。 1.2.CAG二维信息的提取 在IVUS获得的图像检查时获得的造影图像，分为两种，一种是导管可见，一种是导管不可见。若导管不可见一般把血管路径作为导管回撤路径。 二维信息提取方法有很多，目前为止有主要包括：Kristiansen和Wunderlich通过自动阈值法进行边缘提取；Yi

4、m和Cebral结合加权平均值和导数对边缘求解Ritchings和Colchestert采用模式识别法判断血管狭窄；Thackry和Nelson利用形态学法对血管进行分割；Liu和Sun利用自适应跟踪法对造影图像的血管轨迹提取；Park，Klein和Chakraboty采用动态模型方法，通过初始勾划血管中心线，并构造优化能量函数，在求解函数最小值过程中使动态轮廓模型逼进中心线，从而实现血管骨架提取。 图1 导管与血管中心线示意图 血管是一个弯曲的空间管状系统，所以有时候用骨架来表示血管中心线，如图1。血管二维骨架提取目前有直接法和间接法。 直接法是利用造影图像中血管灰度特性直接提取血管骨架，人

5、工参与比较多，而且有很多折线。 间接法是图像的细化问题，获得感兴趣血管区域后，直接利用图像的细化获得血管骨架。导引丝提取是直接对未注入造影剂的造影图像利用图像细化提取，如果是提 取血管骨架要注意前后冠脉图像差，剔除导引丝和导管，另外要注意两幅冠脉图像需要是同一时间的图像，即位于ECG信号的同一相位。不过对于血管骨架即理解为导管骨架的只用提取一个，但是在三维重建中误差会增大。 有的文献采用snake模型获得血管中心线，首先获得血管大概中心位置和和形状后，利用适当的能量函数，使曲线的能量值达到最小，最终停留在最优位置获得血管中心线。另外snake模型方法还经常用于IVUS内外膜提取时。还有的利用动

6、态规划和小波变换等方法进行提取的。 1.3.血管中心线的三维重建 1.3.1.任意点三维坐标求取 三维重建一般利用两个不同角度的冠脉造影图像，在二维信息提取的基础上，寻找匹配的点对。 在进行三维重建之前，需要了解X射线血管造影系统的成像构造，图2显示了造影机的几个运动方向：两个旋转和两个平移。在从两个角度分别拍摄CAG图像时，它们之间的成像示意图是图3。 图2 造影机成像运动示意图 图3 造影角度示意图 单面冠脉造影系统在两个造影角度下的成像如图3所示。S1和S2是X射线源，投影面坐标系U1V1O1和U2V2O2所在平面分别代表两次造影过程中的图像平面分别代表两次造影过程中的图像平面，即图像A

7、平面和图像B平面。D1和D2则分别为两个X射线源到其对应的平面的距离。O1和O2分别为两个不同平面所对应的中心。在U1V1O1中，可以设空间一点在A上的所对应的称之为投影点的坐标为(u1,v1)；在平面坐标角度（即造影的左右角度）。b1和b2分别表示CRAN/CAUD角度。 造影系统的四个坐标系统之间的几何变换关系为刚体运动，即可通过旋转运动和平移运动实现任意坐标系之间的变换，根据透视成影几何关系可以得到如下的关系式： U2V2O2中，点P在图像B上的投影点P2的坐标为(u2,v2)，a1和a2分别为LAO/RAOx1ix1ix2ix2iy=zh,y=zh2i2i1i1i1i2iz1i1z2i

8、1 （1） x1i=u1iu,x2i=2iD1D2 （2） 实现XYZO坐标到X1Y1Z1S1坐标系的变换可以经过旋转和平移完成，使ZO轴和Z1S1重合。首先是绕Y轴逆时针旋转a1，其次是绕X轴顺时针旋转b1，最后，从O点平移到点S1，从XYZO到X2Y2Z2S2坐标系也是同理。 xi,yi,zi,1=X,Y,Z,1RY(-ai)RX(bi)Ti （i=1.2） （3） 这样就有了从坐标系X1Y1Z1S1到坐标系X2Y2Z2S2的几何变换关系表示为： x2,y2,z2T=Rx1,y1,z1-t(T) （4） 计算三维血管段上的点 Pi的三维坐标，需要利用两幅不同角度且角度近似垂直的造影图像，所

9、需的参数有： （1）X射线源到图像平面的距离（SID），即D1和D2。 （2）X射线源到旋转中心之间的距离，即L1和L2。 （3）造影系统现场和像素之比。 （4）造影角度。 假设坐标系X1Y1Z1S1冠状动脉树骨架点Pi的三维坐标设为(X1i,Y1i,Z1i)，坐标系为(X2i,Y2i,Z2i)，坐标系U2V2O2中Pi在图像B上的投影点坐标为(u2i,v2i)。 U1V1O1中Pi在图像A上的投影点坐标为(u1i,v1i)；坐标系X2Y2Z2S2中Pi的三维坐标设令GT=RT，GT称为几何变换矩阵。由式（4）可知，根据L1和L2及造影角度可以计算几何变换矩阵GT，由于冠脉造影参数不可避免的会

10、存在一些误差，所以GT不能准确的表达两幅CAG图像之间的关系，需要对GT优化，减小造影系统参数带来的误差。 如果已知(u1i,v1i)和(u2i,v2i)，则可以根据GT求解Pi的三维坐标(X2i,Y2i,Z2i)。 由（2）和（3）式可知： 10-x10x1001-h1y=r11-r31x2r12-r32x2r13-r33x21atz1btr-rhr-rhr-rh （5） 213122232223332x1iu1iyvxuyv=x1i,1i=1i=h1i,2i=2i=x2i,2i=2i=h2iz1iD1z1iD1z2iD2z2iD2（6） a=r11-r31x2r12-r32x2r13-r3

11、3x2 （7） b=r21-r31h2r22-r32h2r23-r33h2 （8） 10-x10x1001-h1,B=y,C=A=1r11-r31x2r12-r32x2r13-r33x2atz1r-rhr-rhr-rhbt 213122232223332则式3-32可以改写成：AC=B （9） 其中rij(i,j=1,2,3)表示旋转矩阵R的i行j列的元素，t为平移矩阵t=t1,t2,t3。方程组3-35是由4个线性方程组成的，且该方程是一个超定方程，采用最小二乘解得方法求解，即可求得三维点(X1i,Y1i,Z1i)： -1C=(ATA)ATB （10） 1.3.2.血管段匹配 利用外极线约束

12、对导引丝进行断点匹配，在F.Cherieta等人经多次实验发现，要想通过两个不同视角的二维血管骨架进行三维重建，对几何变换矩阵的优化至少需要6对匹配点才能达到足够的精度,当匹配点对数大于等于6时才可以将重建误差趋于稳定。 Wahlet等人提出了在造影导管上每隔一段距离设定标志点，然后以这些标志点作为基值对重建的三维骨架进行几何变换矩阵的优化，由于这些标志点本身是在存有标定误差的基础上设定的，所以匹配点对本身也必然存在较大误差。王玲等人在设置标志点的基础上，假定准确的标志点在原标志点邻域内，以此设计能量优化函数进行求解，从而实现匹配点对的准确匹配。在构造目标能量函数后，分别对匹配点和几何变换矩阵

13、进行约束，经常采用的是外极线约束，求解能量函数最小值，最终确定最终匹配点对，优化求解时为保证全局最优性而采用动态规划算法，为了解决匹配点对是离散的问题，并且采用的是离散动态规划算法，不采用贪婪算法，因为贪婪算法只能近似全局最优，而非全局最优。 目标能量函数的动态求解步骤： 1.划分阶段，按匹配点对数目划分。 2.正确选择状态变量，比如将匹配点对所处位置的邻域作为状态变量。 3.确定决策变量及允许决策集合。 4.确定代价方程，匹配点对位置优化的代价方程即为能量函数，按分段函数表达。 5.确定迭代方程。 下面介绍下外极线约束法。 在图4中，O1和O2分别为图像A和B的中心，按照外极线的理论可以得出

14、结论，空间点Pi在投影面B上的投影点P2也一定位于极线L2上 图4 外极线约束示意图 在获得三维重建匹配点以后，要将三维离散点进行曲线拟合，拟合方式有三次B样条曲线拟合法，和其他优化算法比如只利用血管骨架两个端点进行几何矩阵的矩阵优化和先经过匹配点的构造及优化，再经几何变换矩阵优化。 最后三维重建的误差来源有造影系统参数误差，图像二维提取引入误差，像素点匹配误差。 1.4.IVUS图像预处理 血管内超声图像退化原因有：探头接收回波不聚焦导致的模糊，极坐标获取时插值率不同引起的非均一性，血管内组织之间的声学特性相近导致的对比度差，超声图特有的斑块噪声。 重点解决斑块噪声，滤波方法有邻域平均法，自

15、适应中值滤波，维纳滤波，小波滤波，各向异性扩散滤波，带通滤波，灰度拉伸等。 1.5.IVUS图像的内外膜提取 中外膜边界分割： 运用snake模型（主动轮廓模型）来进行中外膜边界检测。有的利用改进的snake模型。 Snake（active contour）活动轮廓模型主要用于寻找图像的目标边界。传统的snake模型被定义为一条参数曲线X(s),s(0,1)，它是一条在内外约束力作用下移动的变形轮廓线。该曲线的内外力使其变形最终接近图像的边缘。 能量函数为Esnake（V）=Ei=1nint(vi)+kEext(vi,I) V=(v1,vn)定义为边界点，vi=(xi,yi)是边界点的坐标值，

16、k是一个权重值，Esnake是蛇形轮廓的总能量值，Eint是主动轮廓模型的内部能量函数，Eext是主动轮廓模型的外部能量函数。 其中 Eint（V）=aV(v)+bV(vi) ii=1n22Eint定义了一个可伸长和可弯曲的轮廓vi的内部变形能量，它包括两个参数：a控制着轮廓的弹性，b控制着轮廓的刚度，二者共同操纵着活动轮廓模型的物理行为和局部的连续性，V(vi)为曲线的一阶导；V(vi)为曲线的二阶导；Eint体现了对Snake轮廓曲线连续性和平滑性的约束。 根据曲线理论，平面曲线一阶导矢的模反映曲线的连续性，二阶导矢的模反映曲线切线矢量的连续性，即曲线的平滑性。曲线的一阶导矢模越小，它的连

17、续性就越好，组成曲线的各个离散点就越紧凑；曲线二阶导矢模越小，曲线的平滑性也越好，它反映一个弹性物体弯曲成图像轮廓的形状需要付出的能量。 内部能量函数中的加权系数a和b的选择与图像噪声分布有关，噪声越大，a和b的取值也应该越大，以加大内部能量的权值，跨越噪声所造成的局部最小值区域。同时，a和b的相对分布也决定着轮廓的收敛性能。由于a控制着轮廓曲线一阶导矢模分量，a越大，模型轮廓的收缩速度越快；b控制着轮廓曲线二阶导矢模分量，b越大，模型的轮廓就越平滑。因此，通过合理地选择a和b，可以使轮廓收敛在比较合理的位置。 外部能量函数取决于图像的特征，在文献中，利用GVF梯度矢量流算法在图像的梯度向量场

18、的扩散方向生成一个力场，使轮廓上的点以流线形式靠向最强边缘。导管区域因为每次在同一个区域，所以容易被检测到然后丢弃。 在改进的snake模型中，将snake模型中的外力以梯度向量流代替，以此来对传统snake模型改进。或者有同时改进snake模型中的内力和外力的。 snake模型在IVUS图像初始化上受到强烈限制，还是需要手动画出中外膜边界，一开始手动边界一定要很接近真实边界，为了不受一开始的图像噪声的干扰和减少手动带来的误差。 1.5.1.斑块识别(仅需要IVUS图像，不需融合重建) 1.5.1.1.利用灰度分布区分 一旦获得中外膜边界，可以在感兴趣区域内来区别内膜，斑块，导腔和斑块。为了方

19、便灰度检测，将原图像进行极坐标转换。在区别斑块时通过下面的灰度分布图（图5），熟练专家通过对系列图像中随机选取一些斑块点分析确定阈值，可以通过这个阈值确定亮度比较大的钙化斑块，但是对软斑块效果不好。 还可以根据斑块一般附着在内外膜边界上的先验知识，摒弃因为血液组织中高亮度成分“漂浮”斑块。 图 5 灰度分布图 通过获取血管内面积和内腔面积判断斑块严重程度。不管哪种方法，识别血管内区域错误率都比识别内腔内面积要小，因为软斑块增加错误率。 1.5.1.2.设计分类器识别斑块 不同斑块组织成分回声不同，根据斑块回声强弱和分布特征可分为几类：软斑块，纤维化斑块，钙化斑块。因为3种斑块有三种特有特征和差

20、异。可提取关键区域的灰度信息及空间分布特点等特征信息获得一组最有效特征通过映射和变换把高维特征向量变为低维特征向量，利用支持向量机进行分类，并通过比较选取高斯基函数作为核函数训练和分类识别。还有利用灰度共生矩阵和灰度-梯度共生矩阵特征提取法提取的。在灰度-梯度共生矩阵法中，经过数据的量化整理，灰度分布的不均匀性、灰度平均、梯度平均、灰度均方差和惯性六个特征值被选为待测样本。经过训练分类器，将斑块进行分类识别。 1.6.IVUS和CAG图像融合 1.基于B样条和光顺法，通过反求控制顶点，坏点判别修改，权重选择，利用光顺约束和最小拟合误差约束对导引丝序列点进行曲线光顺拟合。 2.利用单谷函数性质和最小二乘法求取最佳垂平面。 3.通过坐标系标定和坐标系间变换关系分析，利用空间坐标系变换将IVUS图像定位于导引丝上。 4.在导引丝序列点上建立局部坐标系，利用空间曲线的相对角度变化模型求取相邻帧图像间的角度变化关系。 5.采用相对角度，匹配点间长度设计对角度进行优化。 6.采用三次B样条曲线拟合或者NURBS曲线拟合对血管表明进行拟合。 IVUS三维重建总结 基于虚拟现实的三维重建复原技术 事故现场三维重建模拟复原分析系统 三维目标 三维目标 三维软件学习总结 三维建模设计报告总结 三维实训总结（版） 三维地质建模 三维角色设计