血管造影圖像增強算法研究.pdf

1、血管造影圖像增強是把圖像中血管結(jié)構(gòu)增強出來同時壓制背景和非血管結(jié)構(gòu)，并使增強結(jié)果盡可能地接近血管真實結(jié)構(gòu)。血管造影圖像的處理是醫(yī)學(xué)圖像處理和分析領(lǐng)域研究的重要內(nèi)容之一。造影圖像在臨床疾病診斷和基于圖像引導(dǎo)的計算機輔助手術(shù)治療等領(lǐng)域中都具有重要的作用。利用血管造影技術(shù)進行各種針對心腦血管疾病診斷和介入治療成為目前越來越廣泛應(yīng)用的技術(shù)。由于存在造影劑分布不均、衰減以及X射線曝光不均等復(fù)雜情況，由相關(guān)設(shè)備直接獲取的造影圖像經(jīng)常不能清晰地顯示血

2、管樹的局部和全局結(jié)構(gòu)，從而影響了診斷的準(zhǔn)確性。為了提高診斷的水平，研究如何從造影圖像中將血管結(jié)構(gòu)突出顯示出來非常必要，同時血管增強也是血管中心線提取、血管分割、測量和三維可視化的重要前提。因此，血管造影圖像的增強一直是醫(yī)學(xué)圖像處理和分析的熱點研究問題。
　　 近幾十年來，雖然針對血管造影圖像增強領(lǐng)域的相關(guān)算法研究種類繁多，但是依然無法完全滿足實際需求。其原因相當(dāng)復(fù)雜，比如對背景噪聲比較敏感，高斯濾波的引入導(dǎo)致邊界萎縮，參數(shù)的非自

3、適應(yīng)性，細小血管增強效果較差，分叉點和節(jié)點較難識別，運算速度慢，增強后血管表面粗糙等。這些原因造成了不可能實現(xiàn)一種完美、通用的增強方法。只能針對特定問題和具體的需求給予合理選擇，在精度、速度和魯棒性等關(guān)鍵性指標(biāo)上做出均衡或側(cè)重。
　　 目前，用于血管造影圖像增強的最經(jīng)典的和最新的方法主要有:(1)基于Hessian矩陣的方法，比如Frangi的方法、Sato的方法、Lorenz的方法等;(2)基于擴散方程的方法，包括正則化P-M

4、的方法、邊界增強擴散的方法、相干增強擴散的方法等;(3)基于應(yīng)變能的方法;(4)基于極坐標(biāo)下強度剖面的方法。
　　 血管增強擴散算法將基于Hessian矩陣的Frangi濾波器和非線性各向異性擴散方程相結(jié)合，同時對Frangi血管測量函數(shù)進行改造，添加平滑約束項，以便函數(shù)具有連續(xù)性，能直接用于構(gòu)造擴散張量。將血管增強算法與其他幾類算法進行了二組的實驗比較與分析，分別在最大密度投影和體繪制下可視化顯示。實驗表明血管增強擴散算法能很

5、好的增強血管結(jié)構(gòu)，同時保留了血管邊緣信息，對細小血管也能很好的增強出來，血管結(jié)構(gòu)光滑清晰，改善了可視化顯示效果。
　　 在實際中，由于醫(yī)學(xué)血管圖數(shù)量大（多為三維），灰度級豐富(16bit)，在利用多尺度的方法求解血管函數(shù)最大響應(yīng)和計算非線性各向異性擴散的偏微分方程時，運算量極大，計算時間往往在數(shù)小時以上，嚴(yán)重影響了該算法的臨床應(yīng)用?？刹扇∵m當(dāng)減少選擇的尺度和迭代次數(shù)，但這不僅會影響算法的精確性，同時計算時間提升有限。
　　

6、 計算統(tǒng)一設(shè)備架構(gòu)(ComputeUnifiedDeviceArchitecture，CUDA)技術(shù)的誕生開創(chuàng)性的改革了GPU的編程及存儲模式，使GPU通用計算(GPGPU)從圖形硬件流水線和高級繪制語言中解放出來，開發(fā)人員無須掌握圖形學(xué)編程方法即可在單任務(wù)多數(shù)據(jù)模式(SIMD)下完成高性能并行計算。這一GPGPU計算架構(gòu)中，提供了類似C語言的開發(fā)環(huán)境，允許設(shè)計人員使用C語言和CUDA擴展庫的形式編寫程序，從而直接利用GPU資源進行計