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構增強出來同時壓制背景和非血管結構，并使增強結果盡可能地接近血管真實結構。血管造影圖像的處理是醫(yī)學圖像處理和分析領域研究的重要內容之一。造影圖像在臨床疾病診斷和基于圖像引導的計算機輔助手術治療等領域中都具有重要的作用。利用血管造影技術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用的技術。由于存在造影劑分布不均、衰減以及X射線曝光不均等復雜情況，由相關設備直接獲取的造影圖像經常不能清晰地顯示血

2、管樹的局部和全局結構，從而影響了診斷的準確性。為了提高診斷的水平，研究如何從造影圖像中將血管結構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域的相關算法研究種類繁多，但是依然無法完全滿足實際需求。其原因相當復雜，比如對背景噪聲比較敏感，高斯濾波的引入導致邊界萎縮，參數的非自

3、適應性，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、速度和魯棒性等關鍵性指標上做出均衡或側重。
　　 目前，用于血管造影圖像增強的最經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)基于應變能的方法;(4)基于極坐標下強度剖面的方法。
　　 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合，同時對Frangi血管測量函數進行改造，添加平滑約束項，以便函數具有連續(xù)性，能直接用于構造擴散張量。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、好的增強血管結構，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，血管結構光滑清晰，改善了可視化顯示效果。
　　 在實際中，由于醫(yī)學血管圖數量大（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最大響應和計算非線性各向異性擴散的偏微分方程時，運算量極大，計算時間往往在數小時以上，嚴重影響了該算法的臨床應用?？刹扇∵m當減少選擇的尺度和迭代次數，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)一設備架構(ComputeUnifiedDeviceArchitecture，CUDA)技術的誕生開創(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編程方法即可在單任務多數據模式(SIMD)下完成高性能并行計算。這一GPGPU計算架構中，提供了類似C語言的開發(fā)環(huán)境，允許設計人員使用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