本發(fā)明涉及冠狀動脈影像學評價領(lǐng)域,具體地涉及一種基于X射線冠脈造影圖像的全自動冠狀動脈血流儲備分數(shù)計算方法。
背景技術(shù):
冠狀動脈造影及血管內(nèi)超聲均被認為是診斷冠心病的“金標準”,但它們只能對病變狹窄程度進行影像學評價,而狹窄到底對遠端血流產(chǎn)生了多大影響卻不得而知;血流儲備分數(shù)(FFR)現(xiàn)已經(jīng)成為冠脈狹窄功能性評價的公認指標,其最重要的功能是對一個未知影響的冠脈狹窄的功能后果進行準確評價。
血流儲備分數(shù)(FFR)是指在冠狀動脈存在狹窄病變的情況下,目標測量血管所供心肌區(qū)域能獲得的最大血流量與同一區(qū)域理論上正常情況下所能獲得的最大血流量之比。FFR主要通過計算冠狀動脈狹窄遠端壓力與主動脈根部壓力之比來獲得。狹窄遠端壓力可以通過壓力導絲在最大灌注血流(通過冠脈內(nèi)或靜脈內(nèi)注射罌粟堿或腺苷或ATP)時測得。
FFR=Pd/Pa(Pa為指引導管測量的主動脈壓,Pd為壓力導絲測量的冠脈狹窄遠端壓力)一般來說,F(xiàn)FR是指最大充血狀態(tài)下,狹窄下游2厘米處的壓力與主動脈壓的比值。
正常的心外膜冠狀動脈對血流的阻力很小,F(xiàn)FR的正常值為1.0;FFR的值將小于1.0時即表明當前心外膜冠脈有狹窄病變的存在。
FFR<0.75的情況時,所代表的狹窄情況幾乎都會導致心肌缺血,F(xiàn)FR≥0.8的情況時,所代表的狹窄則造成心肌缺血的可能性非常小。
冠脈X射線造影可以準確呈現(xiàn)血管有效管徑變化,為臨床醫(yī)生們判斷冠脈狹窄程度,辨別管壁病變性質(zhì)提供有效診斷途徑,且因為其操作簡捷的特性,更容易被病人接受。對冠心病患者進行診斷和治療時,冠脈X射線造影評價,是病人是否需要進行干預手術(shù)以及術(shù)后血管血流通暢性的有效判斷。
冠脈造影FFR在現(xiàn)有造影手術(shù)的基礎(chǔ)上不需要額外插入壓力導絲,通過對造影圖像的處理計算即可獲得冠脈FFR,可有效輔助醫(yī)生進行診斷,大大縮短手術(shù)時間和手術(shù)費用,成為一種良好的FFR檢測方法。
基于X射線造影圖像的冠狀動脈血流儲備分數(shù)計算,是對冠脈X射線造影和FFR的一個有效結(jié)合,綜合了兩者的優(yōu)勢,從形態(tài)學和功能學兩方面評估冠心病患者冠脈狹窄情況,為臨床提供了嶄新的無創(chuàng)性冠脈檢測體系。
技術(shù)實現(xiàn)要素:
為了解決上述的技術(shù)問題,本發(fā)明目的是:提供一種全新的基于X射線冠脈造影圖像的冠狀動脈血流儲備分數(shù)計算方法,基于X射線冠脈造影圖像,能快速準確的得到血流儲備分數(shù)FFR。
本發(fā)明的技術(shù)方案為:
一種基于X射線冠脈造影圖像的冠狀動脈血流儲備分數(shù)計算方法,其特征在于,包括以下步驟:
S01:提取冠脈造影圖像:通過分析定義時間序列的X線造影不同幀,去除動靜態(tài)噪聲,對冠狀動脈進行分割;并對不同角度拍攝的冠脈造影圖像進行分割,分別得到冠脈中心線及直徑;
S02:生成冠脈三維模型:將步驟S01生成的多方向的冠脈中心線在三維空間進行投影計算,生成冠脈三維模型,獲取血管長度和直徑;
S03:計算冠脈血流速度:對冠脈造影圖像按時序幀進行掃描計算出造影劑從血管入口流到血管末端需要的時間,進一步得到血液流速;
S04:冠脈網(wǎng)格劃分:基于X射線重構(gòu)的冠脈三維模型,創(chuàng)建三維網(wǎng)格;并基于X射線重構(gòu)的冠脈中心線及直徑,拉直血管,按對稱軸切開,生成軸對稱二維平面模型,創(chuàng)建二維軸對稱網(wǎng)格;
S05:冠狀動脈FFR計算:基于步驟S03得到的血液流速與步驟S04生成的血管三維網(wǎng)格,求解不可壓縮流的基本公式,計算沿著血管中心線從入口到下游各點的壓力降ΔPi),通過公式計算沿著血管中心線從入口到下游各點的血流儲備分數(shù),其中,Paorta是主動脈平均壓值。
優(yōu)選的,所述步驟S01包括以下步驟:
S11:定義時間序列X射線冠脈造影圖像中有導管出現(xiàn)的第一幀為參考圖像,有完整冠脈出現(xiàn)的需要分割的圖像為目標圖像;
S12:提取參考圖像中導管的特征點,對目標圖像中的冠狀動脈進行圖像增強,提取冠狀動脈的區(qū)域圖像;
S13:以參考圖像中導管的特征點為種子點,將冠狀動脈的區(qū)域圖像進一步處理后進行動態(tài)區(qū)域生長,獲得冠脈造影圖像。
優(yōu)選的,所述步驟S12包括:
將參考圖像減去目標圖像,去除靜態(tài)噪聲,通過均值濾波去除動態(tài)噪聲;
通過灰度值方圖分析,利用閾值進一步去除噪聲;
將去噪后的圖像通過多尺度海森矩陣對導管進行圖像增強;
二值化圖像:將導管對應(yīng)的像素標記為1,其余像素標記0;對二值化后的圖像進行細化,得到一組導管的特征點。
優(yōu)選的,所述步驟S12包括:
將目標圖像減去參考圖像,去除靜態(tài)噪聲,通過均值濾波去除動態(tài)噪聲;
通過灰度值方圖分析,利用閾值進一步去除噪聲;
將去噪后的圖像通過多尺度海森矩陣對冠狀動脈進行圖像增強,得到增強后的目標圖像;
根據(jù)增強后的目標圖像中各區(qū)域與特征點的位置關(guān)系,確定冠狀動脈的區(qū)域;提取該連通區(qū)域,獲得冠狀動脈的區(qū)域圖像。
優(yōu)選的,所述步驟S13包括:
對冠狀動脈的區(qū)域圖像進行二值化;
進行形態(tài)學運算,按照對應(yīng)位置還原到目標圖像中,進行動態(tài)區(qū)域生長,獲得冠脈造影圖像。
優(yōu)選的,所述步驟S02包括:
心跳周期內(nèi)相同時間點、不同角度拍攝的冠脈造影圖像,用步驟S01處理后,在中心線上提取特征點;
基于已知的X射線拍照角度,三維還原這些特征點,進而三維還原中心線。
優(yōu)選的,所述步驟S03中計算血液流速的方法包括造影劑運輸時間算法、造影劑遍歷距離算法、Stewart—Hamilton算法、First—pass分布分析法、光流法或者流體連續(xù)法。
優(yōu)選的,所述步驟S04包括:
基于步驟S02中重構(gòu)的冠脈三維模型,用標準的掃掠法、切分法或混合法進行網(wǎng)格劃分,生成結(jié)構(gòu)性三維六面體網(wǎng)格;
基于步驟S02中重構(gòu)的冠脈三維模型,在血管壁上生成三角形面網(wǎng)格,然后長成四面體網(wǎng)格,在血管中生成非結(jié)構(gòu)性三維四面體網(wǎng)格;
基于步驟S02中重構(gòu)的冠脈三維模型,拉直血管,按對稱軸切開,生成軸對稱二維平面模型,用切分法或者掃掠法進行網(wǎng)格劃分,生成結(jié)構(gòu)性二維四邊形網(wǎng)格。
優(yōu)選的,所述步驟S05包括:
對三維網(wǎng)格模型進行求解,用數(shù)值法求解連續(xù)性和Navier-Stokes方程:
其中,P,ρ,μ分別為流速、壓力、血流密度、血流粘性;
入口邊界條件為血流速度,出口邊界條件為out-flow邊界條件。
優(yōu)選的,所述步驟S05還包括,
對二維網(wǎng)格模型,用數(shù)值法求解連續(xù)性和Navier-Stokes方程:
其中,ρ表示血液的密度,uz、ur分別表示z向、r方向的流速,μ表示血液的動力粘度,p表示血液的壓強;
入口邊界條件為血流速度,出口邊界條件為out-flow邊界條件;
針對各種類型的冠脈彎曲,用三維模型計算從入口到出口的壓力差,對照二維軸對稱模型計算的結(jié)果,建立用于存儲各種類型的彎曲對二維軸對稱結(jié)果的修正系數(shù)的數(shù)據(jù)庫;利用三維模型計算結(jié)果修正二維模型計算結(jié)果得到ΔPi值是;
通過公式計算沿著血管中心線從入口到下游各點的血流儲備分數(shù),其中,Paorta是主動脈平均壓。
與現(xiàn)有技術(shù)相比,本發(fā)明的優(yōu)點是:
不需要額外插入壓力導絲,通過對X射線冠脈造影圖像的處理計算即可快速準確得到血流儲備分數(shù)FFR,大大縮短手術(shù)時間和手術(shù)費用,成為一種良好的FFR檢測方法。
附圖說明
下面結(jié)合附圖及實施例對本發(fā)明作進一步描述:
圖1為本發(fā)明的方法流程圖;
圖2為參考圖像;
圖3為待分割的目標圖像;
圖4為增強后的導管圖像;
圖5為導管的特征點;
圖6為增強后的目標圖像;
圖7為目標圖像的冠狀動脈圖像;
圖8為分割的結(jié)果圖像;
圖9為三維網(wǎng)格橫切面截圖;
圖10為三維網(wǎng)格縱切面截圖。
具體實施方式
為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明了,下面結(jié)合具體實施方式并參照附圖,對本發(fā)明進一步詳細說明。應(yīng)該理解,這些描述只是示例性的,而并非要限制本發(fā)明的范圍。此外,在以下說明中,省略了對公知結(jié)構(gòu)和技術(shù)的描述,以避免不必要地混淆本發(fā)明的概念。
如圖1所示,本發(fā)明的基于X射線冠脈造影圖像的冠狀動脈血流儲備分數(shù)計算方法,包括以下步驟。
定義時間序列X射線冠脈造影圖像中的有導管出現(xiàn)的第一幀為參考圖像A,如圖2所示,有完整冠脈出現(xiàn)的需要分割的為目標圖像B,如圖3所示,最后得到的分割結(jié)果為結(jié)果圖像P4,如圖8所示。
1:提取冠脈造影圖像:
從時間序列圖像中可以明顯看出,參考圖像A(圖2)和目標圖像B(圖3)中的圖像像素可以分成三部分:需要分割的結(jié)果,稱之為導管或者冠狀動脈;在時間中靜止不變的噪聲,如胸腔中的肋骨,稱之為靜態(tài)噪聲;在時間中變化的噪聲,如部分肺部組織、部分心臟組織,稱之為動態(tài)噪聲。
首先,因為參考圖像A(圖2)中的導管結(jié)構(gòu)比較簡單,容易定位,所以先提取參考圖像A中的導管中的特征點。
a)先用參考圖像A與目標圖像B進行差分,除去部分靜態(tài)噪聲;
b)做均值濾波,除去部分動態(tài)噪聲;
c)通過灰度值方圖分析,利用閾值進一步去噪;
d)將去噪后的圖像進行多尺度海森矩陣,對導管進行圖像增強,得到增強后的導管圖像,如圖4所示;
e)二值化圖像,將導管對應(yīng)的像素標記為1,其余像素標記0;
f)對二值化后的圖像進行細化,得到一組導管的特征點P1,如圖5所示。
其次,對目標圖像B(圖3)中的冠狀動脈進行圖像增強。
g)用目標圖像B與參考圖像A進行差分,除去部分靜態(tài)噪聲;
h)均值濾波,除去部分動態(tài)噪聲;
i)通過灰度值方圖分析,利用閾值進一步去噪;
j)將去噪后的圖像進行多尺度海森矩陣,對冠狀動脈進行圖像增強,得到圖像P2,如圖6所示。
通過對目標圖像B進行以上操作得到的圖像中,除被增強后的冠狀動脈之外,還可能有被海森矩陣誤認為管狀物而進行了增強的噪聲。于是需要將圖像P2中冠狀動脈和噪聲進行區(qū)分。
k)特征點P1是由導管細化后得到的,所以P1的位置一定在導管中;目標圖像和參考圖像中,導管的位置雖然會有一定變化,但是該變化必定只是在一個小范圍內(nèi)的。所以,可以根據(jù)圖像P2中各個區(qū)域與特征點P1的位置關(guān)系,確定冠狀動脈的區(qū)域;
l)提取該連通區(qū)域,獲得圖像P3,如圖7所示。
最后,以特征點P1為種子點,將圖像P3進一步處理后進行動態(tài)區(qū)域生長,獲得結(jié)果圖像,如圖8所示。
m)P3圖像二值化;
n)形態(tài)學運算;
o)按照對應(yīng)位置還原到目標圖像中;
p)進行動態(tài)區(qū)域生長,得到結(jié)果圖像P4,如圖8所示。
2:生成冠脈三維模型:
對心跳周期內(nèi)相同時間點、不同角度拍攝的冠脈造影圖像按照上述步驟進行分割,在中心線上提取特征點,基于已知的X射線拍照角度,三維還原這些特征點,進而三維還原中心線,得到冠脈中心線及直徑,將上述步驟生成的多個方向的冠脈中心線在三維空間進行投影計算,生成冠脈三維模型,獲取準確的血管長度和直徑。
3:計算冠脈血流速度:
對冠脈造影圖像按時序幀進行掃描計算出造影劑從血管入口流到血管末端需要的時間,再通過血管長度除以時間得到血液流速;基于步重構(gòu)的冠脈三維模型,可以用標準的跟蹤法(例如:造影劑運輸時間算法、造影劑遍歷距離算法)計算血液流速或者使用Stewart—Hamilton算法、First—pass分布分析法、光流法、流體連續(xù)法計算血液流速。
4:冠脈網(wǎng)格劃分:
基于X射線重構(gòu)的冠脈三維模型,創(chuàng)建結(jié)構(gòu)性或者非結(jié)構(gòu)性三維網(wǎng)格;并基于X射線重構(gòu)的冠脈中心線及直徑,拉直血管,按對稱軸切開,生成軸對稱二維平面模型,然后創(chuàng)建結(jié)構(gòu)性或者非結(jié)構(gòu)性二維軸對稱網(wǎng)格。
基于重構(gòu)的冠脈三維模型,用標準的掃掠法進行網(wǎng)格劃分,生成結(jié)構(gòu)性三維六面體網(wǎng)格;或者用其它方法(例如:切分法、混合法)進行網(wǎng)格劃分,生成結(jié)構(gòu)性三維六面體網(wǎng)格;
基于重構(gòu)的冠脈三維模型,在血管壁上生成三角形面網(wǎng)格,然后長成四面體網(wǎng)格,在血管中生成非結(jié)構(gòu)性三維四面體網(wǎng)格;
基于重構(gòu)的冠脈三維模型,拉直血管,按對稱軸切開,生成軸對稱二維平面模型,用切分法或者掃掠法進行網(wǎng)格劃分,生成結(jié)構(gòu)性二維四邊形網(wǎng)格,如圖9和10所示,圖9為網(wǎng)格橫切面截圖,圖10為網(wǎng)格縱切面截圖。
5:冠狀動脈FFR計算:
1)三維模型
基于X射線造影圖像重構(gòu)的幾何結(jié)構(gòu),劃分三維網(wǎng)格,用數(shù)值法(如:有限差分、有限元、有限體積法等)求解連續(xù)性和Navier-Stokes方程:
其中,P,ρ,μ分別為流速、壓力、血流密度、血流粘性。
入口邊界條件為血流速度,出口邊界條件為out-flow邊界條件;
通過公式計算沿著血管中心線從入口到下游各點的血流儲備分數(shù),其中,Paorta是主動脈平均壓,ΔPi是沿著血管中心線從入口到下游各點的壓力降。
2)二維模型
基于X射線造影重構(gòu)的幾何結(jié)構(gòu),把有狹窄的血管拉直(二維軸對稱模型),劃分二維網(wǎng)格,用數(shù)值法(如:有限差分、有限元、有限體積法等)求解連續(xù)性和Navier-Stokes方程:
其中,ρ表示血液的密度,uz、ur分別表示z向、r方向的流速,μ表示血液的動力粘度,p表示血液的壓強。
入口邊界條件為血流速度,出口邊界條件為out-flow邊界條件;
針對各種類型的冠脈彎曲,用三維模型計算從入口到出口的壓力差,對照二維軸對稱模型計算的結(jié)果,建立用于存儲各種類型的彎曲對二維軸對稱結(jié)果的修正系數(shù)的數(shù)據(jù)庫;利用三維模型計算結(jié)果修正二維模型計算結(jié)果得到ΔPi(是;
通過公式計算沿著血管中心線從入口到下游各點的血流儲備分數(shù),其中,Paorta是主動脈平均壓。
應(yīng)當理解的是,本發(fā)明的上述具體實施方式僅僅用于示例性說明或解釋本發(fā)明的原理,而不構(gòu)成對本發(fā)明的限制。因此,在不偏離本發(fā)明的精神和范圍的情況下所做的任何修改、等同替換、改進等,均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。此外,本發(fā)明所附權(quán)利要求旨在涵蓋落入所附權(quán)利要求范圍和邊界、或者這種范圍和邊界的等同形式內(nèi)的全部變化和修改例。