基于節點拓撲一致性的2D/3D冠脈血管非剛性配準

李致勛+++張英濤++唐降龍

摘要： 目前，冠狀動脈介入手術主要采用傳統冠脈成像CCA加冠脈CT成像CCTA輔助的方式。但是，CCTA下的3D圖像獲取的是某一時刻的靜態圖像，在心跳和呼吸作用下，CCA下動態2D圖像和CCTA下靜態3D圖像的血管可能并不處于同一位置，彼此之間會具有很大的形態及位置差異。本文在2D和3D中心線基礎上，利用血管曲線特征對2種維度的血管進行粗糙和精細兩級配準操作。在粗糙配準中，通過考慮節點間的拓撲關系一致性取消以往算法的雙向一對一的對齊約束，對血管間的分支點進行多對多對齊配準。在精細配準中，基于節點對齊的配對血管段間采用伸縮特性的DTW技術進行像素間配準。實驗結果表明研究提出的方法具有良好的效果。

關鍵詞：樹節點拓撲一致性； 非剛性配準； 2D/3D冠脈成像

中圖分類號： TP393

文獻標志碼： A

文章編號：2095-2163（2016）06-0020-05

0引言

目前，冠脈疾病已經成為人類醫學中重點高危的病癥之一＼[1＼]。在其常規診療過程中，二維傳統冠脈造影（Conventional Coronary Angiography，CCA）由于具有實時性和高清晰度的特點，因而在冠狀動脈介入手術中始終作為頻選技術手段而獲長期穩定使用。但是由于必要三維空間信息的實效匱乏，使得醫生在安裝支架時容易出現導絲插入尋跡錯誤的問題。為彌補此中不足，三維計算機斷層掃描成像（Coronary Computed Tomography Angiography，CCTA）雖然能為其提供較好的指導，但是卻由于目前2種模態只能單獨使用，并且在心跳和呼吸作用下，CCTA中的三維血管位置也未能與二維的圖像做到完全重合，如此即使得最終效果與預期目標仍存在不小差距。

研究可知，2種模態配準融合算法的提出不僅能提高手術效率，還能降低手術中的不確定性。一般2D/3D的配準都先通過3D圖像構建投影與2D圖像對齊，再基于強度信息進行配準。為了適應此類諸如血管易變形結構配準問題的背景需求，研究者們相繼提出了許多非剛性配準算法。一般分為2類，即：空間變換的線性插值、薄板樣條＼[2＼]、B樣條＼[3＼]等，以及基于物理模型變換的彈性模型＼[4＼]、粘性流體模型＼[5＼]和光流場模型＼[6＼]等。

顯然，隨著造影設備的發展，高分辨率及豐富的圖像色階均會極大地提升計算成本，尤其在這種非剛性變換的場景下。為了降低計算的復雜度，有些基于特征的配準方法會從圖像中先期提取最能體現血管結構的中心線，而后再進行基于中心線的配準。在曲線配準過程的展開實現中，最初都是基于點或點云之間的最短距離進行對齊。比如廣泛使用的迭代最近點ICP方法 [7＼]和相干點漂移CPD算法＼[8＼]。這類方法由于失去了血管線間點的拓撲關系，導致配準位置順序混亂。另外，血管在心跳和呼吸作用下的非剛性形變可能非常大，通過距離最小來衡量配準的正確性并不適用。

針對以上方法的研究不足，本文即在冠脈血管 2D和3D中心線提取的基礎上，把圖節點對應引入2D/3D兩種模態下的冠脈血管分支點配準工作中。同時，將僅是考慮節點間的拓撲關系，并去除以往算法的雙向一對一的約束，提出一種基于有向無環圖的穩態拓撲排序方法，用于節點間的對齊，這更符合血管配準的場景。血管段的配準則采用動態時間規整（Dynamic Time Warping，DTW）技術進行對齊。最終的仿真實驗也一并證明本文提出的方法呈現出良好的優化效果。

3結束語

本文提出一種在血管中心線基礎上構建的血管圖結構，在節點拓撲保持的約束下設計研發一個真正的樹與樹之間的節點配準算法，而后利用DTW對成對節點間的血管段實現精細配準。該算法具有很強的魯棒性。在進行精細配準過程中，基于DTW的算法能夠較好地保持血管段中的節點的前后拓撲關系，使得配準結果更加準確。

參考文獻：

[1] NAGHAVI M， WANG H， LOZANO R， et al. Global， regional， and national age-sex specific allcause and causespecific mortality for 240 causes of death， 1990-2013： a systematic analysis for the Global Burden

[LL]

[DW]of Disease Study 2013[J]. Lancet， 2015， 385（9963）： 117-171.[JP]

[2] [JP3]BOOKSTEIN F. Thinplate splines and the decomposition of deformation[J]. IEEE Trans. Patt. Anal. Mach. Intell， 1988， 10：567-585.[JP]

[3] FRANGI A F， NIESSEN W J， VINCKEN K L， et al. Multiscale vessel enhancement filtering[C]//International Conference on Medical Image Computing and Computer-Assisted Intervention. Cambridge， MA， USA：Springer Berlin Heidelberg， 1998： 130-137.

[4] Broit C. Optimal registration of deformed images[D]. Philadelphia， Pensylvania， USA：University of Pensylvania， 1981.

[5] [JP2]CHRISTENSEN G E， JOHNSON H J. Consistent image registration[J]. IEEE transactions on medical imaging， 2001， 20（7）： 568-582.[JP]

[6] [JP3]THIRION J P. Image matching as a diffusion process： an analogy with Maxwells demons[J]. Medical image analysis， 1998， 2（3）： 243-260.[JP]

[7] CHUI H， RANGARAJAN A. A new point matching algorithm for nonrigid registration[J]. Computer Vision and Image Understanding， 2003， 89（2）： 114-141.

[8] MYRONENKO A， SONG X. Point set registration： Coherent point drift[J]. IEEE transactions on pattern analysis and machine intelligence， 2010， 32（12）： 2262-2275.

[9] LI Z， ZHANG Y， LIU G， et al. A robust coronary artery identification and centerline extraction method in angiographies[J]. Biomedical Signal Processing and Control， 2015，16：1-8.

[10][JP4]SKOURA A， BARNATHAN M， MEGALOOIKONOMOU V. Classification[JP] of ductal tree structures in galactograms[C]//IEEE International Symposium on Biomedical Imaging： From Nano to Macro. Piscataway， NJ， USA ：IEEE， 2009： 1015-1018.

[11]KALVIN A D， VAROL Y L. On the generation of all topological sortings[J]. Journal of Algorithms， 1983， 4（2）： 150-162.

[12]MLLER M. Information retrieval for music and motion[M]. Berlin Heidelberg： Springer，2007： 69-84.

[13]POWELL M J D. A fast algorithm for nonlinearly constrained optimization calculations[M]//WATSON G A. Numerical analysis. Berlin Heidelberg：Springer， 1977： 144-157.

[14]METZ C T， SCHAAP M， KLEIN S， et al. Registration of coronary CCTA and monoplane X-ray angiography[J]. IEEE transactions on medical imaging， 2013， 32（5）： 919-931.[ZK）]