基于區(qū)域生長算法人工心臟瓣膜有效開口面積測量

季亞波, 吳明暉, 周 圍, 鄢 鵬

(上海工程技術(shù)大學 機械與汽車工程學院， 上海 201620)

0 引 言

人工心臟瓣膜置換手術(shù)是治療瓣膜性心臟病患者最有效的醫(yī)療措施。從研制到投入臨床使用，人工心臟瓣膜需要經(jīng)過體外流體動力學性能檢測和評價，有效開口面積則是該檢測和評價的重要指標之一。人工心臟瓣膜結(jié)果和功能有其固有的特殊性，心臟瓣膜開口速度和大小受到博出量、跨瓣壓差的影響，延用Gorlin公式計算開口面積，通過理論分析與試驗之后發(fā)現(xiàn)，流出系數(shù)改變較大，實際值與理論值有較大誤差。隨著試驗設備的完善，圖像采集處理系統(tǒng)與人工心臟瓣膜體外脈動脈測試系統(tǒng)相結(jié)合，在采集跨瓣壓差、流量的同時，實時拍攝人工心臟瓣膜開閉過程中的圖像，進一步通過圖像處理計算得到人工心臟瓣膜的有效開口面積，并就有效開口面積與流量、跨瓣壓差的關(guān)系進行分析。

目前人工心臟瓣膜有效開口面積的計算主要依賴于人工后期處理，步驟繁瑣，人工干預程度高，效率低下。因此，探討提高人工心臟瓣膜的有效開口面積的測量效率和自動化程度的新方法有重要意義。

本文通過圖像處理對采集到的心臟瓣膜開合運動過程進行分析，通過自動種子點選取的區(qū)域生長算法計算人工心臟瓣膜有效開口面積。

1 研究內(nèi)容和方法

1.1 系統(tǒng)組成及實驗環(huán)境

人工心臟瓣膜體外脈動測試系統(tǒng)主要包括血液循環(huán)體外模擬裝置、信號放大儀、電磁流量儀、CCD相機、圖像采集卡等，如圖1所示。

圖1 測試系統(tǒng)結(jié)構(gòu)圖

血液循環(huán)體外模擬裝置是與上海微創(chuàng)醫(yī)療器械(集團)有限公司合作研發(fā)，該裝置通過模擬人體全身循環(huán)脈動模型，可以產(chǎn)生近似生理條件下的脈動壓力和流量波形，其裝置如圖2所示。圖像采集使用的是OLYMPUS i-SPEED LT高速攝像機，采集速率為500幀/s，分辨率為800×600；圖像處理環(huán)境為Windows 10操作系統(tǒng)與MATLAB R2016b軟件平臺。實驗測試的人工心臟瓣膜由上海微創(chuàng)醫(yī)療器械(集團)有限公司研發(fā)提供。

圖2 血液循環(huán)體外模擬裝置

1.2 圖像預處理

工心臟瓣膜開閉速度較快，同時受攝像機分辨率及光源照射等因素的影響，攝入的圖像存在幾何畸變、邊緣模糊、圖像亮度分布不勻等問題，影響有效開口面積的計算。通過圖像的預處理可以消除無關(guān)信息，突出環(huán)境背景下的特征參數(shù)，增強目標信息的可識別性，有效降低了識別算法的復雜度。

1.2.1 圖像灰度化

圖像灰度化處理是將三通道的RGB轉(zhuǎn)化為一通道的灰度圖，灰度變化范圍縮減為0～28，大大減少圖像信息數(shù)據(jù)量，更好的凸顯圖像形態(tài)學特性。針對人工心臟瓣膜拍攝的圖片特性，采用加權(quán)平均灰度法對圖像進行處理，具有比較好的適應性。

1.2.2 形態(tài)學處理

形態(tài)學圖像處理是利用數(shù)學形態(tài)學從給定圖像中提取目標有用圖像分量。其基本的運算包括：腐蝕、膨脹、開運算、閉運算、頂帽操作、擊中或擊不中變化等。

在灰度級圖像中，腐蝕和膨脹是利用結(jié)構(gòu)元原點，在每個像素位置上與灰度級圖像重合區(qū)域進行“最小值”、“最大值”運算，最后的運算效果取決于結(jié)構(gòu)元大小內(nèi)容以及運算性質(zhì)。

灰度級圖像的開操作，先利用結(jié)構(gòu)元進行腐蝕，隨后對所得結(jié)果膨脹操作，灰度級圖像的閉操作則與之相反。開操作可以平滑圖像輪廓，斷開較窄的區(qū)域，消除細小的孤島和突刺。閉操作操作可以平滑圖像輪廓，融合狹窄的間斷和細長的溝壑，消除小孔，填補斷裂。

原始目標灰度級圖像中包括開口陰影、鈦合金金屬支架、人工瓣膜、瓣膜安裝橡膠圈以及其他結(jié)構(gòu)，如圖3所示。其中，鈦合金金屬支架與開口陰影部分有部分重合且灰度級相近，直接使用圖像分割不能達到預期的分割效果。

圖3 原始灰度級圖像

采用形態(tài)學閉操作，對原始目標灰度級圖像進行處理，結(jié)構(gòu)元選擇半徑為7的平面圓盤形的結(jié)構(gòu)元素，如圖4所示。經(jīng)過閉運算處理之后，亮部細節(jié)和背景未受影響，暗部特征明顯削弱，鈦合金金屬支架能夠成功的從原始目標灰度級圖像消除。

圖4 形態(tài)學閉操作圖像

經(jīng)過形態(tài)學閉操作之后，開口陰影部分仍然存在一些亮部噪點沒有消除，繼而采用形態(tài)學開操作，結(jié)構(gòu)元選擇半徑為7的平面圓盤形的結(jié)構(gòu)元素，如圖5所示。

經(jīng)過灰度級圖像的閉操作和開操作，在保留開口陰影部分的同時，鈦合金金屬支架和開口陰影部分的亮部噪點可以從原始目標灰度級圖像去除。

1.3 區(qū)域生長圖像分割

1.3.1 算法描述

圖像分割一般是基于灰度值的二個基本性質(zhì)：不連續(xù)性和相似性。不連續(xù)性是基于灰度突變來分割圖像，比如圖像的邊緣；相似性是根據(jù)預定的準則分割圖像相似區(qū)域[1-2]。區(qū)域生長算法就是基于灰度值的相似性，根據(jù)預先定義的生長準則，將像素或子區(qū)域組分割合成為更大區(qū)域的過程[3]。分割后的同一區(qū)域中的像素具有相同的灰度級，兩鄰接區(qū)域的灰度值不同。

圖5 形態(tài)學開操作圖像

1.3.2 算法思路

區(qū)域生長算法主要包括區(qū)域生長點的選擇、區(qū)域生長準則的確定以及終止生長規(guī)則的確定。

生長種子點可以基于問題的性質(zhì)選擇一組或者多組。傳統(tǒng)的區(qū)域生長算法在選擇種子點時，需要人為針對不同的圖像情況設置不同位置的種子點，增加測試人員的工作量，降低了檢測效率[4-5]。本文結(jié)合人工心臟瓣膜圖像特性，可以自動選擇種子點進行區(qū)域生長計算。

通過觀察，首先在圖像固定處建立4×4的搜索窗格，遍歷其中的所有元素，依次獲取其灰度值，當有像素點滿足作為種子點的灰度要求，選擇該點作為區(qū)域生長種子點[6]；若該搜索窗格中沒有滿足作為種子點的像素點，則搜索窗格向上平移四個像素位置至①處，依照第一次搜索窗格方法進行種子點獲取；其次搜索窗格平移至②、③、④處，直至搜索窗格內(nèi)有像素點滿足作為種子點的灰度要求的像素點；若五個位置搜索窗格都沒有符合要求像素點，則說明該時刻人工心臟瓣膜處于閉合狀態(tài)，開口面積為0，如圖6和圖7所示。

區(qū)域生長準則以像素值的相近程度即相似性為判斷標準，可基于區(qū)域的灰度范圍、基于區(qū)域形狀或性質(zhì)、基于區(qū)域內(nèi)灰度分布統(tǒng)計。開口陰影與瓣膜有明顯的灰度差，因此設置一定的區(qū)域的灰度范圍為相似標準來確定有效開口陰影區(qū)域生長準則。

當不再有像素滿足加入?yún)^(qū)域生長準則時，區(qū)域生長就會停止。這就是終止生長規(guī)則的確定，代表著區(qū)域生長結(jié)束。

具體算法流程如圖8所示，區(qū)域生長算法如圖9所示。

圖6 像素坐標系表示

圖7 搜索窗格建立

圖8 區(qū)域生長算法流程

圖9 區(qū)域生長算法結(jié)果

2 結(jié)果與分析

經(jīng)過圖像處理以及區(qū)域生長算法分割后的人工心臟瓣膜開口二值化圖像可以方便地求出心臟瓣膜開口陰影部分的像素點數(shù)。通過提前對相機的標定處理，可以求出實際情況下每一個像素點對應的面積[7-8]。人工心臟瓣膜的實際開口面積計算公式(1)為：

SEOA=S1×pixels.

(1)

其中，SEOA為人工心臟瓣膜開口面積；S1為單個像素的對應的實際面積；pixels為心臟瓣膜開口陰影部分的像素點數(shù)。

在一個心動周期0.85 s中，每0.1 s對人工心臟瓣膜開口面積進行計算，見表1。

表1 不同時刻瓣膜開口面積

通過分析可得，區(qū)域生長算法可以準確計算人工心臟瓣膜有效開口面積。結(jié)合心臟運動規(guī)律來看，此人工心臟瓣膜在一個心動周期運動過程0.3 s時，達到最大開有面積0.82 mm2，超過此規(guī)模人工心臟瓣膜有效開口面積的參考標準0.7 cm2。進一步通過計算出的有效開口面積，可以分析與流量、跨瓣壓差的對應關(guān)系。

3 結(jié)束語

為了能夠精確、完整地分割出心臟瓣膜開口陰影部分，本文利用區(qū)域生長算法，準確計算出人工心臟瓣膜開口陰影部分的像素個數(shù)，實現(xiàn)了對有效開口面積的計算；通過建立搜索窗格，實現(xiàn)了種子生長點的自動設置。實驗結(jié)果表明，基于自動種子點設置的區(qū)域生長算法對人工心臟瓣膜有效開口面積測量有很好的適應性，相較于人工分割方法，效率和自動化程度有著顯著的提高。