改進型骨骼細化算法提取冠狀動脈中心線

張子恒，祝 磊，馬 駿，徐 平，劉亦安，薛凌云

(杭州電子科技大學自動化學院，浙江 杭州 310018)

冠心病(coronary artery disease, CAD)在中國心血管疾病死因中居第2位[1]。診斷CAD主要依靠CT血管造影術(computed tomography angiography, CTA)和冠狀動脈造影(coronary artery angiography, CAG)。CTA易于三維可視化，掃描時間短、空間分辨率較高，已越來越多用于診斷CAD。CTA診斷CAD時，需要對圖像的血管結構進行包括分割血管區域，提取中心線、分叉點以及測量血管直徑等精確處理，其中提取血管中心線最為重要[2]。

現有中心線提取方法分為全自動、半自動和人工提取3類。人工提取中心線簡單、可靠，但耗時、費力[3]。全自動方法一般指提取中心線過程中不施加任何人工干預，較經典者如利用圓柱體模型擬合提取冠狀動脈血管后進一步提取中心線[4]；半自動方法指在血管提取過程中需人為指定1個或數個點作為參照點，如分割主動脈和冠狀動脈并行三維重建后利用血管局部灰度值及走向選取迭代起始點[5]。此外，還有利用DBSCAN聚類算法進行分割后利用冠狀動脈主曲線提取中心線[6]，利用改進型Frangi濾波器消除心腔邊界處無關階躍響應后自動提取中心線[7]，利用快速行進算法提取圖像中初始點之間的最短路徑，據此在原始圖像上計算冠狀動脈中心線[8]，以及同時使用基于邊界的距離變換和基于源點(種子點)的距離變換[9]等。隨著人工智能的興起，可利用神經網絡提取中心線，如手動設置種子點，利用卷積神經網絡(convolutional neural network, CNN)結合冠狀動脈半徑沿血管不同方向預測血管中心線走向而提取中心線[10]?！?br>