基于最小路徑的血管圖像分割算法.pdf

1、血管類疾病已經成為了世界范圍內高死亡率、高致殘率、高醫(yī)療風險的疾病之一?，F代醫(yī)學對血管類疾病的診斷和治療常常需要借助一些成像工具對獲取的血管數據進行成像和觀察，對疑似病灶，如軟斑塊，鈣化等進行判斷和確認?，F在已經有大量的研究致力于醫(yī)學臨床血管精確成像，其中血管分割是精確成像，量化血管疾病，幫助臨床診斷的關鍵步驟。然而，血管分割依然是一個具有挑戰(zhàn)性的難題，這是因為血管數據不同的獲取方法，血管復雜多變的形態(tài)，多種病理學特征以及血管周圍復雜的

2、生理環(huán)境都會影響血管分割效果。
　　最小路徑方法可以有效地找到兩個點之間累積代價最小的路徑，通過待提取的特征來構造代價函數，從而可以提取兩點之間的類曲線結構。最小路徑方法已經被作為血管提取的有效方法之一。最小路徑方法雖然有著諸多優(yōu)點，如搜索速度快，可以有效地定位細小血管以及克服血管交叉點和一些病灶引起的血管灰度分布不均勻導致分割結果不準確的情況等，但是對于其在血管中軸線及血管結構提取上的應用還存在一定問題，主要有端點問題，短接問題

3、以及代價累積問題這三個問題。
　　為了克服上述三個問題，本文在最小路徑方法中引入回溯技術，進而給出了提取類曲線結構的MPPBT(minimal path propagation with backtracking)方法。通過在最小路徑搜索中執(zhí)行三種類型的回溯操作，包括回溯累加終點操作，回溯能量降低操作以及回溯速度計算，MPPBT方法實現了只需要一個起始點，就可以有效地搜索出圖像中完整的特征區(qū)域，并實現搜索地自動化停止，最終準確地提

4、取出類曲線結構。但是，在最小路徑方法中引入回溯技術后，會導致一個新的問題:閉環(huán)問題。本文在闡述閉環(huán)問題產生原因的基礎之上，給出了局部MPPBT方法來解決閉環(huán)問題。
　　本文使用了血管中軸線的對稱凸性來描述其特征能量函數，繼而使用MPPBT方法來快速有效地提取出血管中軸線。在精確的血管中軸線結果的基礎之上，本文又給出了基于中軸線約束和最小路徑搜索技術的CCMPP(centerline constraint-minimal path

5、propagation)算法來進行血管提取。其中，中軸線約束包括能量約束和半徑約束兩種類型的約束。CCMPP算法利用回溯操作來實現最小路徑搜索的自動化停止。本文給出的完整的血管分割算法在處理相同類型的血管數據時，只需要單獨設置起點位置，其余的算法參數即使保持不變也可以魯棒地實現血管分割。
　　本文使用了二維冠狀動脈造影圖像，三維冠狀動脈數據，二維視網膜數據，三維頸動脈數據，和三維腎臟動脈數據五種不同類型的血管圖像數據來進行算法有效