WSTĘP

Patologię związaną z sercem zalicza się do najczęstszych problemów zdrowotnych w społeczeństwie zachodnim. Objawy wskazujące na choroby układu krążenia są zazwyczaj diagnozowane za pomocą angiografii, które pozwalają ekspertowi medycznemu obserwować przepływ krwi w tętnicach wieńcowych i wykrywać poważne zwężenia (stenozy). W zależności od ciężkości, rozległości i lokalizacji tych zwężeń ekspert stawia diagnozę, definiuje leczenie i ustala prognozę. Obecny modus operandi polega na tym, że eksperci kliniczni obserwują sekwencje obrazów i podejmują decyzje na podstawie swojej wiedzy empirycznej. Różne techniki i strategie segmentacji mają obecnie na celu obiektywizację tego procesu poprzez wyodrębnienie ilościowych i jakościowych informacji z angiografii.

WSTĘP

Segmentacja to proces, który dzieli obraz na jego części składowe lub obiekty. W niniejszym kontekście polega ona na oddzieleniu pikseli tworzących drzewo wieńcowe od pozostałych pikseli "tła". Żadna z obecnie stosowanych metod segmentacji nie jest w stanie całkowicie i perfekcyjnie wyodrębnić naczyń krwionośnych serca, ponieważ obrazy przedstawiają złożone morfologie, a ich tło jest niejednorodne ze względu na obecność innych elementów anatomicznych i artefaktów, takich jak cewniki. Literatura przedstawia szeroki wachlarz metod ekstrakcji drzewa wieńcowego: niektóre stosują techniki rozpoznawania wzorców oparte na czystej intensywności, takie jak progowanie, a następnie analiza połączonych komponentów, podczas gdy inne stosują wyraźne modele naczyń w celu wyodrębnienia konturów naczyń. W zależności od jakości i szumu obrazu, niektóre metody segmentacji mogą wymagać wstępnego przetwarzania obrazu przed algorytmem segmentacji; inne mogą wymagać operacji przetwarzania końcowego w celu wyeliminowania skutków możliwej nadmiernej segmentacji. Techniki i algorytmy segmentacji naczyń można podzielić na następujące kategorie :

1. Techniki "dopasowywania wzorców" lub rozpoznawania wzorców
2. Techniki oparte na modelach
3. Techniki oparte na śledzeniu
4. Techniki oparte na sztucznej inteligencji
5. Główny cel

W tej sekcji opisano główne cechy najpowszechniej akceptowanych technik segmentacji drzewa wieńcowego. Techniki te automatycznie wykrywają obiekty i ich cechy, co jest łatwym i natychmiastowym zadaniem dla ludzi, ale niezwykle złożonym procesem dla sztucznych systemów obliczeniowych.

Techniki oparte na rozpoznawaniu wzorców

Podejścia do rozpoznawania wzorców można podzielić na cztery główne kategorie:

Metody wieloskalowe

Metoda wieloskalowa ekstrahuje metodę naczyń za pomocą obrazów o różnej rozdzielczości. Główną zaletą tej techniki jest jej duża szybkość. Większe struktury, takie jak główne tętnice, są ekstrahowane poprzez segmentację obrazów o niskiej rozdzielczości, podczas gdy mniejsze struktury są uzyskiwane poprzez obrazy o wysokiej rozdzielczości.

Metody oparte na szkieletach

Celem tych metod jest uzyskanie szkieletu drzewa wieńcowego: struktury o mniejszych wymiarach niż oryginał, która zachowuje właściwości topologiczne i ogólny kształt wykrytego obiektu. Szkielety oparte na krzywych są zazwyczaj używane do rekonstrukcji struktur naczyniowych. Algorytmy szkieletujące są również nazywane "algorytmami rozrzedzania". Pierwszym krokiem procesu jest wykrycie centralnej osi naczyń lub "linii środkowej". Ta oś jest wyimaginowaną linią, która podąża za każdym naczyniem w jego osi centralnej, tj. dwa normalne segmenty, które przecinają oś w przeciwnym kierunku, powinny znajdować się w tej samej odległości od krawędzi naczynia. Suma tych linii stanowi szkielet drzewa wieńcowego. Metody, które są używane do wykrywania osi centralnych, można podzielić na trzy kategorie:

Metody oparte na grzbietach

Jedną z pierwszych metod segmentacji obrazów angiograficznych na podstawie grzbietów zaproponowali Guo i Richardson. Ta metoda traktuje angiografie jako mapy topograficzne, w których wykryte grzbiety stanowią osie centralne naczyń. Obraz jest wstępnie przetwarzany za pomocą filtra medianowego i wygładzany za pomocą dyfuzji nieliniowej. Następnie obszar zainteresowania jest wybierany poprzez progowanie, proces, który eliminuje grzbiety, które nie odpowiadają osiom centralnym. Na koniec kandydujące osie centralne są łączone za pomocą technik relaksacji krzywej.

Metody oparte na wzroście regionów

Przyjmując znany punkt jako punkt początkowy, techniki te segmentują obrazy poprzez przyrostowe włączanie pikseli w region na podstawie ustalonego a priori kryterium. Istnieją dwa szczególnie ważne kryteria: podobieństwo wartości i bliskość przestrzenna . Ustalono, że piksele, które są wystarczająco blisko innych o podobnych poziomach szarości, należą do tego samego obiektu. Główną wadą tej metody jest to, że wymaga ona interwencji użytkownika w celu określenia punktów początkowych. O′Brien i Ezquerra proponują automatyczną ekstrakcję naczyń wieńcowych w angiogramach na podstawie ograniczeń czasowych, przestrzennych i strukturalnych. Algorytm rozpoczyna się od filtra dolnoprzepustowego i definicji punktu początkowego przez użytkownika. Następnie system zaczyna ekstrakcję osi centralnych za pomocą mechanizmu "testu kuli", po czym wykryte regiony są splątane za pomocą teorii grafów. Zastosowany test pozwala również na odrzucenie regionów, które zostały wykryte nieprawidłowo i nie należą do drzewa naczyniowego.

Metody oparte na geometrii różniczkowej

Metody oparte na geometrii różniczkowej traktują obrazy jako hiperpowierzchnie i wyodrębniają ich cechy za pomocą krzywizny i grzbietów powierzchni. Punkty grzbietu hiperpowierzchni odpowiadają centralnej osi struktury naczynia. Tę metodę można stosować zarówno do obrazów dwuwymiarowych, jak i trójwymiarowych; angiogramy są obrazami dwuwymiarowymi i dlatego są modelowane jako trójwymiarowe hiperpowierzchnie. Przykłady rekonstrukcji można znaleźć w Prinet i inni, którzy traktują obrazy jako powierzchnie parametryczne i wyodrębniają ich cechy za pomocą powierzchni i grzbietów.

Metody filtrów korespondencyjnych

Podejście filtrów korespondencyjnych zawija obraz za pomocą wielu filtrów korespondencyjnych w celu wyodrębnienia obszarów zainteresowania. Filtry są zaprojektowane w celu wykrywania różnych rozmiarów i orientacji. Poli i Valli stosują tę technikę z algorytmem, który szczegółowo opisuje serię wielokierunkowych filtrów liniowych, które są uzyskiwane jako liniowe kombinacje "jąder" Gaussa. Filtry te są wrażliwe na różne szerokości naczyń i orientacje. Mao i inni również stosują ten typ filtrów w algorytmie opartym na modelach percepcji wzrokowej, które potwierdzają, że odpowiednie części obiektów na obrazach z szumem wydają się normalnie zgrupowane.

Morfologiczne metody matematyczne

Morfologia matematyczna definiuje serię operatorów, które stosują elementy strukturalne do obrazów, tak aby ich cechy morfologiczne mogły zostać zachowane, a nieistotne elementy wyeliminowane. Główne operacje morfologiczne są następujące:

•  Dylatacja: rozszerza obiekty, wypełnia puste przestrzenie i łączy rozłączne regiony.
• o Erozja: zwęża obiekty, oddziela regiony.
•  Zamknięcie: dylatacja + erozja.
•  Otwarcie: Erozja + Dylatacja.
•  Transformacja "Top hat": Ekstrakcja struktur o kształcie liniowym
•  Transformacja "Watershed": "Zalewa" obraz, który jest traktowany jako mapa topograficzna i ekstrakcja części, które nie są "zalane".

Eiho i Qian stosują podejście czysto morfologiczne, aby zdefiniować algorytm, który składa się z następujących kroków:

1. Zastosowanie operatora "top hat" w celu podkreślenia naczyń
2. Erozja w celu wyeliminowania obszarów, które nie odpowiadają naczyniom
3. Ekstrakcja drzewa z punktu podanego przez użytkownika i na podstawie poziomów szarości.
4. Odchudzanie drzewa
5. Ekstrakcja krawędzi poprzez transformację "watershed"

TECHNIKI OPARTE NA MODELACH

Te podejścia wykorzystują jawne modele naczyń do wyodrębnienia drzewa naczyniowego. Można je podzielić na cztery kategorie: modele odkształcalne, modele parametryczne, modele korespondencji szablonowej i uogólnione cylindry.

Modele odkształcalne

Strategie oparte na modelach odkształcalnych można sklasyfikować na podstawie prac McInerneya i Terzopoulosa . Algorytmy wykorzystujące modele odkształcalne opierają się na stopniowym udoskonalaniu początkowego szkieletu zbudowanego z krzywych z serii punktów odniesienia:

•  Punkty korzeniowe: Punkty początkowe dla drzewa wieńcowego.
•  Punkty rozwidlenia: Punkty, w których gałąź główna dzieli się na gałąź wtórną.
•  Punkty końcowe: Punkty, w których kończy się gałąź drzewa.

Punkty te muszą zostać oznaczone ręcznie.

Odkształcalne modele parametryczne: aktywne kontury

Te modele wykorzystują zestaw krzywych parametrycznych, które dostosowują się do krawędzi obiektu i są modyfikowane zarówno przez siły zewnętrzne, które wywołują odkształcenie, jak i siły wewnętrzne, które opierają się zmianom. Aktywne modele konturów lub w szczególności "węże" są szczególnym przypadkiem bardziej ogólnej techniki, która udaje, że dostosowuje odkształcalne modele poprzez minimalizację energii. Klein i inni proponują algorytm, który wykorzystuje "węże" do rekonstrukcji 4D: śledzą położenie każdego punktu osi centralnej szkieletu w sekwencji angiogramów.

Odkształcalne modele geometryczne

Te modele są oparte na modelach topograficznych, które są dostosowane do rozpoznawania kształtów. Malladi i inni na przykład dostosowują "metodę zestawu poziomów" (LSM), przedstawiając krawędź jako zestaw poziomów zerowych hiperpowierzchni wyższego rzędu; model ewoluuje, aby zredukować metrykę zdefiniowaną przez ograniczenia krawędzi i krzywizny, ale mniej sztywno niż w przypadku "węży". Ta krawędź, która stanowi poziom zerowy hiperpowierzchni, ewoluuje, dostosowując się do krawędzi naczyń, co chcemy wykryć.

Metody propagacji

Quek i Kirbas opracowali system propagacji fal połączony z mechanizmem cofania, aby wyodrębnić naczynia z obrazów angiograficznych. Ta metoda zasadniczo oznacza każdy piksel zgodnie z prawdopodobieństwem przynależności do naczynia, a następnie propaguje falę przez piksele oznaczone jako należące do naczynia; to ta fala definitywnie wyodrębnia naczynia zgodnie z lokalnymi cechami, na które napotyka. Podejścia oparte na korespondencji odkształcalnych szablonów: To podejście próbuje rozpoznać modele strukturalne (szablony) na obrazie, używając szablonu jako kontekstu, tj. jako modelu a priori. Ten szablon jest zazwyczaj reprezentowany jako zestaw węzłów połączonych segmentem. Początkowa struktura jest deformowana, aż dostosuje się optymalnie do struktur obserwowanych na obrazie. Petrocelli i inni opisują metodę opartą na odkształcalnych szablonach, która również włącza dodatkową wcześniejszą wiedzę do procesu deformacji.

Modele parametryczne

Te modele opierają się na a priori wiedzy o kształcie tętnicy i są używane do budowania modeli, których parametry zależą od profili całego naczynia; jako takie biorą pod uwagę globalne informacje o tętnicy, a nie tylko lokalne informacje. Wartość tych parametrów jest ustalana po procesie uczenia się. Literatura pokazuje wykorzystanie modeli z przekrojami kołowymi i przekrojami spiralnymi , ponieważ różne badania Browna, B. G., Brown, Bolson, Frimer i Dodge, 1982 pokazują, że odcinki zdrowych tętnic mają tendencję do bycia kołowymi, a odcinki ze zwężeniem są zwykle eliptyczne. Jednak zarówno kształty kołowe, jak i eliptyczne nie zbliżają się do nieregularnych kształtów spowodowanych patologiami lub rozwidleniami. Model ten został zastosowany do rekonstrukcji struktur naczyniowych za pomocą dwóch angiogramów , dlatego zarówno zdrowe, jak i zwężone przekroje są modelowane za pomocą elips. Model ten jest następnie deformowany, aż będzie odpowiadał kształtowi związanemu z narodzinami nowej gałęzi lub patologii.

Uogólnione modele cylindrów

Uogólniony cylinder (GC) to bryła, której oś centralna jest krzywą 3D. Każdy punkt tej osi ma ograniczoną i zamkniętą sekcję, która jest do niej prostopadła. CG jest zatem definiowany w przestrzeni przez krzywą przestrzenną lub oś i funkcję, która definiuje sekcję na tej osi. Sekcja jest zwykle elipsą. Technicznie rzecz biorąc, GC powinny być uwzględnione w sekcji metod parametrycznych, ale praca wykonana w tej dziedzinie jest tak obszerna, że zasługuje na własną kategorię. Konstrukcja modelu drzewa wieńcowego wymaga jednego widoku do zbudowania drzewa 2D i oszacowania sekcji. Jednak nie ma informacji o głębokości ani powierzchni sekcji, więc wymagana będzie druga projekcja.

ŚLEDZENIE TĘTNIC

W przeciwieństwie do podejść opartych na rozpoznawaniu wzorców, w których operatorzy lokalni są stosowani do całego obrazu, techniki oparte na śledzeniu tętnic opierają się na stosowaniu operatorów lokalnych w obszarze, który prawdopodobnie należy do naczynia i obejmuje jego długość. Z danego punktu wyjścia operatorzy wykrywają oś centralną i, analizując piksele, które są ortogonalne do kierunku śledzenia, krawędzie naczynia. Istnieją różne metody określania osi centralnej i krawędzi: niektóre metody wykonują sekwencyjne śledzenie i włączają informacje o łączności po prostej operacji wykrywania krawędzi, inne metody wykorzystują te informacje do sekwencyjnego śledzenia konturów. Istnieją również podejścia oparte na intensywności grzbietów, na zbiorach rozmytych lub na reprezentacji raphów, gdzie celem jest znalezienie optymalnej drogi na wykresie, który reprezentuje obraz. Lu i Eiho opisali algorytm uzupełniający dla krawędzi naczyniowych w angiografiach, który uwzględnia włączenie gałęzi i składa się z trzech kroków:

1. Wykrywanie krawędzi
2. Przeszukiwanie gałęzi
3. Śledzenie sekwencyjnych konturów

Użytkownik musi podać punkt wyjścia, kierunek i zakres wyszukiwania. Punkty krawędziowe są oceniane za pomocą operatora wygładzania różnicowego w linii prostopadłej do kierunku naczynia. Operator ten służy również do wykrywania gałęzi.

TECHNIKI OPARTE NA SZTUCZNEJ INTELIGENCJI

Podejścia oparte na sztucznej inteligencji wykorzystują wiedzę wysokiego poziomu do kierowania segmentacją i delimitacją struktur naczyniowych, a czasami wykorzystują różne rodzaje wiedzy z różnych źródeł. Jedną z możliwości jest wykorzystanie reguł, które kodyfikują wiedzę na temat morfologii naczyń krwionośnych; reguły te są następnie wykorzystywane do sformułowania hierarchii, za pomocą której można utworzyć model. Ten typ systemu nie daje dobrych wyników w przypadku rozwidleń tętniczych ani w tętnicach z niedrożnościami. Inne podejście polega na sformułowaniu opartego na regułach systemu eksperckiego w celu identyfikacji tętnic. W pierwszej fazie obraz jest przetwarzany bez korzystania z wiedzy domenowej w celu wyodrębnienia segmentów naczyń. Dopiero w drugiej fazie stosowana jest wiedza dziedzinowa na temat anatomii i fizjologii serca . To drugie podejście jest bardziej solidne niż pierwsze, ale wiąże się z niedogodnością niełączenia wszystkich segmentów w jedną strukturę naczyniową.

TRENDY PRZYSZŁOŚCI

Nie można powiedzieć, że jedna technika ma bardziej obiecującą przyszłość niż inna, ale obecna tendencja polega na odchodzeniu od wyżej wymienionych klasycznych algorytmów segmentacji w kierunku rekonstrukcji 3D, a nawet 4D drzewa wieńcowego. Inne kierunki badań koncentrują się na uzyskiwaniu obrazów angiograficznych za pomocą nowych technologii akwizycji, takich jak rezonans magnetyczny, komputerowa tomografia szybkiej prędkości lub dwuramienne urządzenia angiograficzne, które osiągają dwie równoczesne projekcje w połączeniu z wykorzystaniem ultradźwiękowych urządzeń wewnątrznaczyniowych. Ten rodzaj akwizycji upraszcza tworzenie struktur trójwymiarowych, bezpośrednio z akwizycji lub po prostym przetworzeniu obrazów dwuwymiarowych.