基于LOG算子邊緣檢測算法的冠狀動脈CT血管造影圖像質量優化研究*

楊德武 晏子旭 杜志強 王俊瑩 周 振 高一峰

冠狀動脈CT造影(coronary computed tomography angiography，CCTA)是一種通過被檢者靜脈注射造影劑后，采用螺旋CT對冠狀動脈進行斷層掃描，獲取冠狀動脈解剖形態和病變信息的影像學檢查方法，是目前臨床開展冠狀動脈相關疾病的早期診斷、手術治療及預后評估過程中的最有效輔助手段[1-2]。受到心臟運動節律性和冠狀動脈結構復雜性的影響，CCTA圖像易產生運動偽影和梯狀偽影，從而降低冠狀動脈的邊緣影像質量，并影響疾病診斷準確率。

隨著數字圖像處理技術的發展，醫生對圖像中不同組織和(或)器官相鄰區域間像素集合(邊緣)的識別能力逐步提升，其基本原理是對圖像局部灰度變化明顯的信息進行提取[3-4]。常用檢測方法包括一階導數檢測中的Sobel算子、Robert算子和Prewitt算子等，以及二階導數過零點檢測中的拉普拉斯-高斯算子(Laplacian of Gaussian，LOG)、Laplacian算子等邊緣檢測算法。邊緣檢測算法在醫學圖像質量優化中具有較高的臨床應用價值，但不同算法的優劣存在一定差異，且研究對象以顱腦、胸肺等為主，而CCTA冠狀動脈邊緣優化的研究較少[5-6]。根據邊緣檢測和對圖像噪聲抑制的效果，本研究采用LOG邊緣檢測算法探索CCTA冠狀動脈邊緣檢測的有效途徑，通過對比主觀檢測和客觀檢測的差異性，探討其在臨床圖像質量優化中的應用價值。

1 資料與方法

1.1 臨床圖像資料

選取2019年7-8月期間首都醫科大學附屬北京安貞醫院放射科接診行CCTA檢查的100例患者，其中男性57例，女性43例；年齡38～88歲，平均年齡(64.08±11.36)歲；心率(94.77±39.62)次/min。將CCTA檢查的曲面重建(CPR)圖像主觀檢測數據納入對照組，LOG算子邊緣檢測數據納入觀察組。對照組采用的主觀檢測方法是由影像診斷醫師進行冠狀動脈的邊緣識別和質量評估；觀察組采用的客觀檢測是通過LOG邊緣檢測算法進行冠狀動脈的邊緣識別和質量評估。本研究經醫院倫理委員會批準，符合醫學倫理學標準，并獲得患者或家屬的知情同意。

1.2 納入與排除標準

(1)納入標準：①心電圖診斷為心律不齊的患者；②臨床診治及影像學資料齊全的患者。

(2)排除標準：①合并肝、腎、心功能衰竭的患者；②患有精神類疾病的患者；③依從性較差的患者。

1.3 儀器設備與藥物

采用256排Revolution螺旋CT(美國GE公司)為影像采集設備；AW4.5影像處理工作站(美國GE公司)。優維顯370(德國拜耳)為造影劑。

1.4 圖像采集及處理

掃描參數設置為：管電壓100 kV，管電流為自動毫安，掃描層厚及間隔為0.625 mm，掃描范圍140～160 mm，對比劑濃度370 mg/ml，流率4～4.5 ml/s，總量55～60 ml，隨機采用相對時相(30%～80%的RR波間期)和絕對時相(R波后250～350 ms)掃描各50例，選擇冠狀動脈運動追蹤最佳期相。圖像后處理技術采用曲面重建(curve planar reconstruction，CPR)和容積再現(volume rendering，VR)。

1.5 冠狀動脈邊緣檢測

(1)主觀檢測方法：由2名具有兩年以上影像診斷經驗的醫師組成圖像分析小組，獨立完成冠狀動脈邊緣的識別和清晰度的評估，當分析結果不一致時由高一級影像醫師協助[7-8]。根據橫斷面圖像的邊緣識別情況判定冠狀動脈狹窄程度(S)，輕度狹窄為S＜50%，中度狹窄為50%≤S＜70%，重度狹窄為S≥70%；依據國際心血管CT協會制定的冠狀動脈18段分段標準，血管光滑完整無偽影得4分，有偽影但不影響診斷得3分，有嚴重偽影且影響診斷得2分，血管不連續且偽影嚴重得1分。

(2)客觀檢測方法：較之于一階導數算子，二階導數算子具有更高的檢測效率，圖像分界效果更明顯，但也存在對圖像噪聲敏感的不利因素，易出現雙邊緣現象。LOG邊緣檢測算法是通過高斯函數對圖像進行濾波，降低圖像噪聲，而通過拉普拉斯算子進行二階導數運算，找到邊緣之間的零交叉，達到改善邊緣檢測效果的目的[9-10]。其中，采用的邊緣檢測掩模(g)計算為公式1，高斯函數(h)和拉普拉斯算子(Δ)計算方法為公式2和公式3：

式中h(x,y)為高斯函數，標準差為σ，決定圖像平滑程度，Δ2h(x,y)為輸入圖像的拉普拉斯算子。

(3)圖像分析：圖像分析小組根據矩陣實驗室(matrix laboratory，MATLAB)處理CPR圖像的邊緣識別情況判定冠狀動脈狹窄程度(S)；圖像中冠狀動脈分界線連貫且無雙邊緣現象得4分，分界線不連貫但不影響診斷得3分，分界線中斷明顯且影響診斷得2分，分界線不明顯得1分。

1.6 觀察指標

以VR圖像為參照標準，對比兩組冠狀動脈的狹窄程度分析結果準確性，即輕度狹窄、中度狹窄以及重度狹窄的真陽性率，進行冠狀動脈圖像的清晰度評估；對比兩組冠狀動脈分段的評分結果，進行冠狀動脈邊緣識別的效果評估。

1.7 統計學方法

采用SPSS19.0統計軟件進行數據分析，兩組冠狀動脈狹窄程度的準確性數據為計數資料，以百分比(%)表示，采用x2檢驗進行組間比較；冠狀動脈分段評分為計量資料，以均值±標準差()表示，數據呈正態分布采用獨立樣本t檢驗進行組間比較，以P＜0.05為差異有統計學意義。

2 結果

2.1 LOG圖像處理結果分析

(1)冠狀動脈分支原始圖像：重建后CPR輸出灰度圖的像素分辨率為800×700，典型患者的3個主要冠狀動脈分支圖像分別為右冠狀動脈(right coronary artery，RCA)、左前降支(left anterior descending，LAD)和左回旋支(left circumflex artery，LCX)，見圖1。

(2)LOG邊緣檢測處理圖像：應用MATLAB7.0處理軟件處理LOG邊緣檢測結果顯示，冠狀動脈血管和少量組織的邊界信息保留，背景信息和噪聲被減弱，見圖2。

2.2 兩組冠狀動脈狹窄程度分析結果比對

100例患者經VR影像診斷顯示，輕度狹窄、中度狹窄及重度狹窄患者分別為67例(占67%)、24例(占24%)和9例(占9%)。對照組診斷為輕度狹窄、中度狹窄及重度狹窄的真陽性率分別為80.59%(54/67)、70.83%(17/24)和55.56%(5/9)；觀察組分別為92.54%(62/67)、95.83%(23/24)和100%(9/9)，兩組比較差異均有統計學意義(x2=4.107，x2=5.400，x2=5.143；P＜0.05)，見表1。

表1 兩組100例患者冠狀動脈狹窄程度分析結果比對(例)

圖1 主要冠狀動脈分支原始圖像

圖2 LOG邊緣檢測處理后冠狀動脈分段圖像

2.3 兩組冠狀動脈分段評分結果比對

對照組右冠狀動脈、左回旋支動脈、左前降支動脈和冠狀動脈的評分分別為(3.31±0.67)分、(3.19±0.59)分、(3.07±0.68)分和(3.19±0.51)分；觀察組分別為(3.71±0.31)分、(3.59±0.33)分、(3.52±0.41)分和(3.61±0.28)分，兩組比較差異均有統計學意義(t=2.126，t=2.333，t=2.183，t=2.762；P＜0.05)，見表2。

表2 兩組100例患者冠狀動脈分段評分結果比對(分，)

表2 兩組100例患者冠狀動脈分段評分結果比對(分，)

3 討論

醫學圖像最基本的特征是人體組織、器官和病灶的邊界，表示圖像局部區域內不連續的突變信息，是醫學圖像處理和影像診斷最關鍵的要素之一。邊緣檢測方法利用圖像一階導數的極值或二階導數的過零點信息判斷邊緣點，通過構造對圖像灰度階躍變化敏感的差分算子實現圖像的分割，具有計算簡便、執行效率高、靈敏度高等特點，但也存在對圖像噪聲敏感的缺點，在醫學影像處理領域具有較高的研究價值。國內諸多學者對圖像邊緣檢測的原理和方法研究較多，提出了很多改進的措施，圖像質量得到了進一步優化[11-12]。目前，在結合臨床研究方面，探索實踐內容仍然較少。

本研究選取了醫院放射科接診行CCTA檢查的100例患者，對重建CPR圖像分別進行冠狀動脈邊緣的主觀檢測和LOG檢測，以VR診斷結果為診斷標準，對比兩種方法的優劣。本研究結果數據顯示，主觀檢測方法進行冠狀動脈輕度狹窄、中度狹窄及重度狹窄的真陽性率低于LOG檢測方法，組間差異有統計學意義；通過CPR圖像進行右冠狀動脈、左回旋支動脈、左前降支動脈和冠狀動脈的評分低于LOG處理圖像，組間差異有統計學意義。結果表明，LOG邊緣檢測算法提高了冠狀動脈CCTA圖像的清晰度和血管邊緣銳利度，血管邊緣信息連貫且對比度高，其在優化CCTA圖像質量中具有較高的臨床應用價值。

4 結論

本研究對LOG邊緣檢測技術在冠狀動脈CCTA圖像質量優化中的應用進行了初步探索，提示LOG可有效地提高冠狀動脈邊緣的清晰度和對比度，提高冠狀動脈疾病影像診斷的準確性，應用于CCTA圖像質量優化中具有可行性?？紤]到被檢患者和影像醫師對研究結果的影響程度，今后將進一步增加臨床案例的收集和分析，提高研究結果的科學性，同時在自動檢測技術方面提高信息化效率。