冠状动脉血管内超声图像序列中运动伪影的抑制

冠状动脉血管内超声图像序列中运动伪影的抑制 一种ICUS图像序列中运动伪影的抑制方法 孙 正 丁伟荣 (华北电力大学电子与通信工程系, 保定 071003) 摘要:针对连续回撤超声导管采集的冠状动脉内超声(Intracoronary Ultrasound，ICUS)图像序列中存在 由周期性心脏运动所致运动伪影的问题，提出一种抑制方法，以改善ICUS纵向视图的视觉效果。首先， 在综合分析运动伪影的产生机制和表现形式的基础上，对血管壁的刚性运动进行定量估计;然后，采用谱 分析的方法完成刚性运动参数中运动分量和几何分量的分离;最后，通过对各帧图像中血管壁的运动分量 进行补偿，完成对运动伪影的抑制。该方法既不需要专门的ECG门控图像采集装置，也无需记录ECG信 号，同时不需要抛弃有用帧，在抑制运动伪影的同时保证图像数据集合的完整性。对模拟图像和临床图像 的实验验证了方法的可行性。 关键词:冠状动脉内超声;运动伪影;心脏运动;抑制 中图分类号:TP391 文献标识码:A A method for suppressing motion artifacts in ICUS image sequence SUN Zheng DING Weirong (Department of Electronic and Communication Engineering, North China Electric Power University, Baoding 071003, China) Abstract: A method for suppressing motion artifacts due to cyclic cardiac motion existing in continuous pullback Intracoronary Ultrasound (ICUS) image sequence acquired in vivo is proposed. Firstly, rigid motion parameters of cross-sectional vessel wall in tomographic image sequence are quantitatively estimated based on comprehensive analysis of both mechanism and expressions of motion artifacts. Then, dynamic and geometrical components of rigid motion parameters are separated with spectrum analysis technique. Finally, geometrical components of vessel wall motion in successive tomographic frames are quantitatively compensated to implement suppression of motion artifacts. Neither special ECG-gating acquisition device nor ECG signals are required. It is not required to discard useful frames to guarantee the integrity of the image data set. The validity has been demonstrated with computer-simulated and clinically acquired image data. Keywords: Intracoronary Ultrasound (ICUS); motion artifact; cardiac motion; suppression 1 引 言 冠状动脉内超声(intracoronary ultrasound，ICUS)成像是临床诊断冠心病的一种基于导管的腔内成像 技术，具有独特的在活体中观察血管壁、管腔及斑块形态性质，甚至管壁功能状态的特点，已经成为X射 线冠状动脉造影(X-ray coronary angiography)的弥补影像技术。 由于心脏运动以及血压变化所造成的运动伪影是影响ICUS图像的视觉效果，进而影响定量分析和血 管三维重建精度的主要因素。目前主要采用门控的方法减少ICUS序列中的运动伪影，包括三种方式: (1) 心电(electrocardiogram，ECG)门控的图像采集方法:即采用ECG门控的马达回撤超声导管， [1]根据ECG信号只在每个心动周期的相同时相(一般是R波)采集图像，改善心脏搏动所致的伪影。这 种方法的缺点在于需要专门的ECG门控图像采集装置，而目前临床采用的多数血管内超声(intravascular ultrasound，IVUS)成像系统不包含此功能。并且由于每个心动周期只采集一帧，因此与连续回撤超声导 [2]管的非门控采集方式相比，图像采集时间延长至少三倍。 (2) 离线ECG门控方法:即连续回撤超声导管采集图像序列，同时记录ECG信号。待介入检查过程 结束后，由医生根据ECG信号从图像序列中选取在相同心脏时相(一般是R波)采集的图像。这种方式 虽然不会延长介入检查的时间，但是其不足之处在于:?图像的帧采样率是固定的，因此只能获得近似同 基金项目:国家自然科学基金资助项目(30500129，60973087);中央高校基本科研业务费专项资金资助 1 步的序列;?结果的客观性和可重复性差，受医生的临床经验和主观因素影响较大;?受病人本身和不同病人之间的差异影响，很难选取出心动周期中的最佳采样点，从而获得最大帧间稳定度;?ECG信号记录的是心脏的全局电特性，而由于心脏运动和搏动血流所导致的伪影常取决于导管在管腔内的局部位置。 [2-8](3) 基于图像的门控(image-based gating)方法:运用数字图像处理技术，从连续回撤超声导管采集到的ICUS图像序列中提取出隐含的心动周期信息，根据此信息从每个心动周期中选取出一帧图像，组成同步采样序列。这种方法虽然可以避免离线ECG门控方法的缺点，但是由于每个心动周期只选择一帧，需要抛弃大量帧，因而可能会丢失很多有诊断价值的信息。 本文在综合分析ICUS图像序列中由周期性心脏运动所致运动伪影的产生机制和表现形式的基础上，对连续回撤导管采集的、覆盖多个心动周期的ICUS图像序列直接进行定量的刚性运动伪影估计和补偿。既不需要专门的ECG门控装置，无需记录ECG信号，也不需要抛弃有用帧，从而保证图像数据集合的完 [9]整性。考虑到光流法(optical flow)的运动估计结果极易受到血流随机运动的干扰，且结果对噪声十分 [10]敏感;块匹配法(block matching)需要明显的标志物，而此类标志并非在每帧中都存在，本文提出一种基于运动模型的方法，即首先建立血管壁在心动周期中的刚性运动模型;然后定量估计刚性运动参数(包括位移和旋转角)，并采用谱分析的方法分离运动分量与几何分量;最后通过补偿运动分量，达到抑制运动伪影的目的。 2 方 法 2.1 运动伪影的产生机制和表现形式 ICUS图像序列中由周期性心脏运动和搏动血流所致的运动伪影的主要表现形式为:(1)帧间的错位，即横断面图像序列(图1(a))中相邻帧之间血管横截面的平移和旋转(图1(b));(2)在沿管腔长轴方向的纵向视图(L-模式)中，血管壁边缘呈现锯齿形(图1(c))。 t(时间) y x (a) (b) (c) 图1 (a)按采集顺序排列的横向ICUS序列;(b) ICUS横向视图;(c) ICUS纵向视图 Fig.1 (a)Stacked ICUS image sequence. (b) Cross-sectional cut of ICUS data. (c) An ICUS longitudinal cut. 血管腔血管腔轮廓轮廓 导管导管 (a) (b) 图2 ICUS图像序列示意图 (a)无运动伪影;(b)有运动伪影 Fig.2 Schematic diagram of ICUS sequence (a) without and (b) with motion artifact. 图2说明了运动伪影的产生机制。假设对一段均匀直径的直血管段进行IVUS成像，在回撤超声导管的过程中，导管始终位于各帧断层图像的中心。若无运动伪影，且假设导管回撤路径与管腔轴线重合，则将各帧图像按照采集顺序依次排列得到的纵向视图中，血管壁的上下轮廓应近似为直线(图2(a))。若在成 2 像过程中，血管处于周期性运动状态，则可能导致导管和管腔之间的相对运动。因而在回撤导管的过程中，采集到的各帧断层图像记录的并非血管的真实状态，在纵向视图中，将出现“锯齿样”的血管壁上下轮廓，如图2(b)所示。这种伪影不仅会影响对血管腔和斑块形态的观察，同时也会给血管形态参数的准确测量和血管的三维重建带来很大困难。 2.2 建立血管壁刚性运动模型 ICUS断层图像序列中相邻切片之间管腔横截面重心的位移和空间方向的改变主要由运动和几何两方 [3,11,12,13]面的因素造成:(1)运动:即外部因素，指由周期性心脏运动和搏动的血流造成的超声导管相对于管腔的运动和血管形态的变化;(2)几何:即内部因素，指血管腔本身不规则的几何形状。 从各帧断层图像中分割出血管腔边界之后，相邻帧之间管腔横截面的平移和旋转可分别用管腔边界曲线重心的位移和边界曲线之间的旋转角来表示，它们分别由两部分组成: ,,xy,,,，， ,,,,，,xxxdg,,,,，,yyy (1) ,dg ,,,,,,,，,dg, 其中，脚标d和g分别表示运动分量和几何分量。 如图3所示，设时刻t和t的管腔边界曲线分别为和，其重心分别为和Cxcyc,(,),,1212111 ，在运动和几何两方面因素的共同作用下，和之间的位移为: Cxcyc,(,),,22212 ,,,xxcxc,21 (2) ,,,,yycyc,21 和之间的旋转角为，旋转中心为导管，即: ,,,,(,)xy1200 ，,xxxcossin,,,,，，，，，，21 (3) ,,,,,,,yyy，,,,,sincos,,21，，，，，， 并且 ,,,,,,,21,arctgycxc, (4) ,，，,111 ,arctgycxc,，，,222, ,y其中，,x、和,,如式(1)所示分别由运动和几何分量两部分组成。对于ICUS图像序列中的各相邻帧， (,),,xy本文通过计算出位移和旋转角,,，并从中分离出、和，完成对运动伪影的补偿。 ,x,y,,ddd 图3 相邻帧ICUS图像运动参数示意图 Fig.3 Motion parameters between successive ICUS frames. 2.3 运动伪影的估计和补偿 2.3.1 ICUS图像中血管壁边界的提取 3 对各帧ICUS图像进行分割，提取出血管内腔边界和血管壁中-外膜边界，不仅是本文抑制运动伪影方 [14][15]法的重要步骤，而且也是量化分析、三维重建以及ICUS与其它冠状动脉图像(如血管造影图像和血 [16]管内OCT图像等)融合的基础和保证其精度的关键。近年来，提出了很多计算机辅助的自动分割方法， [17][18]例如Papadogiorgaki 等的基于纹理分析的方法、Bucher等的形状驱动的自动分割方法、Bovenkamp[19][20]等的多智能体方法、Zhang等的基于contourlet变换的snake方法等。 [21]考虑到处理效率等因素，本文采用一种三维分割方法，流程如图4所示。与二维分割方法是对图像序列进行逐帧串行处理相比，三维分割技术可实现对图像序列的并行处理，从而大大提高处理效率。 纵向视图IVUS 图像序列初始轮廓最终轮廓 snake 变形 图4 ICUS序列三维自动分割方法流程图 Fig.4 Flow chart of 3D segmentation for ICUS sequence. 计算血管内腔边界曲线的几何中心C作为对其重心的近似: k NNkk11 (5) Cxcycxy,,,(,)，，,,,,kkkkikiNN,,11iikk 其中是第k帧图像中血管内腔边界曲线上的第i个点，i=1,2,…,N，是上点的总数。 (,)xy,N,kkiki,,kkk2.3.2 计算运动参数 对于图像序列中的各相邻帧，例如第k-1和k帧(k=2,3,…,M，M是ICUS图像序列的总帧数)，由血 Cxcyc,,Cxcyc,,管内腔边界曲线的重心和计算出其位移量: ，，，，kkk,,,111kkk ,,,xxcxc,kkk,1 (6) ,,,,yycyckkk,1, 和旋转角: ,,,,arctgycxcarctgycxc (7) ，，，，kkkkk,,11 、和包含运动分量(,,),,,xy,和几何分量(,,),,,xy,两部分，需从中分离,x,y,,kdkdkd,,,kgkgkg,,,kkk 出运动分量,x、,y和,,。 kd,kd,kd, 2.3.3 分离运动分量和几何分量 本文对计算出的、和(k=2,3,…,M)分别进行傅立叶变换，得到其幅度谱、和,x,y,,,X,Ykkkkk 。由于由血管本身的不规则几何形状所引起的相邻帧之间管腔横截面空间方向和重心位置的变化速,,k 度，远小于由周期性心脏运动所致的变化速度，因此在、和中，高频分量对应于刚性运动,X,Y,,kkk 分量(,,),,,xy,，且其变化频率应等于心率，而低频分量对应于几何分量(,,),,,xy,。kdkdkd,,,kgkgkg,,,分别对、和进行高通滤波，则滤波器的输出即是刚性运动分量的幅度谱,X,Y,,kkk (,,),,,,XY(,,),,,xy,，对其进行逆傅立叶变换即可得到的估计值。 kdkdkd,,,kdkdkd,,, (,,),,,xy,由于运动分量主要由周期性心脏运动引起，因此本文将高通滤波器的通带截止kdkdkd,,, 频率设定为病人的心率值(单位:次/秒，即Hz)。采用如下方法从ICUS图像序列中估计平均心率的近似值: [8]d首先对ICUS图像序列进行逐帧比较，计算各帧图像之间平均灰度的差异值: ij, NCCIIifNCCII(,),(,)0,,ijij (8) d,,1,,ij0,(,)0ifNCCII,ij, 4 其中 NN,,1112 [(,)][(,)]IxyIxy,,,,,,iijjxy,,00 (9) NCCII(,),ijNNNN,,,,11111212，，，，22[(,)][(,)]IxyIxy,,,,,,,,,,,,iijjxyxy,,,,0000，，，， ijM,1,2,...,,式(8)和(9)中，;和分别表示ICUS图像序列中的第i帧和第j帧，其大小均为IINN，ji12像素，平均灰度值分别为和;M是图像序列的总帧数;NCC是两帧图像之间灰度值的归一化互相关。 ,,ji mMk,,1,2,...,然后计算间隔为k帧的两帧图像和()的平均差异值: IDk()Immk，Mk,1Dkd,() (10) ,mmk,，Mk,m,1 kM,,0,1,2,...,1得到曲线，，且。该曲线具有近似周期的形状，这是由心脏的周期Dkk()~D(0)0, 性运动所造成的，该曲线的重复频率即为平均心率值。因此本文对函数进行傅立叶变换，则其幅度Dk() 谱曲线峰值所对应的频率即为病人心率的近似值R(单位:次/分钟，即Hz)。 2.3.3 运动伪影的补偿 估计出各帧图像()的位移和旋转角之后，将其血管区域kM,2,3,...,(),,xy,,,Ixy(,)kdkd,,kd,k (血管壁中-外膜轮廓和管腔轮廓之间的区域)内各像素的坐标(基于以导管中心为坐标原点的坐标系)先 kkk (,),,xy,,反向平移，再反向旋转，即得到消除刚性运动伪影后的图像: Ixy(','),,,,,id,ididki2,,,22ii kkk，，，，cos()sin(),,xx,,,,,,,,,,,,ididid,,,,x'，，,,,222iii,,,, (11) ,,,kkky',,,,，，sin()cos()yy,,,,,,,,,,,,,,,ididid,,,,,,,222iii，，，， 3 实验结果与讨论 为了验证方法的可行性，本文分别利用计算机模拟的管腔轮廓序列和临床采集的ICUS图像序列进行实验，并对实验结果进行分析和讨论。 3.1 模拟图像实验 图5和图6分别为对20帧和35帧模拟管腔轮廓曲线序列进行运动伪影抑制前后的横截面视图和纵向视图。可以看出，完成运动伪影抑制后的横截面视图中相邻帧之间的扭动大大减小，在纵向视图中体现为管腔边界的锯齿形尖峰与水平基线之间的距离大大缩小。 (a) (b) (c) (d) 图5 20帧模拟图像实验结果 (a)补偿前的横向视图;(b)补偿后的横向视图;(c)补偿前的纵向视图;(d)补偿后的纵向视图 Fig.5 Experimental results of a computer-simulated image sequence including 20 frames (a) cross-sectional view before compensation. (b) cross-sectional view after compensation. (c) longitudinal cut before compensation. (d) longitudinal cut after compensation. 5 (a) (b) (c) (d) 图6 35帧模拟图像实验结果 (a)补偿前的横向视图;(b)补偿后的横向视图;(c)补偿前的纵向视图;(d)补偿后的纵向视图 Fig.6 Experimental results of a computer-simulated image sequence including 35 frames (a) cross-sectional view before compensation. (b) cross-sectional view after compensation. (c) longitudinal cut before compensation. (d) longitudinal cut after compensation. 3.2 临床图像实验 临床图像序列是采用Jomed Endosonic超声成像仪采集的，采用2.9F 30MHz单轨机械超声探头，由马 达驱动自动回撤探头导管，回撤速度为0.5mm/s，当探头以1800转/分作360?旋转时，可以30帧/秒的速 率连续获得血管横轴实时切面图像。 图7和图8分别为62帧和80帧临床图像序列的运动伪影补偿前后的横向视图(血管内腔边界曲线) 及纵向视图。可以看出，完成运动伪影抑制后的横截面视图中相邻帧管腔轮廓之间的扭动大大减小，在纵 向视图中体现为外膜轮廓的锯齿形边缘变的相对平滑，因而很大程度上抑制了图像序列中存在的运动伪 影。 (a) (b) (c) (d) 图7 62帧临床图像实验结果 (a)补偿前横向视图中的管腔边界;(b)补偿后横向视图中的管腔边界;(c)补偿前的纵向视图; (d)补偿后的纵向视图 Fig.7 Experimental results of a clinically acquired image sequence including 62 frames (a) luminal boundaries in cross-sectional view before compensation. (b) luminal boundaries in cross-sectional view after compensation. (c) longitudinal cut before compensation. (d) longitudinal cut after compensation. (a) (b) (c) (d) 图8 80帧临床图像实验结果 (a)补偿前横向视图中的管腔边界;(b)补偿后横向视图中的管腔边界;(c)补偿前的纵向视图; (d)补偿后的纵向视图 Fig.8 Experimental results of a clinically acquired image sequence including 80 frames (a) luminal boundaries in cross-sectional view before compensation. (b) luminal boundaries in cross-sectional view after compensation. (c) longitudinal cut before compensation. (d) longitudinal cut after compensation. [6]由于目前还没有一种客观、定量评价地抑制ICUS运动伪影方法精度的体系，因此我们将采用本文 [8]方法进行运动伪影抑制的结果和采用基于图像的离线门控结果进行比较，评价本文方法的精度。图9是 分别对120帧和200帧的临床图像序列进行实验的结果，可见虽然基于图像的离线门控法可实现对运动伪 影的抑制，但是门控序列的长度相对于原序列而言明显变短，即丢弃了大量的帧数据。而本文方法在完成 运动伪影抑制的同时，不丢弃任何一帧数据，保证了原始图像数据集合的完整性。 6 (a) (b) (c) (d) (e) (f) 图9 临床ICUS图像序列运动伪影抑制实验结果 (a)120帧图像补偿前的纵向视图;(b)120帧图像补偿后的纵向视图;(c)120 帧图像离线门控结果;(d)200帧图像补偿前的纵向视图;(e)200帧图像补偿后的纵向视图;(f)200帧图像离线门控结果 Fig.9 Experimental results of clinically acquired ICUS image sequences (a) longitudinal cut of 120 frames before compensation. (b) longitudinal cut of 120 frames after compensation with our method. (c) longitudinal cut of 120 frames after off-line ECG-gating. (d) longitudinal cut of 200 frames before compensation. (e) longitudinal cut of 200 frames after compensation with our method. (f) longitudinal cut of 200 frames after off-line ECG-gating. 4 结 论 本文提出了一种抑制冠状动脉内超声图像序列中由心脏运动所致运动伪影的方法，与现有的心电门控 方法(包括联机和脱机两种方式)相比较，既不需要专门的心电门控图像采集装置，也不需要同步记录心 电信号，而是运用图像分析技术，对连续回撤超声导管采集到的ICUS图像序列数据进行处理，因而适用 于没有记录ECG信号的ICUS记录序列，且具有应用成本低和简单易行的优点。与基于图像的门控方法相 比，本文方法不需要抛弃图像序列中的有用帧，可在抑制运动伪影的同时，保证图像数据集合的完整性。 参考文献 [1] Hu Guanglu, Chen Xingxin. ECG-gating technique and its applications[J]. Medical Equipment, 2000,13(1):17 (in Chinese) (胡广禄，陈兴新。心电门控技术及其应用[J]。医疗装备，2000，13(1):17) [2] de Winter SA, Hamers R, Degertekin M, et al. A novel retrospective gating method for intracoronary ultrasound images based on image properties[C]//Proceedings of IEEE International Conference on Computers in Cardiology. Kassandra Chalkidiki, Greece: IEEE Press, 2003, 30:13-16 [3] Zhu H, Oakeson KD, Friedman MH. Retrieval of cardiac phase from IVUS sequences[C]// Proceedings of SPIE Conference on Medical Imaging 2003: Ultrasonic Imaging and Signal Processing. Bellingham WA: SPIE Press, 2003,5035:135-146 [4] Nadkarni SK, Boughner DR, Fenster A. Image-based cardiac gating for three-dimensional intravascular ultrasound[J]. Ultrasound in Medicine and Biology, 2005,31(1):53-63 [5] O’Malley SM, Granada JF, Carlier S, et al. Image-based gating of intravascular ultrasound pullback sequences[J]. IEEE Transactions on Information Technology in Biomedicine, 2008,12(3):299-306 [6] Carlo Gatta, Oriol Pujol, Oriol Rodriguez Leor, et al. Robust image-based ICUS pullbacks gating[C]//Proceedings of 11th International Conference on Medical Image Computing and Computer-Assisted Intervention Part II (MICCAI 2008). New York City, USA: MICCAI Society Press, 2008, 5242:518-525 7 [7] Hernandez A, Rotger D, Gil D. Image-based ECG sampling of ICUS sequences[C]//Proceedings of 2008 IEEE International Ultrasonic Symposium (IUS), Beijing, China: IEEE Press, 2008: 1330-1333 [8] Sun Zheng, Yan Qi. An off-line gating method for suppressing motion artifacts in ICUS sequence[J]. Computers in Biology and Medicine, 2010,40(11):860-868 [9] Danilouchkine MG, Mastik F, Steen AFW. Accuracy in prediction of catheter rotation in ICUS with feature-based optical flow—a phantom study[J]. IEEE Transactions on Information Technology in Biomedicine, 2008,12 (3):356-365 [10] Danilouchkine MG, Mastik F, Steen AFW. Two methods for catheter motion correction in ICUS palpography[C]//Proceedings of 2007 IEEE International Ultrasonic Symposium (IUS), New York NY: IEEE Press, 2007: 1724-1727 [11] Nadkarni SK, Mills G, Boughner DR, Fenster A. A pulsating coronary vessel phantom for two- and three-dimensional intravascular ultrasound studies[C]//Proceedings of the 4th International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI 2001). Utrecht, Netherlands: MICCAI Society Press, 2001, 2208:1164-1165 [12] Holzapfel G, Gasser T, Stadler M. A structural model for the viscoelastic behavior of arterial walls: continuum formulation and finite element analysis[J]. European Journal of Mechanics A-Solids, 2002,21:441- 463 [13] Rosales M, Radeva P, Rodriguez-Leor O, et al. Modelling of image-catheter motion for 3-D IVUS[J]. Medical Image Analysis, 2009,13(1):91-104 [14] Baldewsing RA, Danilouchkine MG, Mastik F, et al. An inverse method for imaging the local elasticity of atherosclerotic coronary plaques[J]. IEEE Transactions on Information Technology in Biomedicine, 2008,12(3):277-289 [15] Paul Schoenhagen. 3-D Intravascular ultrasound (IVUS) and IVUS-Palpography: insights into the mechanical behavior of the coronary vessel wall[J]. The International Journal of Cardiovascular Imaging, 2006, 22: 153-155 [16] Sun Zheng. Three-dimensional reconstruction of vessels from intravascular ultrasound sequence and X-ray angiograms[C]//Proceedings of 2nd International Conference on BioMedical Engineering and Informatics (BMEI 2009). Tianjin, China: IEEE Press, 2009,1: 444-448 [17] Papadogiorgaki M, Mezaris V, Chatzizisis YS, Giannoglou GD, Kompatsiaris I. Image analysis techniques for automated IVUS contour detection[J]. Ultrasound in Medicine and Biology Journal, 2008,34(9):1482-1498 [18] Bucher S, Carlier S, Slabaugh G, et al. Shape-driven segmentation of the arterial wall in intravascular ultrasound images[J]. IEEE Transactions on Information Technology in Biomedicine, 2008,12(5):335-347 [19] Bovenkamp EGP, Dijkstra J, Bosch JG, et al. User-agent cooperation in multiagent IVUS image segmentation[J]. IEEE Transactions on Medical Imaging, 2009,28(1):94-105 [20] Qi Zhang, Yuanyuan Wang, Weiqi Wang, et al. Automatic segmentation of calcifications in intravascular ultrasound images using snakes and the contourlet transform[J]. Ultrasound in Medicine & Biology, 2010, 36(1):111-129 [21] Sun Zheng, Yang Yu. 3D segmentation of IVUS image sequence based on snake model[J]. Journal of Engineering Graphics, 2011,32(6)(in Chinese) (孙正，杨宇。一种基于snake模型的IVUS图像序列三维分割方法[J]。工程图学学报，2011，32(6)) 作者简介: 孙正，女，1977年生，教授，主要研究方向是医学图像处理。 丁伟荣，女，1985年生，硕士研究生，主要研究方向是医学图像处理。 8