ارتقاء عروق کرونری در تصاویر آنژیوگرافی قلب با استفاده از بانک فیلتر جهتی

STUDENT

DEGREE

YEAR

Heart diseases are one of the rife causes of death in the world. Vessel stenose is a septum disease of vessels which happens in aorta, jugular vein, coronary and other vessels. X-ray angiography has been used as a gold standard technique to diagnose coronary vessel stenose. In angiograms, there are structures and tissues therewith vessels in the background. Though, a technique, called Digital Subtraction Angiography (DSA), is used to eliminate extra structures, but cannot do it perfectly. Therefore, some algorithms are needed to enhance vessels and remove non-vessel elements in the background automatically. So automatic segmentation has been one of the major problems in clinical procedures, and there have been many challenges. Blur and noisy images with quasi-Gaussian vessel intensity profile and presence of extra structure cause to failure in automatic segmentation. In angiograms, a distinct vessel boundry does not exist, so a clear definition of accuracy is difficult. In this thesis we begin to review and implement few recent efficient algorithms. One of these is vessel enhancement based on smoothed directional filter bank (DDFB). This algorithm is robust to noise and prevents junction suppression. Junction suppression is seen in Hessian based methods. Second algorithm uses directional Gabor filter bank to enhance the vessel tree. Third algorithm which investigated in this thesis is vessel extraction with extra edge indicator factor. This algorithm only appends edge indicator to vesselness filter, then according to filter output determines optimum parameters and scale. The DDFB based algorithm because of superior performance compared to other algorithms is investigated in more detail. Solutions are proposed to improve this algorithm. Moreover, an algorithm based on smoothed fast directional filter bank (FDFB) is proposed which decomposes image into directional images and then introduce two hyper-parameters to adjust filter sensitivity locally. These hyper-parameters are determined using local contrast in original image. Fuzzy inference system is used to set hyper-parameters in each pixel. The experimental results are evaluated by two measures. ROC curves and Hausdorff distance measure (HDM) illustrate the superior performance of the proposed algorithm. Sensitivity of the proposed algorithm is improved 8.19% and 13.2% compared to DDFB-based and edge indicator methods, respectively. Also, specificity is improved 7.72% and 13.67%, respectively. Evaluating with HDM results in 7.24 pixels for the proposed algorithm, while 15.04 and 22.65 pixels for the DDFB-based and the edge indicator method, respectively. Vessel diameter profile contains worthy information about stenosis point in vessel tree. So in this thesis we proposed a new algorithm to extract and plot the vessel diameter profile. The result profile is smoothed by non-linear diffusion filter for smoothing the curve because of quantization error. Considering severe fall in profile, this algorithm can estimate position of stenosis in the vessel tree and then declare it in the image. Digital Subtraction Angiography, Vessel enhancement and extraction, Directional filter bank, Directional decomposition, Vessel diameter profile, Stenosis position estimation.

بیماری‌های قلبی از شایع‌ترین عوامل مرگ و میر در دنیاست. انسداد شریان یک بیماری دیواره‌ی رگ است که در آئورت، شاهرگ، کرونر و عروق جانبی می‌تواند رخ دهد.آنژیوگرافی با اشعه ایکس سالهای متمادی بعنوان روشی استاندارد برای تشخیص انسداد یا گرفتگی‌های کرونری بکار گرفته شده است. در تصاویر آنژیوگرافی علاوه بر رگ‌های خونی، ساختارها و بافت‌های دیگر موجود در ناحیه تابش اشعه نیز در پس‌زمینه مشاهده می‌شود. هرچند از تکنیکی بنام آنژیوگرافی تفریق دیجیتالی برای حذف عناصر پس‌زمینه استفاده می‌شود، ولی این تکنیک موفق به حذف همه‌ی ساختارهای اضافی نمی‌شود. لذا نیاز به الگوریتم‌هایی مطرح می‌شود که بتوانند بصورت اتوماتیک رگ‌های موجود در تصاویر آنژیوگرافی را ارتقاء داده و عناصر موجود در پس‌زمینه را حذف کنند. از این‌رو جداسازی اتوماتیک عروق کرونری در تصاویر پزشکی همیشه یکی از مسائل مهم بوده و چالش‌های فراوانی بر سر آن وجود داشته است. از دلایلی که باعث عدم عملکرد بهینه الگوریتم‌های آشکارسازی می شود، مات بودن ذاتی تصویر، رفتار شبه گوسی پروفایل رگ و وجود نویز و ساختارهای زائد در تصویر می‌باشد. در این تصاویر رگ‌ها لبه‌های مشخص ندارند، لذا تعریف دقیق از دقت آشکارسازی کار ساده‌ای نیست. با مرور بر کارهای انجام شده، در این تحقیق برخی ازالگوریتم‌های کارآمد اخیر انتخاب و پیاده‌سازی می‌شوند. از جمله این الگوریتم‌ها، ارتقاء رگ مبتنی بر DDFB نرم‌شده است که در مقابل نویز مقاوم بوده و در نقاط تلاقی رگ‌ها باعث گسستگی نمی‌شود. گسستگی در زمانی که رگ‌ها به‌کمک ماتریس هِسیَن و مقادیر ویژه‌ی آن، بدون تجزیه جهتی، آشکار می‌شوند، کاملاً مشهود است. الگوریتم دوم که مبتنی بر اطلاعات جهتی است، از فیلترهای جهتی گابور برای ارتقاء رگ استفاده می‌کند. سومین الگوریتمی که در این تحقیق مطالعه و بررسی می‌شود، آشکارسازی رگ با افزودن ضریب شاخص لبه نام‌گذاری شده است. این الگوریتم بدون استفاده از اطلاعات جهتی، تنها با اضافه کردن ضریبی در تابع آشکارسازی رگ و با تنظیم پارامترها و استفاده از مقیاس بهینه به آشکارسازی رگ می‌پردازد. الگوریتم مبتنی بر DDFB، به‌علت عملکرد بهتر نسبت به سایر الگوریتم‌ها، انتخاب و با جزئیات بیشتری بررسی و مطالعه می‌شود. در این تحقیق برای برخی از نقاط ضعف این الگوریتم راه‌کاری پیشنهاد می‌شود. همچنین الگوریتمی پیشنهاد می‌شود که با تجزیه جهتی به‌کمک بانک فیلتر FDF و تعریف دو فوق‌پارامتر جدید، پارامترهای حساسیت تابع آشکارسازی رگ را که از اهمیّت ویژه‌ای برخوردار هستند، بصورت محلی و با استفاده از مشخصات آماری تصویر مانند واریانس تنظیم می‌کند. از سیستم استنتاج فازی در تعیین فوق پارامترها استفاده می‌شود. نتایج بدست آمده با استفاده از معیار رسم منحنی ROC و HDM عملکرد بهتر الگوریتم پیشنهادی را نسبت به دو روش قبل نشان می‌دهند. در معیار sensitivity روش پیشنهادی به‌ترتیب 19/8 و 2/13 درصد بهبود نسبت به الگوریتم مبتنی بر DDFB و افزودن ضریب شاخص لبه داشت. با معیار specificity این بهبود به ترتیب 72/7 و 67/13 درصد می‌باشد. ماکزیمم اختلاف بین مرز رگ آشکار شده با مرز حقیقی، در روش پیشنهادی بطور متوسط 24/7 پیکسل بوده که این مقدار در دو الگوریتم سابق به‌ترتیب 04/15 و 65/22 می‌باشد. رسم پروفایل قطر رگ‌ها نیز می‌تواند حاوی اطلاعات ارزشمندی جهت تخمین نقاط گرفتگی رگ باشد. از این‌رو در این تحقیق الگوریتمی برای رسم پروفایل رگ‌ها نیز ارائه می‌شود. این الگوریتم قابلیت آن‌را دارد که پس از رسم پروفایل تمام شاخه‌های رگ و نرم‌کردن پروفایل رسم شده به‌کمک فیلتر غیرخطی پخشی، نقطه احتمالی گرفتگی را از روی افت شدید پروفایل هر شاخه تعیین و در تصویر اصلی مشخص ‌کند. از مزایای این الگوریتم پیشنهادی تشخیص اتوماتیک محل گرفتگی درخت رگ و مشخص کردن آن در تصویر برای بررسی دقیق‌تر پزشک می‌باشد. کلمات کلیدی: 1- آنژیوگرافی تفریق دیجیتال، 2-ارتقاء و آشکارسازی عروق کرونر، 3- بانک فیلترهای جهتی، 4-تجزیه جهتی تصویر، 5-پروفایل قطر رگ و 6- تخمین محل گرفتگی.