·856 智能系统学报 第10卷 图均衡化(HE)、线性反锐化掩模(LUM)和本文提 将图像中的边缘区域对比度过度增强，产生伪影现 出的基于ED和模极大值的血管提取算法的实验 象。图9()给出了本文算法对造影图像的血管提 结果对比。 取结果。 6结束语 针对冠脉造影图像噪音大和血管边缘模糊等问 题，提出的基于经验模态分解的血管特征提取方法， 是将造影图像分解成若干图像层，形成图像层组，对 图像层进行血管提取，将各层中有效的血管信息汇 总在结果图像中，得到血管脉络完整的心血管图像。 (a)原图像 (b)Hessian矩阵 对比其他算法的实验结果，文中算法得到的结 果图像有极好的视觉效果，去除了造影图像中强背 景噪音，使得图像更便于血管信息的直观分析和观 察，同时提取出的血管树结构有很好的连续性和完 整性，造影图像中血管特征信息，如血管方向、狭窄 程序和血管分叉点都有很高的精确度，算法具有很 好的实际医用价值。 (c)Gabori滤波器 (d)HE 参考文献： [1]ZHOU Shoujun,YANG Jian,WANG Yongtian,et al.Auto- matic segmentation of coronary angiograms based on fuzzy inferring and probabilistic tracking[J].Biomedical Engi- neering Online,2010,9:40. [2]YANG Guanyu,KITSLAAR P,FRENAY M,et al.Auto- matic centerline extraction of coronary arteries in coronary (e)LUM (OEMDMM computed tomographic angiography [J].The International 图9算法对比 Joumal of Cardiovascular Imaging,2011,28(4):921-933. Fig.9 Algorithm effect contrast [3]MARIN D,AQUINO A,GEGUNDEZ-ARIAS M E.et al.A new supervised method for blood vessel segmentation in reti- 以冠脉造影图像为例进行血管信息提取结果对 nal images by using gray-level and moment invariants-based 比，图9(b)给出了Hessian矩阵对造影图像的血管 features[J].IEEE Transactions on Medical Imaging,2011, 提取结果，该方法能将血管与背景对比度非常强的 30(1):146-158. 区域中的血管段提取出来，有很好的血管连续性，但 [4]Van Der ZWET P M J,NETTESHEIM M.GERBRANDS J 是不足的是对于血管与背景对比度稍微较弱的区域 J,et al.Derivation of optimal filters for the detection of cor- 则无能为力，能提取出的血管信息非常有限，提取效 onary arteries[J].IEEE Transactions on Medical Imaging, 果不太理想。图9(c)中给出了Gabor滤波器对造 1998,17(1):108-120. 影图像中的血管信息进行过滤提取，能够将血管脉 [5]WANG Li,BHALERAO A,WILSON R.Analysis of retinal 络的轮廓提取出来，但是得到的结果图像中血管特 vasculature using a multiresolution Hermite model[].IEEE 征并没有很好地凸显出来，血管树的连续性也较差。 Transactions on Medical Imaging,2007,26(2):137-152. 图9()给出了造影图像直方图均衡化后得到的结 [6]RANGAYYAN R M,AYRES F J,OLOUMI F,et al.De- tection of blood vessels in the retina with multiscale Gabor 果图像，该图像在一定程度上提高了冠脉造影图像 的图像效果，但是对于背景噪音强、图像对比度低的 filters[J].Journal of Electronic Imaging,2008,17(2): 023018. 图像区域还是存在背景噪音过强的缺点，整体来说 [7]GREENSPAN H,LAIFENFELD M,EINAV S,et al.Eval- 还是能够将血管脉络结构较好地表达出来。图9 uation of center-line extraction algorithms in quantitative (e)给出了线性反锐化掩模对造影图像的处理结 coronary angiography[J].IEEE Transactions on Medical 果，该方法能够实现造影图像中血管的细节和边缘 Imaging,2001,20(9）:928-941. 突出表达，但是分段函数产生的量化误差较大时会 [8]康文炜.冠状动脉造影图像的分割方法研究[D].长春：图均衡化（ＨＥ）、线性反锐化掩模（ ＬＵＭ） 和本文提 出的基于 ＥＭＤ 和模极大值的血管提取算法的实验 结果对比。 图 ９ 算法对比 Ｆｉｇ．９ Ａｌｇｏｒｉｔｈｍ ｅｆｆｅｃｔ ｃｏｎｔｒａｓｔ 以冠脉造影图像为例进行血管信息提取结果对 比，图 ９（ｂ）给出了 Ｈｅｓｓｉａｎ 矩阵对造影图像的血管 提取结果，该方法能将血管与背景对比度非常强的 区域中的血管段提取出来，有很好的血管连续性，但 是不足的是对于血管与背景对比度稍微较弱的区域 则无能为力，能提取出的血管信息非常有限，提取效 果不太理想。 图 ９（ ｃ）中给出了 Ｇａｂｏｒ 滤波器对造 影图像中的血管信息进行过滤提取，能够将血管脉 络的轮廓提取出来，但是得到的结果图像中血管特 征并没有很好地凸显出来，血管树的连续性也较差。 图 ９（ｄ）给出了造影图像直方图均衡化后得到的结 果图像，该图像在一定程度上提高了冠脉造影图像 的图像效果，但是对于背景噪音强、图像对比度低的 图像区域还是存在背景噪音过强的缺点，整体来说 还是能够将血管脉络结构较好地表达出来。 图 ９ （ｅ）给出了线性反锐化掩模对造影图像的处理结 果，该方法能够实现造影图像中血管的细节和边缘 突出表达，但是分段函数产生的量化误差较大时会 将图像中的边缘区域对比度过度增强，产生伪影现 象。 图 ９（ｆ）给出了本文算法对造影图像的血管提 取结果。 ６ 结束语 针对冠脉造影图像噪音大和血管边缘模糊等问 题，提出的基于经验模态分解的血管特征提取方法， 是将造影图像分解成若干图像层，形成图像层组，对 图像层进行血管提取，将各层中有效的血管信息汇 总在结果图像中，得到血管脉络完整的心血管图像。 对比其他算法的实验结果，文中算法得到的结 果图像有极好的视觉效果，去除了造影图像中强背 景噪音，使得图像更便于血管信息的直观分析和观 察，同时提取出的血管树结构有很好的连续性和完 整性，造影图像中血管特征信息，如血管方向、狭窄 程序和血管分叉点都有很高的精确度，算法具有很 好的实际医用价值。 参考文献： ［１］ＺＨＯＵ Ｓｈｏｕｊｕｎ， ＹＡＮＧ Ｊｉａｎ， ＷＡＮＧ Ｙｏｎｇｔｉａｎ， ｅｔ ａｌ． Ａｕｔｏ⁃ ｍａｔｉｃ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ａｎｇｉｏｇｒａｍｓ ｂａｓｅｄ ｏｎ ｆｕｚｚｙ ｉｎｆｅｒｒｉｎｇ ａｎｄ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｔｒａｃｋｉｎｇ ［ Ｊ］． Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉ⁃ ｎｅｅｒｉｎｇ Ｏｎｌｉｎｅ， ２０１０， ９： ４０． ［２］ ＹＡＮＧ Ｇｕａｎｙｕ， ＫＩＴＳＬＡＡＲ Ｐ， ＦＲＥＮＡＹ Ｍ， ｅｔ ａｌ． Ａｕｔｏ⁃ ｍａｔｉｃ ｃｅｎｔｅｒｌｉｎｅ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ａｒｔｅｒｉｅｓ ｉｎ ｃｏｒｏｎａｒｙ ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｉｃ ａｎｇｉｏｇｒａｐｈｙ ［ Ｊ］． Ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｉｍａｇｉｎｇ， ２０１１， ２８（４）： ９２１⁃９３３． ［３］ＭＡＲＩＮ Ｄ， ＡＱＵＩＮＯ Ａ， ＧＥＧＵＮＤＥＺ⁃ＡＲＩＡＳ Ｍ Ｅ， ｅｔ ａｌ． Ａ ｎｅｗ ｓｕｐｅｒｖｉｓｅｄ ｍｅｔｈｏｄ ｆｏｒ ｂｌｏｏｄ ｖｅｓｓｅｌ ｓｅｇｍｅｎｔａｔｉｏｎ ｉｎ ｒｅｔｉ⁃ ｎａｌ ｉｍａｇｅｓ ｂｙ ｕｓｉｎｇ ｇｒａｙ⁃ｌｅｖｅｌ ａｎｄ ｍｏｍｅｎｔ ｉｎｖａｒｉａｎｔｓ⁃ｂａｓｅｄ ｆｅａｔｕｒｅｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ， ２０１１， ３０（１）： １４６⁃１５８． ［４］Ｖａｎ Ｄｅｒ ＺＷＥＴ Ｐ Ｍ Ｊ， ＮＥＴＴＥＳＨＥＩＭ Ｍ， ＧＥＲＢＲＡＮＤＳ Ｊ Ｊ， ｅｔ ａｌ． Ｄｅｒｉｖａｔｉｏｎ ｏｆ ｏｐｔｉｍａｌ ｆｉｌｔｅｒｓ ｆｏｒ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｏｆ ｃｏｒ⁃ ｏｎａｒｙ ａｒｔｅｒｉｅｓ［ Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ， １９９８， １７（１）： １０８⁃１２０． ［５］ＷＡＮＧ Ｌｉ， ＢＨＡＬＥＲＡＯ Ａ， ＷＩＬＳＯＮ Ｒ． Ａｎａｌｙｓｉｓ ｏｆ ｒｅｔｉｎａｌ ｖａｓｃｕｌａｔｕｒｅ ｕｓｉｎｇ ａ ｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎ Ｈｅｒｍｉｔｅ ｍｏｄｅｌ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ， ２００７， ２６（２）： １３７⁃１５２． ［６］ＲＡＮＧＡＹＹＡＮ Ｒ Ｍ， ＡＹＲＥＳ Ｆ Ｊ， ＯＬＯＵＭＩ Ｆ， ｅｔ ａｌ． Ｄｅ⁃ ｔｅｃｔｉｏｎ ｏｆ ｂｌｏｏｄ ｖｅｓｓｅｌｓ ｉｎ ｔｈｅ ｒｅｔｉｎａ ｗｉｔｈ ｍｕｌｔｉｓｃａｌｅ Ｇａｂｏｒ ｆｉｌｔｅｒｓ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｉｍａｇｉｎｇ， ２００８， １７ （ ２）： ０２３０１８． ［７］ＧＲＥＥＮＳＰＡＮ Ｈ， ＬＡＩＦＥＮＦＥＬＤ Ｍ， ＥＩＮＡＶ Ｓ， ｅｔ ａｌ． Ｅｖａｌ⁃ ｕａｔｉｏｎ ｏｆ ｃｅｎｔｅｒ⁃ｌｉｎｅ ｅｘｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｉｎ ｑｕａｎｔｉｔａｔｉｖｅ ｃｏｒｏｎａｒｙ ａｎｇｉｏｇｒａｐｈｙ ［ Ｊ ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ， ２００１， ２０（９）： ９２８⁃９４１． ［８］康文炜． 冠状动脉造影图像的分割方法研究［Ｄ］． 长春： ·８５６· 智 能 系 统 学 报 第 １０ 卷