【正文】 1 Research on Cerebral Aneurysm Detection Based on OPTA Algorithm Jian Wu, Guangming Zhang, Jie Xia, and Zhiming Cui Proceedings of the 2020 International Symposium on Information Processing Huangshan, P. R. China, August 2123, 2020, pp. 037040 基于 OPTA細(xì)化算法的有關(guān)腦動脈瘤檢測的研究 吳建，張廣明，謝杰，崔志明 2020年 8月 21日 ~ 23日 中國黃山 2020年信息處理國際研討會 論文集 037頁 ~040頁 2 摘 要 在腦動脈瘤識別系統(tǒng)中，這是能夠準(zhǔn)確、快速地在圖像中定位出腦動脈瘤位置的關(guān)鍵步驟。 經(jīng)過了腦動脈瘤的形態(tài)特征的詳細(xì)分析后，本文提出了一種新的腦動脈瘤檢測方法，這種檢測方法是基于改進(jìn)了的細(xì)化算法。 在這種新的檢測方法中，首先利用 OPTA細(xì)化算法提取出血管的骨架，然后根據(jù)血管的骨架信息來檢測腦動脈瘤。 經(jīng)過大量實(shí)驗(yàn)之后發(fā)現(xiàn)，腦動脈瘤識別 過程在以這種新的檢測方法為前提的情況下，可以很好的檢測到腦動脈瘤 的位置 。 關(guān)鍵詞： OPTA， 細(xì)化算法， 腦動脈瘤檢測， 模板匹配 3 Ⅰ .前言 腦血管疾病，尤其是腦動脈瘤，是導(dǎo)致成年人生病最后死亡的關(guān)鍵因素之一，它嚴(yán)重威脅著人們得生命安全。 隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展和成熟， 信息技術(shù)和醫(yī)學(xué)成像技術(shù)結(jié)合而產(chǎn)生的 CAD(應(yīng)用計(jì)算機(jī)輔助診斷 )系統(tǒng)在腦血管疾病的檢測與治療中起到越來越重要的作用，它已經(jīng)成為了醫(yī)學(xué)成像上的一個(gè)研究重點(diǎn)。 腦血管瘤一般位于血管的交叉位置，尤其 是在腦動脈周圍。 原因是血液的流動對血管交叉位置的影響很大。 腦血管的影響類似于河流形成的網(wǎng)絡(luò)，會出現(xiàn)許多分支的動脈血管。一般來說，血管是對稱的，它的兩側(cè)的血管壁是相互平行的。 而腦動脈瘤是由于血管壁損壞而導(dǎo)致的突出的部分。 腦動脈瘤的 示意 圖如圖 1所示。 圖 1 腦動脈瘤的示意圖 如圖 1，圖中用方格標(biāo)志的地方就是腦動脈瘤 。正常的血管出已經(jīng)形成了突出的部分，大致平行的血管壁被破壞了。被破壞的位置明顯是在交叉處。所以我們可以確定腦動脈瘤的位置應(yīng)該在血管 骨架結(jié)構(gòu) 的交叉 處 。 在基于 DSA(數(shù)字減法血管造影術(shù) )的腦動脈瘤 CAD系統(tǒng)中， 它是特征提取及識別的前提和重要步驟 ，應(yīng)用在 檢測腦動脈瘤位置的 DSA中。 本文分析了腦動脈瘤的形態(tài)特征，包括通過細(xì)化算法得到的血管骨架的拓?fù)浣Y(jié)構(gòu)，然后對骨架樹進(jìn)行深度優(yōu)先遍歷，最后定位出腦動脈瘤的位置。 Ⅱ .OPTA算法 OPTA(一次通過細(xì)化算法 )是一種典型的基于模板的圖像細(xì)化算法，其核心是通過 應(yīng)用 消去和保留模板實(shí)現(xiàn)細(xì)化過程。 OPTA是一個(gè)迭代的過程。如果當(dāng)前的點(diǎn)滿足消去模板同時(shí)不滿足保留模板，那么這個(gè)點(diǎn)就被消去，否則，保留此點(diǎn)。不斷遍歷原始圖片，直到再沒有點(diǎn)滿足上述要求。 對 OPTA算法的主要改 進(jìn)的地方就在于根據(jù)原算法的效果和速度增加了消去和保留模板 。 其中最典型的參考文件是 [1~3]。文獻(xiàn) [1]的作者發(fā)現(xiàn)原始的 OPTA算法細(xì)化的不完 4 整，有一定的缺陷，細(xì)化出的圖像有毛刺且不夠平滑。 改進(jìn)的算法中已經(jīng)將消去和保留模板進(jìn)行了改 善 。 圖 2和圖 3是改進(jìn)了的消去和保留模板 。其中有陰影的方格是當(dāng)前點(diǎn)。 圖 2 消去模板 [1] 圖 3 保留模板 [1] 從文獻(xiàn) [1]可以看出，在 原始算法中 ，保留模板太松弛了，分析圖像可以得知，會 容易 產(chǎn)生 右 斜線 ，且使迭代 次數(shù)會增加，速度會變慢 。 因此，在文獻(xiàn) [1]的基礎(chǔ)上突出了新的保留模 板，并增至 9個(gè)。 從圖 4可以看出，保留模板的條件變得更加嚴(yán)格，從而解決了右 斜線的問題，速度也有明顯的改善。 5 圖 4 保留模板 [2] 通過深入的改進(jìn)， 由袁梅和其他作者發(fā)現(xiàn)的右斜線的影響已經(jīng)被文獻(xiàn) [2]中的算法很好的解決了，且速度有了很大的提升。由于增強(qiáng)了的保留條件，使得圖像出現(xiàn)了斷點(diǎn)。從而導(dǎo)致了拓?fù)浣Y(jié)構(gòu)和原始圖像被破壞了，細(xì)化算法也被減弱了。 在以上分析的基礎(chǔ)上，袁梅和其他的作者提出了組合模板的概念，利用文獻(xiàn) [1]的消去模板，放棄其中的保留模板，并且結(jié)合了對 當(dāng) 前點(diǎn)的判斷，判斷 當(dāng)前點(diǎn)是否符合消去模板，符合 的話保留 它相鄰點(diǎn)的位置。圖 5是當(dāng)前點(diǎn)以及他的 鄰 接 點(diǎn)的示意圖。 圖 5 點(diǎn) p的 鄰 接點(diǎn) 基于組合模板的細(xì)化算法不需要匹配保留模板的操作。每個(gè)消去模板對應(yīng)著一種情況 ， 并且每個(gè)消去模板利用“ amp?！焙汀?||”操作來完成判斷當(dāng)前點(diǎn)是否要被保留。 下面的8個(gè)條件式對應(yīng)圖 2中 a~h的 8個(gè)消去模板。 如果該點(diǎn)滿足消去模板以及消去條件，則消去此點(diǎn)。 否則暴力此點(diǎn)。 (q4=0 amp。 q5=0 amp。 q6=0 amp。 q7=0) || (q5=1 amp。 q6=1 amp。 q12=0 amp。 q13=0 amp。 q14=0) (1) (q2=1 amp。 q4=0 amp。 q7=0 amp。 q9=1 amp。 q11=0) || (q2=0 amp。 q9=0 amp。 q12=0 amp。 q13=0) (2) (q5=0 amp。 q6=1 amp。 q7=0 amp。 q11=0) (3) (q2=0 amp。 q9=1 amp。 q13=0 amp。 q14=0) (4) (q8=1 amp。 q10=0 amp。 q13=0 amp。 q14=0) || ( q8=0 amp。 q10=1 amp。 q12=0) (5) 6 (q3=0 amp。 q4=0 amp。 q7=0 amp。 q10=1) || (q3=1 amp。 q7=0 amp。 q10=0 amp。 q11=0) || (q8=1 amp。 q10=0 amp。 q13=0 amp。 q14=0) || (q8=0 amp。 q10=1 amp。 q13=0 amp。 q14=0) (6) (q3=0 amp。 q4=0 amp。 q7=0 amp。 q10=1 amp。 q11=0) || ( q3=1 amp。 q7=0 amp。 q10=0 amp。 q11=0) (7) p=1 (8) 其中， p是當(dāng)前點(diǎn)，圖 5顯示了 q1~q15。雖然目前，改進(jìn)的 OPTA算法只應(yīng)用于指紋圖像的識別，文獻(xiàn) [1]~[8]。本文應(yīng)用上述的公式和改進(jìn)的 OPTA來進(jìn)行腦血管圖像骨架的提取。通過實(shí)驗(yàn)發(fā)現(xiàn)，通過原 OPTA算法細(xì)化的圖像有一些毛刺，因此不能用于腦動脈瘤的檢測。 文獻(xiàn) [1]的效果更佳，但是細(xì)化速度不是很理想。盡管文獻(xiàn) [2]中的細(xì)化算法的速度有了明顯的提高， 但細(xì)化血管過程中斷點(diǎn)容易產(chǎn)生 。衡量了各種因素， 我們決定以組合模板的 改進(jìn) OPTA算法來實(shí)現(xiàn)腦血管骨架的提取。 由此方法得到的血管骨架有很高的質(zhì)量，同時(shí)，速度也得到了加強(qiáng)。 Ⅲ .基于骨架樹的腦動脈瘤的檢測 在通過細(xì)化腦血管圖像得到的骨架樹后， 原本具有一定寬度的血管變成只有一個(gè)像素寬度的骨架 ，同時(shí)腦血管圖像變成了單像素寬度的曲線。 通過提取骨架結(jié)構(gòu)元素，腦動脈瘤的檢測就是基于骨架樹中分支元素的寬度。 A. 骨架結(jié)構(gòu)元素的提取 1)關(guān)鍵點(diǎn)元素的提取 關(guān)鍵點(diǎn)體現(xiàn)在骨架特征發(fā)生變化的地方， 包括分叉點(diǎn)和端點(diǎn)。 端點(diǎn)就是骨架樹的某部分的起始點(diǎn)，當(dāng)前點(diǎn) p的 8個(gè)鄰接點(diǎn)只有一個(gè)是骨架中的點(diǎn)，那么此點(diǎn) p就是 端點(diǎn) ，像圖 6中的點(diǎn) a， c， d和 f。分叉點(diǎn)就是骨架樹的不同部分的交點(diǎn)， 當(dāng)前點(diǎn) p的 8個(gè)鄰接點(diǎn)只有三個(gè)或者更多的點(diǎn)是骨架中的點(diǎn)，那么此點(diǎn) p就是交叉點(diǎn)，像圖 6中的點(diǎn) b， e。 圖 6 骨架元素的表示 2)分支 元素的提取 分支元素 是骨架段，它連接著兩個(gè)關(guān)鍵點(diǎn)，并且不通過骨架中的第三個(gè)關(guān)鍵點(diǎn)。 如果 關(guān)鍵 點(diǎn) 不是端點(diǎn)，那么它叫做內(nèi)部分支 點(diǎn) ，否則叫做外部分支 點(diǎn) 。本文中，我們討論的分支元素 是外部分支點(diǎn)。 分支元素的提取方法是從端點(diǎn)開始：先找到端點(diǎn)，跟蹤此點(diǎn)，直到下一個(gè)分叉處。 從端點(diǎn)開始到分叉處結(jié)束的骨架元素即是分支元素 。 7 B. 基于分支 元素的腦動脈瘤的檢測 通過分析腦動脈瘤的 形態(tài)得出結(jié)論：如何提取 腦血管骨架的分支結(jié)構(gòu) 是檢測腦動脈瘤的關(guān)鍵。 腦動脈瘤，毛刺和普通血管 分別 會使骨骼圖像出現(xiàn)三種分支結(jié)構(gòu)。 所以腦動脈瘤 可以 通過從三種分支結(jié)構(gòu)中判斷是否是由腦動脈瘤引起的分支 檢測出來。 在本文中，通過深度遍歷骨架樹，分支的 像素 寬度是檢測的基礎(chǔ)。 具體步驟如下進(jìn)行。 (1) 從根部遍歷骨架樹，標(biāo)記訪問過的像素； (2) 一旦遇到分叉點(diǎn) P，則 按垂直方向逆時(shí)針 訪問 它 8領(lǐng)域中的鄰接點(diǎn) ，把沒有訪問的點(diǎn)放入棧中。 (3) 從棧中獲取一個(gè)元素作為開始點(diǎn)，以上述方法繼續(xù)遍歷骨架樹中的像素 ，直到所 有點(diǎn)都遍歷完。同時(shí)用變量 S來計(jì)算 從開始到結(jié)束所訪問的像素?cái)?shù)。 如果 S大于閾值 T1小于閾值 T2，則曲線的位置就是腦動脈瘤的一部分，如果 S小于 T1，則認(rèn)為是毛刺， S大于 T2則認(rèn)為是普通的血管。 (4) 重復(fù)上述過程，直到棧空為止。則骨架樹就遍歷完了。 上述過程中 ，分支位置的檢測方法是以當(dāng)前點(diǎn)為中心，檢查它的 8鄰域中目標(biāo)點(diǎn)和未被訪問的點(diǎn)數(shù)。 根據(jù)經(jīng)驗(yàn)值， T1設(shè)置為 8， T2設(shè)置為 16，這樣在某種程度上就可以消去毛刺，同時(shí)可以消去對檢測腦動脈瘤的干擾。 可以獲得最好的效果。 Ⅳ .實(shí)驗(yàn)與分析 系統(tǒng)運(yùn)行的硬件環(huán)境用的是 CPU： P(R)4 ；內(nèi)存： 512M；顯卡： 128M。開發(fā)環(huán)境是 VC 。腦血管 DSA圖像的實(shí)驗(yàn)數(shù)據(jù)是蘇州大學(xué)第一附屬醫(yī)院提供的符合DICOM 。通過運(yùn)用開發(fā)軟件架構(gòu) DICOM，每一幅 DSA圖像都被分成 DSA圖像序列，保存為 BMP格式。 在實(shí)驗(yàn)中，我們先對圖 1(a)和圖 1(b)原始圖像做二值化，然后運(yùn)用改進(jìn)的細(xì)化算法來獲得圖像的骨架，最后利用基于骨架分支的腦動脈瘤檢測算法來檢測整個(gè)骨架圖。 最后用方格標(biāo)記疑似腦動脈瘤的區(qū)域。