【正文】 基于骨架信息的腦動脈瘤檢測方法，它是通過分支結(jié)果元素長度來實現(xiàn)檢測的。 本文中的基于 腦動脈瘤 骨架特征檢測的方法基本上可以定位出腦動脈瘤的位置。 經(jīng)過大量的實驗，發(fā)現(xiàn)，不理想的二值化效果以及噪聲的影響 和其他原因 導(dǎo)致了容易出現(xiàn)毛刺。 普通腦血管圖像的血管結(jié)構(gòu)相對簡單，并且圖像邊緣相對平滑 ，如圖 7(a)；圖 7(b)中顯示的血管結(jié)構(gòu)圖，由于 圖像的復(fù)雜和模糊度導(dǎo)致了血管不平滑，且有噪音干擾。腦血管 DSA圖像的實驗數(shù)據(jù)是蘇州大學(xué)第一附屬醫(yī)院提供的符合DICOM 。 根據(jù)經(jīng)驗值， 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，同時可以消去對檢測腦動脈瘤的干擾。 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。 具體步驟如下進行。 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。 如果 關(guān)鍵 點 不是端點，那么它叫做內(nèi)部分支 點 ，否則叫做外部分支 點 。 A. 骨架結(jié)構(gòu)元素的提取 1)關(guān)鍵點元素的提取 關(guān)鍵點體現(xiàn)在骨架特征發(fā)生變化的地方， 包括分叉點和端點。衡量了各種因素， 我們決定以組合模板的 改進 OPTA算法來實現(xiàn)腦血管骨架的提取。本文應(yīng)用上述的公式和改進的 OPTA來進行腦血管圖像骨架的提取。 q7=0 amp。 q4=0 amp。 q14=0) || (q8=0 amp。 q10=0 amp。 q4=0 amp。 q13=0 amp。 q9=1 amp。 q13=0) (2) (q5=0 amp。 q9=1 amp。 q13=0 amp。 q6=0 amp。 如果該點滿足消去模板以及消去條件，則消去此點。 圖 5 點 p的 鄰 接點 基于組合模板的細(xì)化算法不需要匹配保留模板的操作。由于增強了的保留條件，使得圖像出現(xiàn)了斷點。 圖 2 消去模板 [1] 圖 3 保留模板 [1] 從文獻 [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 。文獻 [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。如果當(dāng)前的點滿足消去模板同時不滿足保留模板，那么這個點就被消去，否則，保留此點。 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。 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 。 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。 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。 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)過大量實驗之后發(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 。 原因是血液的流動對血管交叉位置的影響很大。 腦動脈瘤的 示意 圖如圖 1所示。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 。 OPTA是一個迭代的過程。 其中最典型的參考文件是 [1~3]。其中有陰影的方格是當(dāng)前點。 5 圖 4 保留模板 [2] 通過深入的改進， 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 [2]中的算法很好的解決了，且速度有了很大的提升。圖 5是當(dāng)前點以及他的 鄰 接 點的示意圖。 下面的8個條件式對應(yīng)圖 2中 a~h的 8個消去模板。 q5=0 amp。 q12=0 amp。 q7=0 amp。 q12=0 amp。 q11=0) (3) (q2=0 amp。 q10=0 amp。 q12=0) (5) 6 (q3=0 amp。 q7=0 amp。 q13=0 amp。 q14=0) (6) (q3=0 amp。 q11=0) || ( q3=1 amp。雖然目前，改進的 OPTA算法只應(yīng)用于指紋圖像的識別，文獻 [1]~[8]。盡管文獻 [2]中的細(xì)化算法的速度有了明顯的提高， 但細(xì)化血管過程中斷點容易產(chǎn)生 。 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。 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，它連接著兩個關(guān)鍵點，并且不通過骨架中的第三個關(guān)鍵點。 從端點開始到分叉處結(jié)束的骨架元素即是分支元素 。 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)。同時用變量 S來計算 從開始到結(jié)束所訪問的像素數(shù)。 上述過程中 ，分支位置的檢測方法是以當(dāng)前點為中心，檢查它的 8鄰域中目標(biāo)點和未被訪問的點數(shù)。開發(fā)環(huán)境是 VC 。 最后用方格標(biāo)記疑似腦動脈瘤的區(qū)域。這是一種效果較好的算法，圖 8是不同效果的對比，圖 8(a)毛刺較少，圖 8(b)毛刺較多。圖8(a)中的檢測效果很好，圖 8(b)中檢測出的區(qū)域有兩處是錯誤的。 9 Ⅴ .結(jié)論 本文分析了腦動脈瘤的形態(tài)特征，有關(guān) OPTA算法以及改 進的算法的深入研究，并且利用它們成功提取出了圖像的骨架。 怎樣克服這些缺點，提高檢測的成功率是今后工作的重點。t need matching operation for preserve template. Every elimination template corresponds to one case of every neighborhood points39。 q6=0 amp。 q13=0 amp。 q9=1 amp。 q13=0) (2) (q5=0 amp。 q9=1 amp。 q13=0 amp。 q4=0 amp。 q10=0 amp。 q14=0) || (q8=0 amp。 q4=0 amp。 q7=0 amp。 (2) Once encountering the bifurcation point P, visit each adjacent point of its 8 neighborhood in anticlockwise order from the vertical direction and put the points which are not visited into stack。 Memory: 512 M。D Center for Modern Information Technology Application in Enterprise under grant . REFERENCES [1] Feng Xingkui, Li Linyan, Yan Zuquan, “A New Thinning Algorithm for Fingerprint Image,” Journal of Image and Graphics, 1999, 4(10):835838. [2] WANG Jialong, GUO Chengan, “An Improved Image Template Thinning Algorithm,” Journal of Image and Graphics, 2020, 3(9):297301. [3] MEI Yuan, SUN Huaijiang, XIA Deshen, “An Improved Templatebased Rapid Thinning Algorithm,” Journal of Image and Graphics, 2020, 11(9):13061311. [4] TAN Taizhe, NING Xinbao, YIN Yilong, “A Method for Singularity Detection in Fingerprint Images,” Journal of Software, 2020, 14(6):10821088. [5] LIANG Guangmin, CAI Xuejun, “Improvement of OPTA algorithm and its application in fingerprint images thinning,” Computer Engineering and Design, 2020,27(23):46074608. [6] Zhang YuJin, Image Engineering (II): Image Analysis(second edition), BeiJing:Tsinghua University Press, 2020. [7] XU Gangfeng, WANG Ping, SHEN Zhenkang,“Recognition of mainrunway of airport based on skeleton,” Infrared and Laser Engineering, 2020,35(6):717721. [8] ZHANG Jinyang, SUN Maohang, “Study on algorithm for skeleton features extraction of hand vein image,”Journal of Computer Applications, 2020, 27(1):152154.