基于灰度加权的IVOCT图像导丝伪影去除方法

摘要

本发明涉及一种基于灰度加权的IVOCT图像导丝伪影去除方法，包括下列步骤：对于极坐标系下去除管鞘伪影后的OCT图像Ic(ρ,θ)，将Ic(ρ,θ)沿ρ方向进行灰度值累加，得到随θ变化的灰度累加图Ip(θ)；根据先验信息得到导丝直径，据此确定每次扫描长度wg，扫描步长为1，将之前的灰度累加值图像Ip沿θ方向进行迭代累加，获得单次扫描区域的灰度总值；将IVOCT图像中不同像素点依据灰度值和ρ的大小赋予不同的权重；将权重Iwp(ρ,θ)分布沿ρ方向累加，获得随θ变化的权重曲线Iw(θ)；导丝所在位置为权重曲线Iw(θ)的低缓处，最终确定导丝所在的范围。

权利要求

1.一种基于灰度加权的IVOCT图像导丝伪影去除方法，包括下列步骤：步骤一：设极坐标系下去除管鞘伪影后的OCT图像为Ic(ρ,θ)，设定极坐标OCT图像的坐标原点，θ和ρ为像素点的极坐标值，将Ic(ρ,θ)沿ρ方向进行灰度值累加，得到随θ变化的灰度累加图Ip(θ)；

步骤二：根据先验信息得到导丝直径，据此确定每次扫描长度wg，扫描步长为1，将之前的灰度累加值图像Ip沿θ方向进行迭代累加，获得单次扫描区域的灰度总值Iap(θ)：步骤三：比较每个Iap(θ)的大小，记最小值为Iap(θg)，θg作为导丝所存在的区域范围起点，区域范围θ∈[θg，θg+wg]，并对该区域进行单独提取；

步骤四：在步骤三提取的区域中，将IVOCT图像中不同像素点依据灰度值和ρ的大小赋予不同的权重,权重Iwp(ρ,θ)等于IVOCT图像中各像素点处灰度值乘以ρ；

步骤五：将权重Iwp(ρ,θ)分布沿ρ方向累加，获得随θ变化的权重曲线Iw(θ)；

步骤六：导丝所在位置为权重曲线Iw(θ)的低缓处，最终确定导丝所在的范围θgi∈[θga，θgb]，其中，θga和θgb分别对应于权重曲线Iw(θ)低缓处的起始位置和终止位置。

说明书

基于灰度加权的IVOCT图像导丝伪影去除方法

技术领域

[0001] 本发明属于血管内光学相干层析成像图像处理技术领域，更为具体地讲，涉及一种血管内光学相干层析成像图像导丝伪影去除。

背景技术

[0002] 目前，冠心病是导致人类死亡的首要病因，且未来10年我国冠心病患病及死亡人数仍将快速增长。而冠状动脉粥样硬化是引发冠心病的主要原因。当脂质在冠状动脉内膜
聚集后，会形成黄色的黄色粥样外观，因此又将其命名为冠状动脉粥样硬化。对于冠心病，
传统的诊断方法一般为临床症状分析、心电图、血脂检测和运动负荷实验检测等。但这些方
法的诊断准确性不高，有时还会造成冠心病的误诊和漏诊，并对患者造成一定程度的精神
负担和经济压力。因此，冠心病的诊断预防需要医学影像技术的发展进行指导。

[0003] 在医学诊断领域，医学影像技术是一门新兴的学科，具有十分巨大的发展潜力。在医学研究过程中，将物理场源以非侵入的方式施加在生物组织之后，生物组织由于所施加
的物理场而产生物理特性变化，依据此变化按一定的规律将生物组织部分转化为视觉影
像，这种技术称之为医学影像技术。通过医学影像技术，可以较为准确观察生物组织状况，
观察是否发生生物组织病变以及病变情况，对生物组织情况进行定性和定量的评估，从而
帮助医生进行更好得临床诊断。

[0004] 光学相干断层扫描(Optical Coherence tomography简称OCT)是一种新兴的医学成像技术，该技术以光学相干理论为基础，具有高分辨率、成像速度快、非侵入特点，被广泛
应用于血管内成像，是动脉粥样硬化疾病诊断的重要手段。但是，(Intravascular Optical 
Coherence tomography简称IVOCT)图像中存在的导丝伪影会影响官腔分割和支架识别，所
以需要去除。

[0005] IVOCT图像中主要利用导丝伪影的高反射性及其后面具有长阴影的特点将其去除。Amrute J.M.等人在2018年的Journal of Biomedical OpticsJournal of Biomedical 
Optics中发表名为《冠状动脉内光学相干层析成像的聚合血管内支柱和腔内检测算法》
(Polymeric endovascular strut and lumen detection algorithm for intracoronary 
optical coherence tomography images)的文章中提出利用平均像素值搜索算法得到导
丝区域，计算水平滑动窗口的平均像素值，具有最小平均像素值的滑窗即为导丝位置。专利
CN109118508A《IVOCT图像血管壁内腔轮廓提取方法》在此基础上增加了纵向滑窗，进一步
确定了导丝的纵向位置。专利US20160174925A1《血管数据处理和图像配准系统，方法和器
具》(Vascular data processing and image registration systems,methods,and 
apparatuses)应用底帽变换平滑图像，通过形态学闭运算填充底帽变换过程中可能出现的
间隙，以增强导丝的窄特征。专利US20120075638A1《血管内光学相干层析成像图像的分割
和量化》(Segmentation and quantification for intravascular optical coherence 
tomography images)应用Otsu的方法来生成前景和背景像素的二进制图像，施加区域约束
来去除小于某个阈值的面积的任何孤立区域，从而去除导丝相关像素。专利
US20150213629A1《光学相干层析成像图像的处理方法》(Method of processing optical 
coherence tomography images)应用形态学过滤器，依次使用形态学算子和形态学腐蚀算
子来识别圆形物体和消除小的非圆形物体，以识别与导丝相关联的圆形物体。专利
US20170148161A1《血管内图像阴影的检测与验证》(Detection of and validation of 
shadows in intravascular images)针对有支架的IVOCT图像，利用导丝和支架宽度差别，
设置阈值识别导丝伪影。

[0006] 本专利提出的基于灰度加权的导丝伪影去除算法在传统地滑窗搜寻导丝伪影算法的基础上，加入了权值计算，提高了识别的准确率。

发明内容

[0007] 本发明的目的在于提供中去除IVOCT图像中的导丝伪影的方法，以方便进一步对IVOCT图像就进行管腔分割、支架识别等操作。本发明的技术方案如下：

[0008] 一种基于灰度加权的IVOCT图像导丝伪影去除方法，包括下列步骤：

[0009] 步骤一：设极坐标系下去除管鞘伪影后的OCT图像为Ic(ρ,θ)，设定极坐标OCT图像的坐标原点，θ和ρ为像素点的极坐标值，将Ic(ρ,θ)沿ρ方向进行灰度值累加，得到随θ变化
的灰度累加图Ip(θ)；

[0010] 步骤二：根据先验信息得到导丝直径，据此确定每次扫描长度wg，扫描步长为1，将之前的灰度累加值图像Ip沿θ方向进行迭代累加，获得单次扫描区域的灰度总值Iap(θ)：

[0011]

[0012] 步骤三：比较每个Iap(θ)的大小，记最小值为Iap(θg)，θg作为导丝所存在的区域范围起点，区域范围θ∈[θg，θg+wg]，并对该区域进行单独提取；

[0013] 步骤四：在步骤三提取的区域中，将IVOCT图像中不同像素点依据灰度值和ρ的大小赋予不同的权重,权重Iwp(ρ,θ)等于IVOCT图像中各像素点处灰度值乘以ρ；

[0014] 步骤五：将权重Iwp(ρ,θ)分布沿ρ方向累加，获得随θ变化的权重曲线Iw(θ)；

[0015] 步骤六：导丝所在位置为权重曲线Iw(θ)的低缓处，最终确定导丝所在的范围θgi∈[θga，θgb]，其中，θga和θgb分别对应于权重曲线Iw(θ)低缓处的起始位置和终止位置。

[0016] 本发明根据临床IVOCT图像中导丝伪影的特点提出基于灰度加权的导丝伪影去除算法，在血管内OCT图像中，导丝具有以下的特点：首先，导丝往往单独存在于血管管腔内并
不与其他组织部分相联系；其次，导丝的位置存在也往往会存在一条长长的伪影，可以依据
伪影进行位置判断，同时与支架有所区别的是，导丝的宽度也往往更加宽；此外，图像中的
导丝部分相比于支架而言，往往距离管腔壁部分较远且不与管腔壁部分相连接。本发明利
用这些特点去除导丝伪影，从实验结果可以看出，图像中导丝所在角度范围可以被较好的
识别出来。

附图说明

[0017] 图1为本发明的基于灰度加权的导丝伪影去除算法的完整流程图；

[0018] 图2为极坐标系下去除管鞘伪影的IVOCT图像；

[0019] 图3为灰度累加和步长迭代示意图；

[0020] 图4为导丝范围优化；

[0021] 图5为不同IVOCT图像在极坐标和直角坐标中导丝伪影去除前后对比。

具体实施方式

[0022] 结合附图和实施例对本发明的基于灰度加权导丝伪影去除算法加以说明。

[0023] 图1是本发明的基于灰度加权的导丝伪影去除算法的完整流程图。

[0024] 输入极坐标系下的IVOCT图像后，去除管鞘伪影，如图2所示。去除管鞘伪影作为本专利申请的预处理步骤，在现有技术中已经有多种方法。此处不是本专利申请的重点。下面
两段话是针对现有技术的说明。

[0025] IVOCT图像中的管鞘伪影主要依据导管的先验信息进行去除。L.S.Athanasiou等人在2017年的Elsevier Science中发表的名为《基于冠状动脉成像的动脉粥样硬化斑块表
征方法》(Atherosclerotic plaque characterization methods based on coronary 
imaging)的文章中，直接根据导管先验信息去除掉管鞘伪影。专利CN108416769A《基于预处
理的IVOCT图像易损斑块自动检测方法》和专利CN109118508A《IVOCT图像血管壁内腔轮廓
提取方法》都采用将成像导管部分区域所对应的像素值都赋零的方法去除管鞘伪影。在此
基础上Amrute J.M.等人在2018年的Journal of Biomedical OpticsJournal of 
Biomedical Optics中发表名为《冠状动脉内光学相干层析成像的聚合血管内支柱和腔内
检测算法》(Polymeric endovascular strut and lumen detection algorithm for 
intracoronary optical coherence tomography images)的文章中提出鞘层几何结构的
过度简化导致部分聚合物支柱或管腔边界的缺失，为了准确删除保护鞘，采用沿鞘轮廓梯
度行走的边缘检测方法去除管鞘伪影。

[0026] 也可以通过形态学特征来区分出管鞘伪影。专利CN110717888A《一种血管内光学相干层析成像血管壁内轮廓自动识别方法》基于形态学的方向和面积特征对原始图像中的
各个对象进行标记得到各个连通区域的方向及面积属性，去除导丝以及导管。专利
US20120075638A1《血管内光学相干层析成像图像的分割和量化》(Segmentation and 
quantification for intravascular optical coherence tomography images)应用Otsu
的方法来生成前景和背景像素的二进制图像，施加区域约束来去除小于某个阈值的面积的
任何孤立区域，从而去除管鞘伪影。专利US20160174925A1《血管数据处理和图像配准系统，
方法和器具》(Vascular data processing and image registration systems,methods,
and apparatuses)利用导管的特征矢量方向与血管的特征矢量方向的差别来区分管鞘伪
影。

[0027] 本发明将去除管鞘后的图像Ic(ρ,θ)沿ρ进行灰度值累加，得到随θ变化的灰度累加图，如图3上图所示。由于导丝的宽度大小可以由先验信息大致获得，本例中扫描长度wg
为60，扫描步长为1，将之前的灰度累加值图像进行相加，获得扫描区域的像素总值，如图3
下图所示。

[0028] 比较累加的大小，选择区域累加值最小的区域作为导丝所存在的区域范围记为Iap(θg)，其中Iap(θ)为对应区域的灰度累加值，并对该区域进行单独提取.

[0029] 在实验过程中，应当注意的是灰度累加图像和步长叠加图像的获得和使用。在获得的灰度累加图像之后，由于图像中的毛刺部分较多，并且存在部分的凹陷区域，会对导丝
存在的区域产生判断产生一定的影响。因此，实验时，采用60为长度，步长为1对灰度累加图
像进行相加，从而使得曲线更加平滑，并不改变曲线的趋势，有助于图像导丝区域的判断。
当提取导丝所存在的区域之后，由于算法设计之时，部分导丝宽度的部分设计存在冗余，会
有部分的管壁部分也被纳入导丝存在的区域，因此我们对图像中的各部分的像素值依据其
位置进行信息的加权，具体方法为：在OCT图像中各像素点处灰度值乘以该位置半径大小，
获得权重分布.

[0030] 将权重分布依据A‑line上相加，获得权重曲线，导丝所在位置为曲线的低缓处，从而识别导丝所在的ρ位置范围，其中τg为冗余倍数，在本例中，通过下式对导丝的位置选取
进行约束：

[0031] Iwp(θgi)＜τg×min(Iwp(θg))andθg＜θgi＜θg+wg

[0032] 如图4所示，大多数情况下，最终确定θgi的范围：

[0033] θg＜θga＜θgi＜θgb＜θg+wg

[0034] 其中，θga和θgb对应于导丝伪影的起始位置。

[0035] 将提取区域的导丝范围映射回原本的血管内OCT图像，输出导丝去除后的图像，如图5所示，图中由上至下以此为导丝去除前的极坐标图像、导丝去除后的极坐标图像、导丝
去除前的直角坐标图像、导丝去除前的直角坐标图像，由左至右图中管腔面积依次减小。从
图中可以看出，图像中导丝所在角度范围被较好的识别出来，且识别效果不受到官腔面积
的影响。

[0036] 本发明不局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的显而易见的等效或修改，都在本发明的保护之列。