[论文解读] Pulmonary Vascular Tree Segmentation from Contrast-Enhanced CT Images

Michael Helmberger, Martin Urschler+4 more|arXiv (Cornell University)|Apr 26, 2013

Pulmonary Hypertension Research and Treatments参考文献 19被引用 7

一句话总结

本文提出了一种完全自动、快速且鲁棒的方法，用于从对比增强CT扫描中分割肺血管树，通过肺部和气道分割来约束基于海森矩阵分析和偏移中轴度的多尺度血管增强滤波器。关键贡献在于证明了通过距离度量量化得到的血管迂曲度与平均肺动脉压显著相关（ρ = 0.60，p < 0.01），从而能够在24例患者的队列中非侵入性地区分肺动脉高压患者与非肺动脉高压患者。

ABSTRACT

We present a pulmonary vessel segmentation algorithm, which is fast, fully automatic and robust. It uses a coarse segmentation of the airway tree and a left and right lung labeled volume to restrict a vessel enhancement filter, based on an offset medialness function, to the lungs. We show the application of our algorithm on contrast-enhanced CT images, where we derive a clinical parameter to detect pulmonary hypertension (PH) in patients. Results on a dataset of 24 patients show that quantitative indices derived from the segmentation are applicable to distinguish patients with and without PH. Further work-in-progress results are shown on the VESSEL12 challenge dataset, which is composed of non-contrast-enhanced scans, where we range in the midfield of participating contestants.

研究动机与目标

• 开发一种完全自动、鲁棒且计算高效的对比增强CT图像中肺血管树分割方法。
• 通过从分割后的血管中提取定量血管特征，实现在无创检测肺动脉高压（PH）。
• 提高在病理病例中的血管分割鲁棒性，特别是针对因PH导致严重血管重塑的患者。
• 使用定量分割结果验证血管迂曲度作为PH生物标志物的临床实用性。

提出的方法

• 该方法利用粗略的肺部和气道分割，将多尺度血管增强滤波器的应用限制在肺体积内，从而减少假阳性结果。
• 基于海森矩阵的血管增强滤波器通过计算海森矩阵的特征值和特征向量来生成中轴度响应，并采用偏移中轴度测量以检测血管中心线。
• 通过基于全变差和源自中轴度响应的数据项的测地线活动轮廓模型，对中心线进行重新连接以实现精炼。
• 采用球形射线投射方法，基于增强响应和中心线数据估算血管半径。
• 算法通过CUDA实现并行化，使得大型CT数据集的分割和中心线提取可在10分钟内完成。
• 肺部和气道分割通过基于强度的阈值化方法以及从最上层切片的气管种子点出发的迭代3D区域生长实现。

实验结果

研究问题

• RQ1 能否开发一种完全自动、快速且鲁棒的肺血管树分割方法，用于对比增强CT，且在病理病例中仍保持有效性？
• RQ2 血管迂曲度（通过距离度量量化）是否与肺动脉高压患者和非肺动脉高压患者的平均肺动脉压显著相关？
• RQ3 该分割算法能否通过从分割血管中提取的定量指标可靠地检测PH与非PH患者之间的血管形态学差异？
• RQ4 尽管该算法针对对比增强扫描进行了优化，其在非对比增强数据集（如VESSEL12挑战赛数据集）上的表现如何？
• RQ5 由于噪声和对比度不足，该算法在小血管（<2 mm）上的性能退化程度如何？

主要发现

• 在含高斯噪声高达40 Hounsfield单位的幻影数据上，所提出的分割方法的Jaccard指数仍高于93%，表现出极高的鲁棒性。
• 在VESSEL12挑战赛数据集（非对比增强扫描）上，该方法的特异性为0.94，受试者工作特征曲线下面积（Az）为0.85，在参赛团队中位居中游水平。
• 在24例患者的临床研究中，距离度量（DM）与平均肺动脉压存在显著的Spearman等级相关性（ρ = 0.60，p < 0.01）。
• 肺动脉高压患者的血管迂曲度（DM）显著高于非PH患者（p < 0.05），实现了两组间的有效区分。
• 通过CUDA并行化实现，该算法在大型CT数据集上实现了10分钟内完成完整分割和中心线提取，支持临床工作流程集成。
• 该方法在检测直径小于2 mm的血管方面存在局限，主要由于其针对对比增强成像和各向同性分辨率进行了优化。