[论文解读] Contour and Centreline Tracking of Vessels from Angiograms using the Classical Image Processing Techniques

Irina Andra Tache|arXiv (Cornell University)|Jan 1, 2017

Cerebrovascular and Carotid Artery Diseases被引用 2

一句话总结

本文提出了一种经典的图像处理流程，用于在512×512的血管造影图像中精确追踪血管轮廓和中心线。该方法结合了Frangi血管增强、Otsu阈值分割、Canny边缘检测以及形态学骨架化技术，在高分辨率临床图像中实现了可靠的血管长度和半径估计。

ABSTRACT

This article deals with the problem of vessel edge and centerline detection using classical image processing techniques due to their simpleness and easiness to be implemented. The method is divided into four steps: the vessel enhancement which implies a non-linear filtering proposed by Frangi, the thresholding using Otsu method and the contour detection using the Canny edge detector due to its good performances for the small vessels and the morphological skeletonisation. The algorithms are tested on real data collected from a cardiac catheterism laboratory and it is accurate for images with good spatial resolution (512*512). The output image can be used for further processing in order to find the vessel length or its radius.

研究动机与目标

• 开发一种简单且可实现的方法，用于在血管造影图像中检测血管边缘和中心线。
• 利用经典图像处理技术应对在临床血管造影图像中检测小尺寸、低对比度血管的挑战。
• 通过鲁棒的轮廓和中心线提取，实现对血管长度和半径等下游分析的精确支持。
• 在标准临床分辨率（512×512）下，基于真实心脏导管实验室数据验证该方法。

提出的方法

• 应用Frangi的非线性血管增强滤波器，以提升血管造影图像中血管的可见性。
• 使用Otsu的阈值分割方法，从增强后的图像中分割出血管区域。
• 采用Canny边缘检测器以检测血管轮廓，因其具备最优的边缘定位能力和抗噪性能。
• 对分割出的血管区域执行形态学骨架化，以提取中心线。
• 将上述步骤整合为一个顺序处理流程，实现端到端的血管轮廓与中心线追踪。
• 在心脏导管实验室获取的真实512×512血管造影图像上验证输出结果。

实验结果

研究问题

• RQ1 经典图像处理技术能否有效检测低对比度、小血管血管造影图像中的血管轮廓和中心线？
• RQ2 Frangi滤波、Otsu阈值分割、Canny边缘检测与骨架化技术的组合在真实临床血管造影数据上的表现如何？
• RQ3 图像分辨率（特别是512×512）在多大程度上影响该流程的血管追踪准确性？
• RQ4 提取出的中心线和轮廓能否可靠地支持后续的定量血管分析，如长度和半径测量？

主要发现

• 所提出的流程在512×512分辨率的血管造影图像中实现了精确的血管轮廓与中心线检测，具备良好的空间分辨率。
• Frangi血管增强能有效增强小血管，同时抑制噪声和背景结构。
• Otsu阈值分割在增强后能可靠地分割出血管区域。
• Canny边缘检测即使在低对比度条件下也能成功识别血管边界。
• 形态学骨架化生成了清晰、单像素宽度的中心线，适用于定量分析。
• 该流程的输出结果适用于进一步处理，如在临床应用中测量血管长度和半径。