CHỤP MẠCH SỐ HÓA XÓA NỀN DSA

CÔNG NGHỆ CHẨN ĐOÁN HÌNH ẢNH I TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN ĐIỆN TỬ VIỄN THÔNG BỘ MÔN CNĐT VÀ KT Y SINH CÔNG NGHỆ CHẨN ĐOÁN HÌNH ẢNH I CHỤP MẠCH SỐ HÓA XÓA NỀN DSA Giảng Viên TS Nguyễn Thái Hà Sinh Viên Thái Minh Đức 20131062 HÀ NỘI, 1 2017 MỤC LỤC Mục lục 1 Nội dung 2 1 Giới thiệu 2 2 Các lý thuyết cần lưu ý 3 3 Phương pháp đo 5 3 1 Lựa chọn điểm kiểm soát 5 3 2 Tính toán dịch chuyển 7 3 2 1 Phương pháp dựa trên sự chuyển động tương đối 7 3 2 2 Phương pháp lấy mẫu và so sá.

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN ĐIỆN TỬ - VIỄN THÔNG BỘ MÔN CNĐT VÀ KT Y SINH *********** CƠNG NGHỆ CHẨN ĐỐN HÌNH ẢNH I CHỤP MẠCH SỐ HÓA XÓA NỀN DSA Giảng Viên : TS Nguyễn Thái Hà Sinh Viên : Thái Minh Đức HÀ NỘI, 1-2017 20131062 MỤC LỤC Mục lục Nội dung Giới thiệu 2 Các lý thuyết cần lưu ý 3 Phương pháp đo 3.1 Lựa chọn điểm kiểm soát 3.2 Tính tốn dịch chuyển 3.2.1 Phương pháp dựa chuyển động tương đối .7 3.2.2 Phương pháp lấy mẫu so sánh 3.3 Phương pháp hoán vị nội suy .11 3.4 Dự đoán thay ảnh chết .13 Các khía cạnh thực 14 4.1 Lựa chọn điểm kiểm soát 14 4.2 Tam giác điểm kiểm soát 14 4.3 Đo lường tính tốn tương đương 15 4.4 Dự đoán thay ảnh chết .16 4.5 Làm cong hình ảnh .16 Thuật toán tổng quan 17 Kết thực nghiệm 18 Thảo luận 19 7.1 Thảo luận kết .19 7.2 Mở rộng hướng phát triển 22 Kết luận 24 Phụ lục 24 Lời cảm ơn 26 Tài liệu tham khảo .26 NỘI DUNG Xử lý hình ảnh cho hệ thống chụp mạch xóa Erik H W Meijering, Karel J Zuiderveld, Max A Viergever Tạp chí quốc tế Computer Vision, Chương 31, Số 2/3, Tháng Tư năm 1999, pp 227-246 Tóm tắt|Trong thực hành lâm sàng, hệ thống chụp mạch xóa (DSA) kỹ thuật mạnh mẽ cho trực quan mạch máu thể người Sự chẩn đốn hình ảnh thường bị giảm đáng kể lệch chi tiết hình ảnh liên tiếp chuỗi, chuyển động bệnh nhân Để cải thiện chất lượng hình ảnh, số kỹ thuật xử lý đề xuất Tuy nhiên, thời gian tính tốn cần thiết, khơng dẫn đến thuật tốn đủ nhanh chấp nhận để tích hợp ứng dụng lâm sàng Trong báo này, cách tiếp cận để xử lý hình ảnh kỹ thuật số chụp mạch đề xuất Nó bao gồm việc lựa chọn điểm kiểm sốt mà chuyển động tính mẫu phù hợp, từ trường vector chuyển động hoàn toàn xây dựng phương pháp nội suy Việc làm cong cuối hình ảnh theo dịch chuyển có tình tốn trường vector thực thời gian thực phần cứng đồ họa Kết thí nghiệm với số liệu lâm sàng cho thấy thuật toán đề xuất vừa hiệu nhanh Từ Khóa|Digital subtraction angiography, motion correction, registration, matching, warping Giới thiệu Trong thực hành lâm sàng, hệ thống chụp mạch xóa (DSA) kỹ thuật hiệu cho việc gợi lại mạch máu thể người [6,60] Trong hình ảnh chiếu X-quang thơng thường, mạch máu gần khơng thể nhìn thấy tương phản thấp tế bào mô xung quanh Sự tương phản tăng cường cách tiêm chất chắn xạ (một giải pháp chất cản quang) vào mạch để chẩn đoán Tuy nhiên, khơng chỉnh sửa thêm tương phản tế bào mô xung quanh cịn nhỏ xương mơ xung quanh đáng kể Điều giới thiệu gây nghiêm trọng giảm số lượng thơng tin chẩn đốn thu từ hình ảnh Trong ảnh DSA, chuỗi hình ảnh chụp để hiển thị quãng đường dịch chuyển vật liệu tương phản tiêm vào nhiều tế bào đáng ý Các biến dạng tương phản hình ảnh trực tiếp ngược lại chủ yếu loại bỏ cách trừ hình ảnh chụp trước xuất phương tiện tương phản (gọi hình ảnh mặt nạ) Chất lượng hình ảnh tương đối cao, lượng bệnh thấp so với ví dụ tính chụp mạch cắt lớp (CTA) khả để giải nén thông tin không gian thời gian (hành vi động quan) đảm bảo DSA kỹ thuật quan trọng Kỹ thuật trừ dựa giả định mơ xung quanh mạch khơng thay đổi vị trí mật độ thời gian phơi Đánh giá lâm sàng sau đời DSA thập niên tám mươi [7,14,29] tiết lộ giả định không hợp lệ cho số lượng đáng kể đánh giá Chuyển động bệnh nhân ln ln xảy ra, PP-3 Xử lý hình ảnh cho hệ thống chụp mạch xóa khiến cho hình ảnh trừ để hiển thị ngăn cản giải thích đắn hình ảnh Kể từ đó, số kỹ thuật phát triển áp dụng để giảm vật để nâng cao giá trị chẩn đốn hình ảnh DSA Chúng bao gồm chụp cắt lớp [6, 34] chụp nhũ ảnh [35] kỹ thuật hình ảnh, (Kedge) trừ lượng kép [33,41], trừ hỗn tạp [5] tách tự động [43] Tuy nhiên, phương pháp chưa giới thiệu quy mô lớn thực hành lâm sàng, chủ yếu chúng yêu cầu vật liệu thiết bị tốn kém, khó khăn để sản xuất, hai Ngồi ra, vật ảnh trừ sửa chữa hồi tố cách sử dụng kỹ thuật xử lý ảnh Điều thực cách tính tốn tương ứng điểm ảnh hình ảnh dãy uốn cong hình ảnh liên quan đến Điều thường gọi xử lý hình ảnh áp dụng nhiều tình khác, nơi chuỗi ảnh cần phải phân tích Tổng quan kỹ thuật xử lý hình ảnh đưa Aggerwal & Nandhakumar [1] Brown [8], lĩnh vực hình ảnh y tế Van den ELSEN et al [55] Maintz & Viergever [38] Mặc dù nhiều nghiên cứu thực chủ đề 15 năm qua, họ không dẫn đến thuật tốn đủ nhanh chấp nhận để tích hợp ứng dụng lâm sàng Trong báo này, phương pháp để xử lý chuỗi ảnh chụp mạch máu kỹ thuật số đề xuất Sau xem xét lý thuyết hạn chế làm việc với hình ảnh chiếu, Mục 2, phương pháp xử lý hình ảnh số khía cạnh thực mô tả chi tiết tương ứng, phần 4, tổng quan thuật tốn hồn tồn Phần Kết thí nghiệm chuỗi ảnh chụp mạch máu thực trình bày phần thảo luận Phần Kết luận nhận xét thực mục Các lý thuyết cần lưu ý Trước trình bày phương pháp để xử lý hình ảnh chụp mạch máu kỹ thuật số, phải hình ảnh hai chiều đại diện cho hình ảnh ba chiều Bởi điều này, người ta thường tin kỹ thuật xử lý cố gắng để khơi phục lại hình ảnh hồn chỉnh (trong điều khoản vector hoán vị d: R2 → R2) hai hình ảnh khơng có khả thành công [32] Trong phần này, nghiêm cứu mức độ mà tuyên bố nắm giữ Ngược lại với ví dụ hình ảnh dải hình ảnh có chụp thơng thường, độ xám xác định (khoảng cách đến) bề mặt đối tượng không gian ba chiều (được gọi hình ảnh bề mặt), độ xám hình ảnh chiếu tia X xác định Ф cường độ X-quang xảy đầu dị, ngun tắc, cấu thành tập hợp phần nhỏ không gian ba chiều Trong trường hợp X-quang đơn năng, Ф xác định cơng thức Lambert-Beer’s: Trong L (x, y) tích phân đường ∫µ(λx,y(‫))ع‬d ‫ ع‬của hệ số suy giảm tuyến tính µ dọc theo đường qua tia (từ nguồn đến phần tử (x, y) ma trận dị), λx,y : [0, 1] → R3,[0, 1] R tham số đại diện, Ф0(x, y) cường độ tia X đo môi trường qua chân khơng Trong điều kiện hiệu chuẩn thích hợp Ф 0, logarit sau xử lý tín hiệu tìm thấy, cường độ I ảnh kết vị trí (x, y) trở thành: Các lý thuyết cần lưu ý PP-4 Với kiến thức này, câu hỏi đặt liệu có tồn biến đổi hình học hai chiều mà hồn tồn mơ tả thay đổi hình ảnh chuyển động gây ba đối tượng khôn gian ba chiều Vấn đề nghiên cứu Fitzpatrick [18], có kết tóm tắt Đầu tiên, khái niệm hình ảnh mật độ giới thiệu Định nghĩa Cho I (x, y) độ xám ảnh hai chiều Nếu độ xám điểm (x, y) hình tương xứng với tích phân đường mật độ bảo tồn số lượng không gian ba chiều, sau I (x, y) gọi mật độ chiếu hình Trong định nghĩa này, số lượng bảo tồn đại lượng mà có giá trị khu vực thay đổi cách vận chuyển hạt qua ranh giới khu vực Được biết, hệ số suy giảm tia X µ (x, y, z) tỷ lệ với mật độ p vật liệu gặp phải khơng gian ba chiều vị trí (x, y, z) Sau đó, từ (2) kết luận Định nghĩa áp dụng cho hình ảnh chiếu tia X Câu trả lời cho câu hỏi nêu trước giải thích định lý sau Định lý Coi I (x, y, t1) I (x, y, t2) mật độ chiếu hình hai chiều không gian ba chiều, thời điểm t1 t2> t1, tương ứng, sử dụng thiết bị có hệ thống đáp ứng xung Nếu hai hình ảnh giả định khác kết chuyển động hạt không gian ba chiều, tồn ánh xạ một-một hai chiều d: R2 → R2 mà biến đổi điểm x1 = (x1, y1) I (x, y, t1) đến điểm tương ứng x2 = (x2, y2) = d(x1, y1) I (x, y, t2), thay đổi liên quan cường độ (độ xám) cho quan hệ Jr Jacobian chuỗi đảo ngược dr: R2 → R2 điểm x2 = (x2, y2) I (x, y, t2) trở lại với x1 = (x1, y1) I (x, y, t1) Cần nhấn mạnh định lý (được chứng minh [18]) cho thấy có tồn biến đổi hai chiều tương ứng với đối tượng chuyển động không gian ba chiều gốc Nó khơng mang lại cơng thức để lấy biến đổi này, đưa hai hình ảnh Trong thực tế, khơng thể hồi phục chuyển đổi từ hai hình ảnh Có ba lý việc (i) Kể từ chúng tơi đối phó với hình ảnh rời rạc, việc thu hồi chức (phân tích) dẫn xuất từ hình ảnh ln địi hỏi phép tính lân cận Trong trường hợp nhận vector thay thời điểm định hình ảnh theo trình tự, điều hàm ý lân cận có liên quan tới việc tính tốn số đối tượng dời độc lập với nhau, kết dự kiến khơng đáng tin cậy khơng xác Đặc biệt mật độ chiếu hình, tình có khả xảy (ii) Tại điểm đặc trưng hình ảnh, khơng thể lấy thành phần tiếp tuyến vector thay Điều thường gọi vấn đề lỗ hổng (iii) Các giả thiết hai hình ảnh để khác kết chuyển động hạt không gian ba chiều, không áp dụng cho chụp động mạch, trường hợp hạt (nghĩa tương phàn trung gian) giới thiệu phần không gian Ba vấn đề hạn chế tính xác thuật tốn xử lý cho loại hình ảnh PP-5 Xử lý hình ảnh cho hệ thống chụp mạch xóa Phương pháp đo Cho chuối hình ảnh rời rạc hai chiều I (x, y, t) có kích thước M x M x N, việc xử lý hình ảnh, I (x, y, t1), t1 ϵ [0, N – 1] N với hình ảnh với I (x, y, t2), t1< t2 < N – theo trình tự, bao gồm hai phép tính: (i) việc tính tốn tương ứng điểm ảnh hai hình ảnh, (ii) thực điều chỉnh theo đến đối xứng cách làm cong hình ảnh với liên quan đến trước Trong phần này, phương pháp đề xuất để thực phương pháp trình bày 3.1 Lựa chọn điểm kiểm sốt Để có tương ứng hai hình ảnh, phương pháp tính tốn rõ ràng tương ứng cho điểm ảnh Tuy nhiên, tính tốn tốn khơng dẫn đến thuật tốn chấp nhận mặt lâm sàng Ngay với máy trạm đại vài cho hình ảnh kích thước 512 x 512 1024 x 1024 (các kích thước thơng thường cho hình ảnh chụp mạch máu), chưa kể thời gian tính tốn cần thiết cho chuỗi hình ảnh hồn thiện mà thường bao gồm từ 15 đến 20 hình ảnh Để giảm thời gian tính tốn đến mức độ chấp nhận mặt lâm sàng (vài giây), giả định phải thực liên quan đến chất chuyển động Một khả giả định độ cứng phần chụp để tính tốn tương ứng hai hình ảnh chuyển động toàn phần chuyển động quay Hệ thống hình ảnh DSA trang bị với chế độ ngăn chặn hình ảnh tĩnh, cho chuyển động tịnh tiến Mặc dù cách cải thiện phép trừ số trường hợp, nói chung điều sẽ, không mang lại cách xử lý tổng thể Cách khác giả định số hiệu định gắn kết điểm ảnh lân cận để tính tốn tương ứng cho nhóm lựa chọn gọi điểm kiểm sốt, pi = (xi, yi), hình ảnh Sự tương ứng tổng thể sau thu cách nội suy Các điểm kiểm sốt lựa chọn cách bình thường cách lựa chọn khu vực quan tâm [39,58,64] đưa vào mạng lưới quy [2,16,53,56,65] Các thuật tốn phức tạp sử dụng tính hình ảnh đường [4], nút giao đường [51], tâm điểm quan trọng ranh giới vùng khép kín [25], độ cong cao điểm (góc) [17], khơng giao cắt Laplacian [28], vùng có cấu trúc cao [50,54] Vì DSA hình ảnh vật xuất khu vực mà cạnh đối tượng vững có mặt hình ảnh riêng biệt trường hợp chệch hướng mặt nạ hình ảnh trực tiếp, cạnh phù hợp so với vùng đồng nhất, việc lựa chọn điểm kiểm soát nên dựa chương trình tách biên Bằng cách chọn điểm kiểm sốt từ cạnh quan trọng hình ảnh, giả định ngầm thực việc di chuyển điểm cạnh mô tả dịch chuyển điểm cạnh Về thể chất, điều có nghĩa dịch chuyển mô đối tượng với mật độ khác (thường dịch chuyển xương / mô mềm), định dịch chuyển hiệu ứng chuyển tiếp, mà xem hợp lệ So với phương pháp che cao su Zuiderveld et al [65], điểm kiểm sốt đưa vào lưới thơng thường, phương pháp có ba ưu điểm chính: (i) điểm kiểm soát lựa chọn vị trí mà vật dự kiến lớn nhất, (ii) từ điểm lân cận điểm biết cấu trúc, độ tin cậy ước tính dịch chuyển cao hơn, (iii) số lượng điểm kiểm soát giảm xuống, làm giảm thời gian tính tốn cần thiết Các vị trí cạnh dễ dàng tính cách phát cực đại độ dốc độ xám Cần lưu ý cạnh tỉ lệ phụ thuộc vào đặc điểm hình ảnh Phương pháp đo PP-6 nhận thấy cách sử dụng dẫn xuất tính tốn theo tỉ lệ thích hợp Thường sử dụng máy dị tỉ lệ mục đích đạo hàm Gaussian [12,27,40] Sử dụng phương pháp này, hai chiều (đúng quy tắc) độ dốc tính : Với ∂I biểu thị đạo hàm theo hướng I G đơn biến Gaussian Lưu ý cách phát cạnh khơng thể áp dụng cho hình ảnh tương phản, trường hợp đó, ranh giới mạch bị phát Lập luận tương tự ứng dụng phát cạnh cho hình ảnh trừ Ngoài ra, trường hợp này, khu vực xử lý có cạnh vững mặt nạ hình ảnh trực tiếp, khơng xác định khu vực có vấn đè Điều có nghĩa khu vực hoạt động nội suy chí cho vào vật cử động Vì vậy, tính tốn độ dốc nên áp dụng cho mặt nạ ảnh Điều có lợi bổ sung việc phát khu vực mà có cử động vật tăng lên hình ảnh trừ cần phải thực lần (như bước tiền xử lý), thay liên tục cho hình ảnh tương phản Về nguyên tắc, chuyển động mãnh liệt vật liên quan trực tiếp đến sức mạnh cạnh (tức là, độ dốc ||∇ L ||) Để lấy đầy đủ điểm kiểm sốt từ độ dốc hình ảnh, cần thiết để cạnh đủ quan trọng để xem xét tiếp Điều hoàn thành ngưỡng độ dốc giá trị Ɵe Kết hình ảnh nhị phân, có khu vực đầy đủ (điểm ảnh liền kề nhau) quan tâm Rõ ràng khơng quản lý (vì số khơng chấp nhận lớn điểm có tính liên quan), khơng cần thiết (bì giả định gắn kết điểm ảnh lân cận) để lấy tất điểm cạnh điểm kiểm soát việc xây dựng biến đổi cong Vì vậy, chế lựa chọn bổ sung cần thiết, mơ tả sau Để trì lượng vừa đủ chi tiết cho lựa chọn cuối này, tỉ lệ σ mà độ dốc tính tốn nhỏ Theo giả định gắn kết điểm ảnh lân cận hình ảnh, điểm kiểm sốt hạn chế để có khoảng cách tối thiểu với, nói D Khoảng cách tối thiểu có liên quan đến kích thước hình ảnh theo Dmin = ФminM, yếu tố khoảng cách tối thiểu < Фmin tham số thuật toán Để tránh vắng mặt hồn tồn điểm kiểm sốt khu vực lớn, khơng có cạnh quan trọng phát hiện, điểm kiểm soát nên hạn chế để có khoảng cách tối đa có thể, D max = ФmaxM Trong hình ảnh chụp mạch thường lệ, khu vực định hình ảnh (ở biên giới) không đổi độ xám Điều tính chất vật lý hệ thống thu thập: X-quang phát thiết bị khuếch hình ảnh có hình dạng trịn Đó phần Cần lưu ý rằng, lấy σ = σ0 cho M = 512, hàm ý σ phải 2σ0 cho M = 1024 để có lượng quy Tuy nhiên, σ gấp hai lần lớn cho M = 1024, độ xám thực tế kết độ dốc hình ảnh gấp đôi nhỏ với liên quan hình ảnh 512 x 512 cảnh xác Điều xem Ɵe Lý liên quan Dmin Dmax với kích thước hình ảnh khoảng cách (tính pixel) cấu trúc mạch lạc hình có kích thước 1024 x 1024 pixel thực lớn gấp đôi khoảng cách tương ứng hình có kích thước 512 x 512 điểm ảnh cảnh PP-7 Xử lý hình ảnh cho hệ thống chụp mạch xóa hình ảnh độ xám tiếp xúc với tia X gọi khu vực tiếp xúc, RE, phần tiếp theo: nơi (xc, yc)là trung tâm khuếch đại hình ảnh hệ thống DSA đó, trường hợp hiệu chỉnh thích hợp, trung tâm hình ảnh, R bán kính khuếch đại ảnh X min, Xmax,Ymin Y max biên trái, phải, tương ứng Kể từ phần hình ảnh bên ngồi RE khơng chứa thơng tin sử dụng xử lý, điểm kiểm sốt phải bố trí bên khu vực tiếp xúc này, khoảng cách tối thiểu D exp = Фexp M từ biên giới ∂RE khu vực Một ví dụ lựa chọn điểm điều khiển dựa phương pháp thể hình Chi tiết đưa phần 3.2 Tính tốn dịch chuyển Các kỹ thuật tính tốn dịch chuyển (hoặc chuyển động) cấu trúc định hình ảnh liên quan đến chia thành hai loại: (i) kỹ thuật dựa chuyển động tương đối, (ii) kỹ thuật dựa việc lấy mẫu so sánh Trong phần này, hai kỹ thuật thảo luận ứng dụng cho việc tính tốn chuyển vị hình ảnh chụp mạch kỹ thuật số 3.2.1 Phương pháp dựa chuyển động tương đối Kỹ thuật dựa chuyển động tương đối rõ ràng dựa giả định chuyển động đối tượng hình ảnh gây thay đổi vị trí mẫu mức xám tương ứng, thân mẫu không tự thay đổi Đối với chuỗi hình ảnh hai chiều I (x, y, t) ngụ ý I(x, y, t) = I (x + δx, y + δy, t + δ), nơi δx, δy δt biểu thị thay đổi nhỏ vị trí thời gian tương ứng Mở rộng phía bên phải phương trình này, chia δt lấy giới hạn δt →0, có: ∇I biểu thị độ dốc hai chiều hình ảnh mức, u = (u,v) biểu thị tốc độ mặt phẳng ảnh Phương trình (7) thường gọi phương trình ràng buộc chuyển động tương đối [30] Nó biết vấn đề chuyển động tương đối xác định theo cách toán giả định sai, thực tế giải pháp cho vấn đề Mức xám bên ngồi RE giá trị khơng đổi mà thường lớn nhiều so bên khu vực Điều làm cho dễ dàng để lấy năm thông số, cách đánh giá quét đường từ đường viền đến trung tâm (xc , yc) hình ảnh Ví dụ, để lấy bán kính R, quét bắt đầu điểm ảnh (0, 0) Trong thời gian quét, độ xám vị trí với đường quét so sánh với giá trị vị trí cũ Ngay có khác biệt phát hiện, nói vị trí ( xi, yi ), quét chấm dứt bán kính tính R = (Tất nhiên , quét theo hướng ngược lại (từ trung tâm đến đường viền), mang lại R Tuy nhiên, điều tính tốn đắt tiền hình ảnh X-quang thơng thường chiều dài đường từ (xC , yC ) đến (xi, yi) lớn nhiều so với từ (0, 0) đến (xi, yi), thêm đó, thời gian qt khơng lớn thời gian cần thiết để tính tốn ô vuông bậc hai.) lại bốn thông số X , Xmax, Ymin Ymax tìm thấy cách tương tự, sử dụng điểm bắt đầu: (0, ½ M), (M, ½ M), (1/2 M, 0) (1/2 M, M), tương ứng Phương pháp đo PP-8 Hình Một ví dụ lựa chọn điểm kiểm sốt Phía bên trái: mặt nạ ảnh I (x, y, 0) số chuỗi hình ảnh chụp mạch 1024 x 1024 x 18 (thiết lập liệu CER Bảng 1) Phía bên phải: trừ mặt nạ ảnhvà hình ảnh thật tăng độ tương phản, cho thấy vật chuyển động Phía bên trái: ngưỡng độ dốc ảnh mặt nạ ảnh dự đoán vị trí vật chuyển động hình ảnh trừ (điểm ảnh màu trắng tương ứng với điểm ảnh có mức xám ngưỡng mức xám độ dốc hình ảnh gốc) Phía bên phải: chọn điểm kiểm soát P (chấm trắng), với ngưỡng độ dốc ảnh mặt nạ ảnh (nay thể 50% màu xám) (một phương trình hai biến khơng rõ u v) Chỉ có thành phần u theo hướng dốc ∇ I tính tốn chuyển theo hướng tiếp tuyến khơng thay đổi phân chia mức xám Điều thường gọi vấn đề lỗ hổng Để có giải pháp cho u v, ràng buộc thêm vào cần phải áp dụng, ví dụ yêu cầu chuyển động (hay vận tốc) u (x, y) v (x, y) thay đổi suốt hình ảnh Một số phương pháp mô tả tài liệu [21,28,30] PP-9 Xử lý hình ảnh cho hệ thống chụp mạch xóa Tuy nhiên, kỹ thuật dựa chuyển động tương đối vừa mô tả đơn giản áp dụng cho hình ảnh chiếu X-quang Như đề cập phần 2, hình ảnh hai chiều khơng gian ba chiều Một phân tích kỹ lưỡng Fitzpatrick [18] hình này, tổng thời gian – đạo hàm ∇ biểu thị q trình phân kỳ ū có trọng số trung bình (dọc theo tia), vận tốc vng góc với tia Điều mâu thuẫn với giả định thực (7) Ngồi ra, phải lưu ý trường hợp cụ thể chuỗi ảnh chụp mạch máu, phương pháp dựa chuyển động tương đối bị ba vấn đề đề cập cuối phần Tính thêm điều kiện kỳ vọng kỹ thuật dựa chuyển động tương đối mang lại kết xác áp dụng cho hình ảnh Điều khẳng định thí nghiệm thí điểm thực nhóm chúng tơi 3.2.2 Phương pháp lấy mẫu so sánh Kỹ thuật lấy mẫu so sánh dựa giả định dịch chuyển d điểm ảnh ảnh I (x, y,t) xấp xỉ cách lấy cửa sổ nhỏ (hoặc lân cận) W W x W pixels xung quanh điểm ảnh việc tìm kiếm cửa sổ tương ứng hình ảnh liên tiếp I (x, y, t2), t2>t1 theo trình tự cách tối ưu hóa biện pháp phù hợp (theo điều kiện tương đương định) dịch Về nguyên tắc, phương pháp bị hai vấn đề đề cập mục (tức di chuyển độc lập cấu trúc lỗ hổng) Tuy nhiên, chúng thực mạnh mẽ chống lại dòng tương phản so với kỹ thuật dựa chuyển động tương đối, lựa chọn thích hợp cho điều kiện tương đương Điều kiện tương đương Một khía cạnh quan trọng phương pháp lấy mẫu so sánh điều kiện tương đương sử dụng để xác định số lượng tương đối vùng khung hình liên tiếp Nhiều tiêu đặt cho mục đích này, có tương quan chéo thông thường [3,64], hệ số tương quan [3,45], thống kê tương quan [47], ngẫu nhiên xác định tín hiệu thay đổi [31,57,65], tổng (hay có nghĩa) khác biệt tuyệt đối có giá trị [19,39,56], đếm bit trùng [13,59] phương sai (bình phương) hiệu số [15,16] Tuy nhiên, hầu hết điều kiện dựa giả định tương tự kỹ thuật dựa chuyển động tương đối, tức là, cấu trúc hình ảnh thay đổi vị trí mà khơng phải cường độ (nói cách khác, ∇ *ū khơng) Như đề cập trước đó, giả định hợp lệ thực với chuỗi ảnh chụp mạch Bên cạnh đó, điều kiện nhạy cảm với dòng tương phản Các tiêu chí mà mạnh mẽ chống lại tượng dựa biểu đồ khác biệt [10,11] Với tiêu chí này, lợi thực thực tế trường hợp liên kết tối ưu, có số lượng nhỏ khác biệt độ xám có tần số tương đối cao, phần lớn độ xám có tần số tương đối thấp, mà kết biểu đồ đạt đỉnh Điều hay không cửa sổ W chứa mạch mờ, trường hợp trước dẫn đến hai đỉnh sau có đỉnh Trong trường hợp khơng thẳng hàng, biểu đồ có phân tán lớn hai trường hợp (Hình 2) Đối với điểm ảnh hình ảnh cho dịch chuyển d cửa sổ W xung quanh điểm ảnh đó, lượng phân tán biểu đồ H(δ) khác biệt δ W tính tốn phép cộng tổng ngăn (được giả định có kích thước đây, PP-17 Xử lý hình ảnh cho hệ thống chụp mạch xóa hình tam giác, áp đặt ràng buộc bổ sung mà phân bố màu độ xám ảnh trừ kết phải thay đổi cách liên tục Kể từ Jr số tam giác, yêu cầu thỏa mãn cách lấy c(Δijk) = C, với Δijk Trong thực C = (vì thế, Jr = 1), giá trị khác C gây toàn hình ảnh trừ thu nhỏ độ xám,làm cho khơng có ý nghĩa Trong hầu hết trường hợp, vị trí p + d-1(p) ảnh gốc khơng lưới Độ xám điểm thu cách nội suy song tuyến đơn giản Trong thực chúng tơi, q trình mơ tả đa giác tạo điểm ảnh [22] ánh xạ chi tiết hình ảnh lên bề mặt [26] thực thời gian thực phần cứng đồ họa Cuối cùng, trình chuyển đổi từ khu vực tiếp xúc với số mức xám phần lại hình ảnh (ở đường viền), uốn cong tam giác góc (như mơ tả phần 4.2) dẫn đến rối loạn đường viền vật Kể từ trừ khu vực không mang lại thông tin liên quan nào, giá trị khác biệt tam giác góc rõ ràng thiết lập khơng Thuật tốn tổng quan Trong phần trước, hoạt động khác liên quan đến việc xử lý hai hình ảnh chuỗi hình ảnh chụp mạch kỹ thuật số trình bày thảo luận Để rõ ràng, hoạt động riêng biệt tóm tắt đây, với thơng số Cho chuỗi hình có kích thước M x M x N , việc xử lý mặt nạ ảnh I (x, y, 0) (khơng có tương phản mạch máu) hình ảnh tương phản I (x, y, n), n ϵ [1 , N-1] N thực theo bước sau đây: Tính độ dốc || ∇ L || (với tỉ lệ σ) kích thước M edge x Medge mặt nạ ảnh I(x, y, 0) chuỗi, trích xuất khu vực vật tiềm cách ngưỡng mức Ɵe Thông số: Medge , σ, Ɵe Lấy đường viền ∂R E vùng tiếp xúc (mô tả R, Xmin , Xmax Ymin , Ymax, xem (6)) từ mặt nạ ảnh gốc I (x, y, 0) cách phân tích qt dịng từ đường viền tới trung tâm hình ảnh, lựa chọn tập hợp đường viền điểm kiểm soát Điểm kiểm soát chiết xuất từ khu vực tiếp xúc RE sử dụng độ dốc - ngưỡng || ∇ L || mặt nạ ảnh I (x, y, 0) khoảng cách hạn chế nhỏ lớn (D , Dmax Dexp , dựa giả thiết gắn kết điểm ảnh lân cận) Thông số: Фmax , Фmin , Фexp Với tập hợp điểm kiểm soát P = {pi } (bao gồm bốn điểm góc xác định bên ngồi hình ảnh), xây dựng lưới tam giác D(P) (hoàn toàn bao trùm ảnh) sử dụng tiêu chuẩn tăng Delaunay thuật toán tam giác Đối với hình ảnh I(x, y, n), n ϵ [1, N - 1] N chuỗi, tính tốn chuyển dịch d(pi,n) cho lựa chọn điểm kiểm soát pi ϵ P (trừ điểm góc) cách tối đa hóa lượng biểu đồ phân biệt, ε(d), W x W lân cận điểm này, cách sử dụng tối ưu hóa leo bậc sử dụng chuyển dịch d(pi ,n-1) hình ảnh trước ước tính Tham số: W Kết thực nghiệm Trình tự CER PER ABD PP-18 Kiểu não Thiết bị ngoại vi (đùi) Bụng (thận) Kích thước 1024 x 1024 x 18 512 x 512 x 10 1024 x 1024 x Bảng Thông số kỹ thuật chuỗi ảnh chụp mạch kỹ thuật số sử dụng thí nghiệm mơ tả phần Tất liệu thu thập sử dụng hệ thống hình ảnh Integris V3000 (Philips Medical Systems, Best, Hà Lan) Tham số Medge σ Ɵe Фmin Фmax Фexp W Giá trị 512 1.0 15.0 0.04 0.20 0.01 51 Bảng Giá trị tham số thuật toán thí nghiệm mơ tả phần Xem mục cho mô tả chi tiết thơng số Đối với hình ảnh I (x, y, n), n ϵ [1, N-1] N chuỗi, làm cong tam giác Δijk lưới D(P) sử dụng chuyển dịch d(pi , n), d(pj, n), d(pk , n) điểm kiểm soát thành phần pi chuyển dịch nội suy tuyến tính điểm lại p = pi , sử dụng nội suy song tuyến mức xám Kết thực nghiệm Các thuật tốn trình bày phần trước thực ngôn ngữ lập trình C ++ [52], sử dụng Open Graphics Library [42] Tương tác người sử dụng cung cấp giao diện, sử dụng Tcl / Tk [44], kết tảng ứng dụng độc lập Tất thí nghiệm thực với chi phí tương đối thấp máy trạm O2 (Silicon Graphics, De meern, Hà Lan) với xử lý 180MHz R5000 IP32, nhớ 64MB 512kB nhớ cache / liệu thứ cấp, cung cấp phần cứng đồ họa đặc biệt để hỗ trợ hướng dẫn OpenGL Các thơng số kỹ thuật (loại kích cỡ) ba liệu (CER, PER, ABD) sử dụng để chứng minh hiệu suất thuật toán, trình bày Bảng Tất liệu chuỗi hình ảnh kỹ thuật số chụp mạch lâm sàng, sử dụng hệ thống hình ảnh Integris V3000 (Philips Medical Systems, Best, Hà Lan) Các liệu tiền xử lý thông thường hàm ý phần nhàm chán hình ảnh cắt bớt để mức xám cố định Trong thí nghiệm, tham số thuật tốn (tóm tắt mục 5) giữ cố định với giá trị Bảng Đối với tất ba chuỗi hình ảnh, hình ảnh thực hình ảnh mặt nạ, mà tương ứng tính tốn đến hình ảnh thật sau Các kết việc áp dụng kỹ thuật xử lý với ba liệu bảng thể hình 6, 8, tương ứng Theo số liệu, phép trừ gốc hình ảnh mặt nạ hình ảnh thật thể bảng điều khiển bên trái PP-19 Xử lý hình ảnh cho hệ thống chụp mạch xóa Các ảnh trừ sau chỉnh cho chuyển động bệnh nhân, sử dụng phương pháp đề xuất (dựa lưới tam giác không đều), thể bảng điều khiển phía bên phải Để có liên quan thực thuật tốn chúng tơi cho kỹ thuật hạn chế hình ảnh tĩnh phương pháp tự động dựa mắt lưới tứ giác đều, kết với phương pháp sau hiển thị góc bên phải bảng bên trái, tương ứng Để tạo ấn tượng tốc độ thuật tốn, tổng số thời gian tính tốn cần thiết để xử lý chuỗi hình ảnh thể Bảng Như ví dụ phân bố tổng thời gian tính tốn hoạt động tiền xử lý số hình ảnh chuỗi, thời gian tính tốn cho liệu CER trình bày chi tiết Bảng Thảo luận Trong phần này, kết thu từ thí nghiệm mơ tả phần trước thảo luận góp ý cho phần mở rộng hướng phát triển tương lai trình bày 7.1 Thảo luận kết Từ hình 6, thấy vật chuỗi hình ảnh khơng thể sửa chữa chuyển dịch tồn phần mặt nạ ảnh, ví dụ, cách áp dụng kỹ thuật hạn chế ảnh tĩnh cung cấp thiết bị hình ảnh DSA chuẩn Trong tất trình tự trình bày, vật gây đàn hồi (không cứng) chuyển động bệnh nhân, kết xử lý (sử dụng kỹ thuật này) phần hình ảnh bao hàm suy giảm vật phần khác hình ảnh Hơn nữa, nhìn thấy đường viền vùng tiếp xúc, thuật toán xử lý dựa lưới tứ giác khơng có khả loại bỏ hồn tồn vật Nhìn chung, phương pháp đề xuất, dựa lưới tam giác không cách điểm kiểm soát (dựa vào cạnh) sản phẩm xử lý tốt và, đó, ảnh trừ tốt Có khác biệt lớn kết xử lý liệu CER PER (Hình 7, tương ứng) kết liệu ABD (Hình 8) với phương pháp chúng tơi Trong hai đầu tiên, vật loại bỏ gần hồn tồn, tức là, thuật tốn mang lại gần đăng ký hoàn hảo Tuy nhiên liệu cuối cùng, số vật gỡ bỏ, kết xử lý cho thấy số vật lớn Nó nên đề cập vật gỡ bỏ cách điều chỉnh nhiều tham số thuật tốn (Bảng 2) để có mật độ lớn điểm kiểm soát Trong thực tế, vật chí khơng thể gỡ bỏ cách thay tối ưu hóa thuật tốn leo bậc phương pháp tìm kiếm hồn tồn Chúng thảo luận tượng cách chi tiết Kết đăng ký ABD sử dụng phương pháp hạn chế hình ảnh tĩnh (phía bên phải Hình 8) cho thấy có phần hình ảnh, có số cấu trúc quan trọng (ví dụ, cột sống, ống thơng ruột phần giữa-trái hình ảnh) Điều trái ngược với trình tự CER PER, mà cấu trúc quan trọng kết phóng chiếu đối tượng không gian ba chiều gốc, tức là, Xương Trong nỗ lực để loại bỏ nhiễu gây dịch chuyển ống thông (đường cong màu đen / trắng phần trái-giữa hình ảnh Hình 8), khơng thể tránh khỏi vật khác xuất (do cột sống khu vực tương tự) Hiện tượng đề cập trước (trong mục 2) bị hạn chế thuật tốn xử lý cho chiếu hình ảnh mật độ, giải thích tìm kiếm đầy đủ lấy lại tương ứng Thảo luận PP-20 Hình Xử lý liệu CER Phía bên trái: phép trừ gốc hình ảnh thật từ mặt nạ ảnh (cho thấy chuyển động vật) Phía bên phải: xử lý cách dịch chuyển toàn phần mặt nạ ảnh (phương pháp chuẩn hạn chế hình ảnh tĩnh) có hiệu suất vị trí sửa chữa (trong trường hợp góc bên phải hình ảnh) Phía bên trái: kết xử lý sử dụng lưới tứ giác (phương pháp mặt nạ cao su) cho thấy số vật đường viền vùng tiếp xúc Phía bên phải: xử lý sử dụng phương pháp đề xuất mang lại (gần) ảnh trừ hồn hảo Tuy nhiên trung tâm hình ảnh, vật gây chuyển động nhu động bệnh nhân Như thấy từ hình ảnh bên phải Hình 8, thuật tốn chúng tơi loại bỏ vật gần mạch máu nhỏ (một khu vực quan trọng) Các vật lớn phía bên phải hình ảnh khơng thể gỡ bỏ Lý việc gia tăng nhiễu phép trừ dịch chuyển gây bề mặt để có vị trí cực điểm d = (0,0) Những vật bị loại bỏ nếu, thay tối ưu hóa thuật tốn leo bậc, thuật tốn tìm kiếm đầy đủ áp dụng Tuy nhiên, trường hợp xuất trường hợp đặc biệt PP-21 Xử lý hình ảnh cho hệ thống chụp mạch xóa Hình Xử lý liệu PER Phía bên trái: phép trừ gốc hình ảnh thật từ mặt nạ ảnh (cho thấy chuyển động vật) Phía bên phải: xử lý cách dịch chuyển toàn phần mặt nạ ảnh (phương pháp chuẩn hạn chế hình ảnh tĩnh) có hiệu suất vị trí sửa chữa (trong trường hợp góc bên phải hình ảnh) Phía bên trái: kết xử lý sử dụng lưới tứ giác (phương pháp mặt nạ cao su) cho thấy số vật đường viền vùng tiếp xúc Phía bên phải: xử lý sử dụng phương pháp đề xuất mang lại (gần) ảnh trừ hoàn hảo Thời gian tính tốn trình bày bảng rằng, thời gian bổ sung hoạt động tiền xử lý (ví dụ, phát cạnh, lựa chọn điểm kiểm soát, tam giác), phương pháp đề xuất nhanh so với thuật toán thường sử dụng dựa mắt lưới tứ giác Điều chủ yếu thủ tục lựa chọn điểm kiểm soát dựa cạnh đó, nói chung, kết làm giảm số lượng điểm mà dịch chuyển cần phải tính tốn cách rõ ràng Người ta lập luận thuật toán dựa lưới thực nhanh , cách giảm mật độ điểm kiểm soát lưới Tuy nhiên, Thảo luận PP-22 Hình Xử lý liệu ABD Phía bên trái: phép trừ gốc hình ảnh thật từ mặt nạ ảnh (cho thấy chuyển động vật) Phía bên phải: xử lý cách dịch chuyển toàn phần mặt nạ ảnh (phương pháp chuẩn hạn chế hình ản tĩnh) có hiệu suất vị trí sửa chữa (trong trường hợp phía bên phải hình ảnh) Phía bên trái: kết xử lý sử dụng lưới tứ giác (phương pháp mặt nạ cao su), cho thấy số vật cịn xuất Phía bên phải: kết xử lý sử dụng phương pháp đề xuất cịn có vật lớn (xem Phần để thảo luận) điều gần chắn dẫn tới xuống cấp tính xác xử lý, sẵn tồi tệ so với phương pháp đề xuất Với thiết lập thông số (Bảng 2), số lượng trung bình điểm khu vực tương đối dày đặc với hai phương pháp 7.2 Mở rộng Hướng phát triển Sau thiết lập điểm kiểm soát P xắt nhỏ thành tam giác Delaunay D(P) chuyển dịch d(pi) tính tốn cho đỉnh (điểm kiểm sốt) pi ϵ P , PP-23 Xử lý hình ảnh cho hệ thống chụp mạch xóa Trình tự CER PER ABD Thuật toán Q-FS Q-HC Q-HC-P T-FS 949.51 514.07 341.87 31.20 12.05 8.77 25.96 11.91 8.48 391.08 316.42 131.30 T-HC 19.29 8.48 4.66 T-HC-P 16.42 8.40 4.66 Bảng Tổng thời gian tính tốn (tính giây) theo yêu cầu số phiên thuật tốn để xử lý hồn tồn liệu trình bày Bảng Trong bảng này, Q việc sử dụng lưới tứ giác T sử dụng lưới tam giác không Các kỹ thuật tối ưu hóa khác sử dụng tìm kiếm đầy đủ (FS) (trong phạm vi [-10,10] ⊂ N x y hướng) leo bậc (HC) Chữ P cho thấy việc áp dụng dự đoán chuyển vị ảnh chết Ảnh Nr PP 10 11 12 13 14 15 16 17 Tổng: Thuật toán Q 0.00 0.00 1.65 1.81 1.85 1.83 1.90 1.86 1.87 1.86 1.83 1.81 1.83 1.84 1.88 1.84 1.83 1.85 1.86 31.20 Q-P 0.00 0.00 1.64 1.80 1.74 1.75 1.75 1.68 1.70 1.66 1.68 1.69 1.72 1.69 1.69 1.69 1.66 1.61 1.62 25.96 T 0.89 0.00 0.89 1.01 1.05 1.10 1.10 1.09 1.09 1.12 1.07 1.09 1.09 1.11 1.16 1.06 1.09 1.15 1.13 19.29 T-P 0.91 0.00 0.92 1.00 0.90 0.95 0.96 0.90 0.87 0.88 0.90 0.93 0.93 0.92 0.93 0.86 0.89 0.90 0.87 16.42 Bảng Thời gian tính tốn (tính giây) theo u cầu thuật toán đề xuất sử dụng lưới tam giác khơng (T) để xử lý hồn tồn liệu CER (xem Bảng 1) Thời gian tính tốn cần thiết cho phương pháp chuẩn mặt nạ cao su sử dụng lưới tứ giác (Q) hiển thị để so sánh PP biểu thị thời gian tiền xử lý phần mở rộng P cho dù dự đoán chuyển vị ảnh chết áp dụng Trong trường hợp, leo bậc sử dụng để tối ưu hóa địi hỏi dẫn đến kết biến đổi không gây xếp lại hinh tam giác Lý cho yêu cầu là, trường hợp xếp lại, việc biến đổi khơng thích hợp việc ý thức có tồn điểm ảnh hình ảnh ban đầu ánh xạ tới điểm ảnh hình ảnh biến đổi Mặc dù không gặp phải lần xuất hiện tượng thí nghiệm với liệu Bảng 1, triển khai thí nghiệm Kết luận PP-24 nên có để thực số loại quy tắc trường hợp Một chủ đề cho nghiên cứu tương lai phát triển chương trình quy mà khơng ảnh hưởng đến hiệu suất thuật tốn thời gian tính tốn Lưu ý kết trình bày có sở khơng phải thử nghiệm Khơng có cách rõ rệt mà để xác định kết xử lý cho loại hình ảnh Lý cho điều chất lượng thực tế kết ảnh trừ phải đánh giá người chịu trách nhiệm cho việc chẩn đốn dựa hình ảnh này, tức là, chẩn đốn hình ảnh Một hoạt động quan trọng tương lai gần thực đánh giá lâm sàng kỹ lưỡng thuật toán Kết luận Trong báo này, chúng tơi trình bày phương pháp việc xử lý chuỗi ảnh chụp mạch kỹ thuật số Phương pháp liên quan đến việc khai thác vùng ảnh mà vật dự kiến xuất trường hợp chuyển động bệnh nhân Những vùng thu ngưỡng độ dốc mặt nạ ảnh Dựa giả thiết gắn kết điểm ảnh lân cận, tập hợp điểm kiểm soát lựa chọn đưa ra, mà chuyển dịch tính cách rõ ràng cách tối đa hóa lượng phép đo tương tự biểu đồ phân biệt Một phương pháp leo bậc sử dụng để tối ưu hóa Các trường vector chuyển vị hoàn toàn xây dựng từ chuyển dịch điểm kiểm soát, sử dụng tam giác Delaunay nội suy tuyến tính Việc làm cong cuối hình ảnh hồn thiện thời gian thực phần cứng đồ họa Các kết luận tổng thể từ kết thử nghiệm là, nhìn chung, phương pháp đề xuất có hiệu quả, nhanh, nhanh so với thuật toán dựa lưới Kết tốt đạt trường hợp mà cấu trúc quan trọng không gian ba chiều ban đầu khám phá theo cách mà phân tán mức xám cấu trúc hình ảnh kết đưa khơng trùng nhau.Chủ yếu, trường hợp ví dụ hình ảnh não ngoại vi Tuy nhiên, hình ảnh bụng, thường có số cấu trúc quan trọng mà di chuyển cách độc lập, kết độ xác xử lý với phương pháp trở nên Nghiên cứu tương lai nên tập trung vào việc cải thiện vững mạnh thuật toán cách bao gồm phương pháp để kiểm tra phù hợp việc biến đổi Một hoạt động quan trọng tương lai gần thực đánh giá lâm sàng kỹ lưỡng thuật toán Phụ lục Việc ánh xạ mà Jacobian Jr phải tính tốn (12) không nghịch đảo vector chuyển trường d-1 , tổng chuỗi đảo ngược ánh xạ dr (Định lý 1), xác định mà viết Jacobian ánh xạ ngược sau tính PP-25 mạch xóa Xử lý hình ảnh cho hệ thống chụp Với | | tính định thức ma trận Nói chung, Jr phải tính tốn cách rõ ràng cho tất điểm hình ảnh (hoặc khu vực quan tâm) Ví dụ, khu vực quan tâm hình chữ nhật, trường vectơ nghịch chuyển khu vực tính tốn cách nội suy song tuyến chuyển dịch ngược bốn điểm góc (xem ví dụ Mandava et al [39]): Và Jacobian trở thành : tuyến tính phụ thuộc vào x y (Tám hệ số aij tính tốn dễ dàng từ tám phương trình mà kết liên tục thay tọa độ chuyển vị bốn điểm góc vào (16).) Kết áp dụng hình ảnh hồn tồn chia thành tứ giác, đa giác phù hợp trường hợp lưới tọa độ điểm kiểm soát Tuy nhiên, thuật tốn chúng tơi điểm kiểm sốt nằm lưới tọa độ không đều, chúng xắt thành tam giác Delaunay Các chuyển vị nghịch đảo điểm tùy ý hình ảnh tính tốn từ chuyển vị nghịch đảo ba điểm kiểm sốt tạo thành hình tam giác bao quanh, cách nội suy tuyến tính, tức là: Nó dễ dàng chuyển trường hợp Jacobian trở thành số tam giác (Một lần nữa, hệ số tính cách thay tọa độ chuyển vị ba điểm góc vào(18) cách giải kết hệ phương trình.) Tại thời điểm này, có hai khả năng: (i) hệ số aij khơng đáng kể khơng có vấn đề cho Jr = 1, (ii) hệ số có giá trị đáng kể Jr cần phải tính tốn cách rõ ràng cho tam giác Điều quan trọng cần lưu ý trường hợp này, Jr cần phải tính tốn lần cho hình tam giác, nghĩa Tài liệu tham khảo 26 PP- lợi lớn tốc độ tính tốn so với phương pháp mơ tả ví dụ Mandava et al [39], Jr phải tính tốn riêng cho tất điểm khu vực quan tâm Nó chí cịn quan trọng để nhìn vào hậu việc gộp hệ số Jacobian vào tính tốn Kể từ khi, việc thí nghiệm chúng tơi, Jr số tam giác, Jr khơng khác ngồi hệ số tỉ lệ mức xám Ở chúng tơi có hai khả khác: (i) hệ số tương ứng aij tam giác lân cận gần nhau, kết có nghĩa, lần nữa, khơng vấn đề lấy Jr = 1, hàm ý làm không kết hợp số tỉ lệ mức xám toàn hình ảnh, (ii) hệ số tương ứng aij làm thay đổi đáng kể từ tam giác đến tam giác khác, cần tính tốn lại Tuy nhiên, trường hợp này, bao gồm hệ số Jacobian việc tính tốn dẫn đến gián đoạn mức xám đáng kể đường viền hình tam giác, kết vật chí tồi tệ so với kết mà bước đầu cố gắng để sửa chữa cho cách bao gồm hệ số Cần nhấn mạnh vật không xảy trường hợp nội suy tuyến tính vector chuyển vị sử dụng (18) Nó xảy trường hợp nội suy song tuyến (16), nhìn thấy rõ ràng từ số ví dụ thể Mandava et al [39] Để tránh vật loại này, áp đặt thêm ràng buộc vào thuật toán làm cong, tức phân tán mức xám kết ảnh trừ nên thay đổi liên tục Như phần 4.5, yêu cầu thỏa mãn cách cho Jr số tồn hình ảnh Một lựa chọn tự nhiên Jr = từ giá trị khác cho Jr làm cho tồn hình ảnh thu nhỏ mức xám, làm cho trở nên vô nghĩa Lời cảm ơn Các công việc mô tả viết thực hình Viện Khoa học (ISI), Trường Đại học Y Trung tâm Utrecht (UMCU), Hà Lan, phối hợp với hệ thống y tế Philips (PMS), Sở X-Ray Diagnostics / Predevelopment, Best, Hà Lan, hỗ trợ tài Bộ Nội vụ Hà Lan kinh tế Các tác giả cảm ơn Richard Kemkers (PMS) Wilma Pauw (UMCU) cung cấp cho họ với liệu sử dụng thí nghiệm Onno Wink (ISI) cơng nhận cho đóng góp ơng việc chuyển đổi liệu sang định dạng vị trí Tài liệu tham khảo [1] J K Aggerwal & N Nandhakumar, “On the Computation of Motion from Sequences of Images-A Review", Proceedings of the IEEE, vol 76, no 8, 1988, pp 917-935 [2] R Althof, M G J Wind, J T Dobbins, “A Rapid and Automatic Image Registration Algorithm with Subpixel Accuracy", IEEE Transactions on Medical Imaging, vol 16, no 1, 1997, pp 308-316 [3] D I Barnea & H F Silverman, “A Class of Algorithms for Fast Digital Image Registration", IEEE Transactions on Computers, vol 21, no 2, 1972, pp 179-186 [4] T Beier & S Neely, “Feature-Based Image Metamorphosis", Computer Graphics (SIGGRAPH'92 Conference Proceedings), vol 26, no 2, 1992, pp 35-42 [5] W R Brody, “Hybrid Subtraction for Improved Arteriography", Radiology, vol 141, no 3, 1981, 828-831 pp Chúng tơi nhận cẩu thả để sử dụng từ”liên tiếp” đối phó với hình ảnh rời rạc, chúng tơi giả định người đọc hiểu ý định chúng tơi PP-27 Xử lý hình ảnh cho hệ thống chụp mạch xóa [6] W R Brody, “Digital Subtraction Angiography", IEEE Transactions on Nuclear Science, vol 29, no 3, 1982, pp 1176-1180 [7] W R Brody, D R Enzmann, L.-S Deutsch, A Hall, N Pelc, “Intravenous Carotid Arteriography using Line-Scanned Digital Radiography", Radiology, vol 139, no 2, 1981, pp 297-300 [8] L G Brown, “A Survey of Image Registration Techniques", ACM Computing Surveys, vol 24, no 4, 1992, pp 325-376 [9] T M Buzug, C Lorenz, J Weese, “Improvement of Vessel Segmentation by Elastically Compensated Patient Motion in Digital Subtraction Angiography Images", in Computer Analysis of Images and Patterns (CAIP'97), G Sommer, K Daniilidis, J Pauli (eds.), vol 1296 of Lecture Notes in Computer Science, Springer-Verlag, Berlin, 1997, pp 106-113 [10] T M Buzug & J Weese, “Improving DSA Images with an Automatic Algorithm based on Template Matching and an Entropy Measure", in Computer Assisted Radiology (CAR'96), H U Lemke, M W Vannier, K Inamura, A G Farman (eds.), vol 1124 of International Congress Series, Elsevier Science, Amsterdam, 1996, pp 145-150 [11] T M Buzug, J Weese, C Fassnacht, C Lorenz, “Image Registration: Convex Weighting Func-tions for Histogram-Based Similarity Measures", in CVRMed-MRCAS'97, J Troccaz, E Grimson, R Măosges (eds.), vol 1205 of Lecture Notes in Computer Science, Springer-Verlag, Berlin, 1997, pp 203-212 [12] J F Canny, “A Computational Approach to Edge Detection", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 8, no 6, 1986, pp 679-698 [13] J Y Chiang & B J Sullivan, “Coincident Bit Counting-A New Criterion for Image Registration", IEEE Transactions on Medical Imaging, vol 12, no 1, 1993, pp 30-38 [14] W A Chilcote, M T Modic, W A Pavlicek, J R Little, A J Furian, P M Duchesneau, M A Weinstein, “Digital Subtraction Angiography of the Carotid Arteries: A Comparitive Study in 100 Patients", Radiology, vol 139, no 2, 1981, pp 287-295 [15] G S Cox, “Review: Template Matching and Measures of Match in Image Processing", Tech Rep., University of Cape Town, Cape Town, 1995 [16] G S Cox & G de Jager, “Automatic Registration of Temporal Image Pairs for Digital Subtraction Angiography", in Medical Imaging: Image Processing, M H Loew (ed.), vol 2167 of Proceedings of SPIE, The International Society for Optical Engineering, Bellingham, WA, 1994, pp 188-199 [17] L S Davis, Z Wu, H Sun, “Contour-Based Motion Estimation", Computer Vision, Graphics and Image Processing, vol 23, no 3, 1983, pp 313-326 [18] J M Fitzpatrick, “The Existence of Geometrical Density-Image Transformations Corresponding to Object Motion", Computer Vision, Graphics and Image Processing, vol 44, no 2, 1988, pp 155-174 [19] J M Fitzpatrick, J J Grefenstette, D R Pickens, M Mazer, J M Perry, “A System for Image Registration in Digital Subtraction Angiography", in Image Processing in Medical Imaging, C N de Graaf & M A Viergever (eds.), Plenum Press, New York, NY, 1988, pp 415-435 [20] J Flusser, “An Adaptive Method for Image Registration", Pattern Recognition, vol 25, no 1, 1992, pp 45-54 [21] S V Fogel, “The Estimation of Velocity Vector Fields from Time-Varying Image Sequences", CVGIP: Image Understanding, vol 53, no 3, 1991, pp 253-287 [22] J Foley, A van Dam, S K Feiner, J F Hughes, Computer Graphics: Principles and Practice, 2nd ed., Systems Programming Series, Addison-Wesley, Reading, MA, 1990 [23] A Goshtasby, “Piecewise Linear Mapping Functions for Image Registration", Pattern Recognition, vol 19, no 6, 1986, pp 459-466 [24] A Goshtasby, “Piecewise Cubic Mapping Functions for Image Registration", Pattern Recognition, vol 20, no 5, 1987, pp 525-533 [25] A Goshtasby, G C Stockman, C V Page, “A Region Based Approach to Digital Image Registration with Subpixel Accuracy", IEEE Transactions on Geoscience and Remote Sensing, vol 24, no 3, 1986, pp 390-399 [26] P S Heckbert, “Survey of Texture Mapping", IEEE Computer Graphics and Applications, vol 6, no 11, 1986, pp 56-67 [27] E C Hildreth, “The Detection of Intensity Changes by Computer and Biological Vision Systems", Computer Vision, Graphics and Image Processing, vol 22, no 1, 1983, pp 1-27 Tài liệu tham khảo PP-28 [28] E C Hildreth, “The Computation of the Velocity Field", Proceedings of the Royal Society of London, Series B, vol 221, 1984, pp 189-220 [29] B J Hillman, T W Ovitt, S Nudelman, H D Fischer, M M Frost, P Capp, H Roehrig, G Seeley, “Digital Video Subtraction Angiography of Renal Vascular Abnormalities", Radiology, vol 139, no 2, 1981, pp 277280 [30] B K P Horn & B G Schunck, “Determining Optical Flow", Arti cial Intelligence, vol 17, 1981, pp 185-203 [31] P Hua & I Fram, “Feature-Based Image Registration for Digital Subtraction Angiography", in Image Processing, M H Loew (ed.), vol 1898 of Proceedings of SPIE, The International Society for Optical Engineering, Bellingham, WA, 1993, pp 24-31 [32] R A Kruger, F J Miller, J A Nelson, P Y Liu, W Bateman, “Digital Subtraction Angiography using a Temporal Bandpass Filter: Associated Patient Motion Properties", Radiology, vol 145, no 2, 1982, pp 315-320 [33] R A Kruger, C A Mistretta, A B Crummy, J F Sackett, M M Goodsitt, S J Riederer, T L Houk, C.-G Shaw, D Flemming, “Digital K-Edge Subtraction Radiography", Radiology, vol 125, no 1, 1977, pp 243-245 [34] R A Kruger, J A Nelson, D G Roy, F J Miller, R E Anderson, P Liu, “Dynamic Tomographic Digital Subtraction Angiography using Temporal Filtration", Radiology, vol 147, no 3, 1983, pp 863- 867 [35] R A Kruger, M Sedaghati, D G Roy, P Liu, J A Nelson, W Kubal, P Del Rio, “Tomosynthesis Applied to Digital Subtraction Angiography", Radiology, vol 152, no 3, 1984, pp 805-808 [36] C L Lawson, “Software for C1 Surface Interpolation", in Mathematical Software III, J R Rice (ed.), Academic Press, New York, NY, 1977, pp 161-194 [37] D T Lee & B J Schachter, “Two Algorithms for Constructing a Delaunay Triangulation", Inter-national Journal of Computer and Information Sciences, vol 9, no 3, 1980, pp 219-242 [38] J B A Maintz & M A Viergever, “A Survey of Medical Image Registration", Medical Image Analysis, vol 2, no 1, 1998, pp 1-36 [39] V R Mandava, J M Fitzpatrick, D R Pickens, “Adaptive Search Space Scaling in Digital Image Registration", IEEE Transactions on Medical Imaging, vol 8, no 3, 1989, pp 251-262 [40] D Marr & E C Hildreth, “Theory of Edge Detection", Proceedings of the Royal Society of London, Series B, vol 207, 1980, pp 187-217 [41] C A Mistretta, M G Ort, F Kelcz, J R Cameron, M P Sieband, A B Crummy, “Absorption Edge Fluoroscopy using Quasimonoenergetic X-Ray Beams", Investigative Radiology, vol 8, no 6, 1973, pp 402-412 [42] J Neider, T Davis, M Woo, OpenGL Programming Guide, Addison-Wesley, Reading, MA, 1995 [43] H Oung & A M Smith, “Real Time Motion Detection in Digital Subtraction Angiography", in Proceedings of the International Symposium on Medical Images and Icons, A Deurinckx, M H Loew, J M S Prewitt (eds.), IEEE Computer Society Press, Silver Spring, RI, 1984, pp 336-339 [44] J K Ousterhout, Tcl and the Tk Toolkit, Professional Computing Series, Addison-Wesley, Reading, MA, 1994 [45] M J Potel & D E Gustafson, “Motion Correction for Digital Subtraction Angiography", in Frontiers of Engineering and Computing in Health Care: Proceedings of the 5th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, G C Gerhard & W T Miller (eds.), 1983, pp 166-169 [46] M J D Powell, “An E cient Method for Finding the Minimum of a Function of Several Variables without Calculating Derivatives", The Computer Journal, vol 7, 1964, pp 155-162 [47] W K Pratt, “Correlation Techniques of Image Registration", IEEE transactions on Aerospace and Electronic Systems, vol 10, 1974, pp 353-358 [48] D Ruprecht, Geometrische Deformationen als Werkzeug in der Graphischen Datenverarbeitung, Ph.D thesis, Universităat Dortmund, Dortmund, 1994 [49] D Ruprecht & H Măuller, Image Warping with Scattered Data Interpolation", IEEE Computer Graphics and Applications, vol 15, no 2, 1995, pp 37-43 PP-29 Xử lý hình ảnh cho hệ thống chụp mạch xóa [50] J Shi & C Tomasi, “Good Features to Track", in IEEE Conference on Computer Vision and Pattern Recognition, 1994, pp 593-600 [51] G C Stockman, S Kopstein, S Benett, “Matching Images to Models for Registration and Object Detection via Clustering", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 4, no 3, 1982, pp 229-241 [52] B Stroustrup, The C++ Programming Language, 2nd ed., Addison-Wesley, Reading, MA, 1991 [53] R Szeliski & J Coughlan, “Spline-Based Image Registration", International Journal of Computer Vision, vol 22, no 3, 1997, pp 199-218 [54] C Tomasi & T Kanade, “Shape and Motion from Image Streams: A Factorization Method-Part Detection and Tracking of Point Features", Tech Rep CMU-CS-91-132, Carnegie Mellon University, Pittsburgh, 1991 [55] P A van den Elsen, E.-J D Pol, M A Viergever, “Medical Image Matching-A Review with Classi cation", IEEE Engineering in Medicine and Biology, vol 12, no 1, 1993, pp 26-39 [56] L van Tran & J Sklansky, “Flexible Mask Subtraction for Digital Angiography", IEEE Transactions on Medical Imaging, vol 11, no 3, 1992, pp 407-415 [57] A Venot, J F Lebruchec, J C Roucayrol, “A New Class of Similarity Measures for Robust Image Registration", Computer Vision, Graphics and Image Processing, vol 28, no 2, 1984, pp 176-184 [58] A Venot & V Leclerc, “Automated Correction of Patient Motion and Gray Values Prior to Sub-traction in Digitized Angiography", IEEE Transactions on Medical Imaging, vol 3, no 4, 1984, pp 179-186 [59] A Venot, L Pronzato, E Walter, “Comments about the Coincident Bit Counting (CBC) Criterion for Image Registration", IEEE Transactions on Medical Imaging, vol 13, no 3, 1994, pp 565-566 [60] L A J Verhoeven, Digital Subtraction Angiography The Technique and an Analysis of the Physical Factors Influencing the Image Quality, Ph.D thesis, Delft University of Technology, Delft, 1985 [61] D F Watson, “Computing the n-Dimensional Delaunay Tessellation with Application to Voronoi Polytopes", The Computer Journal, vol 24, no 2, 1981, pp 167-172 [62] D F Watson & G M Philip, “Survey: Systematic Triangulations", Computer Vision, Graphics and Image Processing, vol 26, no 2, 1984, pp 217-223 [63] G Wolberg, Digital Image Warping, IEEE Computer Society Press, WA, 1990 [64] M Yanagisawa, S Shigemitsu, T Akatsuka, “Registration of Locally Distorted Images by Multi-window Pattern Matching and Displacement Interpolation: The Proposal of an Algorithm and Its Application to Digital Subtraction Angiography", in Proceedings of the Seventh International Con-ference on Pattern Recognition, M D Levine (ed.), vol 2, IEEE Publishing Services, New York, NY, 1984, pp 1288-1291 [65] K J Zuiderveld, B M ter Haar Romeny, M A Viergever, “Fast Rubber Sheet Masking for Digital Subtraction Angiography", in Science and Engineering of Medical Imaging, M A Viergever (ed.), vol 1137 of Proceedings of SPIE, The International Society for Optical Engineering, Bellingham, WA, 1989, pp 22-30 ... Trong thực hành lâm sàng, hệ thống chụp mạch xóa (DSA) kỹ thuật hiệu cho việc gợi lại mạch máu thể người [6,60] Trong hình ảnh chiếu X-quang thông thường, mạch máu gần nhìn thấy tương phản thấp... Tháng Tư năm 1999, pp 227-246 Tóm tắt|Trong thực hành lâm sàng, hệ thống chụp mạch xóa (DSA) kỹ thuật mạnh mẽ cho trực quan mạch máu thể người Sự chẩn đốn hình ảnh thường bị giảm đáng kể lệch chi... cho số lượng đáng kể đánh giá Chuyển động bệnh nhân luôn xảy ra, PP-3 Xử lý hình ảnh cho hệ thống chụp mạch xóa khiến cho hình ảnh trừ để hiển thị ngăn cản giải thích đắn hình ảnh Kể từ đó, số