Modelling and extraction of pulsatile radial distension and compression motion for automatic vessel segmentation from video

視訊中，自動分割血管中的脈搏徑向膨脹和壓縮運動的提取和建模

Alborz Amir-Khalili a, Ghassan Hamarnehb, Rafeef Abugharbie

從醫學影象中識別血管結構是許多臨床過程的一部分。大多數血管分割技術忽略了血管在其產生過程中典型的脈動運動。在最近的一項努力中，我們試圖將隱藏在脂肪下的血管進行自動分割，我們的目的是利用從外科手術內窺鏡的視訊中提取的區域性脈動的幅度。在本文中，我們提出了一種利用區域性方向的新方法，除了運動幅度外，還證明了運動向量的擴充套件計算和使用可以提高血管結構的分割。我們利用四種備選方案來實現我們的方法，利用傳統的光流和利用單源訊號來代替僅幅度的運動估計，進行快速的流估計。我們的評估是在合成的模型和兩個真實的超聲波資料集上進行的，這些資料顯示了改進的分割結果，與之前的唯一方法相比，計算效能的變化可以忽略不計。

1. Introduction

從醫學影象中識別血管對於許多臨床操作都很重要。血管成像的常見應用範圍從常規的無創診斷程式到複雜的外科手術。血管成像通過,(1)血管內超聲(US)、磁共振(MR)、CT影像的直接成像和分析冠狀動脈來評估心血管疾病的風險。(2)從視網膜彩色影象中量化動脈硬化(Pedersen等人，2000年)；(3)從US超聲(Bots等人，1997年)，MR(Duivenvoorden等人，2009年)；MR(Duivenvoorden等人，2009年)或頸總動脈CT影象(Manniesing等人，2010年)分割動脈粥樣硬化斑塊；(4)監測主動脈MR影象中血管擴張性的變化(Cavalcante等人，2011年)和CCA的CT血管造影影象(Hameeteman等人，2013年)-所有這些都已被確定為中風的獨立預測指標(Hansson，2005年；Wong等人，2001年；Chamband等人，2000年；Laurent等人，2003年；Josephson等人，2004年)。在影象引導治療領域，超聲成像技術的實時獲取速度和非侵入性使其在通常使用的、但費力的血管（插管）引導過程中發揮了作用，如插入中央靜脈和動脈壓力導管（Maecken和Grau，2007）。此外，在腎和肝移植等外科手術的術前規劃和篩選過程中經常使用血管成像(Halpern等人，2000年；Kamel等人，2001年)。最後，除了傳統的X線透視和CT血管造影在影象引導心導管術(Grossman，1986)和動脈瘤外科(raabe等人，2006年)中的應用外，血管成像在機器人輔助前列腺癌和腎癌手術中的術中指導中發現了新的應用(McLeod等人，2015年a；Amir-Khalili等人，2014年；2015b；Tobis等人2011)