卷積核算法對高級血管分析軟件半自動追蹤血管曲面重組的影響

張德軍，馬春，張祖建，明兵

(1.德陽市第二人民醫院放射科，四川德陽618000；2.德陽市人民醫院放射科，四川德陽618000）

·論著·

卷積核算法對高級血管分析軟件半自動追蹤血管曲面重組的影響

張德軍1，馬春2，張祖建2，明兵2

(1.德陽市第二人民醫院放射科，四川德陽618000；2.德陽市人民醫院放射科，四川德陽618000）

目的 應用不同的卷積核算法，使用高級血管分析軟件的半自動追蹤曲面重組功能顯示頸內動脈顱內段及椎動脈，探討最容易曲面重組與骨質結構關系密切血管的卷積核算法。方法對32例臨床疑有腦缺血或蛛網膜下腔出血病例進行頭頸部Neuro DSA CTA掃描。默認圖像重建卷積核算法為H10f，然后分別選擇H48f、H50f及H60f卷積核算法進行重建。使用Inspace軟件下的AVA軟件進行血管分析，計數載入不同卷積核算法圖像半自動追蹤成功曲面重組頸內動脈及椎動脈支數。結果32例共128支血管。H10f算法圖像半自動追蹤曲面重組顯示0支血管，成功率為0；H48f算法圖像顯示44支血管，成功率為34%；H50f算法圖像顯示68支血管，成功率為53%；H60f算法圖像顯示108支血管，成功率為84%，兩兩比較差異均有統計學意義(P＜0.01)；H60f算法圖像半自動追蹤曲面重組成功率明顯高于其他兩種，H60f算法圖像對頸內動脈曲面重組成功率明顯高于椎動脈。結論使用AVA軟件對頸內動脈顱內段及椎動脈進行血管分析時，應用較高卷積核(H60f)算法能明顯改善半自動追蹤血管曲面重組成功率，利于進一步進行血管分析，有較大臨床實用價值。

血管成像；卷積核；頸內動脈；椎動脈；X線計算機；體層攝影術

頸內動脈顱內段及椎動脈走行迂曲，且與鄰近骨質緊貼，傳統CT血管成像(CT angiography，CTA)檢查很難同時顯示較長節段血管，手工選點進行血管曲面重組耗時較長，準確性較差，極易產生假象。近年來臨床應用較為廣泛的數字減影CTA[1-2]在觀察頸內動脈顱內段及椎動脈有著巨大進步，但由于減影會減去鈣化斑塊，且如兩次掃描間患者制動不佳會造成假象，使所顯示血管失真。Siemens Syngo 2008c工作站Inspace軟件下的高級血管分析軟件(Advanced vessels analysis，AVA)具有半自動追蹤曲面重組功能，可顯示增強后的血管曲面重組圖像，顯示管腔、血管壁及血管與鄰近骨質結構的關系，并能對血管進行高級分析。但系統默認重建算法下(H10f)對顱內段頸內動脈及椎動脈等走行迂曲并與鄰近骨質關系密切的血管幾乎不能成功進行半自動血管曲面重組。本研究使用AVA軟件應用不同的卷積核算法進行血管曲面重組，探討哪種卷積核算法更利于顯示血管，以進一步行血管分析。

1 資料與方法

1.1 一般資料選取2012年3月至2013年7月進行頭頸部CTA檢查患者32例，男性18例，女性14例，年齡40～77歲，中位年齡64歲。臨床診斷為蛛網膜下腔出血、腦梗塞、后循環缺血等。

1.2 設備與方法Siemens Sensation 64 CT機，掃描范圍自主動脈弓平面到顱頂。掃描參數：平掃為100 kV，80 eff.mAs；經肘靜脈注藥后掃描為100/120 kV(根據體重大小)，160 eff.mAs，兩次掃描野完全相同。使用Medrad雙筒高壓注射器，首先用20 ml生理鹽水試注射，對比劑為優維顯(370 mgI/ml)，根據體重、年齡決定對比劑用量，一般為50～70 ml，流速為5 ml/s，然后給予50 ml生理鹽水沖管。觸發點設置于胸主動脈，觸發閾值為100 HU。

1.3 圖像處理掃描后圖像重建卷積核分別為H10f、H48f、H50f及H60f，層厚為0.75 mm，傳輸到Siemens Syngo 2008c工作站。由一名后處理技術熟練的影像醫生進行圖像后處理，將不同卷積核增強后圖像載入Inspace軟件，選擇AVA進行血管分析，點擊“trace”后在頸內動脈顱內段/椎動脈兩端血管中心選點進行自動跟蹤曲面重組(圖1)。如果不能成功找到路徑，可以在中間某段血管“insert”一點或多點幫助系統追蹤血管，如果經此項操作仍不能正確追蹤血管，則認為不能自動追蹤血管；成功顯示血管曲面圖像后，對未行走于血管中心的點可點“edit”，移動該點至血管中心，計數成功進行血管曲面重組的血管支數。

1.4 統計學方法應用SPSS 18.0統計軟件包，計算不同卷積核算法成功曲面重組血管的百分比，并對不同算法間成功率進行χ2檢驗；計算頸內動脈與椎動脈曲面重組成功的支數，進行χ2檢驗，檢驗水準為P=0.05。

2 結果

32例患者共64側頸內動脈及椎動脈，共128支血管。卷積核為H10f算法圖像半自動追蹤曲面重組顯示0支血管，成功率為0；卷積核為H48f算法圖像半自動追蹤曲面重組顯示44支血管，成功率為34%；卷積核為H50f算法圖像半自動追蹤曲面重組顯示68支血管，成功率為53%；卷積核為H60f算法圖像半自動追蹤曲面重組顯示108支血管，成功率為84%。H48f算法圖像半自動追蹤曲面重組血管顯示成功率與H50f算法及H60f算法比較χ2=53.562、12.416；H50f算法與H60f算法比較χ2=26.864，兩兩比較差異均有統計學意義(P＜0.001)，卷積核為H60f算法圖像半自動追蹤曲面重組成功率明顯高于其他兩種。H60f卷積核算法圖像成功曲面重組頸內動脈顱內段共64支，椎動脈成功曲面重組共44支，兩者比較χ2= 42.023，差異有統計學意義(P＜0.001)。H60f卷積核算法圖像分辨血管與周圍骨質結構更清楚(圖2)，但曲面重組血管將扭曲血管顯示于一個平面內，會有偽影產生，并對周圍結構有扭曲(圖3)。

圖1 H48f、H50f及H60f卷積核算法圖像半自動追蹤曲面重組顯示右側頸總動脈及頸內動脈顱內外段，H48f卷積核算法圖像較H50f、H60f卷積核算法圖像平滑，噪聲較小，H60f較其他兩種算法空間分辨率高

圖2 H60f卷積核算法圖像顯示鈣化斑塊明顯的左側頸內動脈顱內段，管腔與鈣化斑塊分界清楚；圖3H60f算法圖像全程顯示右側椎動脈，部分節段血管有鏡像偽影

3 討論

3.1 頸內動脈顱內段及椎動脈血管成像頸內動脈狹窄是常見的臨床疾病，大多由動脈粥樣硬化引起，而動脈粥樣硬化常發生于頸內動脈顱內段。頸內動脈顱內段包括巖骨段、海綿竇段、膝部、床突上段及終段，走行迂曲，且與鄰近顱底骨質緊貼。臨床上多數椎-基動脈短暫性腦缺血發作是由于各種原因引起的椎動脈狹窄所致，椎動脈亦走行迂曲，與鄰近椎骨關系密切。臨床用于顯示頸內動脈顱內段及椎動脈的影像學手段包括DSA、MRA及CTA，DSA被認為是診斷血管狹窄的金標準，但其仍然有不足之處：有創、費用昂貴，并可能發生穿刺部位血腫、血管痙攣、血栓及栓塞、假性動脈瘤等并發癥。MRA無輻射，但對狹窄嚴重的血管容易產生偽影，掃描時間過長也易有運動偽影。CTA有較高的空間分辨率及時間分辨率，可以顯示管腔、管壁及血管外結構，對診斷血管性疾病有重要意義。由于血管周圍骨質結構的影響，常規后處理方式如：MPR、MIP、CPR及VR在顯示頸內動脈顱內段及椎動脈有明顯缺陷，很難顯示血管全貌。近年來發展起來的數字減影CTA及雙能CTA可以減去血管周圍骨質結構，從而清晰地顯示頸內動脈顱內段及椎動脈，但這種成像方式存在重要問題：去骨減影會同時減去管壁鈣化斑塊，血管狹窄嚴重時，血管強化低，以及有鈣化偽影時，會導致過度減影[3]，且數字減影CTA兩次掃描間患者如有運動會導致偽影形成。

3.2 高級血管分析軟件CTA血管分析軟件是在多層螺旋CT冠狀動脈CTA血管分析基礎上發展起來的一種血管分析手段，可以將迂曲的血管展開于一個平面上，以血管腔為中心360°旋轉顯示血管腔、管壁以及血管與周圍結構的關系，對血管腔狹窄與擴張直徑、面積、管壁斑塊厚度以及病變長度均可以準確測量和分析[4]。在冠脈CTA應用較為成熟，現已被應用于體部血管，對頸動脈頸段應用較多[5-6]。但對于頸內動脈顱內段及椎動脈而言，應用血管分析軟件分析血管的報道較少。本研究使用Siemens Syngo 2008c工作站inspace軟件包下的AVA軟件進行半自動追蹤曲面重組頸內動脈顱內段及椎動脈研究。系統默認算法H10f，所有32例病例無一例成功半自動追蹤曲面重組血管，無法進行血管分析。改變算法以H48f、H50f及H60f卷積核算法重建圖像后進行血管追蹤，H60f算法圖像半自動追蹤曲面重組頸內動脈及椎動脈成功率最高，達84%，H50f次之，成功率為53%，H48f成功率比較低，為34%，說明了較高卷積核算法圖像能更好地追蹤血管。H60f卷積核算法對頸內動脈顱內段顯示成功率達100%，椎動脈使用H60f卷積核算法成功率為69%，明顯低于頸內動脈，這可能與頸內動脈管徑較椎動脈粗有關。

3.3 算法對血管追蹤的影響卷積核算法不同致圖像空間分辨率不同，卷積核從低到高，圖像從平滑到銳利，圖像空間分辨率增高[7]。圖像空間分辨率越高，圖像細微結構顯示更清楚，對血管成像而言，血管管腔與周圍結構分界更為清楚。用低卷積核算法圖像進行血管分析時，對體部血管，如主動脈及頸動脈頸段等血管很容易進行半自動追蹤血管重組，但對頸內動脈顱內段及椎動脈等與周圍骨質結構關系緊密的血管來說，血管腔與周圍骨質結構分界不清，故幾乎不能自動追蹤血管。本研究使用H48f卷積核算法血管重組成功率為34%，H50f卷積核算法成功率為53%，H60f卷積核算法為84%，隨著卷積核的提高，血管半自動追蹤曲面重組成功率明顯提高，說明較高卷積核算法有利于AVA血管成像。當卷積核算法升高時血管腔與周圍骨質結構分界更為清楚，對血管進行半自動追蹤曲面重組成功率更高，且更有利于區分血管及管壁鈣化[8]。本研究提示AVA使用較高卷積核算法能更好地半自動追蹤頸內動脈顱底段及椎動脈等與血管周圍骨質結構關系密切的血管。

數字減影CTA在臨床發揮著越來越重要的作用，而AVA可以對血管腔、血管壁及周圍結構進行分析，可以對數字減影CTA減影的不足做很好的補充，更好地顯示與骨質關系密切的血管。但對于管徑較小的血管如椎動脈半自動血管追蹤的成功率不是太高，應用受限。高卷積核算法圖像較低卷積核算法圖像空間分辨率提高，但圖像平滑度降低，噪聲會增加。曲面重組血管會扭曲周圍結構，產生偽影，應配合軸位圖像及MPR圖像。

[1]Hwang SB,Kwak HS,Han YM,et al.Detection of intracranial aneurysms using three-dimensional multidetector-row CT angiography:is bonesubtraction necessary?[J].Eur J Radiol,2011,79(2):18-23.

[2]Luo Z,Wang D,Sun X,et al.Comparison of the accuracy of subtraction CT angiography performed on 320-detector row volume CT with conventional CT angiography for diagnosis of intracranial aneurysms[J].Eur J Radiol,2012,81(1):118-122.

[3]Watanabe Y,Uotani K,Nakazawa T,et al.Dual-energy direct bone removal CT angiography for evaluation of intracranial aneurysm or stenosis:comparison with conventional digital subtraction angiography[J].Eur Radiol,2009,9(4):1019-1024.

[4]Anders K,Achenbach S,Petit I,et al.Accuracy of automated software-guided detection of significant coronary artery stenosis by CT angiography:comparison with invasive catheterization[J].Eur Radiol,2013,23(5):1218-1225.

[5]Saba L,Sanfilippo R,Montisci R,et al.Correlation between US-PSV and MDCTA in the quantification of carotid artery stenosis [J].Eur J Radiol,2010,74(1):99-103.

[6]Biermann C1,Tsiflikas I,Thomas C,et al.Evaluation of computer-assisted quantification of carotid artery stenosis[J].J Digit Imaging,2012,25(2):250-257.

[7]Prevrhal S,Engelke K,Kalender WA,et al.Accuracy limits for the determination of cortical width and density:the influence of object size and CT imaging parameters[J].Phys Med Biol,1999,4(3): 751-764.

[8]Scherl H,Hornegger J,Prümmer M,et al.Semi-automatic level-set based segmentation and stenosis quantification of the internal carotid artery in 3D CTAdata sets[J].Med ImageAnal,2007,1(1):21-34.

Impact of kernel algorithm on semi-automted traced curved planar reformation by advanced vessels analysis.

ZHANG De-jun1,MA Chun2,ZHANG Zu-jian2,MING Bing2.1.Department of Radiology,the Second People's Hospital of Deyang City,Deyang 618000,Sichuan,CHINA;2.Department of Radiology,People's Hospital of Deyang City,Deyang 618000,Sichuan,CHINA

ObjectiveTo investigate the correct kernel algorithm for vessels close to adjacent bone when semi-automated tracing internal carotid artery(ICA)intracranial segment and vertebral artery(VA)with curved planar reformation(CPR)in advanced vessels analysis(AVA).MethodsThirty-two patients were enrolled and were scanned by Neuro DSA CT angiograply.Algorithms of H10f,H48f,H50f,H60f were selected.Inspace AVA was applied for vessels analysis,the number of ICA and VA was counted,which were semi-automated traced well.ResultsThe 32 patients had a total of 128 vessels.No vessel was successfully curve planar reformatted with H10f.Forty-four vessels (34%)was successfully displayed with H48f and 68 vessels(53%)with H50f,108 vessels(84%)with H60f.Significant difference was found between different groups(P＜0.05).The achievement ratio of H60f was significantly higher than H48f and H50f,and achievement ratio of H60f was higher in ICA than VA.ConclusionHigh kernel algorithm could improve achievement ratio in semi-automated traced CPR for advanced vessel analysis,when analyzing ICA intracranial segment and VAwithAVA.

Angiography;Kernel algorithm;Internal carotid artery;Vertebral artery;X-ray computed;Tomography

R445

A

1003—6350（2014）21—3163—04

10.3969/j.issn.1003-6350.2014.21.1241

2014-03-26)

四川省衛生廳科研課題(編號：100173)

馬春。E-mail：windeyesword@163.com