해부학적 혈관 구조 정보를 이용한 특징기반 3D/2D 비강체 정합

다국어 초록 (Multilingual Abstract)

X-ray angiography (XA) is the gold standard for capturing real-time vessel structure dynamics as well as catheter location during percutaneous coronary intervention (PCI). XA can further be utilized to accurately quantify the severity of coronary stenosis. However, partial vessel structures are visible for only 20 s after a contrast medium is injected, and the projective nature of angiography makes it difficult for a physician to quickly and accurately recognize a patient’s cardiovascular shape.
In order to overcome these challenges, a pre-operative 3D computed tomography angiography (CTA) image can be combined with an intra-operative 2D XA image to provide a road map of previously invisible blood vessels by visualizing the selected vascular structure in the CTA image. This technique of reconstructing complementary information obtained from different images into one space is termed “image registration.” It enables information about the anatomical structure gained from the CTA image, and required for XA management, to be transferred into XA for a patient's emergency care record.
In this paper, a feature-based 3D/2D non-rigid registration using information regarding coronary anatomy is proposed for aligning an intra-operative XA image with pre-operative CTA image. The proposed methodology is composed of two parts: in the first, initial registration calculates the global transformation of each sub-structure and selects a suitable sub-structure of the entire 3D vascular structure for a given XA image; in the second, a spline-based non-rigid registration method is used to compensate for local shape discrepancies due to heartbeat and respiration. In both cases, the registration algorithms are based on vessel centerlines. To automatically extract vessel centerlines from an XA image, a method of vessel segmentation integrated with histogram modification is also proposed.
To briefly describe the principle of the proposed approach, preprocessing is conducted by constructing local histogram modifications that reflect the intensity of neighboring pixels. This method can be used to correct non-uniform intensity along the vessels and improve the results of the vessel enhancement filter in vessel segmentation.
Next, the 3D vascular structures projected from the vessel centerlines, which were found using CTA, are divided into two sub-structures and the one best matched to the XA image is selected by using a global rigid transformation between each sub-structure and vessel centerline in XA image. To efficiently search the parameters of this global transformation, a modified version of 2D distance transformation is computed using a distance map. The selected sub-structure, using the current estimate of the optimum transformation, is the input for the non-rigid registration.
Subsequently, a thin plate spline robust point matching (TPS-RPM)–based algorithm is proposed for use as the non-rigid registration method, defining the local shape deformations that follow the initial registration. The TPS-RPM algorithm adopts the softassign algorithm and deterministic annealing technique to relax binary correspondence into fuzzy correspondence and avoid local maxima.
Finally, automatic segmentation of two ostia and a coronary anatomy labeling method are proposed. The ascending aorta is initially detected using a Hough circle transformation and geodesic active contours. The two ostia are detected within the region of the refined ascending aorta by a vessel enhancement filter. The angle in polar coordinates is then used to label the coronary anatomy.
The proposed feature-based non-rigid registration using information on the coronary anatomy can reduce projection errors when performed accurately, selecting the optimal sub-structure to be subjected non-rigid registration and providing an optimized initial position prior to this registration. In addition, spline based non-rigid registration can reflect local variations of coronary vessels. Experimental results based on 12 clinical datasets have demonstrated that the proposed method is effective, with an average distance error of 0.68±0.2 mm and an average visual evaluation score of 4.3 on a 5 point scale when rated by clinical experts. This method’s potential applications in a new field beyond the scope of diagnosis and treatment were confirmed by using the proposed method as a way to transfer coronary anatomy labeling from a CTA image to an XA image to manage patient’s emergency care record.

국문 초록 (Abstract)

X-선 조영영상은 심혈관 질환 시술시 사용되는 Gold Standard 영상으로 심박동으로 인한 혈관의 움직임과 카테터의 위치를 실시간으로 보여주어 혈관의 막힌 정보를 평가하는데 유용하다. 하지만 2D 투영영상으로 깊이 (depth)정보가 없고, 조영제가 주입되는 부분만 가시화되어 혈관의 전체적인 구조와 완전히 막힌 혈관은 가시화되지 않아 심혈관 모양의 빠르고 정확한 인식을 방해한다.
그러므로 시술의 정확성과 안전성 향상을 위해 시술 전에 촬영한 CTA 영상에서 고해상도 3D 심혈관의 정보를 추출 후 2D X-선 조영영상에 같이 가시화하여 잘 보이지 않은 혈관에 대해 로드맵을 제공하는 것이 필요하다. 이처럼 서로 다른 영상으로부터 얻은 상호보완적인 정보를 하나의 공간에 재구성하는 기술을 영상정합(image registration) 기술이라 한다. 정합 기술은 환자의 과거병력 응급레코드에서 X-선 조영영상 관리를 위해 필요로 하는 CTA영상의 해부학적 구조정보를 X-선 조영영상에 맞추어 전달 가능하게 한다.
본 논문에서는 시술시 촬영되는 X-선 조영영상과 수술 전 촬영한 CTA영상을 정합하기 위해 심혈관의 해부학적 혈관 구조정보를 이용하여 X-선 조영영상에 가시화된 심혈관의 구조를 적응적으로 선택하는 3D/2D 특징기반 비강체 정합을 제안한다. 먼저 영상에 가시화된 혈관의 구조 선택을 위한 해부학적 혈관 정보를 이용하여 초기정합을 수행한다. 초기 정합 후 심박동, 호흡 등으로 인한 심혈관의 지역적 변형을 반영할 수 있는 스플라인 기반 비강체(non-rigid) 정합을 사용하였다. 또한, 특징기반 정합의 정확도에 영향을 미치는 특징 추출의 정확도를 높이기 위해 X-선 조영영상의 히스토그램 보정 방법을 제안하였다.
주요 접근 방법으로는 첫째, X-선 조영영상의 불균일 명암도를 보정하기 위해 히스토그램 수정을 지역적으로 이웃하는 픽셀들의 밝기값을 반영하는 전처리 방법을 구축한다. 이는 심혈관 내의 혈관의 밝기 값을 일정하게 개선하여 분할에 사용되는 혈관 강화 필터의 결과를 향상시킨다.
둘째, 투영된 3D 영상의 심혈관 해부학적 전체구조를 하위구조로 나누어 2D 영상의 심혈관 구조와 가장 유사한 하위구조를 찾는 초기정합을 수행한다. 하위구조 별로 2D 영상의 심혈관 구조와 가장 가깝게 정렬하기 위해 강체정합을 이용하는데 계산량을 줄이기 위해 거리변환을 이용한 거리맵을 활용한다. 가깝게 정렬한 결과는 비강체 정합의 입력으로 이용한다.
셋째, 심박동이나 호흡으로 인한 혈관의 지역적 변형을 반영하기 위해 초기 정합 후 Thin Plate Spline (TPS)를 이용하여 비강체 정합을 사용한다. 두 점들의 대응관계 설정을 확률로 표현하는 소프트어사인(softassign) 기법과 변환함수의 지역적 최소화 문제를 피하기 위해 결정적 어닐링 (deterministic annealing) 방법을 이용한다.
넷째, 해부학적 구조정보의 레이블링을 위해 CTA 영상의 심문 추출과 심문의 해부학적 레이블링 방법을 추가 제안한다. 허프 변환(Hough transform)과 지오데식 활성 외곽선 모델(Geodesic Active Contours)을 사용하여 대동맥과 심문을 분할하고 심문의 위치의 각도정보를 통해 레이블링을 한다.
본 논문에서 제안한 해부학적 혈관 구조를 이용한 특징기반 비강체 정합은 초기 정합의 수행을 통해 투영에러를 줄이고 비강체 정합에 수행되는 대상을 정확하게 선별하고 전역적으로 최적화된 초기위치를 제공함으로 정합의 정확성을 높였다. 또한 계산과정에서 거리맵을 사용하여 수행속도를 향상하였다. 스플라인을 이용한 비강체 정합은 강체정합이나 어파인 정합에서 반영 불가능한 혈관의 지역적 변형을 자연스럽게 반영하였다. 마지막으로 헬스케어 서비스에서 환자의 과거 병력 관리를 위해 필요한 의미정보를 얻기 위해 CTA영상과 정합을 사용함으로써 영상정합 기술이 진단과 치료의 범위에서 벗어나 새로운 분야의 활용 가능성을 확인하였다.

목차 (Table of Contents)

• 1. 서론 1
• 1.1. 연구배경 1
• 1.2. 연구 목적 및 내용 4
• 1.3. 논문의 구성 8
• 2. 관련연구 9
• 2.1. 혈관 분할 방법 9
• 2.1.1. 혈관 분할 전처리 방법 9
• 2.1.2. 영역 기반 분할 11
• 2.1.3. 모델 기반 분할 12
• 2.1.4. 추적 기반 분할 13
• 2.2. 3D/2D 혈관 정합 방법 14
• 2.2.1. 차원 일치 방법 14
• 2.2.2. 특징 기반 정합 15
• 2.2.3. 명암도 기반 정합 16
• 3. 2D X-선 조영영상에서 심혈관 분할 19
• 3.1. 히스토그램 수정을 통한 밝기값 개선 19
• 3.2. Hessian 행렬 분석을 이용한 혈관 강화 필터 21
• 3.3. 연결 성분 분석 (connected component analysis) 23
• 3.4. 세선화(Thinning)기반의 심혈관 중심선 추출 24
• 3.5. 실험 및 결과 분석 26
• 3.5.1. 실험 데이터 26
• 3.5.2. 심혈관 분할 및 중심선 추출 결과 28
• 4. 특징 기반 지역 적응적 비강체 정합 36
• 4.1. 투영변환을 이용한 공간적 차원일치 36
• 4.2. 심혈관 구조정보를 이용한 초기정합 37
• 4.2.1. 테스트 영상의 심혈관 초기 위치 설정 38
• 4.2.2. 심혈관 하위구조 선택을 위한 거리최소화 기하변환 40
• 4.3. Thin Plate Spline 이용 비강체 정합 42
• 4.3.1. 목적 함수 (Objective function) 43
• 4.3.2. 이상치에 강건한 개선된 TPS-RPM 알고리즘 45
• 4.4. 실험 및 결과분석 47
• 4.4.1. 실험 데이터 47
• 4.4.2. 심혈관 정합 기술의 정량적 평가 51
• 4.4.3. 임상데이터를 이용한 정성적 평가 64
• 5. 심혈관 분할 및 정합을 활용한 헬스케어 서비스 66
• 5.1. 헬스케어 서비스에서의 의료영상 66
• 5.2. 심근경색 환자의 과거 병력 통합을 위한 레코드 정의 70
• 5.2.1. 심근 경색 환자의 과거 병력 기록에 주요한 임상자료 70
• 5.2.2. 대표 CAG 영상 선정을 위한 해부학적 정보 추출 72
• 5.3. CTA 영상에서 의미정보 추출 75
• 5.3.1. 대동맥 자동 추출 75
• 5.3.2. 상행 대동맥 내 심문 추출 79
• 5.3.3. 심문 좌우 레이블링을 통한 아나토미 정보 추출 81
• 5.4. 실험 및 결과분석 82
• 5.4.1. 상행대동맥과 심문 추출 결과 82
• 5.4.2. 정합 이용 CAG영상의 의미정보 추출 결과 89
• 6. 결론 99
• 7. 참고문헌 101