4D PC-MRI主动脉血液流场数据中旋涡半自动分类研究(Semi-Automatic Vortex Flow Classification in 4D PC-MRI Data of the Aorta)

现代医学认为,医学成像中的主动脉血液流动模式与不同的心血管管疾病有密切的关系,尤其是主动脉中的旋涡的特征与具体的心血管疾病类似关系更加密切。传统医学成像数据处理中,针对4D PC-MRI数据中旋涡的分类都需要医学工作人员手动进行分类,在这个过程中,有两个缺点。其一、手动分类非常耗时,其二、手动分类方法不够精确,往往导致很大的诊断不确定性。针对这些缺点,本文[1]提出了一种基于半自动分类的PC-MRI主动脉血液流场数据中旋涡分类方法AVOCLA,给医学人员提供更加高效精确的决策支持。

 

在旋涡提取方面,与本文密切相关的方法主要包括三类,第一类是使用Q-criterion进行旋涡Q值检测,第二类是使用Lumda2进行检测,这些方法都是针对原始流场的拓扑结构进行旋涡提取的。最后一类是基于流线的检测,叫作streamline谓词,streamline谓词使用流线的形态进行旋涡检测,他们分别用一个叫点谓词和线谓词来检测流场中的涡心与涡线,最终提取出旋涡。本文就是先使用streamline谓词对血液流场数据中旋涡进行提取,之后设计一些分类标准对旋涡进行分类,最后设计两个视图对旋涡进行可视化。

本文的方法的流程主要分为以下四步。第一、在4D PC-MRI数据中血液模式进行迹线追踪和提取出中心线,并对这些迹线与中心线进行行距采样。第二、将这些采样点得到的所有数据生成相异性矩阵,用于后续聚类。第三、设计分类准则对聚类后的旋涡进行半自动分类。最后,设计两个视图,二维视图以及三维视图对旋涡进行可视化。

001

图一、流程图

本文作者长时间与多位领域专家进行合作,并对旋涡分类准则的需求以及具体准则进行讨论,最后对旋涡分类准则需要达到的要求包括,聚类方法需要足够鲁棒,允许领域专家对结果进行修改,分类准则需要具有足够的可扩展性,以及最后的旋涡可视化需要展现出旋涡尽量多的特征。因此,经过进一步讨论,他们总结出以下五条旋涡分类准则。

(准则一)旋涡形状,旋涡形状分为两类,螺旋状与旋涡状,通过以下公式一进行参数拟合化,其中,t表示螺旋的旋转个数,r表示半径,h表示螺旋的扩展性因子。当h小于1时,当前迹线表示旋涡,当h大于1时,表示螺旋

eq01

公式一

002

图二、旋涡形状

(准则二)旋涡发生的时间段,主要分为心缩期(systole)与心舒期(diastole ),如下图所示,时间步343左侧的表示心缩期,右侧表示心舒期。

003

图三、旋涡发生的时间段

(准则三)旋涡所处血管段,主要分为升主动脉段(Ascending aorta)、升主动脉弓段(Aortic arch ascending)、降主动脉弓段(Aortic arch descending)以及降主动脉段(Descending aorta)。

004

图四、旋涡所处的血管段

(准则四)旋涡占据空间比例,旋涡占据空间比例主要指的是在主动脉中,所占据的空间的大小比例,可以分为两种,小巧型(minor size)和显著型(pronounced size)。

005
图五、旋涡占据空间比例,左图表示小巧型,右图表示显著型

(准则五)旋转方向,主要分为左旋型与右旋型。如图六所示。

006

图六、旋转方向

将所有旋涡聚类并分类之后,可以将这些分类结果进行可视化,可视化部分主要设计了两个视图,三维视图与二维视图,在三维视图设计中,步骤如图七所示,(a)原始迹线,(b)聚类后的聚类,(c)使用三次样条插值得到中心线,并沿着中心线往两边展开,得到所有的椭圆线圈,(d)将这些椭圆线圈三角面片化,得到曲面,(e)将曲面进行染色并将旋转方向用glyph表示出来,蓝色到红色表示旋涡中螺旋的个数依次增加。

007

图七、三维视图

第二个视图是二维视图,在二维视图中,主要设计了一个circular视图,该视图中最外圈表示迹线的时间步,如图中表示该案例一共16个时间步,每个扇形中有四个子扇形,每个子扇形表示准则四中的四个位置区间。填充的颜色表示该位置区间的旋涡属于哪一个聚类,图中案例表示一共两个聚类,棕色与蓝色。只有当某个位置区间在相应时间步被1/3以上的旋涡迹线充斥时,该子区段才会被填充上相应的聚类对应的颜色。因此,从该二维视图中可以看更多三维视图中因遮挡而无法看清的位置信息。

008

图八、二维视图

最后本文作者还对他们的方法进行了领域专家评估,并找了15位志愿者,其中13位患不同类似的心血管疾病,2位为健康人员。通过他们的评估,发现他们的方法对旋涡分类与groud truth吻合率很高。

图九表示其中6个数据集的可视化结果,第一行表示聚类结果,第二行表示三维视图结果,第三行表示二维视图结果。值得注意的是,在分类的整个过程中,对某些分类数据,需要领域专家进行对结果进行纠正。

009

图九、六个数据的结果

[1] Monique Meuschke, Benjamin Köhler, Uta Preim, Bernhard Preim, and Kai Lawonn. Semi-automatic Vortex Flow Classification in 4D PC-MRI Data of the Aorta, Computer Graphics Forum (EuroVis 2016), 35(3): 351-360, 2016

评论关闭。