0 引言

随着人口老龄化程度的加剧，我国心血管疾病的患病率呈现出逐年增加的态势[1]，心血管疾病的诊断和治疗具有显著意义。X线造影是诊断心血管疾病的常用方法。传统诊断过程是医生肉眼观察造影图像，根据其自身的经验进行诊断，用时较多，不仅不能快速对大量造影图像进行诊断，且诊断结果的准确性受个人经验因素影响较大，不能对病变进行量化描述。近年来，利用图像处理技术对造影图像进行辅助分析，可快速准确地分割出血管结构，识别出血管中的可疑病灶，能大大减轻医生的负担。

血管分割是造影图像处理的基础，也是血管三维重建、定量分析、手术导航等的理论依据。近年来，各种各样应用于血管分割的方法被提出[2]。潘立丰等[3]通过局部自适应阈值来提取视网膜血管，计算速度快，但其要求血管和背景在局部范围内均匀。仇恒志等[4]通过多尺度形态学重构来提取主要血管，由小尺度的匹配滤波增强中小血管，合并两部分得到最终血管分割，其对小血管的灵敏度不高。陈丽平[5]在梯度矢量流的血管增强图上使用水平集的原理分割血管，但基于水平集的分割对于复杂的图像容易收敛于局部能量极值，且计算量一般较大。在冠状动脉狭窄检测方面，陈相廷等[6]对10种狭窄检测的主流算法进行了实验和比较，说明了现阶段的检测算法的灵敏度和准确率整体均不高，与人工检测的性能仍有一定的差距。

为分割出有效的血管轮廓，在此，提出基于多尺度增强的新的血管函数和分段区域增长的血管分割方法。在基于Zhang-Sue算法提取的血管骨架上，对分割出的血管逐点计算血管直径，并分段自动检测血管是否阻塞病变。

1 血管分割

1.1 多尺度血管增强

血管在造影图像中呈线性的管状结构，常用基于Hessian矩阵的增强滤波器对血管进行增强。二维图像I的原始Hessian矩阵定义为：

 

(1)

Ixx，Ixy，Iyy，Iyx为图像的二阶倒数。图像的Hessian矩阵为实对称矩阵，其特征向量相互垂直，最大特征值及对应的特征向量表征三维曲面最大曲率的强度和方向，较小的特征值对应的特征向量表征垂直于最大曲率的方向。

本研究所使用的髓内钉（UTN）由AO/辛迪思医疗器械贸易有限公司提供，锁定钢板（LCP）由常州华森医疗器械有限公司提供，外固定架（UEF）由常州爱得医疗器械销售有限公司提供。

由于噪声对图像的二阶微分影响很大，且血管的直径尺度大小不一，单纯用式(1)无法对各个尺度的血管均产生很大的影响。为此，在计算图像的二阶倒数之前，先用高斯函数与图像做卷积，既可去除噪声的干扰，又可以作为一个匹配滤波器来检测不同的血管尺寸大小。所以将式(1)修改为：

H(p,σ)=σ2·(∂2Gσ)⊗I

(2)

其中高斯函数为：

 

(3)

骨架上的血管末梢点、血管分支点、血管交叉点把整个血管网络分成不同的血管段。骨架点的整个搜索过程按递归的方式进行:首先,随机选取一个血管末梢点作为起始搜索点，把该点作为本段血管的当前搜索点，然后依次计算当前点的后续直连点，若后续直连点数为1，则加入该点到本段血管，把后续直连点作为当前点继续搜索；若后续直连点数≥2，当前血管段搜索完毕，针对每个后续直连点搜索新的血管段，直到骨架上所有点均搜索完毕。对于每一个骨架点，计算以该点为圆心，圆内所有点均在血管内的最大圆盘直径，并把其作为该点处的血管直径。

在一般的X造影图像中，血管相对于背景呈低暗的管状结构，血管内的点的Hessian矩阵具有1个绝对值较小的特征值λ1(对应于沿血管轴向的特征向量)和1个较大的正特征值λ2(对应于垂直血管轴向的特征向量)，且满足|λ2|≫|λ1|。本文对比了当前的一些血管函数[7-9]，并提出了一种新的血管函数：

血管分割实验通过与采用Frangi算法的血管特征图上的单阈值区域增长得到的血管轮廓效果图进行对比，验证本论文的血管分割方法的有效性。3幅造影图像的实验效果对比，如图4所示。图4a1、图4b1和图4c1是3张原始造影图像；图4a2、图4b2和图4c2是Frangi血管函数增强的效果；图4a3、图4b3和图4c3分别是图4a2、图4b2和图4c2单阈值区域增长的结果；图4a4、图4b4和图4c4是本文血管函数增强的效果；图4a5、图4b5和图4c5分别是图4a4、图4b4和图4c4采用本文分阶段区域增长的结果。由图4可知，采用Frangi的血管函数得到的血管特征图在大血管区域具有较高的响应，而在细小血管和血管边缘处的响应较弱，以致在此基础上只能得到粗大血管的轮廓。而采用本文的新血管函数得到的血管特征图血管轮廓明显，粗大血管和细小血管均得到了很好的增强，血管区域亮度较高，且周围具有较少的干扰元素。采用本文提出的双阶段区域增长得到了良好的血管轮廓，造影图中相对清晰明显的粗大血管提取出了精准轮廓，较模糊的细小血管在第二次区域增长中得到了很好的增强和分割。实验结果证明了本文的血管分割方法大大优于采用Frangi算法和单阈值区域增长的血管分割方法。

 

(4)

c为基于特定造影环境的经验阈值，取c=2。则基于多尺度增强的最终图像输出为：

在《辩证法的要素》中，列宁直截了当地指出，“可以把辩证法简要地规定为关于对立面的统一的学说。这样就会抓住辩证法的核心，可是这需要说明和发挥。”［10］192对立面统一规律，“提供理解一切现存事物的‘自己运动’的钥匙”［10］306。据此，列宁以对立统一规律为核心。初步构建了一个唯物矛盾观的体系。列宁列出了辩证法的16条要素，简略地分析了唯物矛盾观的内容。

 

(5)

σmin和σmax分别对应高斯函数的最小和最大尺度。由于高斯函数95%的权值都在[-2σ,2σ]之间，可取[σmin,σmax]=[dmin/4,dmax/4][5]，dmin和dmax分别为造影图像中血管直径的最小值和最大值。为叙述方便，本文称式(5)输出的增强图为“血管特征图”。

对多张医生诊断过的的含病变狭窄血管的造影图像，采用本文的全自动诊断方法圈出血管直径狭窄位置，并与医生标记出的血管狭窄位置进行对比分析，实验中的狭窄位置明显的3张代表图像，如图5所示。图5a1、图5b1和图5c1是3张原始造影图像，正方形方框是医生框出的血管狭窄位置；图5a2、图5b2和图5c2是采用本文方法提取的血管轮廓及骨架；图5a3、图5b3和图5c3是本文自动诊断圈出的血管狭窄位置，圆圈表示一般阻塞，菱形表示严重阻塞。

本文的新血管函数和传统的Frangi血管函数[7]下的多尺度增强效果，如图1所示。显而易见，本文的新血管函数具有更好的增强效果，增强的图像清晰地显示了各个尺寸的血管轮廓，血管区域亮度较高，且周边干扰元素较少。

  

图1 不同血管函数对造影图像的增强效果对比

1.2 双阶段区域增长

在得到的血管特征图的基础上，提出了一种全自动化的双阶段区域增长的方法来提取血管轮廓。主要分为3个过程：初始种子点的自动选择；第一阶段区域增长提取主血管分支；第二阶段区域增长增强细小血管。首先，在初始种子点的自动选取上，文献[9]通过边角掩膜处理后选取最大强度点作为初始点，但不排除图像中间区域也有大强度的噪声干扰点，致使初始点选择错误。在此，用直径为dmax的圆盘匹配整个图像，当圆盘内所有点的强度之和最大时，此时的圆盘圆心作为区域增长的初始点，这样可有效避免噪声点的干扰。

造影图像中血管的主分支轮廓边界一般比较明显，而微小血管的轮廓较模糊，与周围背景区别较小。传统的区域增长分割血管只有单一阈值，阈值的选取对血管分割的精准程度影响较大，阈值较小则不能提取出微小血管，阈值较大则可能使血管主分支加入周边点干扰点而变得比实际粗大。对此，采用分阶段阈值的区域增长。第一阶段选择1个较小的阈值k1，从选取的初始种子点开始搜索围边像素点，当周围像素点满足|f(p)-faverage|<k1时，则把该点加入到血管区域，其中faverage为已分割出的血管区域的平均强度，第一阶段主要分割出血管的主要分支。

第二阶段选择稍大的阈值k2，当周围像素点满足|f(p)-faverage|<k2，且在该点周围，半径为r的圆区域内已属于血管像素点的点数不大于圆区域内总点数的30%时，则把该点加入到血管区域，否则舍弃该点。最后再对图像做形态学闭运算，可以填充血管里遗留的细小孔洞，使血管轮廓平滑。从图2a和图 2b可以看出，第二阶段区域增长延伸了细小血管的长度(图 2b中圈出的区域)，而没有对血管主分支产生不良的影响。

  

图2 双阶段区域增长及骨架提取

2 骨架提取与狭窄识别

图像的骨架提取常用的办法有最大圆盘法、火种传播法和剥皮法[10]。本文使用剥皮法中基于删除的Zhang-Suen算法[11]来提取血管骨架，该算法定义了像素点被删除的4个条件，对满足条件的点进行删除，最终得到二值图像的骨架。该算法执行效率较高且得到的骨架没有多余的枝杈，如图 2c所示。

从1926年1月林语堂在《京报副刊》发表第一张鲁迅漫画开始，鲁迅就成了一个被阅读、被塑造与被观看的对象，现代美术史中的鲁迅制像传统由此开启端绪。但是鲁迅生前问世的三十余幅鲁迅图像均为木刻、素描或漫画，直到1936年10月19日，也就是鲁迅逝世之日，才诞生首批两件鲁迅主题雕塑。

为检测血管狭窄位置，需要搜索骨架上的所有点，并计算每个点处血管的直径。由Zhang-Suen算法提取的骨架点可由其八领域的直连点数目n分为4类：n=1，该点是血管的末梢点；n=2，该点是血管的段内点；n=3，该点是血管分支点；n=4，该点为血管交叉点。各类骨架点的示例如图3所示。一个骨架点八领域的直连点由以下条件取得：1)该点四领域为1的点是直连点；2)该点的对角点为1且对角点的四领域点无直连点，则该对角点为直连点。

  

图3 各类骨架点的示例

σ为空间尺度因子，通过改变σ，可使不同尺寸的血管得到增强，式(2)中的σ2项用于归一化各个尺度的响应。

通过上述过程便得到了每个骨架点对应的不同血管段号，以及该处的血管直径。在造影图像中，血管交错分支较多，形成复杂的网路，要整体识别病变血管的阻塞位置比较困难。由于血管阻塞多发生于主要分支，且血管狭窄的判断是和该处前后血管直径进行比较，所以采用分段判断的方式进行自动诊断，针对得到的第i个血管段，分别计算该段的平均直径和最小直径该段血管是否阻塞的判别依据为：

 

(6)

若血管段i为阻塞血管，则该段血管上对应最小直径处即为阻塞狭窄位置。这里把阻塞分为2个级别:一般阻塞和严重阻塞，分别用不同的标记圈出不同级别狭窄位置。

3 实验方法及分析

本文实验分为2部分:一是造影图像增强和血管分割；二是骨架提取及血管狭窄处全自动诊断。实验中的造影图像来自医学论坛网，实验采用MATLAB R2014b编程。

3.1 血管分割实验

秋冬季节由于气候容易突变，外界气温忽高忽低，极易引起猪出现应激，因此应做好秋冬季节的饲养管理工作，强化猪舍防寒保暖，为猪营造一个健康舒适整洁的生长环境。同时还应制定严格的卫生消毒制度，定期对养殖场内外部环境进行消毒，消毒剂可选择使用2%的氢氧化钠溶液、0.1%的高锰酸钾溶液、10%的生石灰乳[3]，轮换交替使用消毒剂，避免产生耐药性。

  

图4 血管增强和分割效果对比

3.2 血管狭窄自动诊断实验

通过采取输液加温等保温措施，可以维持患者术中体温恒定，缩短麻醉苏醒时间，减少患者术后寒战、躁动发生率。因此，术前手术室护理人员应对手术患者进行充分评估，对于有低体温潜在因素存在的患者，应主动采取多种保温措施，有效降低患者术中低体温的发生率。术中应加强对体温的监测，避免出现因低体温发生并发症，确保患者的安全，促进患者早日康复。

由图5a3可知，在血管轮廓清晰，细小分支较少的造影图像中，可以准确地识别出血管狭窄位置，没有多余的误诊断点。在具有许多细小血管分支的复杂造影图像中，除了医生标记的阻塞位置被找出，还圈出了另外一些疑似血管狭窄位置。

这里定义血管狭窄检测的2个评价指标：识出率和准确率。识出率指自动诊断出的且也为医生圈出的狭窄点数与医生圈出的总病灶点数的比值；准确率指自动诊断出的且也为医生圈出的狭窄点数与自动诊断圈出的总病灶点数的比值。本文对10张阻塞比较明显的造影图像做了实验，结果表明，总的病灶识出率可达80%，准确率约为50%。自动诊断的准确率较低，且错误识别多发生在血管段的末端、拐角处和分支处，其原因是在这些位置的干扰元素较多，且血管轮廓偏离管状，Hessian矩阵增强效果较差，致使测得的血管直径偏小。虽然自动诊断的识别准确率不高，但是对于真正病灶的识出率较高，可以把本文的自动诊断作为医生最终判断前的预诊断，通过预诊断找出所有疑似血管狭窄处，然后医生再根据预诊断结果，排除一些干扰点，便可以快速精准地找到血管真正狭窄位置，大大减少医生的工作量。并且预诊断可以量化血管直径，医生可以对感兴趣的血管段画出血管直径的变化曲线，便于对血管病变做进一步分析和诊断。

  

图5 血管狭窄处自动诊断结果

4 结束语

提出了一种基于Hessian矩阵多尺度增强的新血管函数，并在增强的血管特征图上采用了双阶段区域增长的分割方法提取了血管轮廓，在此基础上进行了血管骨架提取和直径测量，实现了全自动的血管狭窄预诊断。实验结果表明，在多尺度图像增强阶段，采用本文提出的新血管函数可以使血管轮廓更加明显，且具有较少的干扰。采用种子点自动探测和双阶段的区域增长方法，提取出的血管主分支轮廓精准，细小血管也得到了很好的增强和分割。对提取出的血管轮廓实现了快速的全自动预诊断，诊断结果较准确，可以为医生的最终判断提供辅助参考和量化依据。

参考文献：

[1] 陈伟伟, 高润霖, 刘力生,等.《中国心血管病报告2016》概要[J].中国循环杂志, 2017, 32(6):521-530.

[2] 游佳, 陈卉. 数字图像中血管的分割与特征提取[J].生物医学工程与临床,2011,15(1):91-95.

[3] 潘立丰,王利生.一种视网膜血管自适应提取方法[J].中国图象图形学报,2006,11(3):310-316.

当然，表姐不是真表姐，其实还是她自己。苏楠估摸着，可能是杨小水不好意思自己讲自己，才虚构了一个“表姐”作外壳。有表姐担着这份虚名，杨小水的讲述显得更肆无忌惮，也把自己写得更深入，更隐私。

取肌原纤维沉淀加入2倍体积的蒸馏水，用高速匀浆机匀浆15 min，4 ℃过夜。分别取肌浆蛋白和肌原纤维蛋白样品 400 μL，加入 100 μL 5×的 SDS-PAGE样品处理液(10 mL 0.06 mol/L Tris-HCl，pH 6.8，5 mL甘油，1 g SDS，2.5 mL β -巯基乙醇，0.05 mg溴酚蓝，加蒸馏水定容至50 mL)，混匀，在沸水中煮沸5 min，冷藏备用，在使用前再加热2 min。

[4] 仇恒志,钟鼎苏.一种视网膜血管的分割方法[J].南昌大学学报(医学版),2009,49(1):129-133.

[5] 陈丽平.基于Hessian矩阵的血管图像增强与水平集分割算法研究[D].长沙：湖南大学, 2012.

[6] 陈相廷,张帆,张一凡,等. CT造影冠状动脉狭窄检测与量化的相关研究[J]. 激光与光电子学进展, 2015, 52(8):47-54.

[7] Frangi A F, Niessen W J, Vincken K L, et al. Multiscale vessel enhancement filtering[C]// International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer-Verlag, 1998，1496:130-137.

[8] Zhou S, Yang J,Wang Y, et al. Automatic segmentation of coronary angiograms based on fuzzy inferring and probabilistic tracking[J]. Biomedical Engineering Online, 2010, 9(1):1-21.

[9] 梅川, 吴桂良, 杨媛,等. 一种基于区域增长和结构识别的心血管X线造影图像分割方法[J]. 生物医学工程学杂志, 2014(2):413-420.

2.1.2 精密度试验。通过对混合标准品溶液重复进样6针，计算RSD值，结果见表2。绿原酸、葫芦巴碱、D-(-)-奎宁酸、咖啡酸峰面积的RSD值分别为0.32%、0.25%、0.56%、0.71%，表明在此试验条件下仪器精密度良好。

[10] 王晓静, 吴亚坤, 毛红艳,等. 迭代骨架化算法在汉字图像识别中的分析与应用[J]. 辽宁大学学报(自然科学版), 2013, 40(3):227-232.

目前,由于一维混沌映射其产生方式简单,生成序列众多而被广泛应用于扩频通信中,现在比较常见的、统计性能较好的一维混沌映射主要有以下3种,其表达式以及初值和系统参数的取值范围如下。

[11] Zhang T Y, Suen C Y. A fast parallel algorithm for thinning digital patterns[J]. Communications of the Acm, 1984,27(3):236-239.

企业主要拥有和控制的锡铁山铅锌矿、获各琦铜矿、赛什塘铜矿、呷村银多金属矿和玉龙铜矿等矿山由北至南分布在内蒙古、青海、四川和西藏，这些矿山的分布和周边地区的矿产资源进一步构建和完善企业在西部地区的产业地域布局。良好的产业布局可以实现各生产单元的互补，减少企业在能源动力和物流成本方面的费用，减轻经济上的损失。