Article Info

支气管动脉是支气管、部分肺组织及周边组织的供血动脉，其管径、走形范围虽小，却和很多肺部疾病相关，甚至是介入治疗部分肺部疾病的关键。但是由于其分布、走行、开口、数目、形态皆存在很大的变异，因此术前明确支气管动脉的信息对治疗支气管动脉相关疾病意义重大[1]。支气管动脉成像传统的方法与标准是行DSA血管造影，然而DSA血管造影具有手术风险较大、有创性、检查费用高等缺点，随着多排螺旋CT的出现和更新，CT血管造影对细小血管显示得越来越好，且多排螺旋CT血管成像（Multi-Slice Spiral CT Angiography， MSCTA）具有检查费用低、无创、成像速度快、多角度观察等优点[2-3]。

在CT扫描完成后常需对图像进行后处理，从而获得立体直观的三维图像。容积再现（Volume Rendering，VR）是多层螺旋CT最常用的后处理手段之一。有研究表明VR图像显示支气管动脉效果最佳[4-5]。目前常规的VR后处理主要包括骨去除、剪辑、融合、区域生长等技术。本研究旨在通过基于区域生长[6]（Region growing，RG）的后处理技术，探索出图像质量更优、检出率更高、后处理流程更简单的支气管动脉成像方案[7-8]。

1 材料与方法

1.1 一般资料

本次前瞻性研究方案符合赫尔辛基宣言中的医学研究道德原则，纳入2016年9月至2017年10月在中南大学湘雅二医院就诊、咯血、肺部占位等临床怀疑并检查确诊支气管动脉扩张行CTA检查的患者26例（男16例，女10例），年龄20～80岁，平均（52.54±14.56）岁，BMI 16.65～26.12 kg/m2，平均（20.66±2.49）kg/m2。排除标准：① 年龄＜18岁；② 肾功能异常（血清肌酐≥120 μmol/L）；③ 含碘对比剂过敏病史；④ 活动性甲状腺功能亢进；⑤ 血液动力学状态不稳定；⑥ 妊娠期妇女。所有患者均签署知情同意书。所有患者均接受第三代双源CT大螺距扫描，所有图像均采取两种不同的后处理方法进行处理。

1.2 设备与方法

采用第三代双源CT（SOMATOM Definition Force，Siemens Healthcare，Forchheim，Germany）。患者仰卧，铅衣包裹性腺，吸气末屏气扫描。扫描范围：胸骨上窝至双肾上腺水平，头尾方向进行大螺距扫描。扫描参数设置如下：双96排光子探测器，探测器准直宽度为2×96×0.6 mm，动态Z轴飞焦点技术，机架旋转速度0.25 s/r，矩阵为512×512，无预设开启智能管电压调制技术（CARE kV，Siemens Healthcare）及智能管电流调制技术（CareDose 4D，Siemens Healthcare），采用第三代迭代重建（ADMIRE，Siemens Healthcare），迭代强度2，重建层厚1.0 mm，重建间隔0.7 mm的血管窗，重建卷积核Bv40，对比剂注射方案如下：选用碘帕醇（碘比乐）370 mgI/mL，对比剂用量45mL[9]，使用20G留置针经右肘前静脉注射，随后同样流速加注45 mL生理盐水，注射流率3.5～4.5 mL/s；动脉期采用智能跟踪技术（Bolus Tracking），监测点位于降主动脉与支气管分叉水平，阈值设置为100 HU，扫描持续时间0.5～1 s，图像数据自动传输至后处理工作站（Syngo.Via VB10B，Siemens Healthcare，Forchheim，Germany）。

1.3 图像后处理与分组

在syngo.via VB10B后处理工作站，将26例患者数据由两个熟练的后处理CT技师采用两种不同的后处理方法进行处理，生成两组不同的支气管动脉后处理图像，具体分组如下。A组：采用区域生长+常规方法（编辑去骨、剪辑、加减结构、调节阈值和颜色等）处理出VR图像，其中区域生长VR图使用软件默认阈值；B组：采用常规方法（编辑去骨、剪辑、加减结构、调节阈值和颜色等）处理出VR图像。A、B两种方法具体处理过程如图1所示，使用屏幕录像专家软件（V2012，Sirius Software Studio，Wenzhou，China）[10]记录A组和B组后处理环节全过程；根据屏幕录像专家软件记录的视频文件，统计各组对象后处理环节所用时间；由两名经验丰富的影像诊断医师统计分析支气管动脉的分型、开口显示情况、有无错误信息，是否可以显示气管定位等。评分标准如下：① 总体图像质量：使用5分Likert量表（其中1分=图像整体质量差，可感知噪声，5分=优秀图像质量，无可察觉噪声）；② 血管VR轮廓：使用5分Likert量表（其中1分=锯齿状轮廓，5分=超光滑，轮廓清晰）；③ 分支显示：使用5分Likert量表进行评级（其中1分=未显示分支，5分=完全清晰显示所有分支）。A、B两组的评分都结合两位CT技师处理的图像进行综合考虑，两评分人员根据评分标准独立进行评分。

1.4 统计学分析

使用SPSS 21.0计算机统计软件（IBM，Armonk，NY，USA），BMI数据、后处理时间等计量资料以（x-±s）表示，计数资料以中位数（四分位）[M (Q1～Q3)]表示，A、B两组图像的图像主观评分为等级资料采用秩和检验，后处理时间为计量资料服从正态分布采用两独立样本t检验，支气管动脉开口是否显示清晰为计数资料采用χ2，P＜0.05则图像差异有统计学意义。

使用卡方检验对两位影像诊断医师的主观评分进行一致性检验。χ2=0.81～1.0，表示两者一致性非常强，χ2=0.61～0.8，表示两者一致性较强，χ2=0.41～0.6，表示两者一致性一般，χ2＜0.4表示两者一致性差。

2 结果

结果显示26例支气管动脉CTA成像患者中有9例患者检出两条支气管动脉，4例患者检出3条，其余13例患者检出一条，共检出43条，其中包含Ⅰ型6条、Ⅱ型19条、Ⅲ型5条、Ⅳ型9条、Ⅴ型1条、Ⅵ型2条、Ⅶ型1条。分别比较Ⅰ～Ⅶ型支气管动脉两种不同后处理方法的显示情况，见图2。

A、B两组图像主观评分比较皆有统计学意义（P＜0.05），主观评分统计学比较如表1所示。主观评分一致性检验显示两名诊断医生的评分具有较强的一致性（χ2=0.74，P＜0.01）；A、B两组图像后处理时间有统计学意义（P＜0.05），见表2；A、B两组VR图像中，A组有2例患者支气管动脉开口显示不清，B组有9例患者支气管动脉开口显示不清，统计得出两者具有统计学意义P=0.04 。

其中由于西门子syngo.via VB10B后处理软件不能对多个VR图像进行融合处理，因此不使用区域生长的后处理方法无法显示气道来辅助参考定位，两种方法处理的图像经过两名经验丰富的医生阅片表明均未造成假象或错误信息显示。

3 讨论

3.1 使用区域生长提取图像的原因

医学图像由于其重叠度、解剖复杂性、形状大小变化不一等特征，致使分割和提取非常棘手，传统的图像分割技术以识别边界为主要算法，而医学图像在很多区域边界不明确或者形状复杂，常常导致边界中断，增加算法的复杂度，图像也因此提取不准确。而区域生长算法是根据同一物体区域内象素的相似性质来聚集象素点，从种子点开始，将相邻的具有同样性质的象素归并到目前的区域中，它始终在封闭区域内运行算法的每个步骤，因此避免进一步处理中断的边界[6,12]。由于是相似点的直接提取，区域生长生成的图像噪声更小，另外区域生长与传统方法形成互补性，结合传统的方法比单独应用分割图像更精确[12-18]。

本研究中后处理工作站的区域生长工具，可以为提取目标CT图像提供一个更好的方法，然而此工具的设计只提供三种生长模型（血管、骨骼、器官），不能手动控制种子点大小和生长相似点的阈值，这在实际应用中造成一定困扰，特别是在对比度不明显的组织提取中显得非常无力，对于无法生长的组织，常采用手动勾选[19]的方法，但三维上逐层手动勾选是十分繁琐的，所以此工具还置入了轮廓插值[20-21]的功能，在相隔多层勾选的层与层之间自动插值近似的体素，使得勾选可以快速进行，轮廓插值与区域生长巧妙结合使用能更加灵活方便地提取目标组织。

3.2 区域生长技术在支气管动脉后处理中的应用价值

由以往研究可知，VR能够直观显示支气管动脉的起源、形态、变异及与周围组织的关系，这在指导临床手术或介入治疗非常关键，特别是在介入栓塞支气管动脉手术时，导丝常常无法准确穿入支气管动脉的开口，为了缩短手术时间，增加手术成功率，术前的支气管动脉CTA检查VR图常要求显示支气管动脉开口与气管、椎体、主动脉弓的位置关系等信息[2-4]。传统的处理是通过编辑骨和剪辑之后选用VR显示模板，将不同CT值的组织标上不同程度的伪彩，然而椎体、主动脉、支气管动脉的CT值较为接近，在VR图上色彩接近，使图像看上去重叠，无法带来血管位置的立体感，而CT值较低、较细小的支气管动脉常常因为阈值的调节而显示模糊甚至消失，另外，由于气管VR显示常利用最低密度投影法，与血管、骨质等CT值较高的组织常常不能同时显示在一个VR模板上，这也是图2 中⑧～[14]呈现效果的原因。

为了较为满意地显示以上支气管动脉所需要的信息，VR图像的处理常需要组织提取和VR融合等技术[4]，然而新一代西门子syngo.via VB10B后处理工作站不具备VR融合的功能，取而代之的是VR解剖结构显示器来叠加三维图层，这就要求我们必须将需要处理、染色的组织提取出来，而不能通过简单的剪辑、编辑骨、VR模板来进行，本研究提出在syngo.via VB10B后处理工作站上使用区域生长和轮廓插值结合来提取目标图像，在VR解剖结构显示器中新建多个区域生长图层，每个图层分别代表气管、椎体、肋骨、主动脉和支气管动脉等，然后对每个图层分别选用VR模板，通过改变VR模板曲线阈值和颜色来分别着色显示对应的组织，从而产生图2中①～⑦的效果，结果也表明使用此区域生长方案的后处理A组主观评分高于传统方法B组。由于是单独提取每个组织，对于CT值较低、较细小的支气管动脉可以单独调节阈值来增强显示，所以开口显示的频数统计表明使用区域生长提高了分支的显示能力和开口的显示频数；同时每个组织的VR模板在阈值和颜色调节满意后保存到系统，这样在提取完组织后可直接使用对应模板，缩短了处理时间，本研究中对后处理的时间统计结果表明，区域生长方案在提高VR显示效果的同时在一定程度上节省了时间。

综上所述，本研究中区域生长提取组织的后处理方案与常规后处理方法相比，后处理时间缩短，检出率提高，VR图像质量得到提升。虽然样本量不大，却为支气管动脉CTA后处理技术提供了重要的参考方向。

[1]Morita Y,Takase K,Ichikawa H,et al.Bronchial artery anatomy:preoperative 3D simulation with multidetector CT[J].Radiology,2010,255(3):934-943.

[2]Walker CM,Rosado-de-Christenson ML,Martinez-Jimenez S,et al.Bronchial arteries: anatomy,function,hypertrophy,and anomalies[J].Radiographics,2015,35(1):32-49.

[3]于红,李惠民,肖湘生,等.支气管动脉CT血管成像三维解剖学研究[J].中华放射学杂志,2006,40(4):369-372.

[4]梁付奎,殷好治,刘永刚,等.MSCTA VR融合技术在支气管动脉成像中的应用价值[J].放射学实践,2009,24(1):29-32.

[5]张黎黎,房斌,常成,等.MSCTA显示支气管动脉解剖特征的研究进展[J].中国卫生标准管理,2016,7(4):166-168.

[6]徐蔚波,刘颖,章浩伟.基于区域生长的图像分割研究进展[J].北京生物医学工程,2017,26(3):317-322.

[7]Beeres M,Schell B,Mastragelopoulos A,et al.Highpitch dual-source CT angiography of the whole aorta without ECG synchronisation: initial experience[J].Eur Radiol,2012,22(1):129-137.

[8]Apfaltrer P,Hanna EL,Schoepf UJ,et al.Radiation dose and image quality at high-pitch CT angiography of the aorta: intraindividual and interindividual comparisons with conventional CT angiography[J].Ajr Am J Roentgenol,2012,199(6):1402-1409.

[9]梁继祥,孔令燕,金征宇,等.第3代双源CT在大螺距主动脉CT血管成像扫描中的初步应用[J].中国医学科学院学报,2017,39(1):68-73.

[10]张合权,张奎.屏幕录像专家在教学中的巧妙运用[J].信息技术与课程整合,2008,3(8):1864-1865.

[11]周金亮,龚建平,钱铭辉,等.支气管动脉的CT解剖分型[J].临床放射学杂志,2013,32(6):807-810.

[12]delFresno M,Vénere M,Clausse A.A combined region growing and deformable model method for extraction of closed surfaces in 3D CT and MRI scans[J].Comput Med Imag Grap,2009,33(5):369-376.

[13]Kamdi S,Krishna RK.Image segmentation and region growing algorithm[J].Int J Comput Technol Electron Eng,2012,1(2):103-107.

[14]Rose JL,Grenier T,Revol-Muller C,et al.Unifying variational approach and region growing segmentation[A].18th European Signal Processing Conference[C].Piscataway:IEEE,2010:1781-1785.

[15]Lin Z,Jin J,Talbot H.Unseeded region growing for 3D image segmentation[J].J Trauma,2002,24(11):938-945.

[16]刘鑫,陈永健,万洪林,等.基于两阶段区域生长的肝内血管分割算法[J].计算机工程与应用,2015,51(12):194-197.

[17]陆剑锋,林海,潘志庚.自适应区域生长算法在医学图像分割中的应用[J].计算机辅助设计与图形学学报,2005,17(10):2168-2173.

[18]陈方昕.基于区域生长法的图像分割技术[J].科技信息,2008,(15):58-59.

[19]仇清涛,段敬豪,巩贯忠,等.基于三维动态区域生长算法的肝脏自动分割[J].中国医学物理学杂志,2017,7(34):660-665.

[20]胡英,杨金柱.基于图搜索和轮廓插值的半自动组织分割方法[J].控制工程,2005(S2):82-86.

[21]贾超,韩志刚,陈素军.一种基于关键点的断层轮廓插值方法[J].计算机工程与应用,2007,43(9):78-80.

基于“区域生长”的后处理技术在支气管动脉CT成像中的价值

引言