Chapter 3 研究結果與討論
3.1 簡介
3.2.2 分割結果說明與討論
差之變化，便可偵測有顯著（血管）結構出現之位置，進而達到冠狀動脈起點偵 測之目標。本研究中，我們於取得升主動脈結構與冠狀動脈起點後，逕將「3 顆球」
座標系統轉回原始堆疊行程之 MSCT 影像座標系統以利血管分割演算法之正常運 作。
圖 3.5 與圖 3.6 為對應§3.2 中兩病例之冠狀動脈重建結果，其重建結果說明如 下：
圖 3.4 冠狀動脈起點偵測與血管分割呈現說明
圖 3.5 臨床案例分析-1
圖 3.6 臨床案例分析-2
圖 3.7 升主動脈分割（含部分冠狀動脈），紅色虛線部分為血管中心線。
混合使用血管分割演算法與血管中心線萃取演算法（MHT）後，即可取得血 管中心線資訊（如圖 3.7 虛線處）。紀錄完整血管中心線資訊後，便可進入下一階 段「血管分析」。
3.3.2 重建結果說明與討論
在圖 3.5 與圖 3.6 中，統計圖內有 3 個明顯棘波（spikes）的存在，其訊號分 別屬於：右冠狀動脈起點、左冠狀動脈起點、雜訊。由於統計圖右方接近「3 顆球」
底部，其實際位置為升主動脈與心室共存之空間，會得到極高的面積差反應（此 面積差由小雜訊所組成，在該層影像中無顯著結構存在），故於冠狀動脈起點偵測 工作中忽略此點之影響不計。
在本研究中，沿用本研究團隊過去血管分割之演算法進行冠狀動脈結構之重 建。為求儘量將冠狀動脈之血管結構完全收錄，本研究調整既有演算法中的相關 閥值（thresholds）與限制（constrains），放寬對血管的認定而不刻意去封堵影像分 割結果漏出之問題。透過對此一寬鬆認定之血管地圖進行後續中心線萃取，即可 盡可能的保留完整血管路徑，血管邊緣分析將留待下一小節另行評估。
3.4 血管特徵分析 3.4.1 血管邊緣分析與比較
同時，本研究團隊之早期研究亦針對血管切平面之特徵進行描述 [24]。考量
「所見即所得」之原則，冠狀動脈切平面中的血管輪廓應與實際血管分割結果一 致。惟受限於影像解析度與雜訊干擾，實際分割結果所得到的輪廓往往形狀較不 圓滑。
早期研究透過兩種不同之分割方法得到兩種不同的血管邊緣定義。一為參考 實際影像像素灰階值之血管輪廓（利用區域成長演算法），另一為藉由血管中心線 與血管模型大小所估計之血管輪廓（利用 MHT 演算法）。考量「健康血管之切面 本來就為圓形」，係因後天膽固醇與脂肪堆積才造成血管形變，故可使用圓形來對 血管進行估算亦屬合理，且血管形變（remodeling）亦為分析血管的眾多參數之一，
故採用圓形輪廓之方法應有其參考價值。
此一早期研究亦評估此二種不同之血管輪廓分割演算法所得到的結果之關聯 性分析（如圖 3.8、表 3.1） [24]。圖中顯示此兩種分析方法可得到高度相關之分 析結果。雖然 MHT 取得的血管中心線與管腔半徑為最佳化之「估計值」，估計之 輪廓與實際血管輪廓間存在疑慮（如圖 3.9 與圖 3.10），但若能對血管模型有更精 確的設計與描述，應能得到更佳之分析結果。本研究在相關設計未完成前，先採 納實際影像像素灰階值之血管輪廓進行後續血管特徵分析。
表 3.1 斑塊危險程度對應表 [24]
圖 3.9 兩種描述血管切平面方法之比較圖-1。（A）以正圓圈選血管切平面中的 血管，（B）以血管分割演算法所得知結果圈選切平面中的血管，（C）以（A）之 結果分割斑塊，（D）以（B）之結果分割斑塊 [24]
表 3.2 不同血管輪廓分割方法下之斑塊嚴重程度分析-1 [24]
MHT 估計 實際輪廓
血管直徑 12.2 13.7
非鈣化斑塊直徑(Voxel) 2 2
可通過之血管直徑 10.4 12.0
面積比(NCP / Lumen) 面積比((NCP + CP) / Lumen)
19.5%
31.8%
16.7 % 26.0%
可通過血管直徑/血管直徑 0.85 0.87
圖 3.10 兩種描述血管切平面方法之比較圖-2。（A）以正圓圈選血管切平面中的 血管，（B）以血管分割演算法所得知結果圈選切平面中的血管，（C）以（A）之 結果分割斑塊，（D）以（B）之結果分割斑塊 [24]
表 3.3 不同血管輪廓分割方法下之斑塊嚴重程度分析-2 [24]
MHT 估計 實際輪廓
血管直徑 7.6 9.8
非鈣化斑塊最長直徑(voxel) 2 2
可通過血管直徑 6.80 8.45
面積比(NCP / Lumen) 面積比((NCP + CP) / Lumen)
19.8%
19.8%
31.4%
31.4%
可通過血管直徑/血管直徑 0.89 0.86
3.4.2 血管切平面特徵分析結果
利用 MHT 演算法與本研究團隊既有之血管分割演算法，我們可以指定任意血 管（包含血管分支處之選擇）進行顯示（如圖 3.11 與圖 3.12）。其中，圖 3.11 與圖 3.12 之右方圖組為對左方相應紅色血管旋轉至 4 個不同角度下之血管拉直影像。
圖 3.11 冠狀動脈重建（左）與指定血管之分析-1（右，刻度間隔：2 mm）
圖 3.12 冠狀動脈重建（左）與指定血管之分析-2（右，刻度間隔：2 mm）
圖 3.13 血管特徵分析 （刻度間隔：2 mm）
圖 3.13 為同一病人（同一段血管，2 個不同角度下之血管拉直影像，黃色虛 線處標示為同一鈣化斑塊）於 2008 年、2010 年與 2012 年進行 MSCT 檢查之影像。
依據文獻 [43] 指出，血管中成分如管腔、鈣化斑塊（CP，如圖 3.13 中紅色部分）、
非鈣化斑塊（NCP）皆可用不同區間之灰階值來表示，其中非鈣化斑塊還可再細 分為低量度斑塊（LAP，如圖 3.13 中綠色部分）與中等量度斑塊（IAP，如圖 3.13 中藍色部分）。
雖然文獻指出可利用灰階值區間來定義血管狹窄處之斑塊內容物（plaque burden），但此一方法在實作時仍存在疑慮。因 MSCT 影像中相鄰像素之灰階值變 化為一連續漸進的變化，必然會因部分容積效應（partial volume effect）造成血管 邊緣之像素被歸類至 LAP 或 IAP 之區間，造成管腔空間之低估，同時對應造成狹 窄比例之高估。在未能對血管邊緣做出更精確的追蹤與描述前，若直接將特定灰 階值區間高度聚集之區塊設定為斑塊（尤指 LAP、IAP 此類非鈣化斑塊），勢必會 提升的血管狹窄處之誤判比率。但鈣化斑塊與血管週邊組織之影像亮度對比較大，
較不受前述部分容積效應所影響，故此分析方法仍可用於鈣化斑塊之分析。
由於血管之內容物會直接影響其 MSCT 影像之對應灰階值，因此斑塊內容物 之分析須針對連續之血管切平面影像進行特徵分析與探討(如圖 3.14)。§2.5.2 中所 提及之相關參數定義多數可藉由計算與加總切平面影像中特定像素之數量以達到 分析之結果，惟斑塊之厚度與涵蓋範圍需另行展開（如圖 3.15，以 region of interest 之中心為原點，順時針掃描不同方向之一維特徵，再將之重組為二維展開影像）
方能客觀評估，藉此得到類似血管內超音波（Intravascular ultrasound, IVUS）之分 析結果。
圖 3.14 血管特徵分析，並將鈣化斑塊之切平面展開（刻度間隔：2 mm）。
圖 3.15 血管切平面展開圖之分析
3.4.3 血管分析結果說明與討論
由於血管中亮度較高之鈣化斑塊較易觀察，故血管中非鈣化斑塊較有臨床研 究之意義。因此本研究針對非鈣化斑塊之區域進行分析與探討。圖 3.15 即為利用 本研究方法，針對特定一條存在 2 段非鈣化斑塊之冠狀動脈血管進行分析，並統 計了此條血管之管腔與斑塊空間分佈。
由圖可見，此段血管雖然存在非鈣化斑塊，但整體血管空間（血管管腔與斑 塊堆積之空間總和）相當一致。透過血管管腔與斑塊堆積空間消長變化，便可進 一步對血管中的非鈣化斑塊進行定量分析。惟前一小節所述之血管邊緣定義所遭 遇之困難仍待解決，方能建立穩定之斑塊空間評估方法，進而達到對斑塊進行定 量分析之目標。
此外，參考文獻回顧中所提之 MICCAI 工作坊中，該研究平台募集了 11 個研 究團隊來共同分享與比較彼此研發的演算法，並邀請 3 位臨床醫師共同建立一套 謹慎之血管管腔邊緣驗證方法 [42]。此文獻提及之評估方法專注於血管管腔之空 間變化，無涉鈣化與非鈣化斑塊之空間變化，與本研究研究之目標稍有差異（本 研究專注於整體血管，包含血管管腔與斑塊堆積之空間分佈）。惟該文獻所述之血 管管腔邊緣驗證方法亦可用來建立本研究適用之血管邊緣驗證方法，此一驗證方 法之建立將有助於本研究後續成果之評估與比較。
圖 3.16 血管特徵分析
3.5 研究限制
anterior descending artery 與 left circumflex artery）、除動脈粥狀硬化外無其他 明顯心臟疾病、病患尚未有心臟支架之安裝，使得三顆球結構在旋轉後，以四、未能系統化呈現動脈粥狀硬化評估參數：雖然本研究整理大量具臨床參考意
二、 利用血管中心線建構拉直血管（skeletonization）之座標系統：
雖然 MHT 可準確估計血管中心線之位置，但其中心線為數個中心點所組成，
且中心點間距離為 1-2 倍血管直徑之長度，須重新對血管中心線進行雲行線
（cubic spline）之取樣（sampling）與血管空間建立（skeletonization）。若能 有更有效率之中心線取樣方法，應能改善整體演算法之執行效率。
Chapter 4 結論
REFERENCE
代醫藥法規月刊，vol. 59, pp. 5-17, September 2015[4] Directive 2007/47/EC of the European Parliament and of the Council of 5 September 2007, OJ No L 247/21 (2007/09)
[5] Council Directive 93/42/EEC of 14 June 1993 Concerning Medical Devices, OJ No L 169/1 (1993/06)
[6] Section 201(h) of the Federal Food, Drug, and Cosmetic Act, 21 U.S.C. §321 [7] 衛 生 福 利 部 ，「 104 年 國 人 死 因 統 計 結 果 」， 2016 年 8 月 ，
http://www.mohw.gov.tw/news/572256044。
[8] Finucane, Mariel M., et al. "National, regional, and global trends in body-mass index since 1980: systematic analysis of health examination surveys and epidemiological studies with 960 country-years and 9· 1 million participants." The Lancet 377.9765 (2011): 557-567.
[9] MedlinePlus, “Atherosclerosis.” July 2016,
http://www.nlm.nih.gov/medlineplus/ency/imagepages/18050.htm
[10] Mann, Douglas L., et al. Braunwald's heart disease: a textbook of cardiovascular
medicine. Elsevier Health Sciences, 2014.
[11] Siriapisith, Thanongchai, et al. "Effect of Concentration of Contrast Medium on Coronary CT Angiography." Medical journal of the Medical Association of Thailand 91.3 (2008): 372.
[12] Cademartiri, Filippo, et al. "Intravenous Contrast Material Administration at Helical 16–Detector Row CT Coronary Angiography: Effect of Iodine Concentration on Vascular Attenuation 1." Radiology 236.2 (2005): 661-665.
[13] Schlosser, Thomas, et al. "Coronary Artery Calcium Score: Influence of Reconstruction Interval at 16–Detector Row CT with Retrospective Electrocardiographic Gating 1." Radiology 233.2 (2004): 586-589.
[14] Sianos, Georgios, et al. "The SYNTAX Score: an angiographic tool grading the complexity of coronary artery disease." EuroIntervention 1.2 (2005): 219-227.
[15] Kirbas, Cemil, and Francis Quek. "A review of vessel extraction techniques and algorithms." ACM Computing Surveys (CSUR) 36.2 (2004): 81-121.
[16] Hennemuth, Anja, et al. "One-click coronary tree segmentation in CT angiographic images." International Congress Series. Vol. 1281. Elsevier, 2005.
[17] Mueller, Daniel, Anthony Maeder, and Peter O'Shea. "Improved direct volume visualization of the coronary arteries using fused segmented regions." Digital Image Computing: Techniques and Applications (DICTA'05). IEEE, 2005.
[18] Fotin, Sergei V., et al. "Segmentation of coronary arteries from CT angiography images." Medical Imaging. International Society for Optics and Photonics, 2007.
[19] Wesarg, Stefan, M. Fawad Khan, and Evelyn A. Firle. "Localizing calcifications in cardiac CT data sets using a new vessel segmentation approach." Journal of Digital Imaging 19.3 (2006): 249-257.
[20] Frangi, Alejandro F., et al. "Multiscale vessel enhancement filtering." International
Conference on Medical Image Computing and Computer-Assisted Intervention.
Springer Berlin Heidelberg, 1998.
[21] Shikata, Hidenori, et al. "Segmentation of pulmonary vascular trees from thoracic 3D CT images." Journal of Biomedical Imaging 2009 (2009): 24.
[22] C.H. Chung, "Coronary Artery Tracking and Extraction Algorithm in Multi-slice
[22] C.H. Chung, "Coronary Artery Tracking and Extraction Algorithm in Multi-slice