實驗結果

In document 自動化冠狀動脈分割與註冊方法 (Page 45-52)

由於影像解析度皆為 512pixel X 512pixel,因此當拍攝區域為 20x20 時,每 個 pixel 的間距為 0.39mm,而當拍攝區域為 25x25 時,每個 pixel 的間距為 0.49mm。每組資料的拍攝張數不一,但是每一層的間距受到 MDCT 探頭的影

cm2

cm2

像,間距固定為 0.625mm。

為了驗證冠狀動脈的擷取效果,我們使用人工標點的方式,在編號 1~8 資 料中,各標上 50 個為冠狀動脈的點。標點工具如圖 16 所示,藍色的圈圈為冠 狀動脈所在位置。有了人工所標示冠狀動脈的位置後,再和電腦自動抓取出來 的冠狀動脈做比較,測量人工標示的點與電腦抓取的冠狀動脈的最短距離。由 於冠狀動脈的直徑大約為 5mm,而人工標點的方式是從一層層的 MDCT 資料 中點出冠狀動脈的位置,標記的時候不一定會標記在冠狀動脈的中間線的位 置,而電腦自動擷取出來的冠狀動脈模型是由點與線所構成,所有的點與線也 不保證通過中間線,因此我們所使用的標準,只要人工標示的點與電腦擷取的 冠狀動脈模型的最短距離小於 5mm,則視為成功的擷取。

圖 16:標點工具

各資料的擷取率如表 2 所示,大多數的資料的擷取成功率在 92%以上,而

圖 17:標點驗證結果

圖 18:未找出的冠狀動脈

第六章 結論與未來展望

取準確度是否合乎醫學上的要求。期望未來我們發展出的自動化冠狀動脈預診 系統能夠克服雜訊或訊號不足的問題,在無顯影劑的 MDCT 影像中依然能夠找 出完整的冠狀動脈,並且能從冠狀動脈的橫切圖取出完整的資訊,做出完整的 分析,以得到精確的診斷結果,讓冠狀動脈的診斷不再需要顯影劑的幫助,依 舊能夠找出可能造成冠狀動脈阻塞的鈣化或粥狀斑塊的部份,避免因為顯影劑 對人體造成的影響。

參考文獻

[1] 劉鵬程, “心導管檢查或治療在不同醫院屬性下之醫療資源耗用、死亡率及重返心導管室率之分

析”, 國立臺灣大學醫療機構管理研究所碩士論文, 2005 年 12 月

[2] Yuji Ukai and Noboru Niki, “A Coronary Calcification Diagnosis System Based on Helical CT Images”, in IEEE Transactions on Nuclear Science VOL. 45, NO. 6, December 1998

[3] 董俊良, “三維多重探頭電腦斷層掃瞄之冠狀動脈影像分析與評量系統”, 成功大學資訊工程系

碩士論文, 2004 年 7 月

[4] Syoji Kobashi and Yutaka Hata, “Automatic Segmentation of Blood Vessels from MR Angiography Volume Data by Using Fuzzy Logic Technique”, in Part of the SPIE Conference on Image Processing, February 1999

[5] Changjiang Yan, Shoji Hirano and Yutaka Hata, “Extraction of Blood Vessel in CT Angiography Image Aided by Fuzzy Logic”, in Proceedings of ICSP2000, pp. 926-929

[6] Stefan Wörz and Karl Rohr, “Segmentation and Quantification of Human Vessels Using a 3-D Cylindrical Intensity Model”, in IEEE Transactions on Image Processing , VOL. 16, NO. 8, August 2007

[7] K. Krissian, G. Malandain, N. Ayache, R. Yaillant, and Y. Trousset, “Model Based Detection of Tubular Structures in 3D Images,” Comput. Vis. Image Understand., VOL. 80, NO. 2, pp. 130-171, 2000

[8] H. Noordmans and A. Smeulders, “High Accuracy Tracking of 2D/3D Curved Line Structures by Consecutive Cross-Section Matching,” Pattern Recognit. Lett., VOL. 19, NO. 1, pp.97-111, 1998

[9] Li-yueh Hsu and Murray H. Loew, “Automated Registration of CT and MR Brain Images Using 3-D Edge Detection”, in Proceedings of the 20th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, VOL. 20, NO 2, 1998

[10] Petra A. Van den Elsen, J. B. Antoine Maintz, Evert-Jan D. Pol, and Max A. Viergever, “Automatic Registration of CT and MR Brain Images Using Correlation of Geometrical Features”, in IEEE Transactions on Medical Imaging, VOL.14, NO. 2, June 1995

[11] Jan Hendrik Metzen, “Matching of Anatomical Tree Structures for Registration of Medical Images”, in Image and Vision Computing, 2008

[12] Rafael C. Gonzalez, Richanrd E. Woods, “Digital Image Processing”, second edition, Prentice Hall, 2002

[13] Hong Yan, “Fuzzy Curve-Tracing Algorithm”, in IEEE Transactions on Systems, Man, and Cybernetics—Part B: Cybernetics, VOL. 31, NO. 5, October 2001

[14] Paul J. Besl and Neil D. McKay, “A Method for Registration of 3-D Shapes”, in IEEE Transactions on Pattern Analysis and Machine Intelligence, VOL. 14, NO. 2, February 1992

In document 自動化冠狀動脈分割與註冊方法 (Page 45-52)

Related documents