Fully automatic extraction of coronary arteries based on analysis of geometric relations by Bayesian inference from 3D CT images

Abstract

목적- 심혈관계 질환은 세계사망원인 1위로 보고되고 있으며, 심혈관계 질환을 치료하기 위하여 중재시술의 수요가 증가하고 있다. 최근에는 CT영상에서 추출된 환자맞춤형 구조물기반 시뮬레이션기술들이 많이 소개되고 있다. 이러한 기술들은 비침습적으로 환자의 생리적정보를 획득하고, 정량적으로 심혈관질환을 진단을 가능하도록 한다. 그러나, 시뮬레이션기술의 정확도는 CT영상에서 추출되는 심혈관 구조물의 정확도에 의존된다. 또한, 실제 의료현장에서 활용되기 위하여 CT영상으로 부터 사용자의 개입을 최소화하는 자동화 혈관구조 분할 프레임워크 구현이 필수적이다. 해당 학위논문은 CT영상에서 전자동으로 관상동맥을 추출하는 기법에 대해 초점을 맞추고 있다. 특히, 관상동맥 분할기법과 이를 자동화하기 위한 전처리방법도 함께 포함하고 있다. 방법- 관상동맥 분할을 위한 전자동 시스템을 구현하기 위하여 세가지 독립적인 모듈들이 필요하다. 본 학위논문에서는 대동맥의 자동 지역화, 관상동맥 시작점 자동 검출, 그리고 최종적으로 관상동맥 영역과 중심선을 자동 추출해내는 방법들이 포함되어있다. 관상동맥을 효율적이며 정확하게 추출하기 위해 심장의 랜드마크들의 기하학적 관계를 베이즈 추론에 기반한여 새로운 방법들이 제안되었다. 결과- 대동맥 자동 지역화방법은 대부분의 경우에 대해 성공적으로 검출하였고, 99%의 검출률 결과를 얻었다. 좌, 우 관상동맥 입구 (시작점) 자동 검출기법의 경우 좌, 우 각각 97%, 99%의 검출률 결과를 얻었다. 관상동맥의 영역 검출기법에서는 참 값 대비 정확도와 체적 일치도가 측정되었는데, 정확도측정의 경우 0.89의 오차 (Hausdorff distance)가 존재했으며, 체적 일치도 (Jaccard index)의 경우 0.67mm으로 측정되었다. 관상동맥의 중심선을 추적하는 방법에서는 0.92의 겹치는 정도 (overlap)를 보여주었다. 결론- 본 학위논문에서 CT영상에서 관상동맥 자동추출을 위한 세가지의 필수적인 단계에 대한 새로운 기들을 소개하였다. 실험을 통하여 관상동맥 추출 자동화에 있어서 타기법 대비 실패율은 최소화하면서 정확도는 향상 결과를 얻었다. 제안된 기법들을 적용하여 기존 관상동맥 시뮬레이션 프레임워크를 전자동화하고 동시에 정확도를 개선하여 실제임상에서 활용될 수 있다.

Purpose- Cardiovascular disease is known to be the leading cause of death in the world, and the demand for interventional procedures for cardiovascular disease is increasing. In recent years, virtual fluid simulation techniques with patient-specific cardiovascular geometries extracted from computed tomography (CT) images have been introduced to diagnose cardiovascular disease before procedures. These techniques allow us to non-invasively obtain physiological information to quantitatively analyze coronary lesions. However, the accuracy of the simulation highly depends on the accuracy of the structure extracted from the CT image. It is necessary to automate the simulation framework to minimize user interactions. This dissertation focuses on the methods of automatically segmenting coronary arteries from CT images. In particular, the coronary artery segmentation method is introduced in detail including a preprocessing step. Methods- Three independent image processing methods are needed to implement a fully-automatic system for coronary artery segmentation. Localization of aorta, identification of coronary ostia and extraction of coronary arteries are the main tasks in this dissertation. To extract coronary arteries, two efficient and accurate approaches are proposed. As useful anatomic information, geometric relations of cardiac anatomies are utilized for our Bayesian formulations. Results- 99% detection rate (true positive rate) is achieved for aorta localization, and 97%, 99% detection rates (true positive rate) are achieved for identification of both right and left coronary ostiums, respectively, based on 130 CT images. 0.89 mm error (Hausdorff distance) and 0.67 0.15 mm for accuracy and similarity (Jaccard index) are achieved for identification of coronary arteries based on the ground truth labeled by a medical expert with 100 CT images. The tracking method to extract coronary artery centerline achieved 0.92 overlap in terms of accuracy. Conclusions- In this dissertation, we introduce the three necessary methods to automatically extract the coronary arteries from CT images. The experimental results show that the proposed methods minimize the failure rate and high accuracy in each step compared to the existing methods. The existing coronary artery simulation frameworks are able to be fully-automated and improved in terms of accuracy through the proposed methods.