论文阅读—Point-Cloud Method for Automated 3D Coronary Tree Reconstruction From Multiple Non-Simultaneous
Point-Cloud Method for Automated 3D Coronary Tree Reconstruction From Multiple Non-Simultaneous Angiographic Projections —从多个非同时血管造影投影中自动重建3D冠状动脉树的点云方法
来源： IEEE Transactions on Medical Imaging（TMI） 2020.4
作者： Abhirup Banerjee 牛津大学（RDM 心血管医学）
⚡️ 阅读笔记
🃏基础/背景知识
1、X-ray angiography X射线血管造影
X-ray angiography is the most commonly used imaging modality for the detection of coronary stenoses due to its high spatial and temporal resolution of lumen contour and its utility to guide coronary interventions in real time.
X射线造影术是最常见的成像方式，用于检测冠状动脉狭窄，因为它具有高空间和时间分辨率的流明轮廓及其实时指导冠状动脉干预的效用。
冠状动脉造影
要完成冠状动脉造影，需要将导管插入腹股沟或手臂的动脉，穿过血管直达心脏。您的医生会使用血管造影来检查你心脏血管阻塞或狭窄情况。
冠状血管造影是利用X射线成像确定观察心脏状况的过程，其目的是为了观察流经心脏的血流是否受限。
在冠脉血管造影过程中，会将一种染料注射到心脏的血管中。X 射线成像仪可迅速捕获一些列图像（血管造影图），供观察血管。如果需要，医生可在冠脉血管造影过程中打通被阻塞的心脏动脉（血管成形术）。
The automated reconstruction of 3D CA tree from 2D projections is challenging due to the existence of several imaging artifacts, such as vessel overlap, foreshortening, and most importantly respiratory and cardiac motion.Along with these artifacts, the acquisition geometry introduces the possibility of generating false vessel segments in the reconstruction.
2D投影自动重建3D CA树的挑战：成像伪影的存在，例如血管冲得、缩短。还有最重要的一点，也就是呼吸和心脏运动。随着这些伪影的出现，采集几何结构还引入了在重建过程中生成假血管段的可能性。
📑作者为什么研究这个课题？
1 、在基于多个2D图像投影来解释3D血管结构的几何形状时，观察者之间和观察者内部的高度可变性是对病变严重程度的准确确定的一个限制。着可以通过冠状动脉（CA）树的3D重建来解决。
2 、伪影的存在，让在采集几何结构后引入了重建过程中生成假血管的问题。
Although the problem of reconstructing 3D coronary vesse trees has been investigated through the last two decades, several key issues remain with the existing methods. Most of the algorithms require more than two projections. Some of the algorithms assume non-existence of motion artifacts and require breath-hold acquisition and no patient movement in single-plane X-ray systems [6], which makes them often unsuitable during cardiac interventions. Some algorithms are only applicable on biplane angiograms and do not involve any motion correction or geometry calibration steps [27]–[30]. Many existing 3D reconstruction methods provide only qualitative evaluation of their performance [11], [28] or evaluate with respect to physiological information [4]. Although some methods have quantitatively evaluated their reconstruction performance over synthetic or clinical images, their average reprojection error is often high enough to introduce significant distortions or discontinuities along vessel geometry [10], [22].
3 、过去的方法（其他研究小组的处理方法） ：
1）尝试生成冠状动脉3D结构模型。
2）断层摄影术重建X射线衰减系数的3D体积
3）获得采集几何形状，某些重构方法依赖于先前的校准步骤。
4）使用非校准数据，以减少图像获取过程中可能的工作台移动以及校准参数中的噪声。以上这些方法可解决诸如血管重叠，缩短，投影角度不理想以及曲折度和偏心率等问题；
过去方法的关键问题 ：
1）大多数算法需要两个以上的投影。
2）些算法假设不存在运动伪影，并且需要屏气捕获并且在单平面X射线系统中没有患者移动[6]，这使得它们通常不适合在心脏干预期间使用。
3）仅适用于双平面血管造影，不涉及任何运动校正或几何校准步骤[27] – [30] 。
4）尽管一些方法已经定量评估了它们在合成图像或临床图像上的重建性能，但是它们的平均重投影误差通常很高，足以沿血管几何结构引入明显的畸变或不连续性[10]，[22]。
(a) 相交的投影面 （b）放大相交点
3D中心线重建右冠状动脉中存在错误重建的血管。在（a）中，投影表面的底部被裁剪以改善相交点的可视化
(在图1中，描绘了存在错误重建血管的示例，用于RCA的3D重建。从图中可以看出，投影表面在多个3D位置相交，只有其中一个是真实的。由于RCA在其所有血管造影投影中均产生C形结构，最明显的是左前斜（LAO）直形和前后（AP）颅平面，因此此问题很常见。)
🎃 文献解决的问题？
Our approach aims to reduce the motion artifacts in angiographic projections by developing a new method for rigid and non-rigid motion correction. A novel point-cloud based approach is subsequently introduced for reconstruction of 3D vessel centerlines by iteratively minimizing the reconstruction error.
作者旨在通过开发一种用于刚性和非刚性运动校正的新方法来减少血管造影投影中的运动伪影。随后通过迭代最小化重建误差，引入了一种基于点云 的新颖方法来重建3D血管中心线。
📑实验的数据和采集？
45 例疑似冠心病患者的血管造影投影(有109个CA树的情况) ，包括左前降（LAD），左回旋（LCx）和RCA。
📈 实验用到的理论或模型？
🉑 基于点云的新型3D中心线重建方法
首先尝试从投影表面之间的交点识别所有可能的点对应关系，并在3D空间中产生初始的密集点云。
算法1 从点云生成3D中心线
输入：每个投影平面上感兴趣血管的2D中心线
输出：血管的3D中心线
1、对于每个投影平面中沿着2D中心线的每个点，找到投影线与其他平面中沿着中心线的每个点之间的交点；如果投影线不相交，则找到最近的正交点；
2、投影线之间的正交距离小于容器平均最大直径的保持点；
3、通过沿每个投影平面中的2D中心线为每个点保留一些最近的点（根据投影线之间的正交距离）来压缩点云，并丢弃其余部分；
4、将b初始化为一个小整数；
5、do
6、绘制一条B样条曲线，其中点云突破点云的次数为b；
7、如果云中的任何点与该点处的拟合样条曲线的平均距离超过3倍，则将其视为离群值并将其从点云中丢弃；
8、b←b + 5;
9 while 有离群值
10 return 返回生成的3D曲线作为血管的3D中心线使用算法1生成的3D骨架仍然可以包含错误重建的血管段，使用下面的算法2优化
算法2 通过最小化重投影误差从点云生成最佳3D中心线
输入：每个投影平面中感兴趣血管的2D中心线
输出：血管的3D中心线
1 do
2 运行算法1生成血管的3D中心线；
3 在原始投影平面上反投影3D中心线；
4 与2D中心线比较：如果点的反投影在所有投影平面上均与2D中心线完全匹配，则分配1，否则分配0；否则，将0分配给2D中心线。
5 从1和0的序列，构造正确和不正确的重构片段；
6 对于不正确的线段，生成类似于算法1的点云，其中对于2D中心线上不正确线段的每个点，保留一些最近的点。投影线之间的正交距离没有限制；
7 对于正确的段，仅保留点对点的对应关系；
8 构造结合正确和错误重构的线段的点云集；
9 while背投影点与投影平面上的2D中心线不一致，并且未达到最大迭代次数；
10 返回生成的血管的3D中心线
图5定性地描绘了3D重建的LAD，LCx和RCA以及完整重建的3D CA树（患者2）的示例。
🛰实验的处理方式和目的？
The purpose of our work is to generate a 3D coronary arterial tree from multiple angiographic projections without the need for any specific image acquisition protocol. The proposed method first addresses the issue of motion artifacts in angiographic projections. It estimates an optimal rigid transformation from each of the angiographic acquisitions to adjust the relative rigid motion, mainly due to respiration and patient or device movements. The remaining non-rigid distortion at end-diastole, mostly due to cardiac motion, is modelled by a radial basis function based warping of the 2D vessel centerlines. Next, the method addresses the problem of falsely reconstructed vessels in 3D CA reconstruction. A novel point-cloud based approach is introduced for the reconstruction of 3D centerlines that minimizes the reconstruction error (the sum of 2D reprojection errors from all projection planes) and produces the optimally reconstructed 3D vessel skeleton.
工作的目的是从多个血管造影投影中生成3D冠状动脉树，而无需任何特定的图像采集协议 。所提出的方法首先解决了血管造影投影中运动伪影的问题。它估计来自每个血管造影采集的最佳刚性转换，以调整相对刚性运动，这主要是由于呼吸作用以及患者或设备的运动。舒张末期剩余的非刚性变形（主要归因于心脏运动）是通过基于径向基函数的2D血管中心线翘曲建模的。接下来，该方法解决了在3D CA重建中错误重建血管的问题。引入了一种基于点云的新颖方法来重建3D中心线，该方法将重建误差（来自所有投影平面的2D重投影误差之和）最小化，并生成最佳重建的3D血管骨架。
目的：
1、减少运动伪影（刚性和非刚性）
2、最小化重建误差（通过引入一种基于点云的方法重建3D血管中心线）
🚡得出的结果？
The performance of the proposed 3D reconstruction technique has been qualitatively and quantitatively evaluated for the reconstruction of 109 vascular trees, including left anterior descending (LAD), left circumflex (LCx), and RCA, from 45 patients admitted to hospital for suspected coronary stenosis.The proposed rigid motion correction algorithm results in average reprojection error of 0.448 ± 0.396 mm, while the proposed 3D centerlines reconstruction algorithm generates an average reprojection error of 0.092 ± 0.055 mm. The performance has been further evaluated by reprojecting the generated 3D vasculatures on additional projection planes, not used for reconstruction, and it produced average reprojection error of 0.910 ± 0.352 mm in 16 cases, available from our set of 45 patients. We have also validated the reconstructed 3D lumen surfaces using OCT imaging, available in 5 patients from our set of 45. The results show that there is no statistically significant difference in the reconstructed 3D luminal crosssections when compared to OCT
定性和定量评估了45例因怀疑冠状动脉狭窄而入院的患者的109棵血管树的重建情况，包括左前降（LAD），左回旋（LCx）和RCA。再投影误差为0.448±0.396毫米，而提出的3D中心线重建算法产生的平均再投影误差为0.092±0.055毫米。通过在不用于重建的其他投影平面上重新投影生成的3D脉管系统，进一步评估了性能，并且在我们的45位患者中可获得16例的平均重投影误差为0.910±0.352 mm。我们还使用 OCT成像对重建的3D管腔表面进行了验证，我们的45位患者中有5位患者可用。结果表明，与OCT相比，重建的3D腔横截面没有统计学上的显着差异。
从左到右：通过提出的算法重建的3D中心线，在两个原始血管造影平面上的3D中心线重投影，以及在不用于重建的其他血管造影平面上的重投影。 从上至下：患者2-LCx，7-RCA，8-LAD和40-LCx。
📑实验评价指标
平均再投影误差
OCT成像
通过比较每个血管造影投影平面上的重新投影的3D中心线与这些平面上的原始2D中心线，可以 评估提出的3D中心线重建方法的性能。
✒️论文总结或思考
方法创新和优点：
优点1： One of the main advantages of our proposed reconstruction method is that it can be applied when only two image projections are available. （只有两个图像投影可以用的时候，可以应用这个方法 ）
优点2: The second advantage ofour proposed approach is that it can take care of falsely reconstructed vessel segments, as well as non-rigid deformation in the vessels, by identifying optimal point correspondences（通过识别最佳点对应关系，它可以处理错误重建的血管段以及血管中的非刚性变形 ）。Our proposed approach partitions the reconstructed centerlines in Algorithm 2 into accurate and incorrectly reconstructed segments, which creates a natural ordering in the 2D centerlines on projected planes. （我们提出的方法将算法2中的重建中心线划分为准确和错误重建的段，从而在投影平面上的2D中心线中创建自然排序。这又解决了由相交的投影表面产生的错误重建的血管段的问题。）
优点3： performance 性能方面，在原始投影平面上的投影误差明显较低。 与原有的方法比，鲁棒性更好。