基于分块相位匹配的PatchDSA技术：自然呼吸场景下提升数字减影血管成像质量

这篇综述提出了一种创新的分块相位匹配技术（patch-based phase-matching），用于自然呼吸条件下腹部数字减影血管造影（DSA）图像的生成。通过将掩模图像（mask）和对比图像（contrast）分块处理并优化亚像素级匹配，显著减少了因呼吸、肠蠕动和心脏搏动导致的运动伪影（motion artifacts），提升了血管结构的清晰度。实验证明，该方法在20例腹部血管造影案例中均优于传统相位匹配技术（Ohnishi’s method），熵值更低（3.50 vs 3.74），且处理时间（1.829秒）满足临床需求。

　　

引言

X射线透视（X-ray fluoroscopy）是观察动态器官和引导介入治疗的关键技术，但血管与周围组织的重叠常影响成像清晰度。数字减影血管造影（DSA）通过减去预对比掩模图像（mask images）突出血管结构，然而呼吸、肠蠕动和心脏搏动导致的图像错位会引发运动伪影（motion artifacts），甚至误判血管形态。传统方法要求患者屏气，但老年或体弱患者难以配合。Ohnishi等提出的呼吸相位匹配技术（respiratory phase–matching method）依赖膈肌区域评估，无法解决其他器官复杂运动的问题。

材料与方法

研究回顾性分析了20例自然呼吸条件下采集的腹部血管造影数据（矩阵尺寸512×512像素，帧率6帧/秒），涵盖经动脉化疗栓塞（TACE）等介入治疗案例。提出的分块相位匹配方法将图像划分为10×10小块，通过零归一化互相关（ZNCC）筛选结构相似的掩模图像块，并采用下山单纯形法优化亚像素级平移参数（t_x
, t_y
）。亮度校正环节通过排除对比增强区域（contrast-enhanced regions）计算均值差异（μ_c
^i,j

• μ_m
  ^i,j
  ），避免过度校正。

结果

与Ohnishi方法相比，新方法在案例#2中显著减少了肠道（红色箭头）和心脏搏动（蓝色箭头）伪影，案例#3则改善了肋骨（黄色箭头）和膈肌（绿色箭头）错位。定量分析显示，所有案例的熵值均显著降低（p<0.001），平均处理时间1.829秒。但案例#6因呼吸深度不一致导致匹配失败，案例#17因亮度校正阈值设置不当出现分块伪影（紫色箭头）。

讨论

分块策略兼顾局部解剖变异与计算效率，但依赖呼吸一致性和精准阈值设定。未来需整合深度学习（DL）优化对比区域识别，如AngioMoCo框架的变形配准（deformable registration）技术。动态DSA序列对经动脉栓塞（TAE）中供血动脉（feeders）的识别至关重要，可提升治疗成功率。

结论

分块相位匹配技术为自然呼吸条件下的腹部DSA提供了高效解决方案，其亚像素优化和亮度校正显著提升图像质量，具备临床推广潜力。