혈관내광간섭단층영상에서의 혈관 내벽, 스텐트 및 동맥경화반 자동 검출 알고리즘 개발

Abstract

Intravascular optical coherence tomography (IV-OCT) is a high-resolution imaging method to visualize the microstructure of arterial walls in vivo. IV-OCT enables to clearly visualize micro-structure of arterial wall, implanted devices, and atherosclerotic plaques in coronary arteries in vivo. However, manual segmentation of lumen contour and stent struts is still labor-intensive and time consuming. Moreover, characterization of atherosclerotic plaques by manual procedure may create ambiguous results due to limited penetration depth of IV-OCT. In this study, we present an algorithm for detecting lumen contour and stent struts to quantifying stent apposition and neointimal coverage, deeply associated with stent-related complications such as in-stent thrombosis, and for characterizing lipid-rich plaques using spectroscopic OCT (S-OCT). The algorithm utilizes OCT intensity images and their first and second gradient images along the axial direction to detect lumen contour and stent strut candidates. These stent strut candidates are classified into true and false stent struts based on features of each candidate, using artificial neural networks. After segmentation, either protrusion distance (PD) or neointima thickness (NT) for each strut is measured automatically. S-OCT provides an additional functional and molecular information of the sample without any additional device, and it allows depth-dependent spectroscopic analysis of the sample. Lipid-rich plaque can be distinguished from the other tissues by spectral absorption property of lipid, and we represented this property by shift of Gaussian center of mass (GCOM) metric to the axial direction. Both algorithms were evaluated and validated by the manual segmentation results by IV-OCT readers. The stent struts detection showed 96.5% of precision, and 92.9% of recall. For PD or NT, high correlation coefficients (R>0.99) was observed between the algorithmic and the manual results, showing no bias and narrow range of limits of agreement (0.05 and 0.04 mm for PD and NT, respectively). In addition, the characterization of lipid-rich plaques showed 95.0% of sensitivity, and 77.5% of specificity. This techniques can be effectively utilized for clinical trials on stent-related complications, including in-stent thrombosis and in-stent restenosis, and overcome the limitation of gray-scale OCT images to better assess the high-risk atherosclerotic plaques. |혈관내 미세구조물과 스텐트와 같은 삽입 기구를 고해상도로 영상화할 수 있는 혈관내광간섭단층촬영 (IV-OCT)이라는 기술은 관상동맥 내벽에 자라난 동맥경화반도 특징적으로 검출해낼 수 있다. 이 기술을 이용하여 고해상도의 생체내 이미징이 가능해졌으며, 이는 관상동맥질환과 같은 심혈관질환의 진단 및 치료에 도움이 되고 있다. 정확한 심혈관질환의 진단을 위해 IV-OCT 영상에서 혈관내벽과 스텐트를 수동으로 검출하여 정량적인 분석에 이용하고 있지만, 이는 매우 시간이 많이 소요되는 작업이다. 또한, IV-OCT 영상에서 특징적으로 묘사되는 각 동맥경화반 (지질풍부반, 섬유석회화반, 섬유반 등)을 분류하는 것은 IV-OCT의 투과 깊이 한계와 여러 가지 IV-OCT 아티팩트에 의해 정확하지 못한 결과를 보이게 된다. 이 연구에서는 IV-OCT 영상에서 혈관내벽과 스텐트를 자동으로 검출하는 알고리즘을 개발하여, 스텐트 혈전증이라는 스텐트 시술의 심각한 부작용과 관련이 깊은 스텐트 부착 정도, 신생내막 형성 정도를 정량적으로 분석하였다. 또한, 분광학적 OCT (S-OCT) 라는 시주파수 분석 기반의 후처리 기법을 이용하여 IV-OCT 신호로부터 지질풍부반을 검출해내는 알고리즘을 개발하였다. 혈관내벽 및 스텐트 검출을 위하여 OCT 영상과 그 영상의 축방향 1, 2차 경사 영상을 얻었다. 이로부터 혈관내벽을 검출하였고, 스텐트 후보군이 추출되었으며, 스텐트 후보군은 여러 가지 특징값을 바탕으로 인공신경망 알고리즘을 통해 참인 스텐트 후보군만 분류되었다. 혈관내벽 및 스텐트 검출 후에는 스텐트 오부착 거리 혹은 신생내막 두께가 각 스텐트마다 정량적으로 측정되었다. 형태정보만 제공하는 IV-OCT 영상에 앞서 소개한 S-OCT 기법을 이용하면 추가 장비 없이도 분광학적인 분석이 가능해진다. 본 연구에서 사용된 IV-OCT 시스템의 파장대역의 저파장대역에서 지질이 더 많은 흡수를 한다는 점을 이용하여 지질풍부반을 검출하였는데, 각 픽셀에서 측정된 가우시안 무게중심 값의 z축 방향 변화 값을 이용하여 지질풍부반의 분포를 나타내었다. 위에서 소개한 두 알고리즘은 모두 IV-OCT 영상 전문가의 수동 검출 결과와 비교하여 검증되었다. 스텐트 검출은 96.5%의 양성예측도와 92.9%의 민감도를 보였다. 혈관내벽 및 스텐트 검출 결과를 이용하여 정량적으로 측정한 스텐트 오부착 거리 및 신생내막 두께는 전문가 결과와 매우 높은 상관관계를 보였으며, 매우 좁은 일치한계에서 (각각 0.05, 0.04 mm) 편향되지 않게 비교 결과가 분포하였다. 또한 지질풍부반의 검출결과는 전문가 결과와 비교하여 95.0%의 민감도와 77.5%의 특이도를 보였다. 본 연구는 스텐트 혈전증과 같은 스텐트 시술의 부작용을 사전에 진단하는 데에 사용될 수 있으며 스텐트 시술의 예후 관찰을 하는 데에서도 활용될 수 있다. 또한 지질풍부반을 검출하는 방법을 이용하여 파열 위험성이 높은 동맥경화반을 검출해내면 급성심근경색증과 같은 치명적인 질환을 조기 진단할 수 있을 것이다.; Intravascular optical coherence tomography (IV-OCT) is a high-resolution imaging method to visualize the microstructure of arterial walls in vivo. IV-OCT enables to clearly visualize micro-structure of arterial wall, implanted devices, and atherosclerotic plaques in coronary arteries in vivo. However, manual segmentation of lumen contour and stent struts is still labor-intensive and time consuming. Moreover, characterization of atherosclerotic plaques by manual procedure may create ambiguous results due to limited penetration depth of IV-OCT. In this study, we present an algorithm for detecting lumen contour and stent struts to quantifying stent apposition and neointimal coverage, deeply associated with stent-related complications such as in-stent thrombosis, and for characterizing lipid-rich plaques using spectroscopic OCT (S-OCT). The algorithm utilizes OCT intensity images and their first and second gradient images along the axial direction to detect lumen contour and stent strut candidates. These stent strut candidates are classified into true and false stent struts based on features of each candidate, using artificial neural networks. After segmentation, either protrusion distance (PD) or neointima thickness (NT) for each strut is measured automatically. S-OCT provides an additional functional and molecular information of the sample without any additional device, and it allows depth-dependent spectroscopic analysis of the sample. Lipid-rich plaque can be distinguished from the other tissues by spectral absorption property of lipid, and we represented this property by shift of Gaussian center of mass (GCOM) metric to the axial direction. Both algorithms were evaluated and validated by the manual segmentation results by IV-OCT readers. The stent struts detection showed 96.5% of precision, and 92.9% of recall. For PD or NT, high correlation coefficients (R>0.99) was observed between the algorithmic and the manual results, showing no bias and narrow range of limits of agreement (0.05 and 0.04 mm for PD and NT, respectively). In addition, the characterization of lipid-rich plaques showed 95.0% of sensitivity, and 77.5% of specificity. This techniques can be effectively utilized for clinical trials on stent-related complications, including in-stent thrombosis and in-stent restenosis, and overcome the limitation of gray-scale OCT images to better assess the high-risk atherosclerotic plaques.