融合先验解剖结构的左心室三维超声心动图分割方法研究

发布时间：2021-01-12 06:23

　　心血管疾病目前仍然是我国死亡率最高的疾病,其中心脏疾病是诱发心血管疾病的主要因素。左心室的结构变化与心血管疾病的发生有着重要的关联。在整个心脏解剖结构中,左心室向整个身体输送含氧血液。因此左心室功能是衡量心脏疾病的重要的定量分析指标。左心室功能的定量分析主要是通过分割不同成像模态中左心室部分,进而计算得到相关功能指标。目前三维超声心动图能够提供更多的上下文信息,能够为临床专家提供更多的解剖结构信息,成为了一种流行的左心室超声心动图模态。为了避免人工标注超声心动图的耗时问题和主观差异问题,鉴于计算机辅助超声心动图的高效性和一致性,计算机辅助超声心动图分割成为一个研究热点。因此本文致力于研究计算机辅助的全自动和半自动的左心室三维超声分割方法。首先,为了解决基于小样本深度学习模型的初始化问题,并充分挖掘3D超声心动图自身的空间先验信息,提出了基于空时解剖先验的自监督排序模型。基于该排序模型,进一步提出基于排序模型的自监督预训练机制,并将该预训练机制应用到特定的心室分割任务当中,实现分割性能的提升。本文提出的基于排序任务的预训练机制具有较好的拓展能力,可以灵活的应用到其他的排序模式和更加广泛的... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：131 页

【学位级别】：博士

【部分图文】：

左心室超声心动图

哈尔滨工业大学工学博士学位论文1.4左心室三维超声分割的问题描述及难点分析问题描述：如图1-2所示，从超声分析的角度，左心室内部可以从解剖学上分为三部分：心室腔体、心内膜、心肌部分（由内而外三部分）。基于左心室三维超声心动图，分割出左心室心内膜所包含的区域（血池部分）是本文所要解决的问题。其中按照临床医学影像分析标准，乳头饥梳状肌等都包含在血池中，不属于心肌部分。相比其他心脏影像模态(CT、MRI)，超声心动图分析具有更高的难度，其图1-2左心室解剖学结构Fig.1-2Theanatomicalstructureofleftventricle分析难度主要表现在以下几方面：1.超声心动图会由于信号的回落(解剖结构和超声束平行)、其他器官的遮挡以及扫描扇形的局限性导致一些结构成像失败。这将使得分析算法在一些区域因缺少信息而难以达到准确的分析结果。2.超声心动图的信噪比较低。而且超声波反射的过程中会出现伪影现象，随着超声波穿透力的降低伪影会增加。使得超声心动图的成像质量降低，对自动化算法的抗噪声能力提出了新的挑战。3.在超声心动图中，不同组织以及血液主要是通过细微的斑点模式进行区分，很难从其灰度值以及纹理信息方面进行辨别。因此，血液和组织之间没有清晰的边界。对自动化算法的抗模糊能力和上下文信息分析能力提出了挑战。4.乳头饥梳状肌与心肌组织从解剖和影像上都是同质的组织，如何利用其他解剖信息对乳头饥梳状肌与心肌组织进行有效区分是一个难点。5.相比于二维超声心动图，三维超声心动图具有更高的数据维度（增加了高效率分析数据的难度）；具有更复杂的解剖结构环境（增加了解剖信息提取的难度）；出现更多的遮挡部分（其图像质量更低，对自动化超声图像分析算法的鲁棒性和准确性要求更高）。-4-

第1章绪论计算图像的概率分布和参数估计通常难度很大，且容易出现过分割的现象，最终降低分割准确率。最后，对于深度学习方法而言，相比传统机器学习方法，其能够自动提取特征。但其通常也需要大量的训练集来完成模型的训练，且需要训练集样本多样化，尽可能包含多种数据分布。然而在医学图像分析任务中(尤其是针对超声医学图像分析任务)，其训练集样本数和自然图像训练集样本数难以比拟，往往面临训练集样本不足(小样本问题)，且针对不同厂商生产的成像设备，获取的超声图像存在较大差异。由于先验知识的缺乏，基于传统深度学习方法很难基于有限的训练样本学习出能够表达多种数据分布差异的分割模型，在一些情况下训练深度学习方法时容易出现过拟合现象，导致在测试时准确率低。1.7本文的主要研究内容本文在分析超声心动图成像原理、2D和3D超声心动图的优缺点以及左心室3D超声心动图分割问题及难点之后，基于现有的超声心动图分割方法研究的基础上，提出了针对左心室3D超声心动图分割的方法。本文的研究框架如图1-3所示，本文主要研究内容包括如下几个部分：图1-3本文研究框架Fig.1-3Theframeworkofthisthesis第2章提出了基于空时解剖先验的自监督预训练模型。该预训练模型的提出受启发于超声心动图数据在空间和时间上的有序性，并将其应用于左心室超声心-13-

【参考文献】：
期刊论文
[1]《中国心血管病报告2018》概要[J]. 胡盛寿,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,陈伟伟.  中国循环杂志. 2019(03)



本文编号：2972331