基于多尺度扩张卷积与对抗学习的左心室分割算法研究

发布时间：2021-08-10 19:29

　　近年来心血管疾病致死率的不断增高引起了人们对心血管疾病的广泛关注。利用基于心脏核磁共振图像的左心室分割可以得到重要的心脏功能参数,这对于心血管疾病的诊断和治疗起到了关键作用。手动进行左心室分割不仅需要专业的人员,而且在效率上也无法满足患者的需求。因此,基于计算机程序的辅助医疗技术便应运而生。传统的自动化左心室分割算法存在鲁棒性差、分割精度不够高、算法操作过于复杂和需要专业人员参与等缺点,而在这些方面,基于深度学习的左心室分割算法拥有巨大的优势。由于左心室的核磁共振图像的病患和拍摄角度的不同,左心室内膜形成的闭包区域的面积存在着巨大的差别。当前的一些基于深度学习的左心室分割算法往往难以对一些特殊切片（例如心肌肥大患者的左心室收缩末期的核磁共振图像）进行有效分割;另一方面,这些算法的表现还受到用于训练的专家分割样本数量的限制。针对以上问题,本文提出了基于多尺度扩张卷积与对抗学习的左心室分割算法。基于多尺度扩张卷积的左心室分割算法采用了全卷积神经网络的基本框架,在特征提取（即编码）阶段使用了多个级联的多尺度扩张卷积模块,而在分割映射（即解码）阶段使用了跳跃连接和密集上采样卷积两个通路与最后的... 

【文章来源】：深圳大学广东省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

015年中国农村和城市居民主要疾病死因构成(图片来源：[1])

基于多尺度扩张卷积与对抗学习的左心室分割算法研究第1章绪论1.1研究背景与意义据《中国心血管病报告2017（概要）》[1]最新发布，2015年心血管病死亡率仍居首位，高于肿瘤及其他疾玻从2009年起，农村心血管病死亡率超过并持续高于城市水平，。2015年农村居民心血管病死亡率为298.42/10万，其中心脏病死亡率为144.79/10万，脑血管病死亡率为153.63/10万；城市居民心血管病死亡率为264.84/10万，其中心脏病死亡率为136.61/10万，脑血管病死亡率为128.23/10万。如图1-1所示，2015图1-12015年中国农村和城市居民主要疾病死因构成(图片来源：[1])年农村、城市居民心血管病死亡占全部死因的比例分别为45.01%和42.61%。每5例死亡中就有2例死于心血管玻如图1-2所示，1990年至2015年心血管病死亡率成逐年上升趋势，对心血管疾病的研究已刻不容缓。图1-21990-2015年中国城乡居民心血管病死亡率变化（图片来源：[1]）随着科学水平的发展，计算机智能与医学影像技术均取得了巨大进步。计算机辅助医疗的相关研究也成为了热点。核磁共振成像（MagneticResonanceImaging,MRI）技术具有软组织对比度高，解剖结构逼真，并且可以在不使用对比剂的情况下对血流进行

基于多尺度扩张卷积与对抗学习的左心室分割算法研究2成像的优点。同时还可以进行多方位成像，利用3D重建技术便可以还原器官的立体结构。通过对心室MRI图像的分割及后续处理，可以得到心室舒张末期容积（EDV），收缩末期容积（ESV），射血分数(EF)，舒张末期心肌质量（MM），每博输出量（SV）等重要参数指标。对临床医疗的疾病风险评估、诊断和手术指导具有重要意义。如图1-3所示为心脏MRI短轴图像示意图。图1-3心脏短轴MRI图像(图片来源：微博)临床上想获得准确的左心室分割数据通常需要专业的人员进行手动标注，对单个序列的标注时间通常在20分钟左右。它不仅耗费时间长，而且存在主观原因导致分割偏差。在进行心脏MRI图像的左心室分割时通常会受到多个因素的干扰。例如，第一，乳头肌与心肌具有相似的灰度值，难以区分；第二，基底与顶尖处内外膜与心肌细胞没有明显的边界；第三，低分辨率导致的心尖处切片的容积效应；第四，拍摄MRI影像时由于心脏的跳动以及血液的流动造成的影像模糊；第五；不同的患者心脏腔室具有不同的形状和灰度值强度。手动的心脏MRI图像的左心室分割由于成本与效率问题已经难以满足当前MRI图像处理的需求，这使得MRI图像在临床医学上受到不小的限制因此基于计算机的辅助医疗技术编应运而生，研究者设计相关的左心室分割算法进行自动的心脏MRI图像的左心室分割。左右心室在生理功能上扮演着不同的角色，左心室的搏动为血液的流动提供了动力，血液将维持机体功能的各种物质运送到各个器官并且带走机体产生的废料。而右心室则负责将缺氧血注入肺脏。相比右心室，左心室的功能显得更加重要，所以当前的研究工作主要集中在左心室的处理。心脏的异常形变会导致心脏的功能受损进而影响机体的健康，临床上通过MRI图像进行心脏?


本文编号：3334650