基于深度学习的左心室腔体容积分析系统设计与实现
发布时间：2021-01-25 10:33
心血管疾病已经成为全世界人口死亡的主要原因。在心血管疾病的临床诊断领域,医学图像的处理和分析对疾病的诊断起到重要作用。本论文的研究内容是基于心脏核磁共振（MRI）图像,利用深度学习完成左心室的分割以及左心室的容积预测,为心脏相关疾病诊断提供更加准确的参考。本文的主要内容是利用深度学习技术实现左心室腔体容积的预测,并进行Web系统的设计与实现。针对此任务,本文提出两种方法,一种方法以U-net网络为基础,加入LSTM（长短期记忆网络）将心室短轴MRI切片的空间信息联系起来实现左心室分割,而后再进行容积计算,本方法达到了左心室分割及左心室容积预测的要求;另一种方法首先使用多尺度图谱匹配法实现左心室区域准确定位,然后用三维卷积神经网络实现左心室容积预测,实验结果表明此方法的左心室容积预测误差明显低于二维卷积神经网络的误差。最后利用Flask技术开发了左心室腔体容积分析系统。系统利用本文提出的算法为用户提供左心室分割、左心室容积预测等功能,支持用户自行上传数据进行相关分析并填写相应诊断意见,具有较高的正确性及较好的易用性。
【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】：62 页
【学位级别】：硕士
【部分图文】：
心室结构示意图
哈尔滨工业大学工程硕士学位论文-3-图1-1心室结构示意图图1-2心脏短轴MRI图像心脏运动是具有周期性的运行，心脏每收缩一次和舒张一次构成一个心动周期，核磁共振仪器扫描时按照完整的心动周期进行扫描，即从舒张末期到收缩末期到舒张末期的整个心动周期。在心动周期中，心室是泵血的主要承担者，所以心动周期主要是指心室的活动周期[6]。对空间序列上的心室图像在一个心动周期中的若干采样分析，得到整个心动周期左心室的真实运动和形变，可以为临床诊断提供科学依据[7]。目前的心室定量分析大多聚焦于心脏心动周期中的某两个特定状态，即舒张末期和收缩末期。在心动周期中，左心室容积随着心室的收缩、舒张动态变化，一个心动周期内的左心室容量变化示意图如图1-3所示，图中横轴为时间，纵轴为左心室容量，EDV为左心室舒张末期容积，ESV为左心室收缩末期容积。
哈尔滨工业大学工程硕士学位论文-4-图1-3左心室容量变化示意图心动周期中的左心室压力与左心室容量关系示意图如图1-4所示，图中横轴为左心室容量，纵轴为左心室压力，ABCD点代表四个典型时期，环内面积代表每搏功即心室一次射血所需作功量，垂直横轴的时期为等容收缩期/等容舒张期，舒张末期容积与收缩末期容积的水平距离为每搏输出量，即左心室在收缩期射出的血容量。图内AB段为心室等容收缩期，心室收缩导致室内压迅速增加，室内血向心房倒流推动房室瓣关闭，但是这时室内压仍旧低于动脉内压，动脉瓣处于闭合状态不变，由于房室瓣、动脉瓣关闭，心室成为封闭腔，心室收缩但容积不变。而后进入射血期即图内BC段，包括快速射血期和减慢射血期，心室肌继续收缩室内压持续增加，当室内压高到大于主动脉压时半月瓣开放，快速射血至动脉内，心室继续收缩，室内压增加到最大。快速射血后由于已经射出了大量血液，心室肌收缩力减小，室内压下降，射血的速度减慢，此时室内压虽已略低于大动脉内压，但由于射出的血液具有较大的动能，所以能够继续流向动脉，心室容积继续减校收缩期结束后停止射血，心室舒张开始，室内压迅速下降，当室内压低于大动脉内压时，动脉内血向心室倒流，致使半月瓣关闭，但是这时室内压仍然高于房内压，房室瓣处于闭合的状态不变，由于房室瓣和动脉瓣关闭，心室成为封闭腔，舒张但心室容积不变，为等容舒张期即图内CD段。而后进入充盈期即图内DA段，此阶段分为快速充盈期和减慢充盈期，心室肌继续舒张，室内压持续下降，当室内压降低到小于房内压时，房室瓣开放，血液迅速充盈心室，心室肌继续舒张，室内压更低于房内压，甚至形成负压，心房内的血被心室抽吸进心室，心室容积迅速增大。由于心室内不断有血液充盈，心室与心
【参考文献】：
期刊论文
[1]结合候选区域距离度量学习与CNN分类回归联合的左心室检测[J]. 王旭初,翟随强,牛彦敏,葛永新. 计算机辅助设计与图形学学报. 2019(03)
[2]基于MRI图像的左心室分割方法研究现状与发展[J]. 周钦,阿都建华,尹立雪,张红梅,崔威,曾强. 计算机工程与应用. 2019(02)
[3]融合候选区域提取与SSAE深度特征学习的心脏MR图像左心室检测[J]. 王旭初,牛彦敏,赵广军,谭立文,张绍祥. 计算机辅助设计与图形学学报. 2018(03)
[4]图谱法脑部MRI图像自动分割技术发展及应用[J]. 何小海,梁子飞,唐晓颖,滕奇志. 数据采集与处理. 2015(05)
[5]一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法[J]. 武玉伟,梁佳,王元全. 中国图象图形学报. 2010(04)
[6]基于GVF模型与光流场的左心室容积计算[J]. 魏宇,杨晓梅,黄山. 计算机应用. 2009(12)
[7]MR相位对比法和形态体积分析法评价心室功能的比较研究[J]. 闫钟钰,李坤成,李永忠,周怀琪,杜富会. 中华放射学杂志. 2005(03)
博士论文
[1]图像分割若干理论方法及应用研究[D]. 陈强.南京理工大学 2007
硕士论文
[1]基于编解码结构的全心脏CT图像分割[D]. 叶承钦.哈尔滨工业大学 2019
[2]基于深度学习的心室分割系统设计与实现[D]. 闫聪.哈尔滨工业大学 2018
本文编号：2999078
【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】：62 页
【学位级别】：硕士
【部分图文】：
心室结构示意图
哈尔滨工业大学工程硕士学位论文-3-图1-1心室结构示意图图1-2心脏短轴MRI图像心脏运动是具有周期性的运行，心脏每收缩一次和舒张一次构成一个心动周期，核磁共振仪器扫描时按照完整的心动周期进行扫描，即从舒张末期到收缩末期到舒张末期的整个心动周期。在心动周期中，心室是泵血的主要承担者，所以心动周期主要是指心室的活动周期[6]。对空间序列上的心室图像在一个心动周期中的若干采样分析，得到整个心动周期左心室的真实运动和形变，可以为临床诊断提供科学依据[7]。目前的心室定量分析大多聚焦于心脏心动周期中的某两个特定状态，即舒张末期和收缩末期。在心动周期中，左心室容积随着心室的收缩、舒张动态变化，一个心动周期内的左心室容量变化示意图如图1-3所示，图中横轴为时间，纵轴为左心室容量，EDV为左心室舒张末期容积，ESV为左心室收缩末期容积。
哈尔滨工业大学工程硕士学位论文-4-图1-3左心室容量变化示意图心动周期中的左心室压力与左心室容量关系示意图如图1-4所示，图中横轴为左心室容量，纵轴为左心室压力，ABCD点代表四个典型时期，环内面积代表每搏功即心室一次射血所需作功量，垂直横轴的时期为等容收缩期/等容舒张期，舒张末期容积与收缩末期容积的水平距离为每搏输出量，即左心室在收缩期射出的血容量。图内AB段为心室等容收缩期，心室收缩导致室内压迅速增加，室内血向心房倒流推动房室瓣关闭，但是这时室内压仍旧低于动脉内压，动脉瓣处于闭合状态不变，由于房室瓣、动脉瓣关闭，心室成为封闭腔，心室收缩但容积不变。而后进入射血期即图内BC段，包括快速射血期和减慢射血期，心室肌继续收缩室内压持续增加，当室内压高到大于主动脉压时半月瓣开放，快速射血至动脉内，心室继续收缩，室内压增加到最大。快速射血后由于已经射出了大量血液，心室肌收缩力减小，室内压下降，射血的速度减慢，此时室内压虽已略低于大动脉内压，但由于射出的血液具有较大的动能，所以能够继续流向动脉，心室容积继续减校收缩期结束后停止射血，心室舒张开始，室内压迅速下降，当室内压低于大动脉内压时，动脉内血向心室倒流，致使半月瓣关闭，但是这时室内压仍然高于房内压，房室瓣处于闭合的状态不变，由于房室瓣和动脉瓣关闭，心室成为封闭腔，舒张但心室容积不变，为等容舒张期即图内CD段。而后进入充盈期即图内DA段，此阶段分为快速充盈期和减慢充盈期，心室肌继续舒张，室内压持续下降，当室内压降低到小于房内压时，房室瓣开放，血液迅速充盈心室，心室肌继续舒张，室内压更低于房内压，甚至形成负压，心房内的血被心室抽吸进心室，心室容积迅速增大。由于心室内不断有血液充盈，心室与心
【参考文献】：
期刊论文
[1]结合候选区域距离度量学习与CNN分类回归联合的左心室检测[J]. 王旭初,翟随强,牛彦敏,葛永新. 计算机辅助设计与图形学学报. 2019(03)
[2]基于MRI图像的左心室分割方法研究现状与发展[J]. 周钦,阿都建华,尹立雪,张红梅,崔威,曾强. 计算机工程与应用. 2019(02)
[3]融合候选区域提取与SSAE深度特征学习的心脏MR图像左心室检测[J]. 王旭初,牛彦敏,赵广军,谭立文,张绍祥. 计算机辅助设计与图形学学报. 2018(03)
[4]图谱法脑部MRI图像自动分割技术发展及应用[J]. 何小海,梁子飞,唐晓颖,滕奇志. 数据采集与处理. 2015(05)
[5]一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法[J]. 武玉伟,梁佳,王元全. 中国图象图形学报. 2010(04)
[6]基于GVF模型与光流场的左心室容积计算[J]. 魏宇,杨晓梅,黄山. 计算机应用. 2009(12)
[7]MR相位对比法和形态体积分析法评价心室功能的比较研究[J]. 闫钟钰,李坤成,李永忠,周怀琪,杜富会. 中华放射学杂志. 2005(03)
博士论文
[1]图像分割若干理论方法及应用研究[D]. 陈强.南京理工大学 2007
硕士论文
[1]基于编解码结构的全心脏CT图像分割[D]. 叶承钦.哈尔滨工业大学 2019
[2]基于深度学习的心室分割系统设计与实现[D]. 闫聪.哈尔滨工业大学 2018
本文编号：2999078
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2999078.html
