基于Capsule网络的心脏磁共振图像分割算法研究

发布时间：2020-03-21 04:37

【摘要】：近年来,心血管疾病的死亡率逐年递增,严重影响着国民生活质量和生命健康,因而对心血管疾病做早期辅助诊断的研究具有重要意义。心脏核磁共振成像(Magnetic Resonance Imaging,MRI)是心血管疾病的一种重要检查方式。心脏磁共振图像分割是实现心脏功能指标计算的基础,可为心血管疾病的临床辅助诊断提供参考信息。由于边界模糊、灰度分布不均匀等因素,导致现有的MRI图像分割算法的自动化程度不高、对噪声的鲁棒性较差等问题。在分析现有分割算法不足的基础上,本文提出了一种基于Capsule网络的心脏磁共振图像分割模型。本文的主要研究工作有:(1)针对MICCAI2009数据集中图像标注不完整的问题,本文提出了一种基于水平集(Level set)的心脏磁共振图像半自动标注模型,实现心脏磁共振图像序列的标注,为训练模型提供完整、高质量的数据集。该模型使用0水平集表示心肌内膜,k水平集表示心肌外膜,并对两水平集之间的距离进行约束。基于此建立心室标注的能量函数,通过最小化能量函数实现心脏磁共振图像的标注。实验表明,本文所提出模型完成了对心脏磁共振图像的标注,解决了MICCAI2009数据集中图像标注不完整的问题。(2)针对现有深度神经网络难以同时对心肌内外膜进行建模的问题,本文提出了一种基于Capsule网络的心脏磁共振图像分割模型。该模型以Capsule网络为基础,利用Capsule网络的各个胶囊之间的并行独立性,通过神经胶囊提取图像信息,增加全连接层、反卷积层以达到分割的目的。实验结果表明,本文所提出模型实现了对心肌内外膜的高效分割,戴斯系数值可达0.9417;当加入不同高斯噪声时,戴斯系数值仍保持在0.93左右,表明本文所提出的模型具有良好的噪声鲁棒性。本文提出了基于水平集(Level set)的心脏磁共振图像半自动标注算法,为训练模型提供了完整、高质量的数据集。在获得完整数据集的基础上,提出了基于Capsule网络的心脏磁共振图像分割模型,实现了对心脏磁共振图像高效、准确分割。对心血管疾病的辅助诊断具有重要意义。
【图文】：

城乡居民,死亡率,心血管疾病

景及意义类预期寿命的逐渐增长，心血管疾病（CadiVascula为威胁人类生命健康的头号杀手。依据 2018 年世界卫年全世界由于非传染性疾病造成的死亡人数估计有 400 70％。而由于心血管疾病(CadiVascular Diseases, CVDs800 万人，占所有非传染性疾病死亡人数的 45％[1]。另外管病以及高血压心脏病的死亡人数一直居高不下。心血发病率逐年呈下降趋势；然而，在中等发达国家特别是的发病率在以惊人的速度增长且远超肿瘤等其他病因8 年中国心血管疾病报告显示，目前心血管疾病死亡率占位，农村为 45.5%、城市为 43.16%。今后 10 年心血管疾长。图 1.1 为 1990 年--2016 年中国城乡居民 CVDs 死亡对心血管疾病做早期定量诊断和风险评估对延长人类预期质量具有至关重要的作用。

心脏功能,内外膜,指标计算,心肌

接着进入 LA 再流入 LV，然后通过 LV 的强有力跳动再传送到人体各个部位的器官。最后，人体血液经过静脉再从人体各个部位回流到 RA，最终流入 RV，进而完成血液在人体的整个循环。由于人体的富氧血液主要是通过左、右两个心室的强有力收缩搏动，传送到人体的各个器官，，因此左、右两个心室是临床中核磁共振检查的重点。在本文的研究中也以左、右两个心室为主。心脏是人体运动较为剧烈的器官，所以需要对一个完整心跳周期的左、右两个心室形态特征进行多次成像记录。心室的健康程度能够直接反映出心脏的健康程度。临床上常见的心室功能指标有射血分数（Ejection Fractions，EF），每博容积（Stroke Volume，SV），舒张末容量（End-Diastolic Volume，EDV），收缩末容量（End-Systolic Volume，ESV）在获得心脏磁共振图像后，需要通过图像分割技术得到心脏切面在不同时刻的心肌内、外膜轮廓。基于此分割结果，得到心肌与血池的区域，计算分析出各自的体积，从而进一步计算出心脏的射血分数、每博容积等一系列心脏功能指标，可以为临床预防、医生的诊断提供量化、直观的参考[6]。心肌内外膜分割与心脏功能指标计算的关系如图 1.2 所示：心肌体积计内外膜之
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;R445.2

【相似文献】