基于单演信号的电影磁共振图像心肌运动估计算法研究

发布时间：2020-08-06 12:54

【摘要】：磁共振成像(Magnetic Resonance Imaging,MRI)能够无侵入地对人体的软组织器官进行成像,并已经成为心脏疾病临床诊断的重要辅助手段。电影磁共振图像序列能够动态的反映心肌运动过程,并且比目前常用的加标记磁共振图像序列具有一定的优势,所以针对电影磁共振图像的心肌运动估计研究具有重要的应用价值。但是,由于灰度信息相近而且特征点稀少,基于电影磁共振图像的运动估计具有较大难度,目前还缺乏精度高、速度快、抗噪性强的运动估计方法。光流算法是经典的运动估计方法,并已经被应用于医学图像处理领域。想要获得准确的电影磁共振图像心肌运动估计结果,更多的图像特征描述方法需要被引入到光流算法中。单演信号特征包含图像中相互独立的局部振幅、局部相位、局部方位的信息,可以为电影磁共振图像心肌运动估计算法提供更多的可用信息,从而获得更精确、快速和鲁棒的估计结果。本文将单演信号和光流算法进行结合,提出更加适合电影磁共振图像心肌运动估计的改进算法。具体研究工作概括如下:针对电影磁共振图像特征稀少的问题,为了提高运动估计的精度,本文采用电影磁共振图像的单演信号特征构造三维矩阵,并把该矩阵引入基于相关变换的光流算法中。图像的三种单演信号特征是相互独立的,可以看作是将原图像分成互不相关的三幅图像,而每幅图像都包含着原像素点的局部特征,通过相关变换方法将这三种特征都引入到光流算法中,这增加了光流算法的约束条件,使不完备的光流方程变得完备,也获得了更好的运动估计结果。针对仿真序列图像实验的结果表明,提出的算法比最近发表的经典光流算法的运动估计准确率有显著的提高。基于临床数据的实验显示,该算法能够很好地指出心肌运动异常区域,与专业医师诊断出的病变位置一致。为了减少电影磁共振图像心肌运动估计的运算时间,论文引入了Alessandrini算法,该算法基于单演相位匹配,并做了适于加标记磁共振图像心肌运动估计的改进,与传统光流算法相比,该算法不但精度获得提高,并且计算速度具有明显的优势。但是由于电影磁共振图像的纹理特征稀少,该方法并不适合电影磁共振图像心肌运动估计。所以,论文中引入了分数阶微分方法对电影磁共振图像进行纹理增强,增加电影磁共振图像的纹理特征。分数阶微分可以在非线性地保留图像结构信息的同时,显著地增强图像的纹理信息,通过增加的纹理信息可以计算获得更多的单演相位信息用于光流算法。模拟数据实验证明把纹理增强后的电影磁共振图像引入Alessandrini算法中,能够提高运动估计的准确率,同时也具有Alessandrini算法运算时间短的优点。通过电影磁共振图像临床数据的验证,该算法能准确的诊断出心肌患病区域。为了适应噪声较大的电影磁共振图像,本文引入结构-纹理信息分解方法,把原图像分解为纹理图像和结构图像两部分。针对纹理图像特点和结构图像的特点分别采用单演曲率张量光流算法和基于灰度信息的光流算法进行运动估计,然后对估计得到的位移场进行线性平均获得最后的运动场,该算法的思想就在于将图像分成不同的成分,以便于根据不同成分的特点分别进行处理,计算得到的运动估计结果精确度有了提高,抗噪性能也获得提升。并且在临床数据中计算获得的估计结果能够准确的指出心肌患病区域。本文将利用光流算法结合单演信号对电影磁共振图像进行心肌运动估计,并将运动估计结果应用到心脏疾病的诊断中。采用对电影磁共振图像运动估计的结果和加标记磁共振图像的运动估计结果进行了对比分析的方式对心肌运动估计结果的医学诊断标准进行了验证分析,进而总结出基于临床电影磁共振图像运动估计结果的医学诊断方法,并在多组临床数据中进行了验证。
【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：R445.2;TP391.41
【图文】：

心脏结构

第 1 章绪论能够有节律的自动收缩和舒张，从而将血液有规律地传送至全身各个组壁比心房壁厚，收缩和舒张更加有力，能够将血液传送出心脏。右心室血液到肺部，血液从肺部融合氧气后回到左心房，血液从左心房流到左传送至全身。具备输送含氧血液功能的左心室是心脏中最重要的部分，周期中，左心室的运动过程分为心肌收缩过程和心肌舒张过程。左心室决于心肌收缩期的射血能力，也要考虑心肌舒张期中的血液充盈能力。功能正常与否直接影响了心脏能否正常工作，所以本论文进行了左心室动估计算法研究。运动异常是心肌梗死、心肌缺血、心肌肥大等心血管疾病的重要临床表，研究心肌运动估计算法，获得稳定可靠的心肌运动估计结果，有助于的运动功能特性，解释各种心血管疾病的成因，更有利于心脏疾病的尽

光流算法,图像,配准,运动估计

有一些缺点；相反的，电影磁共振已经被广泛应用于心脏疾病诊断多年，因而，确的进行电影磁共振图像的心肌运动评估将具有十分重要的应用价值。但由于影磁共振图像的灰度非常相近，难以找到密集的对应特征点，因而对于电影磁振图像的运动估计具有一定的挑战性。基于电影磁共振图像的运动估计的研究已经开展了一段时间，但是其研究数远远小于基于加标记磁共振图像运动估计的研究数量。主要原因就是电影磁共图像的灰度分布过于接近，增加了运动估计的难度。光流算法[53, 54]和配准的方[55, 56]还有特征追踪的方法[8, 57]已经在电影磁共振图像的心肌运动估计中得到研。虽然光流算法和配准的方法很早就已经被应用在电影磁共振图像序列的运动计中。但是，因为电影磁共振图像特征过于稀少，目前使用的光流算法和配准法还没有获得稳定可靠的估计效果。特征追踪的方法是选择心肌运动图像上的些特征点用来构造特征追踪图像，虽然周向应变张量可以通过特征追踪图被计出来，但是其效果并不够好[58]。而特征追踪的方法获得的运动场相对于光流算过于稀疏，不能很好地反映整个心肌运动过程[59, 60]。所以，特征追踪方法主要用在超声图像而不是磁共振图像中，并不能对心肌运动做精细的估计和诊断。

左心室,心肌,短轴,心脏

图 1-5 左心室短轴心肌 17 节段Fig.1-5 Seventeen segments in the short-axis of left ventricle图 1-6 左心室中部心肌分段图Fig.1-6 Segments of the left ventricle mid-cavity的电影磁共振图像心内结构边界清晰，图像分辨率高，便，近年来随着高强度场的采用以及心脏采集线圈的配备，运动功能检测的稳定性最好。因此，心脏电影磁共振图像形态学的标准医学影像。本论文的心肌运动估计研究限定

【参考文献】