基于核磁共振序列图像的左心室计算机辅助分割技术研究

发布时间：2018-03-19 13:21

本文选题：CMR图像　切入点：左心室内、外膜　出处：《兰州大学》2016年博士论文　论文类型：学位论文

【摘要】：根据世界卫生组织最新报道,心血管疾病(Cardiovascular Diseases,CVDs)已成为致死率最高的疾病,且其发病率在逐年攀升。CVDs的预防、诊断、治疗已成为迫在眉睫的世界性难题。由于心脏核磁共振(Cardiac Magnetic Resonance,CMR)成像具有无创性、优良的软组织对比度、多方位断层成像能力等优势而被广泛应用于CVDs早期检查、风险评估和手术指导中。医生可以通过基于CMR图像的左心室(Left Ventricle,LV)分割获得一些重要的LV功能参数例如LV体积、质量、射血分数等。然而,实际临床上,LV心肌常由有经验的医生手动分割获得,该工作不仅枯燥、费时费力而且具有一定的主观性。因此,基于CMR序列图像的LV计算机辅助分割技术研究成为医学图像处理的一个热门研究方向。本文以基于短轴CMR序列图像的LV自动、半自动分割技术作为研究课题,从感兴趣区域自动提取、LV内膜自动分割、LV外膜自动分割三方面展开深入研究,旨在设计准确、稳定、高效的LV自动分割算法来克服实际LV自动分割存在的难点与现有LV分割方法存在的缺陷。论文主要工作及创新性内容如下:1.为减少算法运算量和所需空间,同时,提高后续LV分割精度,对感兴趣区域(Region of Interest,ROI)的自动提取问题进行研究,提出了基于CMR序列图像时域动态特性的ROI自动提取算法和基于CMR序列图像空域灰度分布特性的LV血池自动定位算法。由于心脏是一个心动周期内唯一的运动器官且其位置沿长轴不会有太大变化,所以我们利用中间层一个心动周期内的CMR数据计算出一个包含左、右心室的矩形ROI。首先,计算单帧图像与沿时间轴的平均图像间的绝对误差;之后,通过图像累加、像素灰度衰减、对比度拉伸、高斯模糊等操作来突出误差图像中的心脏区域;最后,根据Otsu分割与形态学操作来确定ROI。其中,像素灰度衰减中定义了一个与像素位置有关的衰减因子来减少噪声干扰,提高ROI提取的稳定性。针对LV血池自动定位,我们利用舒张末期的三维(Three-dimensional,3D)空间数据,结合图像极坐标转换、高斯模糊、线性归一化与灰度极值搜索等技术来检测一个位于LV血池内部的点。上述两个新方法分别在MICCAI 2009数据库与CAP数据库上进行测试,实验结果表明,本文提出的ROI提取算法与LV血池定位算法具有准确率高、运算量小、速度快的优点。2.针对传统基于图像驱动的LV内膜分割方法准确率低、稳定性差的问题,本文提出了基于简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network,SPCNN)模型的LV内膜分割新方法。该方法首先通过迭代使用SPCNN模型获得一系列二值分割结果;之后,根据LV血池位置、大小、心肌均匀度、心肌与血池间对比度等先验知识,从SPCNN输出的二值图像中筛选出最优血池作为内膜粗分割结果;最后,采用凸包运算,B样条平滑以及局部灰度梯度最大值搜索等操作来精确提取LV内膜。其中,针对SPCNN模型参数设置问题给出了一个新思路:在固定其余参数的同时让参数C等步长递增,从而使SPCNN模型输出不同的二值分割结果供后续LV血池筛选。在血池检测过程中,不仅集成了LV血池位置、大小的层间约束,而且根据心肌均匀度、心肌与血池间对比度定义了一个综合性分割评价指标来确定最优血池。该方法在MICCAI 2009数据库与CAP数据库上进行了测试,测试结果说明了本章算法的有效性和竞争性。3.为克服传统参数活动轮廓模型分割LV外膜时容易出现边界泄露这一问题,本文提出了一个改进的Snake模型。该模型集成有三个外力:梯度矢量流(Gradient Vector Flow,GVF)图像力、Balloon力以及新的形状约束力。其中,GVF图像力驱动曲线向边界运动,Balloon力和形状约束力控制曲线在弱边缘处收敛。新的形状约束力通过最小化内、外膜形状相似度测量函数实现,且其权重随Snake迭代而递增。此外,为避免内膜影响,在GVF力场生成时对边缘图像进行了修正。该算法在MICCAI 2009数据库与CAP数据库上进行测试时,获得了比近年来发表的算法更高的准确率。4.为提高LV内、外膜分割精度,同时,保持较好的心肌解剖结构,本文研究了基于统计形状模型的LV分割技术,提出了SPCNN模型与活动形状模型(Active Shape Model,ASM)相结合的LV分割算法。文中,针对LV建模,将一组CMR数据划分为9个类别,分别对每一类进行二维ASM建模;针对ASM初始化,采用SPCNN粗分割与几何变换相结合的方法进行自动设置。基于MICCAI2009数据库的测试结果表明,该算法不仅能有效地解决ASM自动初始化问题,而且能获得较好的分割结果。
[Abstract]:......
【学位授予单位】：兰州大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：R540.4;TP391.41

【相似文献】