心血管疾病的计算机辅助诊断关键技术研究

发布时间：2021-11-14 12:00

　　当前,心血管疾病已成为我国乃至全世界的重大公共卫生问题。展开对心血管疾病辅助诊断的相关研究,对提高国民生活质量,实现国家卫生与健康计划具有重要意义。目前,在心血管疾病的临床诊断中,主要由医生对心脏磁共振成像（Magnetic Resonance Imaging,MRI）序列的心室轮廓进行绘制,并以其为数据基础计算心脏功能评价指标,再根据指标进行定量分析进而诊断疾病。这种方式依赖于医生的临床经验,存在效率不高,工作强度大,人员易疲劳和人为误差多等缺点,难以保障心血管病诊断的稳定性和客观性。为此,本文主要对心脏MRI分割模型的损失函数与结构展开研究,并采用机器学习技术构建心脏疾病诊断模型,通过智能分类实现对心血管疾病的辅助诊断,主要研究工作如下:（1）针对深度神经网络对心脏MRI等医学图像分割时,存在精度不足的问题,本文提出了一种面向医学图像分割的神经网络损失函数。该损失函数利用曲线演化思想对传统神经网络损失函数进行改进,将神经网络模型在迭代过程中的输出结果通过距离变换进行符号距离函数转化,进而对分割区域形状和长度进行约束。实验结果表明,相较于主流的交叉熵和Dice（Dice’s coef... 

【文章来源】：郑州大学河南省 211工程院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

016年心血管病城乡居民主要疾病死因构成比

31.2国内外研究现状心血管疾病辅助诊断是利用决策过程进行疾病诊断，产生预测的诊断结果来为医生提供诊断支持[8]。通常，决策过程是利用计算机相关技术基于生理测量或医学图像来获取诊断依据[9]。目前，常用的方式是利用心电信号或者心脏医学影像来获取评估心血管功能的相关参数，依据这些关键指数来给出诊断结论。1.2.1基于心电信号的心血管疾病辅助诊断ECG是一种用于检测心脏活动的一种新型电磁学检测方法，可广泛应用于医学检测和分析研究正常的心脏健康状况，是诊断心血管疾病的主要途径之一[10]。由于ECG的信号采集是非侵入性的，而且测量装置只需要中等水平的熟练人员，它减少了对更昂贵的诊断工具的需求，具有节约成本的潜力。然而，ECG本身通常不足以诊断心血管疾病，如对急性冠状动脉综合征或急性心肌梗死的诊断。因此，提高心电图诊断的准确性至关重要，使得心血管疾病更早地发现。传统上，提高诊断准确性需要对筛查医师进行更多的培训。然而，培训过程是一个相当大的需要重复发生的成本因素。目前，基于ECG的心血管疾病诊断系统可以被划分为：离线系统和在线系统。利用离线算法对最优算法结构进行评估和选择。在线系统采用其所选算法结构作为诊断支持系统。在线系统与离线系统的流程与关系，如图1.3所示。无论是离线还是在线系统都需要包括预处理、特征提取和分类算法[10]。其中，常用诊断系统的分类算法包括：机器学习和神经网络。图1.3ECG在线系统与离线系统

92相关技术理论神经网络模型能自主地从样本数据中学习图像特征，从本质上去描述图像特征而不需要依靠人工设计特征提取方式。神经网络模型不仅仅在图像识别中取得了显著的效果，同时在医学图像分割方面也取得了大量的研究成果。本文将介绍目前左心MRI分割主要的方法以及常用的神经网络分割模型。2.1左心室MRI分割研究心脏MRI可为医生提供心脏功能参数量化估计，有利于医生对心血管疾病做出准确诊断，对心脏疾病早期诊断具有重要临床意义。此外，心脏MRI成像由于其卓越的时间分辨力、组织分辨力、任意平面重建以及较高的可重复性被公认是心功能评估的金标准，可对心脏进行结构、功能、心肌缺血及心肌活性等进行综合评价。然而，这些评估指标的获取依赖于左心室轮廓边界的准确绘制。左心室是心脏最重要的组成部分，其功能正常与否直接影响人体供血。左心室功能异常是多种心脏疾病的诱因，如心室肥大、心肌梗死等。而右心室将循环血液收缩挤压，输送到肺部，进行氧气交换。左心室本身的生理几何结构如图2.1所示，心脏MRI的固有噪声等因素都会对左心室的分割造成了一定的困难[28-29]。左心室的内外分割过程中主要存在以下问题：1）图像在成像过程中受血液流动的影响形成伪影，造成图像灰度分布不均；2）在心脏收缩的过程中，心腔内乳头肌的干扰造成目标边界模糊。心外膜位于心肌与肺部之间，心肌与肺部的灰度值非常接近，在分割过程中容易将心外膜泄漏至肺部。图2.1左心室结构示意图因此，MRI成像技术虽然已经提供了较好的软组织对比，但由于其成像的不

【参考文献】：
期刊论文
[1]《中国心血管病报告2018》要点介绍[J]. 马丽媛,吴亚哲,陈伟伟.  中华高血压杂志. 2019(08)
[2]改进粒子群结合K-均值聚类的图像分割算法[J]. 邬春学,刘训洋.  电子科技. 2016(08)
[3]心脏磁共振成像新技术进展与展望[J]. 程赛楠,赵世华.  磁共振成像. 2016(07)
[4]基于活动轮廓模型的图像分割算法综述[J]. 段丁娜,张欢,邱陈辉,夏顺仁.  中国生物医学工程学报. 2015(04)
[5]基于影像数据的心室隔膜形态分析[J]. 张耀楠,朱江源,徐钰,康雁.  东北大学学报(自然科学版). 2014(08)
[6]基于改进动态规划的MR图像左心室分割[J]. 徐胜舟,许向阳,胡怀飞,李波.  广西师范大学学报(自然科学版). 2014(02)
[7]基于活动轮廓模型的左心室MR图像分割[J]. 张建伟,方林,陈允杰,詹天明,李小田.  电子学报. 2011(11)
[8]利用纹理信息的带标记线心脏核磁共振图像分割[J]. 尤建洁,王平安,夏德深.  中国图象图形学报. 2007(09)

硕士论文
[1]活动轮廓模型在核磁共振图像处理中的应用研究[D]. 陈允杰.南京信息工程大学 2005



本文编号：3494599