冠状动脉立体分割算法研究

发布时间：2020-04-09 15:19

【摘要】：随着冠心病诊断需求的不断增加,基于医学图像的辅助诊断已成为提高诊断效率的重要手段。基于CTA数据的冠状动脉立体分割是冠心病辅助诊断的关键技术,已成为研究的热点。受不同设备、不同病人和造影剂分布不均匀等因素的影响,冠状动脉在CTA数据中的清晰度不同,冠状动脉立体分割成为一项具有挑战的任务。本文针对冠状动脉CTA数据,从准确性、自动性和运行速度三个方面,展开了对冠状动脉分割算法的研究,具体工作如下:(1)提出一种基于多特征约束的区域生长分割算法。该算法考虑到冠状动脉粗细不同的管状特性,使用管状滤波器提取不同尺度下的血管相似性特征,同时结合冠状动脉在CTA数据中的密度特征共同作为区域生长的约束条件。本算法很好的解决了单特征区域生长算法容易出现的欠分割现象,提高分割算法的精度。在有先验阈值的情况下,其测试Dice系数为0.88,比单特征方法提高0.2;在没有先验阈值情况下,其测试Dice系数为0.6(同样比单特征方法高),算法运行时间为460秒左右。(2)提出一种结合3D全卷积网络和生长思想的自动分割算法。该分割算法主要有起始种子点定位、局部数据块的分割和种子点搜索策略三个部分:●起始点定位:根据升主动脉和冠状动脉的连通性质,通过分割升主动脉来自动定位冠状动脉根节点,为实现冠状动脉自动分割提供条件;●局部数据块的分割:提出一种多感受野融合的3D分割网络。该部分用尺寸为64×64×64的局部数据块和Dice损失函数解决冠状动脉立体分割中出现的标签分布极不平衡的问题。在网络结构设计上,该网络在编码器末端加入金字塔池化,多感受野融合的结构更好的结合了数据块中的全局信息和局部信息,很好的抑制了其他组织的干扰;此外,在编-解码的全卷积网络结构中加入残差模块、批归一化、Dropout等操作,抑制网络过拟合的同时保证网络的快速收敛;●种子点搜索策略:提出一种基于生长思想的种子点搜索策略,通过分析上一次数据块的分割结果确定下一次选择数据块的中心,提取冠状动脉附近的数据块,实现了高效使用训练好的分割网络;该分割算法在测试集上平均Dice系数为0.76,运行时间在40秒左右。(3)根据本文分割算法实现了冠状动脉的狭窄测量。通过对血管拉直、细化、分段、计算横截面积等操作后,初步可以实现冠状动脉狭窄测量,为冠状动脉狭窄检测和量化分级等应用提供可行性分析。综上所述,本文提出的两种冠状动脉分割算法在测试集上的Dice系数从60%提升到了76%,运行时间从460秒减少到40秒,同时实现了冠状动脉的自动分割。基于本文分割算法的分割结果初步实现了血管狭窄测量,证明了算法的有效性。
【图文】：

的信号经过重建后形成ＣＴ图像。当需要研究血管成像时，因为血液的密度和水逡逑很接近不容易在普通ＣＴ图像上显示，所以需要注射造影剂对血管进行增强，然逡逑后利用计算机重建算法恢复血管的立体影像。不同视角下的ＣＴＡ如图２－１所示。逡逑（ｄ）样本二横断位逦（ｅ）样本二矢状位逦（ｆ）样本二冠状位逡逑图２－１不同视角下的ＣＴＡ数据逡逑冠状动脉分为左冠状动脉和右冠状动脉两个大的分支；目前大部分研究人员逡逑采用美国心脏病协会（ＡＨＡ）提出的冠状动脉划分标准，该标准将直径大于１．５ｍｍ逡逑７逡逑

第二章冠状动脉数据介绍逡逑的冠状动脉分成了邋１７段，如图２－２所示。逡逑ＯＭ？逡逑图２－２冠状动脉划分解剖图逡逑左冠状动脉分支共丨２段，主要包括左循环支（１丨，１３），左对角支（１６），逡逑左前降支（６，邋７，，邋８）等大的分支；右冠状动脉分支共５段，主要包括后降支（４）、逡逑右冠（１，２，３）等大的分支。冠状动脉各个分支在ＣＴＡ图像横断位中如图２－３逡逑所示。逡逑000逡逑图２－３冠状动脉在ＣＴＡ数据横断位中的分布图逡逑为了存储ＣＴＡ数据，通常使用固定的编码方式将重建的图像存储在计算机逡逑中。医学图像常用的编码格式有６种，分别为：ＡＮＡＬＹＺＥ（Ｍａｙｏ医学成像）、ＮＲＲＤ逡逑（近原始栅格数据）、ＤＩＣＯＭ（医学数字成像核通讯）、ＮＩＦＴＩ（神经影像信息技术）、逡逑ＰＡＲ／ＲＥＣ（Ｐｈｉｌｉｐｓ磁共振扫描格式）和ＭＮＩＣ。下面对本文中常使用的两种格式进逡逑行介绍。逡逑ＮＲＲＩ）：邋“国家医学图像计算联盟”（ＮＡ－ＭＩＣ）开发的一种存储编码方式，逡逑８逡逑
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R816.2;TP391.41

【相似文献】

相关期刊论文 前10条

1 周峗,李久贤,夏良正;基于区域生长的红外图像分割[J];南京理工大学学报(自然科学版);2002年S1期

2 孙日明;;用于医学图像分割的区域生长方法[J];大连交通大学学报;2010年02期

3 曹彩霞;董洪伟;丁金仲;;基于区域生长的网格模型分割[J];计算机工程与应用;2008年31期

4 王华松;;图像区域生长分割算法研究[J];科技创新导报;2015年18期

5 魏津瑜;施鹤南;苏思沁;;基于改进算法的自动种子区域生长图像分割[J];中南大学学报(自然科学版);2013年S2期

6 郭佳;郭治成;;基于并行四邻域区域生长的遥感图像分割方法[J];兰州石化职业技术学院学报;2008年02期

7 陈永飞;崔艳鹏;胡建伟;;基于9＿7提升小波和区域生长的目标检测算法[J];计算机科学;2018年S1期

8 吴焱,沈定刚,李艳斌,戚飞虎;用区域生长分割算法进行动目标定位[J];无线电工程;1994年01期

9 杨家红;刘杰;钟坚成;何明志;;结合分水岭与自动种子区域生长的彩色图像分割算法[J];中国图象图形学报;2010年01期

10 杨海英;于永亮;杨志鹏;;基于区域生长规则的多传感器漏磁检测信号分割方法[J];科学技术与工程;2010年24期

相关会议论文 前10条

1 吴莹;梁炯;殷嘉林;聂君峪;;基于区域生长的金色区域提取[A];2015第四届中国印刷与包装学术会议论文摘要集[C];2015年

2 魏津瑜;施鹤南;苏思沁;;基于改进算法的自动种子区域生长图像分割[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 黄建军;彭蓉;;基于网络并行的高分辨城市航空影像阴影检测[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

4 赵进辉;周志艳;罗锡文;;一种基于区域生长的甘蔗苗期赤腐病病斑分割算法[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

5 李哲;郑江滨;李秀秀;李杭;;基于重采样检测的图像可信度评价方法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

6 付炜;胡彩宁;;虹膜定位算法的研究[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

7 胡伟平;王日凤;;基于阈值分割与区域生长的车牌识别方法[A];广西计算机学会2015年学术年会论文集[C];2015年

8 盛叶鹏;张明;李少青;欧阳海燕;王磊;;基于区域增长的集成电路解剖照片分割方法研究[A];第十六届计算机工程与工艺年会暨第二届微处理器技术论坛论文集[C];2012年

9 徐勇;郭毓;陶芬;;基于灰度积分投影与区域生长的人眼定位方法[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

10 王伟;张明;朱青山;王磊;徐长明;李少青;;一种基于芯片解剖照片的IP核侵权鉴定方法[A];第十六届计算机工程与工艺年会暨第二届微处理器技术论坛论文集[C];2012年

相关重要报纸文章 前1条

1 ;46个小区今春穿绿装[N];营口日报;2010年

相关博士学位论文 前4条

1 金飞;基于纹理特征的遥感影像居民地提取技术研究[D];解放军信息工程大学;2013年

2 司马海峰;基于像素聚类的彩色图像分割技术研究[D];北京理工大学;2014年

3 张朝霞;基于MSCT的感兴趣血管段CAG最佳视角和冠脉运动估计的研究[D];天津大学;2012年

4 左玲;图像数据统计过程控制方法研究[D];天津大学;2016年

相关硕士学位论文 前10条

1 查健;混凝土沙石材料孔隙率的检测与研究[D];武汉理工大学;2018年

2 陈富强;冠状动脉立体分割算法研究[D];北方工业大学;2019年

3 尹哲;医学图像三维重建系统的设计与实现[D];电子科技大学;2018年

4 王华松;一种基于种子点区域生长的彩色图象分割算法[D];河南大学;2015年

5 张宏伟;高分辨率影像中农村道路提取方法研究[D];重庆大学;2016年

6 李利;印鉴鉴别系统的设计与实现[D];电子科技大学;2014年

7 曾璐;彩色图像分割技术研究[D];武汉理工大学;2010年

8 曹彪;基于区域生长的OCT图像分割算法研究[D];北京理工大学;2015年

9 王佳男;采用基于区域的自动种子区域生长法的彩色图像分割方法[D];东北师范大学;2007年

10 徐康;基于区域生长与边缘惩罚的SAR图像分割算法研究[D];合肥工业大学;2010年

本文编号：2620928