基于Tagged MR圖像左心室運動分析的相關(guān)方法研究.pdf

1、帶標記線核磁共振圖像是精確研究心肌形變以及心肌質(zhì)點運動的重要途徑。左心室心肌的運動情況能夠反映心臟的泵血功能，為多種心臟疾病的診斷提供依據(jù)，因此成為當前研究的熱點。本文基于帶標記線的核磁共振圖像（Tagged MR）對左心室心肌運動進行研究和分析。從標記的檢測與跟蹤、左心室的分割、物質(zhì)標記點的提取、左心室的運動重建與應變分析四個方面著手，初步形成適用于一般圖像數(shù)據(jù)的左心室運動分析框架，能夠從帶標記線的核磁共振圖像序列出發(fā)，最終得到左心室

2、在心動周期中的3D形狀、前向運動場、心肌點的應變張量以及全局功能參數(shù)。本文的工作主要包括以下的內(nèi)容： 1）提出了基于改進的主動輪廓模型及光流分析的標記線跟蹤方法。該方法將基于動力學方程的主動輪廓模型應用于標記線的跟蹤；針對帶標記線的核磁共振圖像的成像特點，重新設(shè)計了模型的各能量項；為了防止在跟蹤過程中出現(xiàn)錯位現(xiàn)象，利用光流估計設(shè)定模型的初始速度，對模型輪廓加以引導；實驗表明該方法能夠準確有效地跟蹤標記線。 2）提出了基于

3、Bayesian概率理論的標記網(wǎng)格跟蹤方法。使用網(wǎng)格模型跟蹤標記線網(wǎng)格；首先通過Markov隨機場以及EM算法將網(wǎng)格節(jié)點按是否在心肌上進行分類；按照分類的結(jié)果，對不同類別的節(jié)點，按照其在跟蹤過程中所應起到的作用，設(shè)計不同的先驗概率及似然函數(shù)，通過最大化Bayesian后驗概率計算網(wǎng)格節(jié)點的新坐標，對標記網(wǎng)格進行跟蹤；在跟蹤過程中，利用網(wǎng)格模型的Markov性質(zhì)，考慮相鄰節(jié)點間的相互作用，使得網(wǎng)格模型在跟蹤過程中能夠保持拓撲形狀，拒絕過大

4、形變。 3）提出了耦合的極坐標主動輪廓模型，將其用于同時分割短軸圖像上的左心室心肌內(nèi)外輪廓。模型采用極坐標表示，能夠更好地控制形狀以及內(nèi)外輪廓間的關(guān)系，并便于直接應用初始化算法得到的左心室中心點及半徑信息；模型能量函數(shù)的設(shè)計綜合考慮了圖像中左心室心肌的區(qū)域、形狀以及邊緣信息；采用改進的貪婪算法對模型進行優(yōu)化，能夠?qū)?nèi)外輪廓同時進行處理，并使得最終的心肌分割結(jié)果達到亞像素精度。 4）提出了柱坐標B樣條主動表面（CBAS）模

5、型，將其用于3D分割左心室內(nèi)外膜表面。該模型的等參曲線網(wǎng)格由B-Snake模型組成，根據(jù)短軸、長軸成像平面在3D空間中的位置關(guān)系，網(wǎng)格中的節(jié)點在兩幅短軸及長軸圖像上尋找對應的邊緣點，節(jié)點間的采樣點則在單一的短軸或長軸圖像上獲得圖像能量；分割過程在柱坐標下進行，使得模型在SA圖像及LA圖像上形狀的改變能夠統(tǒng)一為一個參數(shù)的變化，減小了模型的復雜度。 5）提出了綜合使用B-Solid模型以及薄板樣條模型的物質(zhì)標記點提取算法。該算法基于

6、圖像數(shù)據(jù)的成像協(xié)議以及標記數(shù)據(jù)的格式設(shè)計；利用薄板樣條曲面對無序排列的長軸圖像上的標記數(shù)據(jù)進行插值，重建垂直于長軸平面的標記面；使用B-Solid模型重建垂直于短軸平面的兩組標記面；在計算3組標記面交點的過程中，通過迭代中值法計算B-Solid模型的等參曲線與薄板樣條曲面的交點，相比于傳統(tǒng)的計算三組曲面交點的方法更為簡單直接；采用CBAS模型分割得到左心室內(nèi)外表面，去除不在心肌上的標記面交點，得到左心室的物質(zhì)標記點。 6）提出了

7、一種基于物質(zhì)標記點以及B-Solid模型的3D運動場重建算法，并在此基礎(chǔ)上給出了球坐標下的心肌應變張量以及左心室全局功能參數(shù)的計算方法。由于物質(zhì)標記點能夠密集地反映心肌點的3D運動情況，該方法直接通過B-Solid模型及物質(zhì)標記點所反映的離散3D運動，重建心肌運動場；為了能夠反映左心室環(huán)狀心肌和縱向心肌的收縮以及心肌壁的徑向增厚，在球坐標下對心肌的應變張量進行了計算；在對左心室內(nèi)外表面進行重建的基礎(chǔ)上，通過計算左心室容積，獲得相關(guān)的全局