三維超聲圖像中頸動(dòng)脈粥樣硬化的表型量化與分析.pdf

1、動(dòng)脈粥樣硬化(Atherosclerosis,AS),缺血性中風(fēng)(TransientIschemicStroke,TIS)和突發(fā)性心臟病(HeartAttack),屬于世界上致死的第一大疾病---心腦血管疾病(CardiovascularandCerebrovascularDiseases,CVDs),每年都造成了巨大的經(jīng)濟(jì)損失,也給無(wú)數(shù)家庭帶來(lái)痛苦。改進(jìn)檢測(cè)和治療技術(shù)、正確評(píng)估和確定病人中風(fēng)的風(fēng)險(xiǎn)概率、提高風(fēng)險(xiǎn)因子的預(yù)測(cè)能力,對(duì)于降低

2、該疾病的死亡率將產(chǎn)生巨大的影響。
　　頸動(dòng)脈粥樣硬化常常在主頸動(dòng)脈(CommonCarotidArtery,CCA)的分叉處(Bifurcation,BF)產(chǎn)生血栓栓塞,導(dǎo)致腦動(dòng)脈的阻塞,形成中風(fēng)。該疾病大多可以通過(guò)調(diào)節(jié)生活方式、改變飲食結(jié)構(gòu)在早期加以防治;后期則可以通過(guò)藥物治療、頸動(dòng)脈支架手術(shù)(CarotidArteryStenting,CAS)、頸動(dòng)脈內(nèi)膜切除術(shù)(CarotidArterialEndarterectomy,CA

3、E)等加以緩解。目前,研究AS的發(fā)生與發(fā)展,特別是對(duì)頸動(dòng)脈斑塊治療反應(yīng)的對(duì)比及監(jiān)控,是以“開(kāi)發(fā)敏感的風(fēng)險(xiǎn)因子評(píng)價(jià)技術(shù)”、“識(shí)別高風(fēng)險(xiǎn)的病人”和“減少發(fā)生中風(fēng)的概率”為主要發(fā)展戰(zhàn)略。
　　在臨床應(yīng)用上,現(xiàn)階段超聲普查(Ultrasoundscreening)對(duì)晚期、高發(fā)的AS人群效果較好,統(tǒng)計(jì)學(xué)上具有顯著意義;然而,對(duì)早期、無(wú)癥狀或癥狀不明顯的病患容易產(chǎn)生漏檢的情況。三維(Three-dimensional,3D)超聲作為傳統(tǒng)二維(

4、Two-dimensional,2D)超聲的一個(gè)重要發(fā)展,在“頸動(dòng)脈粥樣硬化診斷”和“易損斑塊識(shí)別”中具有重要的臨床價(jià)值。因此,基于三維超聲圖像的頸動(dòng)脈血管的實(shí)時(shí)分割、藥效的分析評(píng)價(jià)和斑塊的準(zhǔn)確識(shí)別與定性,是本論文的主要研究方向。
　　本論文的主要研究?jī)?nèi)容旨在:以頸動(dòng)脈三維超聲作為一種低成本、高敏感的測(cè)量工具,來(lái)確定加重頸動(dòng)脈粥樣硬化的風(fēng)險(xiǎn)因素,并評(píng)估頸動(dòng)脈粥樣硬化的治療效果。所以,本論文的研究手段是:將頸動(dòng)脈三維超聲(Three

5、-dimensionalUltrasound,3DUS)成像技術(shù),作為一種新的監(jiān)測(cè)頸動(dòng)脈粥樣硬化變化的手段,通過(guò)對(duì)頸動(dòng)脈粥樣硬化的表型特征(phenotypiccharacteristics)量化與分析,驗(yàn)證這種無(wú)創(chuàng)、定量的三維頸動(dòng)脈成像方法的臨床適用性。其中頸動(dòng)脈粥樣硬化的表型是指:頸動(dòng)脈和斑塊的形態(tài)、功能等各方面的表現(xiàn),如厚度、大小、形狀、體積、回聲性質(zhì)、藥物耐受力乃至其易損性等等。本論文的研究目標(biāo)是:通過(guò)縱截面和橫截面的血管分割,

6、提取并確定易損斑塊的重要特征,提供一種評(píng)估頸動(dòng)脈斑塊生長(zhǎng)或消亡(progressionandregression)的低成本和高敏感方法,并提供反應(yīng)斑塊穩(wěn)定性治療的有用信息。
　　因此,本論文在建立靈敏、重復(fù)性好的三維超聲成像系統(tǒng)上,具體地量化與分析以下四個(gè)頸動(dòng)脈粥樣硬化的表型特征:局部和整個(gè)血管壁內(nèi)中膜厚度(Intima-mediaThickness,IMT);斑塊總面積和總體積(TotalPlaqueArea,TPA;Total

7、PlaqueVolume,TPV);血管體積(VesselWallVolume,VWV);斑塊形態(tài)與紋理特征,并能監(jiān)測(cè)、比較這些特征的變化。
　　本論文按照上述研究方向、研究?jī)?nèi)容和研究目標(biāo),已完成的三個(gè)具體研究工作包括:
　　(1)提出了一種半自動(dòng)的“基于主頸動(dòng)脈分叉點(diǎn)和中軸切分的血管厚度測(cè)量方法”。為了能獲得三維體數(shù)據(jù)中血管局部和整體平均厚度信息,該方法基于主頸動(dòng)脈分叉點(diǎn)和中軸,對(duì)超聲三維體數(shù)據(jù)按三視圖方向切分,依次得到二

8、維橫斷面、冠狀面和矢狀面序列圖像;分別處理上述序列圖像,統(tǒng)計(jì)得到最終的主頸動(dòng)脈血管壁內(nèi)外輪廓和血管壁厚度等信息。該方法克服現(xiàn)有計(jì)算機(jī)輔助診斷中血管分割方法計(jì)算復(fù)雜度大、主觀因素易造成誤差等缺點(diǎn),能快速、準(zhǔn)確、完整地獲得頸部超聲主頸動(dòng)脈血管的局部和整體信息;與手動(dòng)分割方法相比,操作便捷,所得的血管局部和整體平均厚度信息,可作為衡量頸部粥樣硬化程度的指標(biāo),進(jìn)而用于心腦血管疾病輔助診斷和防治。
　　(2)在實(shí)現(xiàn)“主動(dòng)輪廓模型(Activ

9、eContourModel,ACM)和數(shù)學(xué)形態(tài)學(xué)的混合方法”分割血管內(nèi)外輪廓后,進(jìn)一步應(yīng)用主動(dòng)形狀模型(ActiveShapeModels,ASM)方法及其改進(jìn)(ImprovedActiveShapeModels,I-ASM)方法、主動(dòng)外觀模型(ActiveAppearanceModels,AAM)方法,應(yīng)用于多種頸動(dòng)脈外輪廓(Media–adventitiaBoundary,MAB)和內(nèi)輪廓(Lumen–intimaBoundary,

10、LIB)分割,并在算法間進(jìn)行橫向比較,與金標(biāo)準(zhǔn)進(jìn)行縱向比較,從而進(jìn)行算法的量化分析。該算法能夠在5分鐘內(nèi)完成分割,其產(chǎn)生的平均偏差小于人工手動(dòng)分割偏差的一半;采用距離、面積等測(cè)度和體積誤差,評(píng)價(jià)算法的魯棒性,并用統(tǒng)計(jì)分析方法衡量?jī)蓚€(gè)專家用本算法分割結(jié)果的一致性。實(shí)驗(yàn)結(jié)果和數(shù)據(jù)分析均表明:該算法的分割效果接近金標(biāo)準(zhǔn),可為今后的輔助診療系統(tǒng)提供指導(dǎo)意義。
　　(3)經(jīng)仿真體模和超聲體模驗(yàn)證模擬的血流介導(dǎo)擴(kuò)張(FlowMediatedD

11、ilation,FMD)功能后,開(kāi)發(fā)和驗(yàn)證一種半自動(dòng)軟件工具,來(lái)量化斑塊的特征并用于評(píng)估頸動(dòng)脈粥樣硬化的治療效果。頸動(dòng)脈斑塊的病理生理學(xué)研究表明,頸動(dòng)脈斑塊的形態(tài)和紋理的特征,是識(shí)別易損斑塊和監(jiān)測(cè)疾病發(fā)展的關(guān)鍵。提取斑塊的形態(tài)、紋理、彈性的多維多類特征,并分別采用反向傳播神經(jīng)網(wǎng)絡(luò)(BackPropagationNeuralNetwork,BPNN)、支撐向量機(jī)(SupportVectorMachine,SVM)作為分類器,對(duì)特征集合進(jìn)行

12、識(shí)別判決,準(zhǔn)確度分別為84％和91%,隨后采用ROC(ReceiverOperatingCharacteristic)曲線和AUC(AreaUnderCurve)面積對(duì)分類器性能進(jìn)行了分析、比較。
　　上述方法與軟件均通過(guò)三維頸動(dòng)脈超聲病人圖像初步驗(yàn)證。實(shí)驗(yàn)結(jié)果表明:本論文的血管壁內(nèi)中膜厚度測(cè)量、血管內(nèi)外輪廓分割方法、粥樣硬化體模仿真的定量與定性分析及斑塊多維多類特征的提取與分類,結(jié)合相關(guān)危險(xiǎn)因素,可綜合評(píng)價(jià)藥效,進(jìn)而判決斑塊易損