基于4D-CT數據的心臟重構方法研究.pdf

1、心血管疾病是全世界發(fā)病率和死亡率最高的疾病，而且發(fā)病急、具有很強的隱蔽性，因此實現這類疾病的初期診斷有很重要的臨床意義。十來年前問世的多層螺旋CT(MSCT)通過多排探測器技術顯著提高了成像速度和掃描精度，已被廣泛應用于心臟檢查，診斷和評價冠心病；尤其是伴隨著MSCT 出現的心電同步掃描技術，能提供含有時間信息的四維心臟CT 成像數據，這為觀察心臟的動態(tài)特性提供了一種有效的手段。這些新技術的誕生，推動著醫(yī)學圖像處理和分析領域的研究步伐，

2、擺在我們面前的任務是如何從這些海量圖像數據中提取出心臟的病理信息和功能狀態(tài)，以極大發(fā)揮這些高端成像設備在心血管疾病預防和診斷中的作用。因此，基于MSCT數據集的心臟分割與功能分析成為了當前國際上醫(yī)學圖像處理領域中一個新的研究熱點。
　　 本論文根據從64 層MSCT 采集的3D 心臟數據集和從256 層MSCT 采集的4D(3D+t)心臟數據集，研究了無訓練數據集的自動和半自動心臟分割算法以及基于訓練數據集的多心相分割算法，建立

3、了心臟左心室的四維分割模型，并在此基礎上對心臟的全局靜態(tài)參數和動態(tài)參數進行了初步分析。本文主要的研究內容及其創(chuàng)新點包括：
　　 1.針對MSCT 心臟數據集特點，通過分析MSCT 心臟數據集分割的難點，完成了基于多心相數據集心臟分割的整體框架設計，主要包括對數據集的軸向翻轉、灰度映射、噪聲去除等預處理操作，根據層片的結構連續(xù)性設計的左心室自動定位算法以及左心室的分割算法等，為基于模型的參數提取和功能分析打下了堅實基礎。
　

4、　 2.在對基于邊緣和區(qū)域水平集模型進行深入分析的基礎上，針對水平集模型對初始位置敏感及邊緣泄露的問題，本文結合心臟解剖結構和MSCT 層片特點，提出了不需要訓練數據集的無監(jiān)督改進耦合水平集(ICLS)全自動分割模型。
　　 在用左心室自動定位算法準確確定水平集曲線的初始輪廓位置的基礎上，通過對邊緣檢測函數的改進以及結合左心室形狀對水平集函數進行耦合，形成了完整的ICLS 心臟分割模型。該模型較好地抑制了曲線的演化泄露，避免了

5、局部極值對曲線演化的影響，可以獲得較為理想的內、外心膜邊緣。3.對外心膜邊緣模糊甚至缺失的心臟層片，ICLS模型嚴重依賴演化的結束條件和水平集參數設置，為此本文提出了人工交互的IFLW(Improved Fuzzyconnectedness-based Live-Wire)半自動分割模型，通過可以自動選取種子點的融合骨架信息的模糊連接度函數，來表示心膜邊緣模糊、缺失層片的區(qū)域模糊特性，并在極坐標下將模糊連接度嵌入聯(lián)合矩陣代價函數，利用改

6、進Livewire的IFLW模型實現了心臟數據的半自動分割。與傳統(tǒng)Livewire 算法相比，IFLW模型只需要較少特征點就可以接近甚至達到手工分割的精度，在降低人工干預的同時增加了算法的魯棒性，特別是對模糊邊緣層片分割的準確性。
　　 4.為減少人工干預和充分利用IFLW模型精確分割的優(yōu)點，本文提出了基于IFLW分割訓練樣本集的改進形狀統(tǒng)計模型分割算法。通過IFLW 對樣本層片的分割結果構建數據集的形狀模型和局部灰度模型以及對

7、定位算法和模型搜索算法的改進，實現了基于改進多階形狀統(tǒng)計模型的三維MSCT數據集分割。
　　 此外在4D多心相MSCT數據集中，通過引入基于信息量的Demons 非剛性配準方法，獲得從已分割三維數據集層片向待分割心相三維數據集對應層片的形變場，然后通過對分割結果進行形變獲得對應層片的分割結果，從而實現了MSCT 四維數據集的分割。
　　 5.在上述工作的基礎上，初步進行了心臟靜態(tài)和動態(tài)參數提取和功能分析的研究。