基于灰度不均勻的心臟核磁共振圖像左心室分割技術研究.pdf

1、根據(jù)世界衛(wèi)生組織和中國心血管病最新的報道，心血管疾病已成為人類死亡率最高的疾病，而且發(fā)病率日益提高。所以，心血管疾病的預防、診斷已迫在眉睫。目前，醫(yī)學成像技術已成為診斷治療心臟疾病的一個輔助手段，而心臟核磁共振圖像憑其無創(chuàng)性和適合軟組織等優(yōu)勢，成為臨床醫(yī)生診斷治療心臟疾病的主要手段，可通過心臟核磁共振圖像中左心室的分割進行定性及半定量診斷。然而，在臨床中，通?？坑薪?jīng)驗的醫(yī)生進行手動分割，該工作不僅具有主觀性，而且費時費力。因此，基于核磁

2、共振序列的左心室自動分割成為醫(yī)學圖像處理的一個研究熱點。
　　本論文基于短軸CMR圖像的左心室自動分割作為研究主題，從以下三個方面展開研究：感興趣區(qū)域提取、LV內(nèi)膜自動分割提取和LV外膜分割提取。旨在設計出準確、穩(wěn)定的LV全自動分割模型來克服實際存在的LV分割難點和現(xiàn)存分割方法的不足。本論文的主要結果和結論如下：
　　1.為節(jié)省運算空間和時間，保證后續(xù)分割的精度，主要研究了感興趣區(qū)域的提取，本論文提出了基于支持向量機的心臟短

3、軸核磁共振圖ROI自動提取算法。該算法首先將MICCAI2009不同病例庫中選好的差別較大的單張CMR圖像進行擴展，將擴展后的圖像分割成9塊107×107大小的圖像塊，在圖像塊中分別選取40個正類樣本和40個負類樣本，然后提取正負類樣本的特征來訓練分類器，用訓練好的分類器來自動提取預分割圖像的ROI。實驗結果表明，本文提出的算法提取ROI準確率可達100％。
　　2.針對基于傳統(tǒng)水平集的算法無法分割灰度不均勻的CMR圖像問題，本文

4、提出了基于改進水平集和形態(tài)學相結合的內(nèi)膜分割新模型。該模型采用從中間層到頂層、基層的方向進行分割，以此來分兩種情況處理存在和不存在LVOT現(xiàn)象的基層圖像。對于單層圖像，針對CMR圖像存在灰度不均勻問題，采用改進后的水平集在內(nèi)膜輪廓演化的同時去除偏移場。該模型的具體流程是：首先在ROI上設置初始輪廓，其次用改進后的水平集進行內(nèi)膜輪廓演化，然后用先驗知識和形態(tài)學運算定位出血池區(qū)域，此時根據(jù)是否存在LVOT現(xiàn)象，分兩種情況進行后續(xù)分割工作。該

5、方法在MICCAI2009不同病例庫上做了測試，測試結果表明：本章LV 內(nèi)膜分割算法準確率高、對于存在灰度不均勻現(xiàn)象的CMRI分割效果好、分割結果穩(wěn)定和普適性好。
　　3.針對在原始CMR圖像ROI上用FCM算法無法得到準確的聚類結果，從而無法準確分割LV外膜的問題，本文提出在去除偏移場后的ROI上進行聚類。該方法在去除偏移場的ROI上用FCM算法聚類，得到三類正確的結果：心肌、血池和背景區(qū)域。接著結合先驗知識和形態(tài)學運