论文部分内容阅读
根据世界卫生组织统计资料显示,近年来心脏疾病的死亡率逐年增长,成为威胁人类健康的头号杀手。如何快速准确的诊断并预防心脏疾病已经成为了人们普遍关注的热点问题,也是医学工作者所面临的巨大挑战。从解剖学知识来看,在心脏系统中,左心室是负责全身供血的主要器官,其形态和运动的异常将会给人体的正常运转带来极大的影响,是心脏病变的重要依据。随着医疗科技的发展,由于医用超声探测对人体的无创性、实时性和价格低廉等特点,心脏超声成像已经成为了诊断心脏疾病的重要手段。通过对于超声图像三维分割观察左心室的形态结构,并且采用非刚性配准方法获取一个心动周期内做心室位移场从而估计应变的方式,可以实现对左心室的整体功能以及心肌的局部变化进行相关性评定,进而辅助诊断潜在的心室肥大、心室衰竭、冠心病等心室疾病。虽然大部分的研究工作都将左心室超声图像的三维分割和应变估计看作是两个独立的问题,然而将它们进行联合分析将会得到更准确的诊断信息。因此本文首先提出改进的三维形变模型超声图像分割算法实现左心室三维分割。该算法使用区域生长和移动立方体方法构建初始网格模型,降低初始轮廓对于形变模型的干扰,同时由于初始网格模型足够接近于真实边界,可以在形变过程中默认已经达到全局最小化,只考虑局部最小化形变,减少计算时间。改进的三维形变模型结合基于区域分割和边界分割算法的优势,是一种混合分割算法。在这个分割框架中,首先使用各向异性扩散滤波器进行降噪处理,在此基础上使用二维投影的区域生长算法对左心室进行粗分割,然而二值区域出现孔洞且边界不连续现象,通过形态学操作进行处理得到比较精确的三维心肌二值模块。在此基础上使用移动立方体方法构建表面三维网格模型,作为形变模型的初始轮廓。最后使用三维参数形变模型,在内外力的共同驱使下引导网格模型向目标物体的真实边界运动,实现分割的目的。本文通过大量的实验选取最优化参数组合,并通过构造灰度信息引导的气球力阻碍边界的过分割现象,实现精确的三维超声图像分割。然后通过对于左心室腔体体积的定量测量,为临床诊断提供重要的参数。本文以心动周期内左心室第一帧图像的三维分割作为参考模型,利用基于微分同胚非刚性配准算法实现对于后续图像配准,获取心室位移场,从而实现对于应变估计。微分同胚非刚性配准算法采用B样条形变速度场,该算法能量函数有两项:图像的相似性和正则化规则。图像的相似性测度是每幅图像和参考图像的灰度方差总和,正则化规则是基于心肌组织的不可压缩性的软限制。实验通过对于健康人一个心动周期内16帧图像进行应变估算,实现对于左心室的整体功能以及心肌局部变化的相关性评定。