论文部分内容阅读
冠状动脉粥样硬化性心脏病为一种常见的心血管疾病,是指因血管腔狭窄或阻塞造成心肌缺血、缺氧或坏死而导致的心脏病,简称“冠心病”,其严重危害着人民的生命健康。为准确、快速的诊断出冠状动脉狭窄程度、位置等信息,从而制定有效治疗方案,目前基于冠状动脉计算机断层扫描血管成像(Coronary Computed Tomography Angiography,CTA)的非侵入血流储备分数(CT-FFR)的计算得到了世界范围内医疗科研机构的重点关注。本文通过深度卷积神经网络检测人体胸腔CTA扫描图像中冠状动脉感兴趣区域,采用阈值结合连通区域算法对冠状动脉血管进行分割提取,然后构建冠状动脉三维结构模型,基于该模型进行血液动力学分析,实现非侵入血流储备分数的计算。本文结合深度学习与改进Ostu分割方法准确提取出胸腹腔CTA图像序列中冠状动脉血管区域,在重建出血管三维模型的基础上进行血液动力学分析计算出CT-FFR信息,从而对冠状动脉狭窄的诊断与治疗具有重要意义。本文主要工作如下:一、基于深度卷积神经网络对冠状动脉进行特征提取,通过冠状动脉CTA图像库进行模型训练,构建冠状动脉感兴趣区域模型;输入待检测冠状动脉CTA图像到该模型中,精确定位冠状动脉感兴趣区域。二、针对于冠状动脉感兴趣区域中血管形状、灰度值等特性信息,将Otsu算法结合连通区域算法用于冠状动脉感兴趣区域进行血管分割提取,取得了较高的分割精度及良好的鲁棒性。并采用基于光线投射算法的体绘制方法实现对冠状动脉的三维重建。三、通过血液动力学方法对冠状动脉三维模型进行模拟血流环境的分析,研究了基于冠状动脉CTA图像的非侵入血流储备分数的计算方法。本文结合深度学习理论与改进Otsu方法对冠状动脉血管进行分割提取,实验表明本文方法的精度满足实际指标要求,重建冠状动脉三维模型显示效果较好;通过流体动力学方程对几何血管模型与真实冠状动脉三维模型进行血液动力学仿真分析,并由此计算出基于冠状动脉CTA图像的非侵入血流储备分数。为冠状动脉的早期无创诊断提供辅助,对医生制定治疗方案、挽救更多患者的生命具有重要的意义。