论文部分内容阅读
心血管疾病已成为全世界发病率和死亡率最高的疾病,严重威胁着人类的健康,因此对心血管疾病的早期定量诊断和风险评估对延长人类预期寿命起着非常关键的作用。心脏在心电信号控制下作周期性收缩和舒张运动,同时向全身各处供血以维持组织的新陈代谢功能。很多现代医学成像设备都能对心脏进行动态成像,特别是双源CT,它能提供含有时间信息的四维心脏CT成像数据,这为观察心脏的动态特性提供了一种有效的手段。另外,医学图像分割已成为临床诊断一项十分重要的内容,通过精确提取心脏各个器官的区域和边缘,定性和定量建立心脏三维、四维模型以辅助医生进行早期预防和临床诊断,具有重要的价值和临床意义。但由于心脏一直处于搏动状态,成像的伪影及噪声常会影响成像效果,况且由于心脏的结构复杂,体积小,受部分容积效应的影响大,因此,心脏的全自动分割是一个具有挑战性的问题。本文以医学图像配准和分割研究为背景,并针对双源CT心脏数据集的特点,研究了全心脏三维图像自动分割算法,进而建立全心脏的四维分割模型,并在此基础上对心脏的静态参数进行了初步分析。本文主要的研究内容包括:(1)针对双源CT三维图像序列的特点,提出一种基于自适应随机梯度下降的全心脏自动分割算法。该算法首先利用仿射变换对浮动图像和参考图像进行粗配准,然后使用基于B样条的FFD模型进行精配准,最后使用精配准得到的变换参数对带有分割信息的标记图像进行变换,变换的结果即为自动分割结果。配准过程中使用归一化互信息度量法作为相似性准则,插值算法采用三次B样条插值。为了克服局部极值问题,引入了新颖的自适应随机梯度下降算法,以期获得较好的效果。另外,为了提高算法的运算速度和鲁棒性,采用了多分辨率策略以减少搜索空间。(2)双源CT扫描技术将时间因素融合在内,可以为整个心跳周期各个心相提供三维CT影像。为此,本文提出一种基于变形场的四维全心脏自动分割算法。该算法在四维多心相双源CT数据集中,通过引入基于自适应随机梯度下降的全心脏自动分割算法,获得从已分割的三维参考模板数据集向各待分割心相三维数据集层片的形变场,然后通过对三维模板数据集进行形变获得对应层片的分割结果,从而实现了整个双源CT四维数据集的分割。(3)在对基于变形场的四维全心脏自动分割算法进行深入分析的基础上,针对由于已分割三维参考模板数据集固定不变而造成在局部心相的分割出现失真的问题,本文结合心脏解剖结构和双源CT相邻层片间差异性较小的特点,提出了一种基于自适应模板更新的四维全心脏自动分割方法。该算法通过利用冠状动脉成像重建的最佳舒张期心相作为起始配准位置的基础上,把刚被初始模板分割的心相(即最佳舒张期心相)的三维数据集作为下个心相的配准参考模板,然后向下一个相邻待分割心相三维数据集层片进行配准以获得形变场,进而又以刚被分割的心相的三维数据集为参考模板,继续对下一个相邻待分割心相三维数据集层片进行配准,直至遍历所有心相,从而实现了整个双源CT四维数据集的分割。(4)在基于双源CT数据集的心脏分割模型基础上,对心脏的静态参数做了初步分析,并从心功能分析角度对分割模型进行了评估,为进一步开展心功能动态分析和计算机辅助诊断打下了基础。最后,作者特别感谢国家自然科学基金项目(No.81101130)和中央高校基本科研业务费专项资金资助项目(No.2009ZM0235)对本文工作的资助。