近年来,心血管疾病(cardiovascular disease,CVD)已经成为人类生命健康的头号杀手。随着人类生活水平的提高和医学技术的发展,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,提高人类的生活质量,具有非常关键的作用。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。随着现代医学成像技术的发展,能够对心脏进行动态成像的现代医学影像设备主要包括磁共振成像(magnetic resonance imaging,MRI)、计算机断层成像(x-ray computer tomography,CT)和超声成像(ultrasonicimaging,US)等。这些影像设备在成像速度、时间和空间分辨率方面快速提高,基本实现了对心脏的3D动态成像。心脏磁共振成像具有较好的软组织对比度、无放射性、无需注射或服用示踪剂、和能够任意平面进行成像的能力。另外,由于对血流具有较高对比度,因此,心脏磁共振成像还可用于评价血流的流速、流量。总的来说,心脏磁共振成像能准确地反映心脏的解剖结构、形态功能、血流特性和心肌活性。影像设备的进步带来了图像数据的大幅度增加。心脏成像通常是空间上的2D或3D成像,在心动周期内随时间动态变化构成所谓4D数据。传统在观片灯上观察2D图像的工作方式已逐渐不能适合医学应用的需要。首先,4D数据很难以2D方式直观显示。过去观察静态投影或断层图像辅以空间想象的图像解读方法,面对高维动态心脏医学图像数据时比较困难;其次,只依靠放射医生的主观经验很难做到可重复的提取和定量分析具有临床诊断意义的信息。个体差别、可重复性、工作效率等极大地限制了现代影像设备在心血管检查临床实践中的充分应用。虽然部分新设备也带有简单的图像分析软件,但是它们一般是基于简单的几何模型来提供传统全局参数粗略估计。在医学应用中,临床医生迫切需要新的计算机辅助分析工具用于从海量医学图像中提取出客观、定量、有临床意义的诊断信息来辅助诊断各种疾病。在心脏磁共振图像中,各种解剖结构尤其是左心室的分割则是心脏磁共振成像在临床应用的重要瓶颈之一。图像分割是图像处理中最重要、基础也是研究内容最为广泛的领域之一,研究者曾提出过基于不同理论框架和不同图像特征的图像分割方法。图像分割技术的成功应用与其处理对象和应用领域密切相关。心脏医学图像有其固有特点,必须结合图像分割理论、具体医学图像特点以及感兴趣的解剖结构来研究有效的心脏医学图像分割算法。本文针对心脏磁共振图像,在左心室内外膜的分割方面上做了以下工作:一.提出小波多尺度框架下的动态方向梯度矢量流模型,实现了对心脏磁共振图像左心室内壁的鲁棒分割。基于图像梯度的经典主动轮廓模型是解决图像分割问题的有力工具。由于心脏磁共振图像中右心室和心外壁其他组织的影响,单纯的基于梯度的曲线演化在提取左心室内膜时很容易发生泄漏,这是传统主动轮廓模型的固有缺陷之一。2006年Chen Jierong等人提出了动态梯度矢量流主动轮廓模型(DynamicDirectional Gradient Vector Flow,DDGVF),该模型能够提取具有特定极性的目标边缘,且具有对轮廓线初始位置的敏感性低,能够向图像中的深度凹陷区域演化等优点,但是,由于该模型首先需要对图像进行高斯平滑,这样会导致目标边缘模糊,从而产生分割误差。小波多尺度分析可以同时在时(空)域和频域上进行分解信号,是信号分析发展史上里程碑式的进展,被广泛应用于信号处理、图像分析、模式识别、计算机视觉等研究领域。由于小波基对信号的平滑和降采样的作用,小波分解高层的相邻低频系数之间的相关性降低,近似于高斯分布。而且小波分解高层,构成图像主要能量的灰度信息大部分得到了保留,噪声大部分被抑制。这些特点提示可以在小波分解后不同尺度的低频图像中采用相同的分割模型,而将最终的分割结果在尺度间进行传播,利用低分辨率尺度图像的分割结果来约束高分辨率尺度图像中的曲线演化,从而得到稳健而精确的结果。为了实现心脏磁共振图像左心室内膜的鲁棒分割,本算法在小波分解最高层采用动态方向梯度矢量流主动轮廓线模型得到粗略的左心室内膜边缘,然后,将所得结果作为下一层低频近似图像的初始轮廓,利用当前尺度下的图像信息来推动曲线演化,继续细化左心室内膜轮廓的分割,最终,以最低尺度上的分割结果作为左心室内膜轮廓。算法的具体步骤如下:(一)利用高斯函数的一阶偏导数作为小波基函数,对心脏磁共振图像做二进小波变换,得到各层的低频图像。从小波分解的最高层层低频图像开始,计算小波变换后的模值图像和幅角并计算沿幅角方向上的模极大值,得到模极大值图像,由模极大值图像计算动态方向梯度矢量流场;(二)在高尺度上,利用计算所得动态方向梯度矢量流场主动轮廓模型引导轮廓线演化,提取目标边缘;(三)在当前尺度上,以上一尺度所得到的最终结果作为该尺度的初始轮廓线,并利用该尺度上的模极大值图像计算动态方向梯度矢量流场,并用动态方向梯度矢量流场主动轮廓模型提取该尺度上的目标边缘;(四)重复步骤(三),直至最低尺度,这时所得到的结果即为最终结果。由于综合利用了图像中多个尺度上的边缘信息,算法具有不易发生边界泄漏和对轮廓线初始位置依赖性小等优点。在实际临床心脏磁共振图像上的实验表明,算法分割结果和人工分割结果的误差在合理范围内。二.提出了一种基于几何主动轮廓模型的分割算法,结合边缘保持自适应各向异性滤波和K均值聚类分析方法,实现了对心脏磁共振图像左心室内壁的鲁棒分割。由于心脏快速非刚性运动和快速成像序列物理原理等各种原因,心脏磁共振图像中心肌与左右心室的边界比较模糊。另外,心脏磁共振图像中不仅含有丰富的纹理信息,还含有许多噪声和伪影。在提取左心室轮廓的过程中,图像中的噪声和无关的纹理信息也会影响最终结果。如果不采用特定的预处理措施很难保证分割结果的鲁棒性和精确性。传统的预处理方法是基于高斯卷积核的平滑运算。这种方法虽然可以去除一部分噪声,但是也会使目标区域的边缘变得更加模糊,从而失去一部分边缘信息。而且,高斯平滑对于图像中的无关纹理信息没有任何作用。自适应边缘保持各向异性滤波算法是基于图像灰度信息的局部不连续性和纹理不连续性的平滑方法,该方法不仅可以平滑图像中噪声和伪影,而且可以保留目标区域的边缘信息并去除一部分无关纹理信息。对于心脏磁共振图像来说,在左右心室血池内和心肌内部区域的像素灰度值变化较小,因此这些区域内的局部不连续性和纹理不连续性都较小,经过该算法平滑后提高了灰度均匀性。左右心室与心肌交界处局部不连续性和纹理不连续性都较大,经过平滑后保留了不连续性。而对于受噪声影响的像素点和一些无关纹理区域,虽然其局部不连续度较大,但是纹理不连续度较小,因而在平滑后也将其变为灰度均匀区域。K均值算法是一种基于区域灰度信息的动态聚类方法,通过K均值聚类可以提高左右心室血池和心肌区域内的像素灰度值的均匀性,从而提高左右心室血池与心肌处的对比度。在提取左心室内膜边缘时,本文采用了一种包含边缘信息和区域信息的几何主动轮廓模型。该模型中引入了轮廓线与符号距离函数之间的偏离程度作为轮廓线内能,使得采用水平集方法求解时无需对轮廓线作周期性的重复初始化,从而极大地提高了分割模型的收敛速度和鲁棒性。通过对临床心脏磁共振图像数据的实验结果显示,该方法所得分割结果和专家手动分割结果的距离在合理范围内。三.提出一种包含区域、边缘与先验信息的心脏磁共振图像内外壁联合分割算法为了计算左心室质量(left ventricle mass,LVM)、每搏输出量和射血分数等重要心功能参数,需要提取左心室的内外膜轮廓。左心室内膜分割的主要影响因素包括噪声及灰度不均匀性、右心室血池及乳头肌。左心室外膜分割的主要影响因素包括噪声及灰度不均匀性、左心室血池、左心室外膜周围的组织和外膜处边缘信息的丢失和不完整。本文提出一种包含区域信息、边缘信息和约束条件的变分框架,实现了左心室内外膜的鲁棒分割。本文所提出的变分框架主要包括三个部分:(一)基于边缘信息的轮廓线引导项虽然动态方向梯度矢量主动轮廓模型能够正确识别边缘的极性,但是其本质上仍属于参数主动轮廓模型,处理轮廓线几何拓扑结构变化的能力较差。本文将动态方向梯度矢量流与几何主动轮廓模型相结合,提出了能够使轮廓线双向演化并且区分左心室内外膜的轮廓线引导项,同时将其用水平集方法表达并求解,提高了轮廓线处理几何拓扑形变的能力。由于动态方向梯度矢量流场是定义在演化曲线上的外力场,因此,本文采用了fast marching方法将其扩展至整个图像域。(二)基于区域信息的轮廓线引导项对于噪声较多,边缘信息比较复杂的图像来说,单纯依靠图像中的边缘信息的分割方法对于初始位置较为敏感,鲁棒性较差,而基于区域统计信息的分割方法则具有较好的稳定性和抗干扰性,对于初始位置的依赖性也较低。基于这种考虑,本文在假设心脏磁共振图像的灰度分布符合高斯分布的基础上,提出了基于区域灰度最大后验估计的轮廓线引导项。为了提高轮廓线的收敛速度,本文中还在变分框架中加上了基于轮廓线与符号距离函数之间的偏差的约束项,从而省略了水平集方法中的周期性重复初始化(三)基于心脏解剖结构的约束条件由于射频场不均匀及其噪声的影响,在心脏磁共振图像的左心室外膜处经常会出现边缘信息丢失或者边缘信息不完整的情况,此时,采用主动轮廓模型进行分割时会发生轮廓线的泄漏。为了防止泄漏现象的发生,本文引入了基于心脏解剖结构信息的约束条件。具体来说,首先,将左心室外膜分为不同的区域,根据解剖知识可以知道在那些区域容易丢失边缘信息(一般是图像中心脏与肺和肝脏的相接处),其次,由于在一个心动周期内,心肌厚度相差不大,因此,左心室外膜距离左心室质心的最大距离不能超过一定的阈值。如果左心室外膜距离左心室质心的最大距离接近该阈值,则要降低轮廓线的演化速度;如果超出该阈值,则应停止演化或改变轮廓线的演化方向。通过对临床心脏磁共振图像数据的实验结果显示,本文所提出的变分框架能够较好地提取左心室内外膜轮廓,抗干扰性好,鲁棒性高,在一定程度上能够防止轮廓线在左心室外膜处泄漏,能够排除左心室内壁乳头肌的干扰,能够降低轮廓线对于其初始位置的敏感性。最终所得分割结果和专家手动分割结果的距离在合理范围内。