论文部分内容阅读
1958年,Teare首次全面描述了肥厚型心肌病(Hypertrophic Cardiomyopathy,HCM),临床中,根据静息状态下左室流出道压力阶差(Left Ventricle Outflow Tract Gradient,LVO TG)值将HCM分为肥厚梗阻型()和肥厚非梗阻型()。当肥厚梗阻型心肌病(Hypertrophic Obstructive Cardiomyopathy,HOCM)患者混合其他病变如二尖瓣返流(Mitral Regurgitation,MR)时,初级医师易过高估计LVOT的最大瞬时峰值流速和LVOTG值,影响病情判断和治疗决策的最优化。因此,在本研究室和第四军医大学第一附属医院西京医院HCM研究小组前期研究工作成果的基础上,本文致力于伴二尖瓣返流肥厚梗阻型心肌病(Hypertrophic Obstructive Cardiomyopathy with Mitral Regurgitation,MR-HOCM)患者LVOT连续多普勒频谱图(Continuous Wave Doppler Spectrum,CWDS-LVO T)的智能辅助测量,鉴别MR-HOCM患者的LVOT血流流速和LVO TG值时是否发生过高估计并对LVOTG值进行矫正,同时自动提取连续多普勒频谱图(Continuous Wave Doppler Spectrum,CWDS)的特征参数,为LVOT血流动力情况提供更加丰富的临床信息。为了完成以上目标,本文主要从以下几个方面展开深入的研究:(1)MR-HOCM患者CWDS-LVOT的采集和预处理深入研究MR-HOCM患者CWDS-LVOT的特点、采集方法及参数含义、LVOTG测量方法、准确度和误差原因;在第四军医大学第一附属医院西京医院住院一部超声科由刚入科不超过三年的初级超声诊断医师和具有超过二十年以上丰富经验的专家超声诊断医师采集12名MR-HOCM患者CWDS-LVOT,并对LVOTG值的测量结果进行确认和记录,并设计合理的降噪预处理方法,通过选取中值滤波,均值滤波和高斯曲率滤波三种图像滤波方法进行滤波效果的评估和对比,通过对比试验,高斯曲率滤波(Gaussian Curvature Filter,GCF)在MR-HOCM患者CWDS-LVOT的降噪预处理上,效果明显。(2)盲源分离(Blind Source Separation,BSS)算法及应用深入研究BSS实现的基本模型、经典算法FAST-ICA的数学理论和基本思想,研究算法的实现过程和相应的实现步骤;探究BSS过程中出现的盲不确定性出现的原因;根据MR-HOCM患者CWDS-LVOT特点,完成基于FAST-ICA的MR-HOCM患者CWDS-LVOT的信号分离算法和实验验证,同时使用占格率对估计源信号的之间的独立性进行了测度。将LVOTG估计值与专家诊断结果进行对比分析,使用灵敏度和特异性指标,完成了算法准确率的评估,并建立了基于Subspace discriminant集成分类器的算法评估模型。(3)MR-HOCM患者CWDS-LVOT特征参数的提取深入研究MR-HOCM患者CWDS-LVOT特征参数提取方法;利用单自由度模型提取MR-HOCM患者CWDS-LVOT的最大频率曲线,基于提取得到的最大频率曲线进行8个特征参数的提取,提取的特征参数包括收缩期最大流速S、舒张末期最低流速D、收缩舒张流速比SD、LVOTG值、阻力指数RI、搏动指数PI、收缩谱宽度W和收缩上升时间T,并利用得到的特征参数完成对血流状况的评估。(4)系统界面设计采用MATLAB GUI设计一个MR-HOCM患者CWDS-LVOT的简易分析鉴别系统。操作界面分LVOTG过高估计判定、特征参数提取和诊断分析报告三大部分。LVOTG过高估计判定部分,显示原始MR-HOCM患者CWDS-LVOT、估计源信号图、流速矫正后估计源信号和MR-HOCM患者CWDS-LVOT最大频率曲线的对比图以及矫正后流速和LVOTG值。特征参数提取和诊断分析报告部分,编写相应控件的回调函数,结合相应所需的临床诊断参数和患者信息,将特征参数和分析结果图生成WORD形式的分析报告。本文主要对MR-HOCM患者CWDS-LVOT进行了深入的研究分析,建立了一个MR-HOCM患者CWDS-LVOT的流速简易分析鉴别系统,实现了对MR-HOCM患者CWDS-LVOT是否产生流速和LVOTG值过高估计的判定和矫正,同时还结合临床所需,实现了MR-HOCM患者CWDS-LVOT部分特征参数的自动提取,并通过实验进一步验证了该系统的有效性和可行性。