主動脈瓣二維超聲圖像的分割.pdf

1、主動脈瓣作為心臟四大瓣膜之一，在血液循環(huán)系統(tǒng)中起著重要的作用。但是，近些年來主動脈瓣狹窄逐漸作為一種非常多見的心臟瓣膜疾病出現(xiàn)在醫(yī)生和病人面前，對病人心臟的供血功能有極大的危害。針對主動脈瓣重度狹窄的老年人群，因其年齡大、體質(zhì)弱等而無法實施外科開胸手術(shù)治療方案。經(jīng)導(dǎo)管主動脈瓣置入術(shù)則是新興的無需開胸的治療主動脈瓣狹窄的技術(shù)。針對該手術(shù)無需開胸的特點，醫(yī)生需要通過術(shù)中影像的引導(dǎo)來實施人工瓣膜的植入。因超聲影像檢測具有費用低廉、安全可靠、操

2、作簡單等優(yōu)點，同時因其較好的實時捕捉動態(tài)瓣膜結(jié)構(gòu)的能力而成為了術(shù)中診斷主動脈瓣膜疾病以及判定瓣膜狹窄程度的重要手段。在基于超聲影像檢測的主動脈瓣的臨床診斷和治療中，需要通過圖像分割來提取主動脈瓣的信息，其中一項重要的手段就是圖像分割。圖像分割結(jié)果的好壞直接影響主動脈瓣結(jié)構(gòu)的定位分析和圖像引導(dǎo)手術(shù)的準(zhǔn)確性。
　　然而，目前對主動脈瓣二維超聲圖像的分割問題的相關(guān)研究成果非常少。因此，研究并實現(xiàn)一個能實時分割主動脈瓣二維超聲圖像序列的算

3、法是經(jīng)導(dǎo)管主動脈瓣置入術(shù)的迫切需要。
　　基于如上所述的研究背景，針對主動脈瓣二維超聲短軸切面的圖像序列，本文提出并實現(xiàn)了經(jīng)GPU加速的基于連續(xù)最大流模型的實時分割方法。
　　在介紹此方法之前，本文先敘述了關(guān)于圖論的知識，以及相應(yīng)的福特-?？松椒?、壓入與重標(biāo)記方法、雙向搜索樹法和最大流算法在圖像分割中的應(yīng)用。接著，在上述基礎(chǔ)上，本文著重介紹了能夠克服網(wǎng)格偏置的連續(xù)最大流模型。之后從概率函數(shù)的構(gòu)建、相似度的計算以及能量函數(shù)的

4、構(gòu)建三個方面介紹了模型的設(shè)計：
　　1）概率估計的構(gòu)建。針對主動脈瓣二維超聲短軸切面序列的先驗圖像，先進行手動分割獲得目標(biāo)區(qū)域，然后基于改進的概率估計方法，分別構(gòu)建綜合概率估計和單獨概率估計，同時計算每幀先驗圖像最具有代表性的前景區(qū)域灰度值和背景區(qū)域灰度值。
　　2）相似度的計算。針對任意待分割幀，分別計算其與各先驗圖像的相似度，根據(jù)相似度測量值尋找與其最匹配的先驗圖像。
　　3）能量函數(shù)的構(gòu)建。針對任意待分割幀，基于

5、連續(xù)最大流模型，利用與其最匹配的先驗圖像的最具有代表性的前景區(qū)域灰度值和背景區(qū)域灰度值分別構(gòu)建數(shù)據(jù)項和平滑項，從而實現(xiàn)對圖像的分割，同時采用GPU加速，加快了本課題提出的方法的運行速度。
　　為了評估本課題提出的分割方法的精度和時間效率，本文介紹了相關(guān)的數(shù)據(jù)實驗。本課題應(yīng)用經(jīng)GPU加速的基于連續(xù)最大流模型的分割方法，對3例經(jīng)胸壁超聲心動圖和30例經(jīng)食道超聲心動圖共計2502幀圖像實現(xiàn)了有效的分割，具有較好的精度和較高的魯棒性，同時