基于CT圖像的全心臟分割算法研究.pdf

1、心血管疾病是全世界死亡率最高的疾病，并且發(fā)病率、死亡率逐年上升，嚴重威脅著人類的生命健康。因此，對心血管疾病進行定量輔助診斷和介入治療，對改善人類健康狀況具有重要意義。心臟是人體心血管系統(tǒng)的關鍵器官，現(xiàn)代醫(yī)學成像技術能夠提供豐富的結構和功能信息，其中CT(Computed Tomography)成像速度快、分辨率高、信息量多，是做心臟檢查的重要手段?；贑T圖像對心臟區(qū)域的分割在心血管疾病的診療上具有重要的作用。目前國內(nèi)外學者提出了許多

2、針對心臟中某些解剖結構的分割算法，他們的主要關注點在于心房、心室的分割。但是，對于心臟手術導航、介入治療指導、計算機輔助診斷等應用常常需要獲得整體心臟結構。通過精確提取心臟完整區(qū)域和邊緣，建立全心臟三維模型以輔助醫(yī)生進行臨床診斷和早期治療，具有重要的應用價值和臨床意義。然而，復雜的心臟結構以及由于心臟搏動而形成的偽影和噪聲，給心臟的定位和分割帶來了極大的困難，因此心臟的全自動分割一直是具有挑戰(zhàn)性的難點和熱點問題。
　　本文以醫(yī)學圖

3、像分割與圖像識別研究為背景，針對心臟CT圖像序列中相鄰切片和不同序列之間具有高度相關性的特點，對心臟的分割算法進行了研究，提出了一種基于模型的全心臟自動化分割方法，并對分割后的心臟進行了三維可視化顯示。
　　本文主要的研究內(nèi)容包括:
　　(1)訓練分類器實現(xiàn)心臟目標的自動定位。首先，基于不同個體心臟相似性的特點，利用已有樣本集提取圖像Haar-Like特征，并采用AdaBoost與瀑布算法訓練生成一個心臟級聯(lián)分類器，利用分類

4、器檢測輸入圖像自動定位心臟目標。然后，根據(jù)同一個體心臟相鄰切片的相似性特點，將當前的檢測結果動態(tài)調(diào)整后續(xù)圖像的檢測參數(shù)，形成一種自適應多層目標檢測算法，有效提高了檢測效率，降低了誤識率。
　　(2)基于主動形狀模型(Active Shape Model)的全心臟分割算法。首先，利用心臟先驗知識通過訓練樣本集獲得心臟平均形狀模型;然后，根據(jù)心臟分類器的檢測結果初始化平均模型，并作自適應形狀匹配。在匹配過程中，以起始匹配結果作為初分割

5、模板，同時將其作為下一層的分割模板，如此迭代更新直至遍歷結束，由此實現(xiàn)一組CT圖像序列與心臟平均模型的匹配，從而得到了全心臟邊界的匹配結果。最后，根據(jù)匹配結果得到的邊緣特征點，利用貝塞爾曲線對邊界進行最優(yōu)路徑規(guī)劃與選取，獲得光滑的分割結果。
　　(3)對于上述算法分割后的結果，分別與人工分割結果和臨床結果進行定性和定量的對照分析，并采用3D紋理映射法進行了三維可視化繪制和顯示。
　　綜上，本文基于先驗模型實現(xiàn)了對心臟的自動定