核磁共振圖像左心室輪廓的自動及交互分割方法研究.pdf

1、核磁共振成像（MRI）技術已經成為心臟疾病臨床診斷的重要輔助手段。該技術能夠無侵入地檢測人體的組織和器官，而且其成像機理使得該方法對生物體內如心臟這樣的軟組織特別有效。運用心臟核磁共振圖像不僅能觀察到心臟的形態(tài)結構，還可以估測心室的整體功能及局部心肌功能。特別是左心室心肌的運動情況能夠反映心臟的泵血功能，為多種心臟疾病的診斷提供依據，因此成為當前研究的熱點。為了獲取對左心室功能評價的參數，需要對左心室進行三維表面重建及運動重建。核磁共振

2、圖像左心室內外輪廓分割是左心室三維表面重建及運動重建的基礎。分割左心室的內外輪廓，能夠對運動分析提供邊界信息，同時為重建得到的三維運動場以及各種分析結果提供載體。因此，左心室內外輪廓的分割對于后續(xù)左心室功能分析起著重要作用，影響后續(xù)三維表面及運動重建的精度。 核磁共振成像技術分為不加標記線的核磁共振成像（Untagged MRI）和帶標記線核磁共振成像（Tagged MRI）。不加標記線的核磁共振成像，能夠反映更為精細的生理結構

3、，但由于心肌的同質性，難以找到密集的對應特征點，因而難以準確反映心肌運動。帶標記線核磁共振成像通過射頻脈沖以非侵入性的方式將磁飽和模式加到待成像的機體上，在核磁共振圖像上表現為黑色條紋，即為標記線。由于標記線會隨機體一起運動，因此標記線的運動反映了機體的位移，該技術為精確研究心肌內部的復雜形變提供了有效的途徑。本文對帶標記線和不帶標記線兩種MR圖像左心室分割進行了深入研究，主要有以下幾方面的工作： 1）分析了不帶標記線MR圖像左

4、心室分割的難點，提出一種自動分割左心室內外輪廓的算法：先利用MR圖像上左心室心肌的內外輪廓類似圓形的先驗形狀知識，用Hough變換估計左心室的初始輪廓，使初始輪廓較準確地定位于真實輪廓邊緣附近，從而克服初始輪廓對測地線輪廓模型分割結果的影響；然后再在測地線輪廓模型基礎上結合K-均值聚類提供的區(qū)域信息及心肌的生理結構約束，對左心室的內外輪廓同時進行分割。心肌的生理結構約束可以用來控制左心室內外輪廓的相對位置，區(qū)域信息用來給圖像分割提供目標

5、類別信息。實驗表明該分割算法具有較好的分割結果。 2）研究了基于圖論的主動輪廓模型方法，并在此基礎上提出了一種基于圖論的主動輪廓模型和形狀統計相結合的不帶標記線MR圖像左心室交互分割方法?？紤]到基于圖論的主動輪廓模型方法分割時易發(fā)生邊緣泄漏，采用了形狀統計來約束基于圖論的主動輪廓模型分割心臟MR圖像。在演化曲線過程中，采用了點分布模型來描述形狀統計，將曲線投影到形狀允許空間以施加形狀約束。由于加入了先驗形狀約束，使得受遮擋的目標

6、也能夠很好的分割，目標形狀的平移、旋轉和縮放對分割結果沒有影響，而且對噪聲也不敏感。該方法捕捉范圍大、對初始輪廓不敏感，很好地克服了虛假強邊界的干擾及邊緣泄漏且需要手工設置參數僅有一個，此外該方法速度較快。而且該方法提供了對分割結果的交互式修改，大大地方便了人機交互。 3）從圖像分類的思路出發(fā)，提出了一種結合特征分類的主動形狀模型分割方法，以此來自動分割不帶標記線MR圖像左心室內外輪廓。即在偏最小二乘（Partial Least

7、 Square，PLS）框架下結合鄰域空間上下文類別信息，提出了基于上下文的PLS（Contextual PLS，CPLS）特征維數削減方法，并且考慮鄰域加權來改進基于上下文的典型相關投影（Canonical Contextual Correlation Projection，CCCP），提出了一種新的類標號編碼方式，高斯加權CCCP（Gaussian Weighted CCCP，GCCCP）和高斯加權PLS（Gaussian Weig

8、hted PLS，GPLS）特征維數削減方法，用這些方法抽取最優(yōu)特征，訓練K近鄰分類器代替主動形狀模型的輪廓灰度匹配法來確定邊緣點進行輪廓分割。新的特征維數削減方法可以更好地提高分類性能和降低計算時間。實驗結果證明了此分割方法可以達到較以往方法更高的分割精度和更好的穩(wěn)定性。 4）研究并提出了一種基于主動形狀模型及特征融合策略的帶標記線MR圖像左心室自動分割方法。即從基于典型相關分析的特征融合角度對LM濾波器組提取的帶標記線MR圖

9、像左心室紋理特征進行特征融合，再用融合后的特征構造支持向量機（SVM）分類器，通過分類器來確定邊緣點，驅動主動形狀模型分割左心室。特征融合具有明顯的優(yōu)勢，即保留了參與融合的多特征的有效鑒別信息，又在一定程度上消除了由于各種因素帶來的冗余信息，對分類識別具有重要意義。實驗證明了通過基于典型相關分析的特征融合可以降低分類錯誤率，提高分類性能。而用分類器代替經典ASM模型的基于輪廓灰度的匹配法來確定邊緣點可以較好地分割紋理圖像。 5）

10、研究了結合形狀統計的變分圖像分割方法，并在此理論框架下提出了一種結合紋理分類與形狀統計的帶標記線MR圖像左心室內外輪廓自動分割方法。該算法將SVM分類器引入到變分框架下，通過利用SVM對S濾波器組提取的紋理特征所得的分類結果構造新的曲線內外區(qū)域能量表示，改進了經典的Mumford-Shah模型中的內外區(qū)域能量項，把Mumford-Shah模型推廣到紋理圖像的分割。對于乳突肌干擾及邊緣斷裂現象，采用先驗形狀統計來引導曲線的演化，使分割結果