论文部分内容阅读
肺动脉闭锁合并室间隔缺损(PA/VSD)是一种复杂先心病。临床上主要采用手术的方式对PA/VSD患者进行治疗,治疗效果受临床医生经验的限制。为使PA/VSD患者获得更好的治疗机会,本文利用机器学习方法建立患者手术方案预测模型,辅助医生术前设计手术方案。左心室容积常作为心脏功能的重要指标,临床医生常据此评估心脏功能并制定治疗方案。本文基于CT影像设计了左心室的分割算法,分割左心室并给出了准确可靠的分割结果,来辅助医生准确地评估心脏功能。本文主要包含两个工作:工作一,关于PA/VSD患者右心室流出道重建手术方案预测模型的研究。第一步,本文统计了109例PA/VSD患者病例及其生理参数,分别为I型32例,II型29例,III型48例,手术方案分别采用补片、下拉、心包卷。第二步,利用3D-Slicer分割PA/VSD患者CT影像中的侧枝血管、肺动脉、主动脉,获得心脏血管模型,之后利用VMTK库提取已分割血管的中心线,得到关于中心线的5种特征。第三步,统计PA/VSD患者临床实践医学诊断特征19种与中心线特征5种,统计每例患者所采用手术方案。第四步,借助4种分类模型,基于临床实践诊断特征建立手术方案预测模型,基于包含中心线的诊断特征建立手术方案预测模型,比较不同模型的分类准确率。工作二,基于CT影像设计了左心室的分割算法。第一步,采集了14例先心病患者的胸部CT影像数据。第二步,考虑到CT切片间影像解剖结构的连续性,提出基于轮廓约束利用水平集方法分割左心室,利用已分割目标轮廓保证下层分割结果的准确性,提出具有边界收缩功能的收缩模型和具有边界生长功能的生长模型,其中,水平集方法保留了连续且光滑的边界。第三步,使用经典的区域生长算法和距离正则化DRLSE模型与本文mDRLSE算法连续分割14例患者左心室切片,进行分割稳定性和准确率的比较,之后将左心室边界分为清晰、模糊、缺失三种情况,利用C-V模型和DRLSE模型与本文算法同时分割边界模糊和缺失的左心室并比较。结果表明,使用Decision Forest分类模型,选择包含中心线特征的医学诊断特征,手术方案预测模型的准确率为最高72.83%。中心线特征结合临床实践特征提高了模型的准确率,将更好辅助医生进行术前手术方案预测设计。根据Dice指数,连续分割14例患者左心室切片,区域生长算法和DRLSE算法与本文mDRLSE算法的平均准确率分别为78.02%、86.34%、92.64%,表明本文提出的左心室分割算法分割准确率高于另外两种算法。