论文部分内容阅读
脑血管疾病已成为世界上最主要的致残和致死的原因之一，而颈动脉粥样硬化伴随斑块的破裂是导致脑血管疾病的主要因素。大多数脑血管疾病的发生都是突发、没有先兆性。因此，监测颈动脉斑块的生长和萎缩并对斑块治疗效果进行评价具有非常重要的理论意义和临床应用价值。本文主要目的在于研究颈动脉斑块自动测量方法及斑块特征描述方法，以对斑块的生长萎缩进行监测以及对于药物治疗的效果进行评价。
在临床上，影像学是颈动脉粥样硬化的主要检查手段。超声以其低成本、便携、无创性成为医学影像学中最常用的检查方法。虽然二维超声应用广泛，但是，其成像质量容易受超声投射角度、操作者经验等因素影响。三维超声可有效克服二维超声的这些缺点，提供了一种更可靠、更便捷、高效且可重复性好的颈动脉粥样硬化诊断技术。最常见的三维超声测量特征包括颈动脉血管壁体积(Vessel-wall-volume, VWV)和颈动脉斑块体积(Total plaque volume, TPV)。同时，三维超声提取的斑块内部纹理特征变化反映的颈动脉斑块内部成分变化、斑块表面粗糙度反映的是斑块表面溃疡情况，均是判断斑块易损性的重要因素。因此，本文将基于三维超声，围绕颈动脉VWV及TPV的自动分割方法以及三维超声颈动脉斑块特征的提取方法开展研究。
首先，本文研究了一种颈动脉血管二维横切面超声图像的VWV分割方法。由于训练三维卷积神经网络需要大量的三维超声数据，在研究初期获取的颈动脉三维超声数据较少，训练三维卷积神经网络存在困难。因此，作者将从三维超声数据中逐帧地获取颈动脉横切面二维超声图像，进行颈动脉血管腔-内膜边界(Lumen-intima boundary, LIB)和中膜-外膜边界(Media-adaventitia boundary, MAB)的分割。对于MAB分割，提出了一种基于动态卷积神经网络的方法；对于LIB分割，对U-Net网络进行改进，实现图像端到端的自动分割，减少了过拟合的发生。实验结果表明，该方法减少了分割所需时间，同时与现有方法相比提升了分割准确率。
其次，本文提出一种基于体素的全卷积神经网络(Voxel-FCN)实现了三维超声颈动脉VWV的自动分割。不同于一般的全卷积神经网络FCN，在Voxel-FCN的编码结构中加入了三维金字塔池化模块(PPM)以提取目标间的上下文关系；在解码结构中的连接模块中加入了注意机制，使得网络能够关注到更重要的特征。实验结果表面，Voxel-FCN方法不需要人工参与，大幅减少了分割所需时间，且有较高的分割精度。
再次，本文提出一种基于少量标签样本的三维超声斑块自动分割算法，以获取颈动脉TPV。本文中采用一种非监督的编解码网络进行预训练，然后，将预训练模型作为改进的U-Net网络的初始值微调网络参数。同时，提出使用蒙特卡罗Dropout在网络中引入不确定性，以提高分割准确性并减少过拟合。实验结果显示，该方法能够具有比现有方法更高的分割准确性。
最后，本文研究了三维颈动脉超声斑块的特征提取方法。利用前三章的方法得到颈动脉斑块测量特征VWV、TPV，提出使用三维共生矩阵描述斑块内部纹理特征。同时，提出一种基于三维分数维的特征描述方法，反映了斑块内部的不规则性和表面的粗糙程度。将上述多种特征进行优化组合，研究一种有效的斑块特征描述方法，并用临床数据验证所得到的特征对服用阿托伐他汀(Atorvastatin)药物治疗和安慰剂病人的区分能力。实验结果显示，所提出的三维分数维特征能够反映斑块的变化，同时，优化组合后的特征在区分服用阿托伐他汀药物治疗和安慰剂病人时显示出统计学显著性差异。
综上所述，本文通过研究三维超声颈动脉分割方法，实现了颈动脉斑块负荷(VWV和TPV)自动测量，同时研究了颈动脉斑块的特征描述方法。本文工作能够用于对斑块的生长变化进行监测，以及评价药物治疗效对颈动脉斑块的影响，将为建立基于三维超声的心脑血管事件风险评估系统奠定基础。
在临床上，影像学是颈动脉粥样硬化的主要检查手段。超声以其低成本、便携、无创性成为医学影像学中最常用的检查方法。虽然二维超声应用广泛，但是，其成像质量容易受超声投射角度、操作者经验等因素影响。三维超声可有效克服二维超声的这些缺点，提供了一种更可靠、更便捷、高效且可重复性好的颈动脉粥样硬化诊断技术。最常见的三维超声测量特征包括颈动脉血管壁体积(Vessel-wall-volume, VWV)和颈动脉斑块体积(Total plaque volume, TPV)。同时，三维超声提取的斑块内部纹理特征变化反映的颈动脉斑块内部成分变化、斑块表面粗糙度反映的是斑块表面溃疡情况，均是判断斑块易损性的重要因素。因此，本文将基于三维超声，围绕颈动脉VWV及TPV的自动分割方法以及三维超声颈动脉斑块特征的提取方法开展研究。
首先，本文研究了一种颈动脉血管二维横切面超声图像的VWV分割方法。由于训练三维卷积神经网络需要大量的三维超声数据，在研究初期获取的颈动脉三维超声数据较少，训练三维卷积神经网络存在困难。因此，作者将从三维超声数据中逐帧地获取颈动脉横切面二维超声图像，进行颈动脉血管腔-内膜边界(Lumen-intima boundary, LIB)和中膜-外膜边界(Media-adaventitia boundary, MAB)的分割。对于MAB分割，提出了一种基于动态卷积神经网络的方法；对于LIB分割，对U-Net网络进行改进，实现图像端到端的自动分割，减少了过拟合的发生。实验结果表明，该方法减少了分割所需时间，同时与现有方法相比提升了分割准确率。
其次，本文提出一种基于体素的全卷积神经网络(Voxel-FCN)实现了三维超声颈动脉VWV的自动分割。不同于一般的全卷积神经网络FCN，在Voxel-FCN的编码结构中加入了三维金字塔池化模块(PPM)以提取目标间的上下文关系；在解码结构中的连接模块中加入了注意机制，使得网络能够关注到更重要的特征。实验结果表面，Voxel-FCN方法不需要人工参与，大幅减少了分割所需时间，且有较高的分割精度。
再次，本文提出一种基于少量标签样本的三维超声斑块自动分割算法，以获取颈动脉TPV。本文中采用一种非监督的编解码网络进行预训练，然后，将预训练模型作为改进的U-Net网络的初始值微调网络参数。同时，提出使用蒙特卡罗Dropout在网络中引入不确定性，以提高分割准确性并减少过拟合。实验结果显示，该方法能够具有比现有方法更高的分割准确性。
最后，本文研究了三维颈动脉超声斑块的特征提取方法。利用前三章的方法得到颈动脉斑块测量特征VWV、TPV，提出使用三维共生矩阵描述斑块内部纹理特征。同时，提出一种基于三维分数维的特征描述方法，反映了斑块内部的不规则性和表面的粗糙程度。将上述多种特征进行优化组合，研究一种有效的斑块特征描述方法，并用临床数据验证所得到的特征对服用阿托伐他汀(Atorvastatin)药物治疗和安慰剂病人的区分能力。实验结果显示，所提出的三维分数维特征能够反映斑块的变化，同时，优化组合后的特征在区分服用阿托伐他汀药物治疗和安慰剂病人时显示出统计学显著性差异。
综上所述，本文通过研究三维超声颈动脉分割方法，实现了颈动脉斑块负荷(VWV和TPV)自动测量，同时研究了颈动脉斑块的特征描述方法。本文工作能够用于对斑块的生长变化进行监测，以及评价药物治疗效对颈动脉斑块的影响，将为建立基于三维超声的心脑血管事件风险评估系统奠定基础。