论文部分内容阅读
心脏磁共振（Magnetic Resonance Imaging,MRI）图像自动分割与量化算法能够自动绘制心脏解剖结构的轮廓,并能精确测量心脏功能的量化参数,实现心血管疾病的精准分析,从而提高医生诊断心血管疾病的准确性与效率,因此成为当前医学图像处理领域的研究热点。传统心脏MRI图像分割算法在自动化程度、计算效率和鲁棒性方面存在一定的不足,难以满足医院对大规模心脏MRI数据处理的需要,而基于全卷积神经网络（Fully Convolutional Network,FCN）的图像语义分割算法,能够提取心脏磁共振图像多尺度、深层次的抽象特征,增强分割模型对MRI噪声、强度不均匀性、弱边界和形状变化等因素的抗干扰能力,并且其端对端的工作模式提高了数据的利用率、简化了模型的设计流程,因而成为当前心脏MRI图像自动分割领域的主流趋势。本论文就心脏MRI图像的左心室分割、左右心室分割、左心室17节段分割及动态心脏MRI图像量化分析等问题展开了深入的研究工作,主要研究内容如下:1.基于FCN模型,提出了一种心脏MRI图像左心室自动分割算法。通过动态像素加权策略调整训练阶段损失函数各样本的权重值,引导FCN模型重点分类难分类的像素,从而提高了FCN模型对心脏MRI图像左心室基底部和心尖部的分割效果。此外,基于凸包算法与形态学处理方法提出了一个后处理算法,用于修复左心室分割结果的环状结构,从而准确提取分割结果的心内膜与心外膜轮廓。2.基于两阶段FCN模型,提出了一种心脏MRI图像左右心室自动分割算法。利用第一阶段的FCN模型检测心脏MRI图像左右心室的中心点位置,用于提取感兴趣区域,并作为先验信息辅助第二阶段的全卷积神经网络模型分割中心点附近的左右心室,有效解决了已有算法在左心室心尖位置的欠分割与过分割问题。此外,提出了一个基于假阳与假阴率评价指标的损失函数,有助于提高FCN模型的分割性能。3.基于两阶段FCN模型和左心室17节段标准模型,构建了一个心脏MRI图像左心室17节段自动分割系统。利用两阶段FCN模型提取心脏MRI图像的解剖结构关键点和左心室心肌区域,然后基于极坐标变换方法构建以左心室为原点的极坐标空间,最后根据左心室17节段标准定义和关键点信息将左心室分割结果分段为17个节段,从而有效解决了左心室17节段无实际边界而难以分割的问题。4.基于提出的心脏MRI图像分割算法,构建了一个动态心脏MRI心室功能自动量化系统。利用心脏MRI图像左右心室与左心室17节段自动分割算法获取左右心室以及左心室17节段分割结果,然后通过分析左心室体积随时间变化曲线识别出心室舒张末期和收缩末期时间点,最后分别基于心室功能参数计算公式和欧氏距离变换提取分割结果中的量化指标,实现心脏MRI的定量分析。本文所提出的算法在多个公开数据集进行性能测试与评估。实验结果表明,以上算法可以有效解决现有心脏MRI图像分割存在的问题,实现高效准确的心脏MRI量化分析。