基于超聲及MR圖像左心室三維扭轉(zhuǎn)運(yùn)動分析的算法研究.pdf

1、心臟疾病是目前危害人類健康的重要因素，也是當(dāng)今社會主要的致死病因之一。心臟的扭轉(zhuǎn)運(yùn)動可以敏感地評價左室收縮功能，研究表明，心臟扭轉(zhuǎn)的程度及形式在一些疾病條件下會受到影響。因而，研究心動周期中心肌的扭轉(zhuǎn)運(yùn)動對于心功能正常與否的判定極為重要，對扭轉(zhuǎn)角度的測量能為臨床提供非常有價值的診斷依據(jù)。
　　 本文從DICOM圖像數(shù)據(jù)解析，左心室分割及輪廓跟蹤，左心室輪廓上特征點(diǎn)的提取及匹配，左心室腔的三維重建與運(yùn)動矢量投影分析幾個方面著手，初

2、步完成了一種基于圖像處理技術(shù)的心臟扭轉(zhuǎn)運(yùn)動檢測系統(tǒng)。實驗證明該檢測方法具有可行性，能夠在三維空間檢測心臟的扭轉(zhuǎn)角度，突破了二維空間分析的局限性。系統(tǒng)中各模塊的算法設(shè)計也具有一定的創(chuàng)新性和有效性，能夠較好的滿足課題研究的需要。
　　 本文的研究工作主要包括以下幾個方面：
　　 ①通過研讀DICOM3.0標(biāo)準(zhǔn)，提取出了DICOM格式的醫(yī)學(xué)文件中的圖像數(shù)據(jù)和三維信息，解析出橫斷面，矢狀面，冠狀面的連續(xù)幀切片并轉(zhuǎn)化為BMP格式的

3、圖像。
　　 ②在比較了傳統(tǒng)的梯度邊緣檢測算子檢測效果的基礎(chǔ)上，提出了基于改進(jìn)的數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法，通過對不同形態(tài)學(xué)算子的組合，結(jié)合了多結(jié)構(gòu)元和多尺度的特性，構(gòu)造出了優(yōu)良的邊緣檢測算子，較好地解決了邊緣檢測精度與抗噪聲性能的協(xié)調(diào)問題，取得了比較好的邊緣檢測結(jié)果。實驗證明，該算法能夠在濾除噪聲的同時，保持左心室邊緣的連貫性和準(zhǔn)確性，也為后續(xù)研究提供了較精確的邊緣信息圖。
　　 ③采用改進(jìn)的模糊C均值聚類算法、GVF

4、Snake算法及Water Balloons Snake算法有效地進(jìn)行了左心室的分割，準(zhǔn)確地提取出了左心室壁的輪廓。模糊C均值聚類方法融入了模糊理論，包括灰度、梯度、位置信息，該方法既包括先驗信息，又能靈活的區(qū)分難以分割的邊界?；谥鲃虞喞Ｐ偷腟nake分割算法，通過面積約束定位初始輪廓線后，根據(jù)能量約束自動逼近目標(biāo)的真實輪廓，最終提取出的輪廓具有連貫性且較接近真實輪廓，很好的克服了由于醫(yī)學(xué)圖片信噪比低引起的左心室區(qū)域不明顯，邊緣與偽

5、影混為一體而導(dǎo)致的分割困難問題，修復(fù)了因噪聲造成的輪廓斷點(diǎn)，使得輪廓更加平滑連續(xù)。同時能夠一次完成連續(xù)幀切片的輪廓跟蹤，比較適合于醫(yī)學(xué)圖像的自動分割，具有較好的研究價值。
　　 ④實現(xiàn)了三維空間下序列輪廓切片上的特征點(diǎn)匹配，本文綜合了幾何特征點(diǎn)和具有解剖意義的特征點(diǎn)，提出了基于曲率與距離最大相似度的特征點(diǎn)匹配算法，能夠較為準(zhǔn)確的找到特征點(diǎn)在空間的對應(yīng)關(guān)系，同時，本文提出了基于BP神經(jīng)網(wǎng)絡(luò)算法的一個心動周期中連續(xù)幀切片序列的特征點(diǎn)

6、匹配，該算法也能根據(jù)少量匹配好的特征點(diǎn)，自動找到輪廓上其它各點(diǎn)的對應(yīng)點(diǎn)，大大提高了計算效率。最后，通過控制點(diǎn)方程計算出了空間變換參數(shù)，得到了相鄰時間序列切片上目標(biāo)輪廓的扭轉(zhuǎn)角度和位移矢量，從而跟蹤了左心室的運(yùn)動。
　　 ⑤在Open GL平臺上，采用基于輪廓拼接的表面三維重建算法實現(xiàn)了心室腔的三維重建及顯示。初步研究了笛卡爾坐標(biāo)系下正交投影關(guān)系用以重建空間位移矢量，探索了三維運(yùn)動矢量的計算方法。
　　 實驗證明，本文提出