基于电影磁共振影像的心室分割关键算法研究

Cardiovascular disease has become the number one killer of human health. It is particularly significant for diagnosing cardiovascular disease if segmentation of the ventricles is intensively studied for the purpose of analyzing cardiac functions quantitatively with the help of medical image processing technologies. Cine MR has become the standard for heart disease examination. But segmenting ventricles from Cine MR images is particularly difficult, because: 1) how to coarsely locate the ventricles to reduce the computational domain and obtain the best view to observe the ventricles from Cine MR images; 2) how to improve image quality to reduce the negative impact of the bias field and noise on segmentation of the ventricles; 3) how to improve the segmentation method to reduce the adverse effects of complex structures surrounding the ventricles on the segmentation accuracy;4) how to improve key algorithms of cardiac ventricular segmentation to promote the processing speed. This project carries out research work around segmentation of the cardiac ventricles from Cine MR images. It focuses on attempting to resolve above mentioned difficulties and challenges in the relevant areas and tries to accumulate technical methods for the development of cardiovascular disease diagnosis of China. We devote to applying the research results to clinical diagnosis to improve efficiency and accuracy and ease the growing pressure of cardiovascular disease to the medical treatments of China.

心血管疾病已成为人类健康头号杀手。借助医学影像处理技术，研究心脏组织分割关键算法，进而定量分析心脏功能参数，对心血管疾病诊断意义重大。电影磁共振已经成为心脏病检查标准方法。但是，基于电影磁共振影像实现心室分割并不容易，其难点在于：1）如何准确定位心室，获得最佳观察视角，减少非心脏组织所占比例；2）如何提高影像质量，降低偏移场、噪声给分割算法带来的负面影响；3）如何提升分割精度，降低心室周围复杂的组织结构对分割算法的不利影响；4）如何提升算法时间性能，降低心室分割关键方法的处理速度。本项目围绕心室分割开展工作，研究重点在于攻克上述四个难点问题，为我国相关领域发展提供技术积累，并努力将本课题研究成果应用于心室疾病临床诊断中，提高诊断效率与准确率，缓解日益增长的心血管疾病给国内医疗带来的压力。

心血管病已成为人类健康头号杀手。借助医学影像处理技术，研究心脏组织分割关键算法，进而量化分析心脏功能，对心血管病诊断意义重大。目前，电影磁共振已成为心脏病筛查影像学标准。但是，基于电影磁共振影像实现心室分割仍存在因噪声与偏移场导致的影像质量不足问题、心室分割结果精度不高问题、算法复杂处理速度慢问题。针对上述问题，本项目重点研究了1）人体生理结构特征先验指导的、基于区域增长与形态学操作的心脏短轴自动识别方法。实验表明，提出的方法可以正确定位心脏长轴，从而生成心脏短轴位影像；2）基于多时序累积差分影像与霍夫变换的左心室快速定位方法。提出的左心室自动识别方法能从心脏短轴多时序磁共振影像中正确识别包含左心室在内的最小圆形区域；3）融合心脏多时序影像序列特征的非局部噪声消除算法。实验表明，提出的改进方法有效消除心脏电影磁共振影像噪声的同时，使得组织边界得以很好保持。基于CUDA加速算法，获得150倍的速度提升；4）基于基函数拟合的偏移场校正算法。实验表明，算法估计的偏移场平滑度较好，校正前后影像灰度分布一致性明显增强；5）基于邻域约束像素分类的心室分割方法。与传统算法在公开数据集上对比分割精度发现，提出的算法对噪声的鲁棒性更强；6）心室形状特征规则化约束的水平集分割方法。在MICCAI公开数据集上，提出方法的心室内/外膜分割边界与金标准的Dice系数分别为0.93±0.02、0.95±0.01，内膜边界与金标准垂直平均距离分别为1.32±0.25、1.47±0.31。以上提出的方法均具有一定的普适性，可用于但并不局限于基于电影磁共振影像的心室分割。根据应用场景的不同只需对提出方法中的先验知识适当修改即可实现扩展应用。为增强研究成果转化的可行性，以项目提出的算法为基础初步搭建了一个心脏功能分析平台，实现了心脏功能可视分析，并将该平台应用于合作院方临床验证与评估。