CCTA图像的冠状动脉自动分割算法研究

冠心病的早期诊断是医学领域备受关注的重要课题。冠状动脉CT造影(CCTA)作为近十年来发展起来的一种快速无创成像方法，逐渐成为冠心病早期诊断的重要手段。日益增多的CCTA检查和相关医学研究与应用，亟需对CCTA图像中的冠状动脉进行自动分割。这不但能为临床诊断提供丰富的后处理工具，提高临床诊断效率；更可以为冠心病诊断提供量化评估指标，提高诊断准确性和自动化水平。本项目将从中轴线提取和血管腔区域分割两方面研究冠状动脉自动分割算法。首先，针对目前自动中轴线提取算法的不足，引入一个冠状动脉三维模型,对提取的冠状动脉中轴进行自动命名，并引导算法剔除误提取的非冠脉组织，搜索断裂的远端分支，以提高中轴线提取的准确性。在此基础上，本项目将进一步研究血管腔区域分割算法，根据血管腔及周围组织的结构和图像特征，对冠状动脉血管腔区域进行精确分割。本项目将采用大量临床数据验证算法在临床诊断中的应用价值。

本课题围绕心脏CT造影图像（Cardiac Computed Tomography Angiography, CCTA）自动分割算法展开，其中主要涉及与冠状动脉分割及心腔分割等相关的研究工作。主要的研究进展包括改进了原有的基于多模板图像的心腔分割算法，并将其应用于4D CCTA图像左心室分割及相关量化参数分析。在此基础上，应临床需求，提出一个两步式的基于多模板图像的肾脏分割算法，获得了较为精确的分割结果。由于此类分割算法依赖非刚体图像配准的精度，因此课题组还提出一个基于Jensen Arimoto （JA）散度的新的图像配准相似度测度函数，初步实验表明该测度在保证精度的同时具有较好的抗噪声性。.针对冠状动脉血管分割方面，课题组提出一个算法利用CCTA数据自动检测心脏CT数据中的冠状动脉钙化点。该算法中集成了我们以前提出的冠状动脉分割及命名算法、心腔分割算法等，通过生成一个病人特异性的钙化点检测掩膜图像，从而准确的提取图像中的冠状动脉钙化点。该算法参加国际医学图像方面顶级会议MICCAI2014组织的相关竞赛（orCaScore challenge），在参赛的5个算法中钙化点检测精度排名第一，算法自动检测的钙化点精度与医生手工分割结果非常接近。在冠状动脉分割方面，我们还分别提出利用二维血管模型在多平面重组（MPR）图像中对血管腔进行量化，以及利用球谐函数和Zernike矩不变量来描述血管结构局部三维特征，提高血管分割精度。.此外，为了获得更好的CCTA图像数据，课题组在CCTA成像参数的个体化设定方面做了大量研究工作，这样能够保证本课题CCTA图像数据的成像质量，是本课题顺利实施的基础。.本课题三年来共发表SCI、EI论文12篇，申请国家发明专利4项，培养研究生2名，较好的完成了课题的预计目标。课题取得的各项研究成果已经或将转化，并应用到临床及相关的临床研究中。