本文選題：冠脈分割 + 心臟CT圖像�。� 參考：《中國(guó)圖象圖形學(xué)報(bào)》2016年07期

【摘要】：目的由于計(jì)算機(jī)斷層血管造影(CTA)圖像的復(fù)雜性,臨床診斷冠脈疾病往往需要經(jīng)驗(yàn)豐富的醫(yī)師對(duì)冠狀動(dòng)脈進(jìn)行手動(dòng)分割,快速、準(zhǔn)確自動(dòng)分割出冠狀動(dòng)脈對(duì)提高冠脈疾病診斷效率具有重要意義。針對(duì)雙源CT圖像特點(diǎn)以及傳統(tǒng)單一基于區(qū)域或邊界的活動(dòng)輪廓模型的不足,研究了心臟冠脈3維分割算法,提出一種基于血管形狀約束的活動(dòng)輪廓模型分割方法。方法首先,利用改進(jìn)的FCM(fuzzy C-means)對(duì)心臟CT圖像感興趣區(qū)域初分割,其結(jié)果用于初始化C-V模型水平集演化曲線及控制參數(shù),提取感興趣區(qū)域輪廓。接著,由3維心臟圖像數(shù)據(jù)獲取多尺度梯度矢量信息構(gòu)造邊界型能量泛函,然后利用基于Hessian矩陣的多尺度血管函數(shù)對(duì)心臟感興趣區(qū)域3維體數(shù)據(jù)增強(qiáng)濾波,獲取血管先驗(yàn)形狀信息用于約束能量泛函。最后融合邊界、區(qū)域能量泛函并利用變分原理及水平集方法得到適合冠脈血管分割的水平集演化方程。結(jié)果由于血管圖像的灰度不均勻,血管末端區(qū)域更為細(xì)小,所以上述算法的實(shí)施是面向被劃分多個(gè)子區(qū)域的血管,在縮小的范圍內(nèi)進(jìn)行輪廓的演化。相比于傳統(tǒng)的血管分割方法,該方法充分融合血管圖像的先驗(yàn)信息及梯度場(chǎng)信息,能夠從灰度及造影劑分布不均勻的冠脈血管圖像中準(zhǔn)確分割出冠狀動(dòng)脈,對(duì)于細(xì)小的血管結(jié)構(gòu)亦能獲得較好的分割效果。實(shí)驗(yàn)結(jié)果表明,該方法只需在給定初始輪廓前提下,有效提取3維冠脈血管。結(jié)論對(duì)多組心臟CT圖像進(jìn)行分割,本文基于血管先驗(yàn)形狀約束的活動(dòng)輪廓模型可以準(zhǔn)確分割出冠脈結(jié)構(gòu)完整輪廓,并且人工交互簡(jiǎn)單。該方法在雙源CT冠脈圖像自動(dòng)分割方面具有較好的正確率與優(yōu)越性。
[Abstract]:Objective because of the complexity of computed tomography angiography (CTAA) images, the clinical diagnosis of coronary artery disease often requires experienced physicians to segment the coronary artery manually and quickly. Accurate and automatic segmentation of coronary artery is of great significance to improve the diagnostic efficiency of coronary artery disease. In view of the characteristics of dual-source CT images and the shortcomings of the traditional single active contour model based on region or boundary, a 3D segmentation algorithm for coronary artery was studied, and a segmentation method of active contour model based on vascular shape constraint was proposed. Methods first, the improved FCM(fuzzy C-means was used to segment the region of interest in the cardiac CT image. The results were used to initialize the evolution curve and control parameters of the level set of the C-V model and extract the contour of the region of interest. Then, the boundary energy functional is constructed from the 3D heart image data, and then the multi-scale vascular function based on the Hessian matrix is used to enhance the filtering of the 3D volume data of the region of cardiac interest. The prior shape information of blood vessel is used to constrain energy functional. Finally, the boundary, the regional energy functional and the evolution equation of the level set suitable for coronary artery segmentation are obtained by using the variational principle and the level set method. Results because the grayscale of blood vessel image is uneven and the end region of blood vessel is smaller, the implementation of the above algorithm is aimed at the vessels divided into several sub-regions, and the contour evolves in a narrow range. Compared with the traditional vascular segmentation method, this method fully integrates the prior information and gradient field information of the vascular image, and can segment the coronary artery accurately from the coronary artery image with uneven distribution of grayscale and contrast media. Good segmentation effect can also be obtained for small vascular structures. The experimental results show that the proposed method only needs to extract 3D coronary vessels effectively under the condition of given initial profile. Conclusion Multi-group cardiac CT images can be segmented. The active contour model based on prior vascular shape constraint can accurately segment the complete contour of coronary artery structure, and the artificial interaction is simple. This method has good accuracy and superiority in automatic segmentation of coronary artery image with dual source CT.
【作者單位】： 南京工業(yè)大學(xué)電氣工程與控制科學(xué)學(xué)院;
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董吉文;楊海英;;活動(dòng)輪廓模型綜述[J];信息技術(shù)與信息化;2008年05期

2 韓敏;孫楊;;基于改進(jìn)活動(dòng)輪廓模型的矢量邊界更新方法[J];工程圖學(xué)學(xué)報(bào);2009年04期

3 夏冉;王國(guó)胤;龔勛;任文彬;;基于改進(jìn)活動(dòng)輪廓模型的人臉分割[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

4 馮玉玲;何傳江;李夢(mèng);;不用高斯平滑的邊緣活動(dòng)輪廓模型[J];計(jì)算機(jī)工程與應(yīng)用;2010年36期

5 顧金庫(kù);蔡茜;郝剛;;基于區(qū)域的活動(dòng)輪廓模型[J];福建電腦;2010年11期

6 胡正平;楊建秀;;基于稀疏活動(dòng)輪廓模型的感興趣目標(biāo)檢測(cè)定位算法[J];光學(xué)技術(shù);2011年01期

7 高燕;劉永俊;陳才扣;;基于局部區(qū)域力的活動(dòng)輪廓模型圖像分割研究[J];計(jì)算機(jī)仿真;2011年11期

8 陳強(qiáng);何傳江;;全局和局部擬合的活動(dòng)輪廓模型[J];計(jì)算機(jī)工程與應(yīng)用;2011年11期

9 徐海勇;陳軍剛;;一種新的基于局部區(qū)域的活動(dòng)輪廓模型[J];湖南理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年01期

10 李穎;李傳龍;吳學(xué)睿;劉t@;;虛擬距離窄帶活動(dòng)輪廓模型[J];紅外與毫米波學(xué)報(bào);2012年06期

相關(guān)會(huì)議論文 前4條

1 劉丹;賴志茂;;于活動(dòng)輪廓模型的邊界快速提取算法[A];教育部中南地區(qū)高等學(xué)校電子電氣基礎(chǔ)課教學(xué)研究會(huì)第二十屆學(xué)術(shù)年會(huì)會(huì)議論文集（下冊(cè)）[C];2010年

2 主海文;高松;刁越;劉有軍;;基于改進(jìn)活動(dòng)輪廓模型的血管斷層圖像分割[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

3 王國(guó)棟;潘振寬;趙希梅;劉存良;王鈺;;基于圖像分解和活動(dòng)輪廓模型的紋理分割[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

4 方林;于海洋;李立超;鄒嬌;;基于光照不均勻的車輛提取與恢復(fù)模型[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 侍佼;模糊活動(dòng)輪廓模型在圖像分割與變化檢測(cè)中的應(yīng)用[D];西安電子科技大學(xué);2015年

2 付斌;基于活動(dòng)輪廓模型的目標(biāo)分割與跟蹤的研究[D];哈爾濱工程大學(xué);2006年

3 薛維琴;基于管狀約束活動(dòng)輪廓模型的血管分割方法研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2013年

4 陳侃;基于活動(dòng)輪廓模型的肺結(jié)節(jié)分割方法研究[D];華南理工大學(xué);2013年

5 崔華;基于活動(dòng)輪廓模型的圖像分割方法研究[D];東北大學(xué);2009年

6 高向軍;活動(dòng)輪廓模型及其在虛擬內(nèi)窺鏡中的應(yīng)用研究[D];華南理工大學(xué);2008年

7 朱國(guó)普;基于活動(dòng)輪廓模型的圖像分割[D];哈爾濱工業(yè)大學(xué);2007年

8 方玲玲;圖像分割的活動(dòng)輪廓模型研究[D];蘇州大學(xué);2013年

9 劉國(guó)奇;活動(dòng)輪廓模型中向量場(chǎng)基本理論及發(fā)展[D];華南理工大學(xué);2013年

10 鄭罡;基于活動(dòng)輪廓模型的人腦MRI結(jié)構(gòu)像多層次分割方法研究[D];南京航空航天大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 鐘輝強(qiáng);活動(dòng)輪廓模型外部能量項(xiàng)的研究[D];華南理工大學(xué);2015年

2 官俊;活動(dòng)輪廓模型在林木圖像分割中的應(yīng)用研究[D];東北林業(yè)大學(xué);2015年

3 苗宗霞;基于活動(dòng)輪廓模型的醫(yī)學(xué)圖像分割方法研究[D];西南大學(xué);2015年

4 周飛飛;基于活動(dòng)輪廓模型的圖像分割方法[D];南昌航空大學(xué);2015年

5 曹建伐;顱內(nèi)血管分割算法研究[D];浙江工業(yè)大學(xué);2015年

6 范兆龍;基于活動(dòng)輪廓模型分割方法研究[D];南昌航空大學(xué);2015年

7 鐘景茹;顱內(nèi)動(dòng)脈瘤介入治療支架植入圖像仿真優(yōu)化計(jì)算方法研究[D];首都醫(yī)科大學(xué);2016年

8 卜祥東;顱腦損傷病灶區(qū)分割研究[D];安徽大學(xué);2016年

9 戚世樂;活動(dòng)輪廓模型的改進(jìn)與基于Sobolev梯度的優(yōu)化[D];福州大學(xué);2014年

10 王蓉;活動(dòng)輪廓模型及在人臉部輪廓檢測(cè)中的應(yīng)用[D];太原科技大學(xué);2008年

，

本文編號(hào)：1943358