心臟占位性疾病發(fā)生在心臟腔室內,易引起身體各臟器不同程度的梗阻,嚴重危害人類身體健康。早期的診斷和治療可以有效降低心臟手術風險,提高患者生存率。在心臟占位性疾病的各種檢查方式中,超聲心動圖由于具有無損、實時、價廉和操作方便等優(yōu)點,是臨床診斷心臟疾病、評價心功能的主要手段。 由于超聲成像的相干特性,超聲心動圖信噪比低,邊緣模糊,定量分析困難,醫(yī)生人工診斷準確率低。因此,本論文以提高心臟占位性疾病判別準確率為目標,對超聲心動圖分析與處理中的關鍵問題進行深入研究,建立一套心臟占位性疾病的自動判別系統(tǒng),為臨床診斷提供參考意見。 本論文在超聲圖像降噪、圖像分割、特征提取和模式識別四方面進行了研究和探討： 1.在圖像降噪方面,超聲心動圖的強斑點噪聲是影響疾病分析的主要因素。針對傳統(tǒng)的基于局部的降噪算法易丟失圖像細節(jié)信息的缺點,提出了基于最大似然估計和非局部平均的降噪算法,使得抑制噪聲的同時,盡量保持或增強圖像的細節(jié)特征；提出基于稀疏表示和非局部平均的降噪算法,將稀疏表示融入非局部平均算法,兩者的有效結合降低了計算量,實現(xiàn)整幅圖像的全局降噪；針對超聲心動圖為序列圖像的特點,進一步使用運動估計方法,將降噪過程擴展到時間域,提出基于運動估計的超聲圖像序列降噪算法,利用前后幀信息共同降噪。以上三種方法具有良好的降噪效果,為后續(xù)的超聲心動圖分割與特征提取工作打下堅實基礎。 2.在圖像分割方面,由于心臟結構復雜且占位性疾病所占體積小,一般的圖像分割技術不能有效解決心臟占位性疾病的分割問題。針對超聲心動圖中心臟邊緣模糊的特點,提出基于選擇性集成學習和活動輪廓模型的分割方法,采用有教師的學習模式,將心臟形狀與紋理特征有機結合,有效提取邊緣；針對活動輪廓模型對初始輪廓敏感且外部能量單一的情況,提出基于稀疏表示和改進活動輪廓模型的分割方法,通過稀疏分解獲得較準確的初始邊緣,并改進外部能量,使其快速收斂至真實邊緣,從而實現(xiàn)無監(jiān)督分割。實驗表明,這兩種方法均提高了分割的抗干擾能力和準確度,實現(xiàn)了超聲心動圖的有效分割。 3.在特征提取方面,設計了一套超聲心動圖的特征提取算法,共量化三類(9個)特征參數(shù)。除臨床常用的病灶運動特性和基底長度兩個特征外,還提出了新型的超聲心動圖紋理參數(shù)。實驗顯示,這些參數(shù)對心臟占位性疾病具有良好的區(qū)分能力。 4.在模式識別方面,采用新型的稀疏分類器,根據(jù)所提取的特征參數(shù)對心臟占位性疾病進行分類判別。分析對比了不同特征參數(shù)組合對分類判別結果的影響和不同分類器之間的性能。 綜上,本論文構建了一個完整的心臟占位性疾病自動判別分析系統(tǒng)。將該系統(tǒng)用于97個心臟占位性疾病(54個心臟腫瘤病例,43個心臟血栓病例)的超聲心動圖序列分析和識別中,分類準確率為96.91%,敏感性為100%,特異性為93.02%。實驗結果表明,本系統(tǒng)具有良好的心臟占位性疾病識別能力,具有重要的臨床應用價值和實際意義。
【學位單位】：復旦大學
【學位級別】：博士
【學位年份】：2013
【中圖分類】：R541;R445.1
【部分圖文】：

的正常運作對生命至關重要，是動物胚胎期最早出現(xiàn)的器官之一。心臟包括左心室、右心室、左心房和右心房，如圖1.1所示。其主要功能由左、右心室共同完成，其中左心室在整個循環(huán)過程中占主導作用，作為心臟中最大的腔室，負責將動脈血栗到身體的各個部分。氣管“‘.j 麻動脈.么f贏脈右心房—"“、左心房酬下歸脈—^fm^j室同隔圖1.1心臟結構[1]。在心血管疾病中，心臟占位性疾病發(fā)病率較低，容易被忽視，且在臨床表現(xiàn)上無特異性，故診斷頗為困難。心臟占位性疾病中，心臟腫瘤和血栓是最為常見的兩種占位性疾病[2]。這兩種占位性疾病由于生長于心臟內，可因阻塞心腔而導致心力衰竭，或因脫落發(fā)生肺與體循環(huán)栓塞，乃至猝死等嚴重并發(fā)癥，�？蓪е峦蝗凰劳�，因此早期診斷，及時治療，對防止心臟血檢或者腫瘤脫落，挽救生命尤為重要。隨著電子技術的飛速發(fā)展

可發(fā)生于心腔的任何部位，以左心房最多(>75%)，其次是右心房(15%)、右心室(5%)和左心室(5%)，絕大多數(shù)為單發(fā)，也可多發(fā)[3]。圖1.2為左心房粘液瘤示意圖。2

如左房、左室血栓脫落后，常引起腎、脾、腦、腸系膜、肢體等部位的栓塞和梗塞，而右房血栓脫落后又可引起肺動脈系統(tǒng)的栓塞[7]。圖1.3為心臟血栓形成及其脫落示意圖。心臟血栓可通過外科手術方式清除或內科用藥及溶栓治療。3
【參考文獻】

相關期刊論文 前2條

1 楊曉霜;汪源源;;基于Moore-Penrose逆矩陣的選擇性集成[J];光電工程;2009年11期

2 肖芳;宋蘇云;張雪珍;唐熙;;超聲心動圖在心臟占位性病變中的診斷價值[J];中華醫(yī)學超聲雜志(電子版);2008年03期

本文編號：2881530