检索历史 清除

摘要心血管疾病非常常见，是当今世界上发病率和死亡率最高的疾病之一。随着医疗水平的提高和医学影像技术的不断发展，医生可以通过医学影像更直观地认识心血管疾病。如今已经发展出许多冠心病诊断治疗的影像技术，其中冠状动脉CT血管造影（ComputedTomographyAngiography,CTA）具有价格低、操作简单及非介入型成像的优势，是最常用的冠心病早筛手段之一。随着计算机辅助诊疗技术的快速发展，临床上对冠脉CTA图像处理的精度和自动化程度都提出了更高的要求。<br>　　本文以冠脉CTA体数据作为研究对象，分别从二维和三维上开展了冠脉血管分割的研究工作，并取得了以下研究成果：<br>　　（1）从二维序列图像分割研究上，本文提出了一种基于多特征的改进粒子滤波算法，实现了冠脉CTA序列图像中血管的精准自动追踪分割，并通过面绘制算法完成血管三维模型绘制。在追踪分割算法中，首先，通过特征匹配算法追踪分叉的冠脉血管；其次，结合多种冠脉血管的特征并改进粒子滤波的重采样规则，实现对拓扑结构和运动状态变化剧烈的冠脉小血管的追踪；最后，将追踪目标的中心作为种子点，完成血管的序列分割。通过实验数据分析，本文算法在冠脉血管追踪上的追踪准确率达到97.84%，并与其它血管追踪方法进行数据对比，验证了本文算法的优越性。<br>　　（2）为了实现全自动高精度的血管分割，本文从三维体数据分割研究上，提出了带有自适应权重损失函数的W型三维神经网络（3DW-NetWithAdaptiveWeightedLoss,AWL-W-Net）完成冠脉血管三维模型的全自动分割。在AWL-W-Net中，首先建立具有双损失函数的3DW-Net网络结构并训练分割模型；其次，根据3DW-Net在冠脉血管三维分割上表现出丢失末端血管和模型断裂的缺陷，提出了自适应权重损失函数层设计，增强了网络学习能力，实现了提高冠脉血管分割精度、修复三维模型断裂的目标。从多方面将AWL-W-Net与3DU-Net、3DW-Net网络分割结果进行对比分析，证明了AWL-W-Net网络不但提高了冠脉血管的分割精度，还修复了三维模型的断裂，能够为医生提供更符合临床需求的高精度冠脉血管三维模型。