实时心脏磁共振图像定位与联合分割方法研究

Medical image segmentation technique is always research hotspot and difficulty in image processing field. Especially for the automatic segmentation of real-time cardiac magnetic resonance images, it is can be used for analyzing cardiac function, diagnosing myocardial necrosis, heart valve disease and so on. It is offer clinical diagnosis basis for early disease detection and late treatment. On this clinical requirement background, our project research the autofilter of the cardiac magnetic resonance datas, heart location, the joint segmentation of left and right ventricle. The movement rule of heart and breath is used to autofilter all images for segmentation, and the morphological character of heart and the difference between the motion of images are used for heart location. The active contour model method with initial segmentation contour is proposed, according to the current segmentation algorthim. It is used for joint segmentation of left and right ventricle, to overcome the problem of low image resolution, uneven gray boundary, and less segmentation algorithms. This project start with the processing of real-time cardiac magnetic resonance datas, to propose a new image segmentation methods and ideas，and it plays an important role in quickly and easily processing the real-time cardiac magnetic resonance datas and computer-aided diagnosis.

医学图像分割一直是图像处理领域的研究热点和难点。特别是对实时心脏磁共振图像的自动分割，可以辅助分析心脏功能，诊断心肌坏死，心脏瓣膜疾病等各类心脏疾病，为早期疾病发现和后期治疗提供临床诊断依据。在这种临床需求背景下，本课题对实时心脏磁共振数据筛选、心脏定位、左右心室联合分割等问题进行深入研究，通过心脏和呼吸运动规律筛选可用图像进行分割，并利用图像之间运动差异和心脏形态信息定位心脏。针对实时采集的图像分辨率低，边界灰度不均匀，缺乏合适的算法用于实时采集图像的分割等实际问题，研究现有图像分割理论和方法，提出基于图像初始分割轮廓的活动轮廓模型方法，实现左右心室联合分割。课题从实时心脏磁共振数据处理入手，提出新的图像数据筛选、心脏定位、左右心室分割方法和研究思路，对于实时心脏磁共振数据快速便捷处理和计算机辅助诊断具有重要价值。

实时心脏磁共振图像自动分割，可以帮助医生快速分析心脏功能，诊断相关心脏疾病。本项目以自由呼吸心脏磁共振图像为研究对象，主要研究了自由呼吸心脏磁共振数据的筛选、心脏定位、左右心室联合分割，并取得重要成果。研究结果如下：（1）针对心脏磁共振数据的筛选，提出利用卷积神经网络定位左心室，然后利用心脏随着横膈膜运动而运动的规律，定位呼气末期，最后通过最小归一化互相关系数确定收缩末期和舒张末期图像，其筛选精度达到92.5%。（2）针对心脏定位，项目提出利用舒张末期和收缩末期的差异图像，并结合形态学算法定位左心室，同时也提出一种基于深度学习的方法，可以定位每一层心脏在图像中的位置，包括心尖层，定位准确度达到100%。（3）针对左右心室联合分割，本项目提出一种新的深度学习分割网络，可以直接对左右心室以及左心室心肌进行分割，并取得较好效果，其左心室、左心室心肌、右心室分割dice系数分别达到0.919、0.806、0.818。以上研究成果分析和处理了自由呼吸心脏磁共振数据，对于实时心脏磁共振成像数据的快速处理提供新的方法和研究思路，对于临床辅助诊断，具有重要的理论意义和工程应用价值。本项目执行期间已发表论文6篇，获批专利一项，其中4篇被SCI检索，2篇国内核心期刊。