基于解剖学几何特征的心脏MR图像分割与形态学分析研究

Cardiac diseases are the major threads to human health. Cardiac MR (CMR) image segmentation and morphometric analysis can effectively improve the accuracy of diagnosis of heart diseases. This project proposes to use two level set functions with two layer to represent basic cardiac structures, including left ventricle, right ventricle, and myocardium, according to geometrical characteristics of the heart; Based on this heart model, we propose a segmentation model which is able to preserve the geometrical properties of the cardiac structures (e.g. convexity of left ventricle), and extend it to the segmentation of images with pathologies and 4D segmentation of time sequence images with spatial-temporal regularization; Based on the segmentation results, we will perform static and dynamic morphometric analysis of the heart, and seek for imaging biomarkers that are correlated with cardiac diseases. This project fully exploits the knowledge of heart anatomy and the advantage of the level set method to perform comprehensive segmentation and quantitative morphometric analysis, which has significant scientific value for the medical research of heart diseases and improvement of the accuracy of clinical diagnosis.

心脏病是威胁人类健康的主要疾病之一，心脏磁共振图像分割与形态学分析可以有效提高心脏疾病诊断的准确性。本课题针对心脏解剖学结构的几何特征，提出双水平集函数双层模型来表示左右心室和心肌等心脏基本结构；在此基础上，建立保持心脏解剖学结构几何性质（如左心室凸性）的心脏磁共振图像分割模型，并推广为对含病灶的图像分割模型和对时间序列图像的时空正则化4D分割模型，提高分割的精度、鲁棒性与自动化程度；在心脏分割结果的基础上，进行心脏的静态与动态形态学分析，建立与疾病关联的影像学生物标记。本课题充分利用心脏解剖学知识和水平集方法的优势，对心脏主要的基本结构和病灶进行完整的分割和形态学定量分析，为心脏疾病的诊断与分级提供更为全面的定量信息，对于开展心脏疾病的医学研究和提高临床诊断的准确性都有一定的科学意义。

结题摘要..项目背景：心脏病是威胁人类健康的主要疾病之一，心脏磁共振成像技术为心脏疾病的诊疗提供了十分有效的手段。心脏磁共振图像的分割能够得到患者的心脏解剖结构和病灶的定位，以及在分割基础上的图像分析，为临床医生对心脏疾病的诊疗提供各种有用的量化信息。..主要研究内容：本项目以磁共振心脏影像分割为核心开展研究，开发了一套基于心脏解剖学知识的磁共振心脏图像分割的水平集方法，能够完整地分割心室的基本结构，包括左右心室、心肌、心内膜与外膜。该方法充分利用了心脏的解剖学知识，巧妙地把心室基本结构的几何特征融入到心室分割的水平集方法框架中，从而提高了分割精度、算法的自动化程度与鲁棒性，达到了项目的预期目标。作为本项目核心课题磁共振心脏图像分割的辅助与补充，我们还研究了心脏磁共振图像处理所需的图像恢复与增强、磁共振图像的偏移场校正、心脏图像层间错位校正、磁共振图像的病灶分割。研究成果在磁共振影像领域的国际知名期刊Magnetic Resonance Imaging以及Neurocomputing和《模式识别与人工智能》等图像处理和人工智能领域的国内外知名期刊已发表8篇论文，在国际学术会议上发表7篇，另外还有多篇论文在投稿评审过程中。申请了多项国家发明专利，其中三项已授权。..科学意义：本项目的核心成果为基于解剖学几何特征的心室分割方法，该方法有效弥补了数据驱动的深度学习方法难以融入知识的局限性，为知识驱动的医学图像分割方法的研究提供了一个有效的模式。其中，保持凸性的左心室分割方法具有一般性，可以直接应用于各种具有凸形状的目标的分割。我们提出的基于心室凸形分解的心室分割方案，也对一般的非凸形状的目标的分割具有启发意义。