基于深度迁移学习的心脏MRI动态结构跟踪技术研究

Tracking cardiac motion precisely can help analysing cardiac function and improving the accuracy of clinical diagnosis. Even though MRI is very useful for cardiac assessment, the tracker constructed with hand-crafted features is easily affected by motion caused artefacts. Note that the data driven deep learning can effectively learn the prior knowledge and alleviate artefacts caused problems. Therefore, we propose to design a novel deep convolutional network for cardiac motion tracking. During offline training, the algorithm will utilize transfer learning method where the spatial regulation term is designed to optimize the network when the clinical training sample is limited. During online tracking, the algorithm will further link learnt prior knowledge with observations, and use local-global information in a feedback loop to improve the tracking accuracy under the situations with motion artefacts. The proposed tracking method aims at reducing the non-desirable effects from MRI, and further promoting tracking technology in MRI based diagnosis in clinic.

精确跟踪医学影像中的心脏动态结构，能有效分析病人的心功能，提高心肌病诊断的准确性。目前MRI所反映的心脏运动状态是评价心功能的金标准，但基于人工特征的跟踪算法无法解决因运动伪影而导致的跟踪失效问题。研究表明，数据驱动的深度学习，可有效学习目标相关的先验知识，降低图像质量对算法的影响。因此，本项目拟利用深度学习的方式，构建适用于心脏动态结构跟踪的深度神经网络。离线训练网络时，算法拟利用迁移学习的方式，通过设计空间结构约束，在临床MRI样本有限的情况下完成网络参数优化。在线跟踪测试时，算法拟关联训练所得的先验知识与观测数据，通过设计局部与全局信息的闭环反馈机制，在含伪影的MRI中也能实现心脏动态结构的稳定跟踪。通过上述研究，本项目有望降低MRI成像质量对跟踪精度造成的影响，促进心脏跟踪技术在MRI影像诊断中的应用。

心脏磁共振检查通过多参数、多平面、多序列成像，成为心肌病诊断及心功能评价的金标准。精确跟踪医学影像中的心脏动态结构，能有效分析病人的心功能，提高心肌病诊断的准确性。本课题完成了心脏MRI数据库的采集与标定，主要研究内容及取得的进展成果包括：1)采集并分割了100例病人的心脏影像，创新性的提出利用结构稀疏模型对心脏四腔室的容积时间曲线进行拟合跟踪，获得了更加准确、简洁的曲线表达式，提供了心功能评价的参数基准；2）针对含有病理诊断及完整随访记录病人的放射影像进行预后分析，融合传统的人工影像特征与迁移后的深度影像特征，提高了算法对疾病预后情况的预测能力；3）图像目标跟踪过程中，算法容易受周边组织影响从而导致跟踪失败，项目组设计了背景干扰觉察的算法机制，通过对干扰信息进行抑制，从而反馈到算法中，自适应的提高显著性强的特征权重并降低容易受干扰的特征影响，在不同模态的影像数据中完成高鲁棒性的跟踪算法研究；4）针对房颤病人，设计了黑血PSIR序列对心房延迟强化后的状态进行成像，提高了正常心肌与瘢痕组织的对比度，并设计了基于多视角的深度学习算法完成心房的自动分割跟踪；5）训练过程中，递归神经网络中递归单元的权值在迭代中不断重复难以稳定收敛，项目组设计了更新规则从而使得交替方向乘子法可以用于网络的训练。项目执行期间在经费的部分支持下发表9篇期刊论文、5篇会议论文、申请4项国家发明专利以及1项软件著作权授权，部分研究成果已开源给同行使用，促进跟踪技术在MRI影像诊断中的应用。