论文部分内容阅读
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(Computed Tomography Angiography,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。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:(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。(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(3D W-Net With Adaptive Weighted Loss,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3D W-Net网络结构并训练分割模型;其次,根据3D W-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3D U-Net、3D W-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。