论文部分内容阅读
根据相关报道,心脏疾病已经成为死亡率最高的疾病,而且发病率也在持续提高,心脏疾病正在严重威胁人类的健康,因此对心脏疾病的预防和诊断已经十分迫切。随着核磁共振成像技术(Magnetic Resonance Imaging,MRI)的发展,以及核磁共振成像技术的无创性以及对软组织的适应的特性,核磁共振成像技术已经在医学上的得到了广泛的应用,利用核磁共振成像技术能够对心脏的运动进行精准的追踪。对带标记的心脏核磁共振图像进行分析,从而帮助医生对心脏疾病进行诊断,更快地发现心脏异常并定位异常。由于心脏结构的复杂性,以及磁标记线、乳头肌、弱边界和伪影等现象对于心脏边缘信息的影响。使得传统基于图像灰度和图像纹理特征的分割模型对带标记的心脏核磁共振图像(Tagged Magnetic Resonance Imaging,TMRI)的全心脏自动分割的效果并不理想,很难实现精准的分割。因此,心脏的全自动分割在心脏医学图像研究上一直是具有挑战性的研究课题。为了解决上述影响心脏分割的问题,本文提出新的全心脏分割的方法,通过对连续序列的带标记的心脏核磁共振图像的观察,可以观察到在心脏核磁共振图像中心脏区域的运动频率相较于其他区域更高,因此,可以利用心脏的运动信息来对心脏进行分割。本文正是基于带标记的心脏核磁共振图像中心脏区域的运动特点,在梯度矢量流(Gradient Vecto r Flow Snake,GVF Snake)模型的基础上进行改进,提出了一种基于位移场的Snake模型(Displacement Vector Flow Snake,DGVF Snake)来实现对带标记的心脏核磁共振图像的全心脏的自动分割。第一步,通过局部正弦波建模(Modeling of Local Sinusoidal Waves,SinMod)方法,得到相邻两帧带标记的心脏核磁共振图像的位移场,位移场的构建步骤如下:(1)通过设计的带通滤波器对两幅心脏核磁共振图像进行滤波处理,经过滤波处理后的图像中包含了心脏运动的所有细节信息。(2)通过经过滤波处理后的图像计算功率图像。(3)通过功率图像计算得到局部频率和局部相移,从而计算相邻两帧带标记的心脏核磁共振图像的二维运动位移场;第二步,基于SinMod方法得到的位移场和原始GVF场和位移场加权求和形成构建DGVF的外力场,从而通过DGVF Snake模型实现对心脏的自动分割。系统是在Qt Creator平台上基于OpenCV设计并实现了基于位移场的心脏Snake分割的桌面应用系统,能够帮助医生对心脏疾病的诊断。本文通过对连续序列的带标记的心脏核磁共振图像的实验与测试,证明本文提出基于位移场的心脏Snake模分割方法能够比较的将心脏从带标记核磁共振心脏图像中分割出来,分割的结果较为准确。