基于模型的CCTA图像的冠状动脉分割算法研究

摘要

为了解决冠状动脉CT造影成像中冠状动脉血管腔及斑块区域的分割和量化问题，本文提出了两种基于参数化模型的分割算法，分别是基于三维参数化模型的分割算法和基于二维参数化模型的分割算法。
　　基于三维参数化模型的分割算法中的血管灰度参数化模型是根据三维局部血管的灰度分布规律，由血管横截面的灰度分布模型和沿血管中轴线的刚体变换模型共同构造，其中血管横截面的灰度分布模型为高斯平滑模型，该三维参数化模型可以模拟各种尺寸血管的灰度分布。为了完成整条血管的分割，对血管中轴线上的每个点建立球形ROI区域，然后将三维参数化模型拟合到ROI区域内的真实CT血管数据上获得局部血管的参数，包括半径，灰度值，位置等。根据静脉自身的灰度特点，血管腔分割结果中的灰度信息可以被用来判别被误提取出来的静脉和确定静脉跳变位置。实验结果表明基于三维参数化模型的分割算法可以很精确的完成冠状动脉CT造影图像中冠状动脉血管腔的分割量化和静脉判别任务。
　　基于二维参数化模型的分割算法采用的是二维高斯平滑模型来模拟血管剖面的灰度分布，首先将三维血管腔按照多个角度重建成二维长轴图像，然后将二维血管灰度参数化模型按照递增式过程拟合到真实血管灰度上以获得长轴图像的血管腔边界，并且通过重建长轴图像上的分割结果得到三维图像上血管腔截面的分割结果。文中还提出了包含钙化点血管腔的参数化模型，利用相同的分割方案可以获得血管腔中钙化点的边界和灰度值。长轴图像的分割过程中正常血管参数化模型和包含钙化点血管的参数化模型这两种模型之间是自动切换，保证了分割过程的顺利进行。在该算法分割结果的基础上，通过椭圆拟合分别可以获得三维血管腔截面和血管腔中钙化点截面的面积，从而计算出某些血管斑块区域狭窄部分的精确狭窄率。实验结果表明基于二维参数化模型的分割算法可以精确的完成冠状动脉CT造影图像中冠状动脉血管腔及斑块区域的分割和量化任务，并且可以有效地避免较大尺寸分支和周围组织的干扰。

目录

声明

摘要

第一章 绪论

1．1 研究背景及研究意义

1．2 国内外研究现状

1．3 论文主要工作

1．4 论文组织结构

第二章 冠状动脉CT造影及优化算法介绍

2．1 冠状动脉CT造影

2．1．1 冠状动脉CT造影介绍

2．1．2 曲面重组图像生成原理

2．2 优化算法

2．2．1 非线性最小二乘问题

2．2．2 Levenberg-Marquardt算法

2．3 本章小结

第三章 基于三维参数化模型的冠状动脉分割算法

3．1 三维参数化模型

3．1．1 血管截面灰度分布模型

3．1．2 沿血管中轴线的刚体变换模型

3．2 分割算法

3．2．1 分割算法

3．2．2 算法初始化

3．3 分割结果

3．4 静脉判别

3．5 本章小结

第四章 基于二维参数化模型的冠状动脉分割算法

4．1 二维血管灰度参数化模型

4．1．1 正常血管模型

4．1．2 包含钙化点的血管模型

4．2 预处理

4．3 分割算法

4．4 模型切换

4．5 ROI区域确定

4．5．1 正常血管的ROI区域确定

4．5．2 受周围组织严重干扰的血管的ROI区域确定

4．5．3 包含钙化点血管的ROI区域确定

4．6 分割结果

4．6．1 正常血管分割结果

4．6．2 受周围组织严重干扰的血管分割结果

4．6．3 包含钙化点的血管分割结果

4．7 两种算法分割结果对比

4．8 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

致谢

参考文献

作者简介