基于CCA和CCTA图像的冠状动脉狭窄度量化方法研究

摘要

冠心病因其高发病率、高致死率严重威胁着人类健康，是世界范围内最主要的致死原因之一。冠状动脉血管发生动脉粥样硬化病变而引起血管腔狭窄或阻塞是冠心病的病理生理学基础，因此冠状动脉狭窄的检测和量化对冠心病的早期诊断和风险评估具有非常重要的意义。 在临床上，常规冠脉造影（Conventional Coronary Angiography，CCA）一直是评价冠心病的金标准。CCA分辨率高、不受斑块性质影响，通过CCA可以对狭窄的位置、数量、严重程度进行较准确的评估。但是一幅CCA图像只能显示单一角度的二维图像，对于高度曲折的三维血管结构，至少需要两个甚至更多角度的造影图像才能准确评估狭窄程度，同时CCA的有创性使病人承受了很多的痛苦。近年来，随着冠脉CTA（Coronary Computed Tomography Angiography，CCTA）技术的不断发展，CCTA因为其无创性、操作简单、高分辨率以及良好的空间特性被广泛应用于冠脉狭窄病变的临床诊断。本文针对CCA和CCTA两种造影图像，研究冠状动脉狭窄的量化分析方法，并设计冠状动脉狭窄量化软件，构建准确、高效、易用的临床辅助诊断平台。 冠脉的精确分割是狭窄度量化的前提。针对血管分割任务，本文采用不同的卷积神经网络模型分别实现了CCA图像和CCTA图像的冠脉分割。对于CCA图像，使用修改后的U-Net模型完成冠脉的分割，本文在U-Net基础上调整了网络层数，避免过拟合问题；采用随机滑窗的方法提取大量的图像块作为输入，弥补数据量不足的问题。对于CCTA图像，使用成对的多尺度三维卷积神经网络实现冠脉的精确分割，双层路径结构可以同时处理多个尺度的输入图像，获得更大的感受野，同时降低了计算成本，提升了分割准确性，评估结果表明了卷积神经网络具有良好的分割性能。基于精确分割的血管，采用数字拓扑学方法实现血管骨架的提取，根据血管的骨架信息和平行特性计算血管直径。最后，本文采用一种半自动的健康血管估计方法，实现了对病变血管段位置、血管直径和狭窄程度等重要参数的量化描述。在量化结果评估阶段，选择18组同时行CCA造影术和CCTA造影术的非钙化斑块病人数据分别进行狭窄度量化分析，实验结果表明本文提出的量化方法得到的结果与临床冠脉造影量化结果具有很好的一致性。 CCTA图像中钙化斑块存在晕状伪影，晕状伪影会对冠脉狭窄度的评估造成严重的影响，针对这一问题本文使用了一种二元解卷积方法进行了伪影校正，选择14组由于钙化斑块导致冠脉狭窄的CCTA数据进行狭窄度量化分析，经过伪影校正之后，量化结果与临床实测结果仍然有所偏差，还需要探索更有效的伪影校正方法。 本文基于所提出的冠脉狭窄量化分析方法，分别设计实现了基于CCA图像和CCTA图像的冠脉狭窄量化分析软件平台，为临床冠脉狭窄量化和冠心病诊断提供了软件技术支持。

目录

第一个书签之前