超声心动图中先心病辅助诊断技术研究

摘要

二尖瓣是心脏的重要组成部分，其生理功能是控制左心房到左心室之间血液的单向流动。据统计，我国的小儿先天性心脏病例中，约1/2的病因源于二尖瓣的结构异常与功能异常。二尖瓣返流、二尖瓣狭窄等都是常见的瓣膜性心脏病，临床上通常采用超声来观察二尖瓣的形态与运动轨迹，进行疾病诊断。
　　本文提出了一种基于Bag of Features的二尖瓣根识别算法，与一种基于自动上下文模型的瓣膜识别算法。瓣根识别算法的难点在于如何设计有效的特征描述子。由于瓣根与左心房、心室的位置较为固定，瓣膜的快速移动使得瓣根邻域的纹理信息较丰富，最终算法采用局部上下文特征和LBP特征描述二尖瓣根。Bag Of Features首先从样本中提取瓣根特征，采用 k-means算法聚类生成视觉词汇，构成码书，然后计算每一样本的BOF直方图，作为特征描述向量，据此训练分类器，分类器采用直方图交集核SVM。瓣膜的自动提取需要解决两个问题。第一，瓣膜的运动快速而无规律，如何建立有效的模型是个难点；第二，受限于超声成像机制，在心室收缩期，瓣膜张开时会出现成像断裂成几部分的情况，如何正确分割所有的瓣膜区域是个更为困难的任务。本文提出的瓣膜识别算法，通过把瓣膜看做是一些点的集合，将瓣膜整体的分割转换为对点集的识别，可以有效解决上述问题。算法首先采用自动上下文模型识别出瓣膜，然后采用Bag of Features方法识别出瓣根，基于瓣根、瓣膜的相对位置确定瓣膜所在区域，筛除误判点。为了进一步去除尾影，最后进行细化、滤波操作。算法在10个病人的实时三维超声心动图数据集上进行训练与测试，实验结果表明，与人工标定相比，瓣根的平均识别误差为1.4±2.1个像素，瓣膜在舒张期和收缩期都取得了较为准确的识别结果。

目录

封面

声明

答辩决议书

中文摘要

英文摘要

目录

第一章 绪论

1.1. 心脏解剖结构与生理功能

1.2. 心脏病现状

1.3. 医学影像辅助诊断技术

1.4. 课题主要研究内容与意义

1.5. 文章组织结构

第二章 相关工作研究

2.1 基于SVD分解与低阶表达的瓣膜分割算法

2.2基于活动轮廓模型的二尖瓣膜分割算法

2.3基于图割的二尖瓣环分割算法

2.4 基于SVM与自适应阈值的二尖瓣根识别算法

2.5 本章小结

第三章 基础理论

3.1 Bag of Features

3.2 自动上下文模型

3.3直方图交集核SVM的加速

3.4 本章小结

第四章基于Bag of Features的二尖瓣根识别

4.1 算法描述

4.2 特征提取

4.3 Bag of Features实现细节

4.4 实验与分析

4.5 本章小结

第五章 基于自动上下文模型的二尖瓣膜识别

5.1 心动周期中心脏瓣膜的运动

5.2 算法简述

5.3 特征提取

5.4 自动上下文模型实现细节

5.5 实验与分析

5.6 本章小结

第六章 总结和展望

致谢

参考文献

攻读学位期间发表的学术论文