基于U-Net的短轴心脏CTA左心室心肌自动分割系统的开发

目的开发并验证一种基于U-Net的短轴心脏计算机断层血管造影(CTA)左心室心肌(LVM)自动分割系统。方法选取2022年2至10月在温州市中心医院就诊的50例疑似或确诊心血管疾病患者CTA图像进行模型训练,将U-Net深化到8层,引入注意力机制和深监督机制,并加入残差连接。通过分割结果可视化观察、分割量化结果比较等分析本研究新开发方法与原型U-Net方法的左心室分割性能差异。结果可视化比较发现,无论分割小区域的左心室或分割组织对比度较差的图像,与原型U-Net方法相比,本研究新开发方法与标签具有更高的一致性;在可视化比较中,原型U-Net方法展现出欠分割、过分割等问题。与原型U-Net方法(0.938±0.144、0.941±0.144、0.961±0.058)相比,本研究新开发方法的Dice相似系数、精度、灵敏度分别为0.964±0.033、0.960±0.043、0.970±0.040,提示分割精度和鲁棒性更高。箱式图中可见两种方法均存在一些异常值。使用本研究新开发方法分割的3例患者左心室表面三维视图显示平均分割时间为13 s(即处理速度约为0.037 s/幅),提示分割质量和分割效率均较高。结论本研究新开发的基于U-Net的短轴心脏CTA LVM自动分割系统将注意力机制、深监督机制和残差连接集成到8层U-Net中,具有较高的分割精度、分割质量和分割效率。

基于B样条的医学图像弹性配准

为解决医学图像上的形变和偏移,本研究采用基于B样条自由形变的配准方法。建立一个由控制点组成的网格,并将其套用在待配准图像上,得到初始控制网格参数。以梯度下降法为优化算法,以SSD测度为相似性测度,不断修正该参数,参数的改变将引起控制点最近邻4×4控制网格内所有的像素点发生移动,移动后的坐标位置由B样条拟合得到。以双线性插值为插值算法,计算出该位置的灰度值,该位置相对于配准后图像,等同于像素点移动前的位置映射到参考图像相对应的位置,当配准后图像与参考图像对应位置的灰度差异度达到最小时,就达到图像的最佳配准。实验结果表明,该算法配准结果满意,从而验证了本研究算法的有效性。

基于U-Net的CT左心室分割

心血管疾病严重威胁着人类的健康,具有高患病率、高致残率和高病死率的特点[1]。其早期的诊断与治疗有助于改善心脏的功能和患者的预后,降低患者的病死率。左心室(left ventricle,LV)的准确分割是量化心室容积、射血分数、左心室质量、壁增厚以及壁运动异常等临床指标以定量分析心脏整体和局部的功能,进而诊断和治疗心血管疾病的关键步骤[2]。心脏CT血管造影术(cardiac CT angiography,CCTA)由于无创、操作简便,已经成为临床上一种重要的诊断方法[3]。然而,由于心脏CT图像中左心室区域与背景区域对比不明显、存在噪声等影响,使得左心室分割存在一定的难度。