基于水平集方法的冠状动脉CT图像分割

目的采用水平集方法实现对CT图像中冠状动脉的高效自动识别与分割,借此简化三维模型重建工作,从而提高使用冠脉CT造影计算的血流储备分数(computed tomography derived fractional flow reserve,FFRct)整体的计算效率。方法选取20名冠心病患者作为研究对象,提取26支狭窄冠脉血管的CT图像。分别利用水平集方法和手动方法对CT图像进行冠脉的识别与分割处理从而生成三维模型。利用计算流体力学(computational fluid dynamics,CFD)仿真方法分别获取各冠脉段的血流储备分数(fractional flow reserve,FFR)数值,并通过Bland-Altman方法分析两种方法所得FFR的一致性,用以验证水平集方法在冠脉识别精度上与手动方法的差异。结果对比了两种冠脉识别方法获取FFR数值整体所需的时间。与手动方法相比,水平集方法的模型重建时间减少了约10倍。经检验,两种冠脉识别方法的FFR数值计算结果一致性良好。结论基于水平集方法可以实现冠脉CT图像的高效自动识别,具有一定的临床应用意义。