知识引导几何动态轮廓线算法与MR心脏序列图像鲁棒分割

从MR心脏三维动态序列图像中快速精确分割左心室内边界是心功能计算机辅助诊断的重要步骤。由于心室边界的模糊性,传统的基于灰度或曲线演化的方法很难保证分割结果的鲁棒和精确。在分割模型中整合解剖结构和医生经验的先验知识,对提高分割结果对噪声和模糊边界的鲁棒性,改善计算效率非常重要。本研究提出了一种广义模糊几何动态轮廓线分割算法(GF-GACM),并利用基于水平集的概率形状模型,整合医生手动分割训练集的先验知识。对多套临床数据集的实验结果显示,本研究算法的分割结果和专家手动分割结果比较在临床诊断允许误差范围内。

MR心脏序列图像左心室内外壁联合分割和时序追踪新方法

MR心脏图像左心室内外壁的自动分割是计算机辅助心功能诊断的前提。本文提出了一种MR心脏图像的左心室内外壁的联合分割和时序追踪的新方法。首先用改进几何动态轮廓线算法分割一帧3维MR图像中的左心室内壁,然后通过时序追踪得到同一层面各帧的内壁轮廓。分割外壁时,以内壁为初始轮廓,设计一种由距离和区域灰度均值约束的区域膨胀力,分割心室的外壁。在临床实际心电门控动态4D心脏MRI序列图像上的实验结果表明,算法分割左心室的内外壁的结果和专家手动分割结果很接近;并且根据心室内外壁分割结果建立的左心室3维模型,可以计算出几种重要的临床心功能指标。