《基於CTA影像數據的3D冠脈狹窄自動檢測及其量化評估研究》是依託北京師範大學，由田沄擔任項目負責人的面上項目。
基本介紹
- 中文名：基於CTA影像數據的3D冠脈狹窄自動檢測及其量化評估研究
- 外文名：Automatic detection and quantitative assessment of 3D coronary artery stenosis based on CTA data
- 依託單位：北京師範大學
- 項目負責人：田沄
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
冠狀動脈CT血管造影術(CCTA)是當前診斷冠心病的常用手段，而冠脈量化分析是計算機輔助診斷該類疾病的重要依據；目前常用的多平面重組或曲面重組技術需大量人工干預，難以實現狹窄的自動分析。針對上述問題，本項目擬研究3D冠脈狹窄檢測及其量化評估的關鍵技術，建立冠脈量化分析的理論框架，將目標描述、目標相似性測度、變分模型和參數關係模型結合起來，解決邊界模糊、結構細小和灰度分布不均勻冠脈的狹窄檢測及量化評估問題。具體包括：研究複雜形狀的目標分割，構造先驗約束變分模型和形狀機率模型；研究冠脈形狀描述方法，定義血管測度，建立冠脈分支搜尋、連線準則，提出3D冠脈精確高效分割和中心線精確抽取算法；研究管腔直徑參數估計方法，確定觀測數據一致性策略，建立直徑參數關係模型，檢測血管狹窄位置，量化狹窄程度，實現狹窄分級；採用機率模型及最新標準評估框架和平台，驗證所提算法，以滿足對冠心病輔助診療的臨床需要。
結題摘要
冠狀動脈量化分析是當前計算機輔助診斷心臟疾病的重要依據，然而，當前常用的基於影像數據的多平面重組或曲面重組技術需大量人工干預，診斷結果易受醫生主觀因素影響，難以實現狹窄的自動精確分析。本項目面向冠脈螺旋CT 血管造影術（coronary computed tomography angiography, CCTA）在冠心病診斷中的套用，研究了冠脈狹窄檢測和量化的新技術。具體包括： 1、建立靜態圖像魯棒性分割結果的初始形狀模型；將非參數密度估計與水平集的形狀表達相結合，構建滿足線性函式空間約束的曲線族以描述水平集形狀；通過非參數估計技術，從形狀訓練樣本集中得到多種先驗形狀的混合統計機率模型；提出了基於形狀先驗約束的變分模型，實現底層數據驅動能量項和高層形狀約束能量項的自適應調節。 2、構建了心臟圖像的多圖譜集合和冠脈的局部區域統計信息模型，將血管形狀信息同多尺度理論結合起來，基於定義的血管測度，實現了三維冠脈的精確自動分割；提出了一種基於改進的符號壓力函式和局部圖像擬合模型相結合的新型主動輪廓模型，通過圖像局部信息和全局信息的有效結合，解決了血管圖像灰度分布不均勻的分割問題；提出了一種基於先驗形狀和局部統計信息的血管分割方法，該方法有效地解決了多數血管分割技術難以處理的孤立和冗餘點問題，實現了在保持血管分支的連通性的同時去除異常值。 3、結合模糊距離變換理論，通過對中心線上模糊距離值的追蹤和擬合，藉助回歸方法對冠脈進行狹窄進行分析，實現了基於模糊距離變換的狹窄檢測和量化。該方法不僅能夠定位狹窄的位置，而且還能量化狹窄的嚴重程度。 4、結合項目研究成果，藉助 MeVisLab醫學圖像處理與可視化框架，構建了冠狀動脈分割與狹窄檢測原型系統。 本項目的研究成果對於計算機輔助診療冠心病及相關疾病教學培訓方面具有重要的理論意義和套用價值。
