CCTA圖像的冠狀動脈自動分割算法研究

《CCTA圖像的冠狀動脈自動分割算法研究》是依託東南大學，由楊冠羽擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：CCTA圖像的冠狀動脈自動分割算法研究
• 項目類別：青年科學基金項目
• 項目負責人：楊冠羽
• 依託單位：東南大學

中文摘要

冠心病的早期診斷是醫學領域備受關注的重要課題。冠狀動脈CT造影(CCTA)作為近十年來發展起來的一種快速無創成像方法，逐漸成為冠心病早期診斷的重要手段。日益增多的CCTA檢查和相關醫學研究與套用，亟需對CCTA圖像中的冠狀動脈進行自動分割。這不但能為臨床診斷提供豐富的後處理工具，提高臨床診斷效率；更可以為冠心病診斷提供量化評估指標，提高診斷準確性和自動化水平。本項目將從中軸線提取和血管腔區域分割兩方面研究冠狀動脈自動分割算法。首先，針對目前自動中軸線提取算法的不足，引入一個冠狀動脈三維模型,對提取的冠狀動脈中軸進行自動命名，並引導算法剔除誤提取的非冠脈組織，搜尋斷裂的遠端分支，以提高中軸線提取的準確性。在此基礎上，本項目將進一步研究血管腔區域分割算法，根據血管腔及周圍組織的結構和圖像特徵，對冠狀動脈血管腔區域進行精確分割。本項目將採用大量臨床數據驗證算法在臨床診斷中的套用價值。

結題摘要

本課題圍繞心臟CT造影圖像（Cardiac Computed Tomography Angiography, CCTA）自動分割算法展開，其中主要涉及與冠狀動脈分割及心腔分割等相關的研究工作。主要的研究進展包括改進了原有的基於多模板圖像的心腔分割算法，並將其套用於4D CCTA圖像左心室分割及相關量化參數分析。在此基礎上，應臨床需求，提出一個兩步式的基於多模板圖像的腎臟分割算法，獲得了較為精確的分割結果。由於此類分割算法依賴非剛體圖像配準的精度，因此課題組還提出一個基於Jensen Arimoto （JA）散度的新的圖像配準相似度測度函式，初步實驗表明該測度在保證精度的同時具有較好的抗噪聲性。 針對冠狀動脈血管分割方面，課題組提出一個算法利用CCTA數據自動檢測心臟CT數據中的冠狀動脈鈣化點。該算法中集成了我們以前提出的冠狀動脈分割及命名算法、心腔分割算法等，通過生成一個病人特異性的鈣化點檢測掩膜圖像，從而準確的提取圖像中的冠狀動脈鈣化點。該算法參加國際醫學圖像方面頂級會議MICCAI2014組織的相關競賽（orCaScore challenge），在參賽的5個算法中鈣化點檢測精度排名第一，算法自動檢測的鈣化點精度與醫生手工分割結果非常接近。在冠狀動脈分割方面，我們還分別提出利用二維血管模型在多平面重組（MPR）圖像中對血管腔進行量化，以及利用球諧函式和Zernike矩不變數來描述血管結構局部三維特徵，提高血管分割精度。 此外，為了獲得更好的CCTA圖像數據，課題組在CCTA成像參數的個體化設定方面做了大量研究工作，這樣能夠保證本課題CCTA圖像數據的成像質量，是本課題順利實施的基礎。 本課題三年來共發表SCI、EI論文12篇，申請國家發明專利4項，培養研究生2名，較好的完成了課題的預計目標。課題取得的各項研究成果已經或將轉化，並套用到臨床及相關的臨床研究中。