【摘要】：目前,全球死亡的主要原因是缺血性心臟病,臨床常規(guī)的心臟磁共振成像診斷技術(shù),可以全面提供心臟組織關(guān)于形態(tài)學(xué),組織表征,血流或灌注等信息,LGE-MRI(晚釓增強(qiáng)磁共振成像)是目前用于評(píng)估心肌活性的金標(biāo)準(zhǔn)。損傷組織根據(jù)T1加權(quán)成像,使造影劑出現(xiàn)不同程度的累積導(dǎo)致不同的增強(qiáng)效果,壞死組織具有高信號(hào)強(qiáng)度,而心肌的邊界幾乎不增強(qiáng)。已有研究表明LGE-MRI成像用于指導(dǎo)心肌梗死疾的預(yù)后管理治療的可行性,要實(shí)施這些發(fā)展起來(lái)的成像技術(shù),必須實(shí)現(xiàn)心肌梗死區(qū)域的重復(fù)和可靠分割。因此本文基于具有評(píng)估策略的數(shù)據(jù)集進(jìn)行心室瘢痕組織分割系統(tǒng)的設(shè)計(jì)。由于LGE-MRI成像過(guò)程會(huì)受到潛在的外界噪聲干擾,因此圖像分割前的平滑預(yù)處理步驟十分關(guān)鍵,本文首先對(duì)基準(zhǔn)圖像數(shù)據(jù)中手動(dòng)分割出的心肌圖像文件和心肌瘢痕圖像文件的灰度分布進(jìn)行特征提取,并對(duì)心肌圖像應(yīng)用了高斯濾波、雙邊濾波和基于形態(tài)學(xué)開(kāi)閉運(yùn)算的噪聲平滑技術(shù),得出經(jīng)形態(tài)學(xué)濾波處理的圖像更能有效保留圖像邊緣。考慮到獲得的數(shù)據(jù)集中手工劃分出的心室內(nèi)外膜邊界區(qū)域可能會(huì)因?yàn)獒t(yī)生先驗(yàn)知識(shí)的不足而導(dǎo)致心肌邊緣的錯(cuò)分,因此本文對(duì)基于灰度修正的圖像預(yù)處理過(guò)程進(jìn)行了實(shí)現(xiàn),并將灰度修正預(yù)處理方法應(yīng)用于后文提出的區(qū)域生長(zhǎng)分割,對(duì)經(jīng)灰度修正預(yù)處理前后區(qū)域生長(zhǎng)分割的心肌瘢痕分割結(jié)果進(jìn)行了定量分析,實(shí)驗(yàn)驗(yàn)證表明灰度修正能夠有效提高分割算法的性能。本文用于系統(tǒng)集成的分割方法主要包括Level Set(水平集)、Graph Cuts(圖割)、WaterShed(分水嶺)和區(qū)域生長(zhǎng)分割算法來(lái)實(shí)現(xiàn)心肌瘢痕組織的分割,每一種分割算法的具體實(shí)現(xiàn)均融合了不同的圖像預(yù)處理過(guò)程。針對(duì)分割算法性能的評(píng)估,本文采用了實(shí)驗(yàn)分析的方法,分別從Dice指數(shù)、Jaccard系數(shù)、Ravd系數(shù)和精召率等多個(gè)評(píng)價(jià)指標(biāo)來(lái)對(duì)各分割算法的分割結(jié)果與手動(dòng)分割出的金標(biāo)準(zhǔn)進(jìn)行比較。各分割算法性能評(píng)估結(jié)果表明,融合了灰度修正的GraphCuts方法與基準(zhǔn)分割能夠達(dá)到更好的一致性。本文分割系統(tǒng)的設(shè)計(jì)主要包括LGE-MRI圖像的文件管理、LGE-MRI圖像的降噪預(yù)處理、心室瘢痕組織的分割、基于體繪制方法的三維成像顯示,以及各分割算法分割結(jié)果的定量分析和直方圖統(tǒng)計(jì)分析。
[Abstract]:At present, the main cause of death in the world is ischemic heart disease, clinical conventional cardiac magnetic resonance imaging diagnosis technology, can provide a comprehensive heart tissue about morphology, tissue characterization, blood flow or perfusion and other information. LGE-MRI (late gadolinium enhanced magnetic resonance imaging) is the current gold standard for assessing myocardial activity. According to T1-weighted imaging of injured tissue, the accumulation of contrast agent in different degree leads to different enhancement effect. The necrotic tissue has high signal intensity, but the boundary of myocardium is hardly enhanced. It has been shown that LGE-MRI imaging is feasible to guide the prognosis management of myocardial infarction disease. In order to implement these developed imaging techniques, repeated and reliable segmentation of myocardial infarction area must be realized. Therefore, the system of ventricular scar tissue segmentation is designed based on the data set with evaluation strategy. Because the LGE-MRI imaging process will be disturbed by the potential external noise, the smoothing preprocessing step before image segmentation is very important. In this paper, firstly, the grayscale distribution of the myocardial image file and the myocardial scar image file are extracted, and Gao Si filter is applied to the myocardial image. Bilateral filtering and noise smoothing technology based on morphological open and close operation show that the image processed by morphological filtering is more effective to preserve the edge of the image. Considering that the boundary region of ventricular inner and outer membrane can be divided manually by the acquired data set, the defect of medical prior knowledge may lead to the misclassification of myocardial edge, so the image preprocessing process based on gray correction is implemented in this paper. The gray correction pretreatment method is applied to the region growth segmentation proposed later. The segmentation results of myocardial scar growth before and after the gray correction pretreatment are quantitatively analyzed. Experimental results show that gray level correction can effectively improve the performance of the segmentation algorithm. In this paper, the segmentation methods for system integration mainly include Level Set (horizontal set), Graph Cuts (map cut), WaterShed (watershed) and region growth segmentation algorithm to achieve myocardial scar tissue segmentation. The implementation of each segmentation algorithm integrates different image preprocessing processes. In order to evaluate the performance of the segmentation algorithm, this paper uses the method of experimental analysis, from the Dice index, Jaccard coefficient, Ravd coefficient and precision rate and other evaluation indicators to compare the segmentation results of each segmentation algorithm with the gold standard of manual segmentation. The performance evaluation results of each segmentation algorithm show that the fusion of gray level modified GraphCuts method and benchmark segmentation can achieve better consistency. The design of this segmentation system mainly includes the file management of LGE-MRI image, the pre-processing of LGE-MRI image, the segmentation of ventricular scar tissue, and the 3D imaging display based on volume rendering method. Quantitative analysis and histogram statistical analysis of segmentation results of each segmentation algorithm.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R445.2;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙希梅;潘振寬;魏偉波;周國(guó)民;;基于對(duì)稱區(qū)域生長(zhǎng)和邊緣梯度的視神經(jīng)纖維的分割[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2009年06期

2 王雷;高欣;張桂芝;;形態(tài)膨脹的3D區(qū)域生長(zhǎng)氣管分割算法[J];生物醫(yī)學(xué)工程學(xué)雜志;2013年04期

3 稅雪;劉奇;;基于區(qū)域生長(zhǎng)超聲圖像分割血管邊界反映血管病變[J];中國(guó)組織工程研究與臨床康復(fù);2011年30期

4 賀向前;鄧世雄;甘平;周麗華;;基于K-均值和區(qū)域生長(zhǎng)計(jì)算法醫(yī)損傷面積[J];重慶醫(yī)科大學(xué)學(xué)報(bào);2009年05期

5 李翠芳;任彥華;王遠(yuǎn)軍;聶生東;;基于CT圖像的肺氣管樹3D分割方法的研究[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2011年05期

6 姜紅;王利;張兆臣;;ITK在醫(yī)學(xué)圖像區(qū)域生長(zhǎng)分割中的應(yīng)用[J];中國(guó)醫(yī)學(xué)裝備;2008年11期

7 江少鋒;陳武凡;馮前進(jìn);楊素華;;序列顱腦CT圖像顱腔內(nèi)結(jié)構(gòu)自動(dòng)化提取及分割[J];南方醫(yī)科大學(xué)學(xué)報(bào);2007年12期

8 胡曉飛;胡棟;;顱內(nèi)出血CT圖像血塊的分割算法[J];中國(guó)體視學(xué)與圖像分析;2006年03期

9 周震;馬斌榮;;結(jié)合水平集和區(qū)域生長(zhǎng)的腦MR圖像分割[J];北京生物醫(yī)學(xué)工程;2007年01期

10 宋曉;程明;王博亮;黃紹輝;黃曉陽(yáng);;置信連接的自動(dòng)肝臟分割方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年09期

相關(guān)會(huì)議論文 前10條

1 張馨;趙源萌;鄧朝;張存林;;基于區(qū)域生長(zhǎng)的被動(dòng)式太赫茲圖像分割算法研究[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

2 渠文平;朱珍德;;基于數(shù)字圖像區(qū)域生長(zhǎng)的巖石裂隙識(shí)別初探[A];第一屆全國(guó)水工巖石力學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

3 郭世可;董槐林;龍飛;張海波;;一種結(jié)合密度聚類和區(qū)域生長(zhǎng)的圖像分割方法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

4 王勝軍;黃艷;岳勇;康雁;;一種自適應(yīng)區(qū)域生長(zhǎng)的CTA血管分割算法[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)壁報(bào)展示論文[C];2010年

5 魏津瑜;施鶴南;蘇思沁;;基于改進(jìn)算法的自動(dòng)種子區(qū)域生長(zhǎng)圖像分割[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

6 盛葉鵬;張明;李少青;歐陽(yáng)海燕;王磊;;基于區(qū)域增長(zhǎng)的集成電路解剖照片分割方法研究[A];第十六屆計(jì)算機(jī)工程與工藝年會(huì)暨第二屆微處理器技術(shù)論壇論文集[C];2012年

7 周學(xué)成;羅錫文;嚴(yán)小龍;;基于閾值分析與區(qū)域生長(zhǎng)相結(jié)合的根系CT序列圖像分割算法[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

8 王偉;張明;朱青山;王磊;徐長(zhǎng)明;李少青;;一種基于芯片解剖照片的IP核侵權(quán)鑒定方法[A];第十六屆計(jì)算機(jī)工程與工藝年會(huì)暨第二屆微處理器技術(shù)論壇論文集[C];2012年

9 徐勇;郭毓;陶芬;;基于灰度積分投影與區(qū)域生長(zhǎng)的人眼定位方法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

10 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

相關(guān)重要報(bào)紙文章 前1條

1 吳飛;無(wú)邊距照片打印三部曲[N];中國(guó)電腦教育報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 梁福來(lái);低空無(wú)人機(jī)載UWB SAR增強(qiáng)成像技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

2 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

3 賈茜;基于時(shí)—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

4 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

5 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 楊小義;圖像特征識(shí)別算法及其在聾人視覺(jué)識(shí)別中的應(yīng)用研究[D];重慶大學(xué);2015年

7 王玉明;SAR圖像地雷場(chǎng)檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 溫景陽(yáng);圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學(xué);2015年

9 李林;基于概率圖模型的圖像整體場(chǎng)景理解方法研究[D];電子科技大學(xué);2014年

10 馮景;基于SAR圖像的海面溢油檢測(cè)研究[D];北京理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 趙海偉;路面裂縫三維檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2015年

2 秦利斌;視頻監(jiān)控中的時(shí)空顯著目標(biāo)跟蹤[D];蘇州大學(xué);2015年

3 李源韜;基于K-Means與區(qū)域生長(zhǎng)的ROI圖像分割算法[D];南昌大學(xué);2015年

4 李利;印鑒鑒別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

5 陳河軍;融合邊緣與區(qū)域生長(zhǎng)的彩色圖像分割算法研究[D];浙江工業(yè)大學(xué);2015年

6 王華松;一種基于種子點(diǎn)區(qū)域生長(zhǎng)的彩色圖象分割算法[D];河南大學(xué);2015年

7 郭杰龍;CT圖像的腹部血管三維分割[D];中南民族大學(xué);2015年

8 趙許平;惡性腫瘤智能放療生物靶區(qū)勾畫系統(tǒng)研發(fā)[D];湖南大學(xué);2015年

9 彭雙;三維CT影像中肺氣管樹分割算法研究[D];湖南大學(xué);2015年

10 張宏偉;高分辨率影像中農(nóng)村道路提取方法研究[D];重慶大學(xué);2016年

，

本文編號(hào)：2401711