心血管疾病目前仍然是我國死亡率最高的疾病,其中心臟疾病是誘發(fā)心血管疾病的主要因素。左心室的結(jié)構(gòu)變化與心血管疾病的發(fā)生有著重要的關(guān)聯(lián)。在整個心臟解剖結(jié)構(gòu)中,左心室向整個身體輸送含氧血液。因此左心室功能是衡量心臟疾病的重要的定量分析指標。左心室功能的定量分析主要是通過分割不同成像模態(tài)中左心室部分,進而計算得到相關(guān)功能指標。目前三維超聲心動圖能夠提供更多的上下文信息,能夠為臨床專家提供更多的解剖結(jié)構(gòu)信息,成為了一種流行的左心室超聲心動圖模態(tài)。為了避免人工標注超聲心動圖的耗時問題和主觀差異問題,鑒于計算機輔助超聲心動圖的高效性和一致性,計算機輔助超聲心動圖分割成為一個研究熱點。因此本文致力于研究計算機輔助的全自動和半自動的左心室三維超聲分割方法。首先,為了解決基于小樣本深度學(xué)習(xí)模型的初始化問題,并充分挖掘3D超聲心動圖自身的空間先驗信息,提出了基于空時解剖先驗的自監(jiān)督排序模型。基于該排序模型,進一步提出基于排序模型的自監(jiān)督預(yù)訓(xùn)練機制,并將該預(yù)訓(xùn)練機制應(yīng)用到特定的心室分割任務(wù)當中,實現(xiàn)分割性能的提升。本文提出的基于排序任務(wù)的預(yù)訓(xùn)練機制具有較好的拓展能力,可以靈活的應(yīng)用到其他的排序模式和更加廣泛的... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：131 頁

【學(xué)位級別】：博士

【部分圖文】：

左心室超聲心動圖

哈爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文1.4左心室三維超聲分割的問題描述及難點分析問題描述：如圖1-2所示，從超聲分析的角度，左心室內(nèi)部可以從解剖學(xué)上分為三部分：心室腔體、心內(nèi)膜、心肌部分（由內(nèi)而外三部分）�；谧笮氖胰S超聲心動圖，分割出左心室心內(nèi)膜所包含的區(qū)域（血池部分）是本文所要解決的問題。其中按照臨床醫(yī)學(xué)影像分析標準，乳頭饑梳狀肌等都包含在血池中，不屬于心肌部分。相比其他心臟影像模態(tài)(CT、MRI)，超聲心動圖分析具有更高的難度，其圖1-2左心室解剖學(xué)結(jié)構(gòu)Fig.1-2Theanatomicalstructureofleftventricle分析難度主要表現(xiàn)在以下幾方面：1.超聲心動圖會由于信號的回落(解剖結(jié)構(gòu)和超聲束平行)、其他器官的遮擋以及掃描扇形的局限性導(dǎo)致一些結(jié)構(gòu)成像失敗。這將使得分析算法在一些區(qū)域因缺少信息而難以達到準確的分析結(jié)果。2.超聲心動圖的信噪比較低。而且超聲波反射的過程中會出現(xiàn)偽影現(xiàn)象，隨著超聲波穿透力的降低偽影會增加。使得超聲心動圖的成像質(zhì)量降低，對自動化算法的抗噪聲能力提出了新的挑戰(zhàn)。3.在超聲心動圖中，不同組織以及血液主要是通過細微的斑點模式進行區(qū)分，很難從其灰度值以及紋理信息方面進行辨別。因此，血液和組織之間沒有清晰的邊界。對自動化算法的抗模糊能力和上下文信息分析能力提出了挑戰(zhàn)。4.乳頭饑梳狀肌與心肌組織從解剖和影像上都是同質(zhì)的組織，如何利用其他解剖信息對乳頭饑梳狀肌與心肌組織進行有效區(qū)分是一個難點。5.相比于二維超聲心動圖，三維超聲心動圖具有更高的數(shù)據(jù)維度（增加了高效率分析數(shù)據(jù)的難度）；具有更復(fù)雜的解剖結(jié)構(gòu)環(huán)境（增加了解剖信息提取的難度）；出現(xiàn)更多的遮擋部分（其圖像質(zhì)量更低，對自動化超聲圖像分析算法的魯棒性和準確性要求更高）。-4-

第1章緒論計算圖像的概率分布和參數(shù)估計通常難度很大，且容易出現(xiàn)過分割的現(xiàn)象，最終降低分割準確率。最后，對于深度學(xué)習(xí)方法而言，相比傳統(tǒng)機器學(xué)習(xí)方法，其能夠自動提取特征。但其通常也需要大量的訓(xùn)練集來完成模型的訓(xùn)練，且需要訓(xùn)練集樣本多樣化，盡可能包含多種數(shù)據(jù)分布。然而在醫(yī)學(xué)圖像分析任務(wù)中(尤其是針對超聲醫(yī)學(xué)圖像分析任務(wù))，其訓(xùn)練集樣本數(shù)和自然圖像訓(xùn)練集樣本數(shù)難以比擬，往往面臨訓(xùn)練集樣本不足(小樣本問題)，且針對不同廠商生產(chǎn)的成像設(shè)備，獲取的超聲圖像存在較大差異。由于先驗知識的缺乏，基于傳統(tǒng)深度學(xué)習(xí)方法很難基于有限的訓(xùn)練樣本學(xué)習(xí)出能夠表達多種數(shù)據(jù)分布差異的分割模型，在一些情況下訓(xùn)練深度學(xué)習(xí)方法時容易出現(xiàn)過擬合現(xiàn)象，導(dǎo)致在測試時準確率低。1.7本文的主要研究內(nèi)容本文在分析超聲心動圖成像原理、2D和3D超聲心動圖的優(yōu)缺點以及左心室3D超聲心動圖分割問題及難點之后，基于現(xiàn)有的超聲心動圖分割方法研究的基礎(chǔ)上，提出了針對左心室3D超聲心動圖分割的方法。本文的研究框架如圖1-3所示，本文主要研究內(nèi)容包括如下幾個部分：圖1-3本文研究框架Fig.1-3Theframeworkofthisthesis第2章提出了基于空時解剖先驗的自監(jiān)督預(yù)訓(xùn)練模型。該預(yù)訓(xùn)練模型的提出受啟發(fā)于超聲心動圖數(shù)據(jù)在空間和時間上的有序性，并將其應(yīng)用于左心室超聲心-13-

【參考文獻】：
期刊論文
[1]《中國心血管病報告2018》概要[J]. 胡盛壽,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風,楊躍進,鄭哲,陳偉偉.  中國循環(huán)雜志. 2019(03)



本文編號：2972331