【摘要】：目前,心血管疾病的患病率和死亡率呈現(xiàn)逐年持續(xù)上升的趨勢,經(jīng)皮冠狀動脈介入手術是目前針對心血管疾病的普適的治療手段。該方法具有手術創(chuàng)傷小、手術時間短、手術安全性高等優(yōu)勢�；赬造影圖像的術中導航是冠狀動脈介入手術重要組成環(huán)節(jié)。目前主要采用主從式血管介入手術機器人完成手術器械的遞送,降低X射線對醫(yī)生的輻射。然而,非實時性和低準確度的視覺反饋信息極大地制約了微創(chuàng)介入手術機器人在臨床中的應用。本文主要立足于該臨床需求,基于實驗室已研制的冠狀動脈介入手術機器人平臺開展基于X造影圖像的術中導航研究,為手術機器人提供實時準確的視覺反饋,從而有效降低手術風險,提高手術的精度。結合國家自然科學基金項目“機器人輔助血管介入手術中器械跟蹤與控制方法研究”,本文主要的研究工作包括:冠狀動脈介入手術術中導航中X造影圖像的處理、基于X造影圖像對介入器械檢測和血管輪廓檢測等的相關算法研究。具體的研究內(nèi)容和貢獻包括:首先,針對傳統(tǒng)視覺反饋中導絲檢測存在的低準確率、非實時性的問題,本文采用了基于LBP特征的級聯(lián)Ada Boost分類器對導絲進行檢測,該算法實現(xiàn)了導絲的自動檢測,有效的提升了視覺反饋的時效性,由于受到X造影圖像中類似導絲的骨骼輪廓的干擾,該方法的檢測準確率較低,不能滿足臨床的需求;其次,針對基于機器學習中導絲檢測準確率較低的問題,本文采用基于深度學習的方法對導絲進行檢測,該算法在導絲檢測的實時性和準確性方面取得了滿意的結果;最后,血管輪廓檢測也是術中導航中另一個重要的環(huán)節(jié),針對血管輪廓檢測,本文首先采用了一種多尺度的圖像增強算法對X造影圖像進行增強,基于增強后的圖像采用經(jīng)典的圖割法對血管輪廓進行檢測。多尺度的增強算法有效的提升了血管輪廓檢測的準確性。本文通過對X造影頭像進行圖像處理,手術器械中導絲和血管輪廓進行檢測,獲取其位置信息,為醫(yī)生提供實時準確的視覺反饋信息。
[Abstract]:At present, the prevalence and mortality rate of cardiovascular disease is increasing year by year. Percutaneous coronary intervention is a universal treatment for cardiovascular disease. This method has advantages of less trauma, shorter operation time and higher safety. Intraoperative navigation based on X-ray images is an important component of coronary intervention. At present, the master-slave vascular interventional robot is used to deliver the surgical instruments to reduce the radiation to doctors. However, non-real-time and low-accuracy visual feedback greatly restricted the clinical application of minimally invasive interventional robot. In this paper, based on the clinical requirement, the research of intraoperative navigation based on X-ray images is carried out on the platform of coronary intervention robot developed in laboratory, which provides real-time and accurate visual feedback for the robot. In order to effectively reduce the risk of surgery, improve the accuracy of surgery. Combined with the project of National Natural Science Foundation of China, "instrument tracking and control method in robot-assisted vascular interventional surgery", the main research work in this paper includes: X ray image processing in navigation during coronary artery interventional surgery. Based on X-ray image, the relevant algorithms of interventional instrument detection and vascular contour detection are studied. The specific research contents and contributions include: firstly, aiming at the problems of low accuracy and non-real-time in the traditional visual feedback guided wire detection, this paper uses cascaded Ada Boost classifier based on LBP features to detect the guide wire. The algorithm realizes the automatic detection of guide wire, and effectively improves the timeliness of visual feedback. Due to the interference of bone contour similar to guide wire in X-ray image, the detection accuracy of this method is low, which can not meet the needs of clinical. In order to solve the problem of low accuracy of guide wire detection in machine learning, the method based on depth learning is used to detect guide wire in this paper. The algorithm has achieved satisfactory results in real-time and accuracy of wire guide detection. Vascular contour detection is another important link in intraoperative navigation. In this paper, a multi-scale image enhancement algorithm is used to enhance X-ray image. Based on the enhanced image, the classical image cutting method is used to detect the blood vessel contour. Multi-scale enhancement algorithm effectively improves the accuracy of vascular contour detection. In this paper, the image processing of X ray image and the detection of guiding wire and vascular contour in surgical instruments are carried out to obtain the position information and to provide the doctors with real-time and accurate visual feedback information.
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R541.4;TP18

【相似文獻】

相關期刊論文 前10條

1 周輝;何家駒;楊媛;向征;謝斕;李紹林;周壽軍;;一種分割冠狀動脈X射線造影圖像的有效方法[J];生物醫(yī)學工程與臨床;2013年04期

2 徐智,郁道銀,謝洪波,陳曉冬,黃家祥;造影圖像中的心血管邊緣提取[J];天津大學學報;2003年03期

3 胡春紅;郁道銀;孫正;陳曉冬;;基于造影圖像的冠脈樹中感興趣血管段最佳視角的研究[J];中國生物醫(yī)學工程學報;2007年02期

4 孫正,郁道銀,黃家祥,徐智;基于X射線造影圖像的冠狀動脈運動分析[J];生物醫(yī)學工程學雜志;2005年04期

5 馮瑤;劉寧;馮亞崇;;一種針對造影圖像中血管狹窄的自動識別技術[J];生物醫(yī)學工程學雜志;2013年02期

6 梅川;吳桂良;楊媛;謝斕;何家駒;李紹林;周壽軍;;一種基于區(qū)域增長和結構識別的心血管X線造影圖像分割方法[J];生物醫(yī)學工程學雜志;2014年02期

7 ;北京市醫(yī)學影像X線檢查及造影圖像資料共享指南(2011年版)[J];中國醫(yī)療設備;2014年01期

8 許燕;薛輝;胡廣書;;基于X-ray造影圖像的主要冠狀動脈血管直徑測量的研究[J];中國生物醫(yī)學工程學報;2007年06期

9 顧蘇濱,趙鳳珍,張淑潔;間接門靜脈DSA造影圖像的質(zhì)控措施[J];內(nèi)蒙古醫(yī)學雜志;2004年10期

10 ;北京市醫(yī)學影像X線檢查及造影圖像資料共享指南(2011年版)[J];中國醫(yī)療設備;2014年02期

相關會議論文 前2條

1 李麗;劉越;王涌天;周壽軍;;冠脈造影圖像血管增強新方法研究[A];2006中國科協(xié)年會——數(shù)字成像技術及影像材料科學學術交流會論文集[C];2006年

2 李麗;劉越;王涌天;周壽軍;;冠脈造影圖像血管增強新方法研究[A];提高全民科學素質(zhì)、建設創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

相關博士學位論文 前2條

1 肖若秀;造影圖像的冠脈結構識別與匹配方法研究[D];北京理工大學;2014年

2 黃家祥;基于造影圖像的冠狀動脈三維重建和定量分析方法的研究[D];天津大學;2004年

相關碩士學位論文 前2條

1 王莉;經(jīng)皮冠狀動脈介入手術術中導航方法研究[D];哈爾濱理工大學;2017年

2 邵欣;基于EMD和模極大值的造影圖像血管提取[D];大連海事大學;2014年

，

本文編號：2145284