心血管疾病具有高患病率、高致殘率以及高死亡率等特點。主動脈縮窄(coarctation of aorta,Co A)和主動脈瓣狹窄(aortic stenosis,AS)分別是常見的先天性與后天性心血管疾病,尚無有效的藥物治療手段。血流動力學是診斷和評估這兩種疾病的主要臨床參考指標,其中有創(chuàng)性心導管檢查是獲取血流動力學指標的金標準。目前無創(chuàng)性獲取血流動力學的方法都存在不足之處:經(jīng)胸超聲心動圖(transthoracic echocardiography,TTE)雖能準確測量血流速度,但其易高估壓力差;磁共振成像(magnetic resonance imaging,MRI)檢查過程復雜且費用相對昂貴、檢查時間相對較長;CT血管造影(CT angiography,CTA)雖然被廣泛應用于形態(tài)學評估,但它無法進行血流動力學分析。計算流體力學(computed fluid dynamucis,CFD)是近年來心血管系統(tǒng)研究領域的熱點,具有無創(chuàng)性、可獲取參數(shù)多、高分辨率等特點,但目前基于CTA、利用CFD技術進行血流動力學的研究還相對較少。機器學習也是近年來心血管系統(tǒng)的研究熱點,它具有無創(chuàng)性、運算速度快、可復用性強等特點,但目前還處于剛剛起步階段�；谝陨鲜聦�,本研究基于CTA橫斷面圖像,利用CFD技術分別進行CoA和AS患者的主動脈血流動力學研究,并探索通過機器學習手段對Co A患者進行無創(chuàng)性診斷的可行性研究。本文的研究工作主要為:1.驗證了基于CTA橫斷面圖像,利用CFD技術評估主動脈血流動力學的可行性。本研究部分共收集25例診斷為先天性心臟病且主動脈正�；颊�,所有患者均進行了CTA、TTE檢查,且在兩周之內做了心導管檢查。CFD的仿真模型由患者CTA橫斷面圖像重建而來;CFD邊界條件包括經(jīng)TTE測得的主動脈瓣口峰值收縮期速度(peak systolic velocity,PSV),上下肢血壓;如果血壓值缺失,則使用集總參數(shù)模型(lumped parameter model,LPM)來代替。分別比較CFD獲得的峰值收縮期壓力(peak systolic pressure,PSP)與心導管獲得的PSP、CFD獲得的PSV與TTE獲得的PSV。研究結果顯示:CFD獲得的PSP與心導管獲得的PSP具有高度一致性,兩者線性相關度達到0.918,而Bland-Altman圖也表明兩者誤差很小,平均誤差僅-1.400 mmHg;CFD獲得的PSV與TTE獲得的PSV也具有高度一致性,兩者線性相關度為0.968,而Bland-Altman圖的平均偏差僅為-7.68 cm/s。除了可獲得具體數(shù)值外,通過CFD可視化功能可將血流動力學分布及分布狀態(tài)(如渦流)展示出來,也可直接呈現(xiàn)某些臨床難以直接測量的量化指標如壁面切應力。本研究結果證實了CFD在人體主動脈血流動力學分析中的可行性與正確性。2.驗證了基于CTA橫斷面圖像,利用CFD技術無創(chuàng)性診斷Co A的診斷效能。本研究部分納入50例訓練集患者(其中包括25例確診CoA患者和25例確診為先天性心臟病但無Co A患者)和25例盲法測試集患者(為疑似Co A患者)。CFD的仿真模型由患者的CTA圖像重建而來;CFD邊界條件包括TTE測得的主動脈瓣口PSV、上下肢血壓;如果血壓值缺失,則使用LPM來代替。CFD的診斷效能使用ROC曲線來評估。研究結果表明,CFD方法能準確區(qū)分正常主動脈和患有CoA的主動脈。訓練集的ROC曲線表明,利用CFD方法得到的三種血流動力學指標:峰值收縮期血壓差(peak systolic pressure gradient,PSPG)、PSV以及平均峰值收縮期壁面切應力(average maximum wall shear stress,AMWSS)具有非常高的診斷效能(AUC=0.987,0.931,0.978),其敏感性為92%,92%,88%;特異度為:92%,96%,80%,而假陰性診斷分別只有2例,3例,2例。在測試集中,CFD仿真得到的PSPG、PSV和AMWSS的AUC為0.953,0.947,0.823;敏感度分別為:93%,87%,80%;特異度分別為:90%,80%,100%。三個指標的假陰性率分別為:1/15,3/15,2/15。本研究中證明了CFD方法能有效且無創(chuàng)地診斷Co A,彌補了CTA無法進行血流動力學分析的缺點。3.驗證了基于CTA橫斷面圖像,利用CFD技術,進行AS患者狹窄嚴重程度的無創(chuàng)性分級能力。本研究納入輕度狹窄組10例(跨瓣平均血壓差30 mmHg),中度狹窄組10例(30 mm Hg跨瓣平均血壓差49 mmHg),重度狹窄組10例(跨瓣平均血壓差50 mmHg)。CFD的仿真模型由患者的CTA圖像重建而來;CFD邊界條件包括TTE測得的左心室流出道PSV、上下肢血壓;如果血壓值缺失,則使用LPM來代替。CFD的分級效果采用多分類Logistic回歸和加權Kappa檢驗進行評估。研究結果表明,CFD方法的分級效果有較高的準確率(86.67%),且加權Kappa檢驗表明,CFD的分級效果與心導管的分級效果具有高度一致性(к=0.80,p0.001)。本研究說明了CFD方法能對AS嚴重程度進行分級,是對CFD方法應用場景的擴展。4.利用機器學習算法,完成了CoA的無創(chuàng)性診斷。本研究納入了66例患者,所有患者均進行了TTE、CTA檢查,兩周之內進行了心導管檢查。本研究使用了K最近鄰(K-Nearest Neighbor,KNN)、樸素貝葉斯(Naive Bayes,NB)、隨機森林(Radom Forest,RF)三種不同的機器學習算法,機器學習所用的特征從CTA、TTE中直接獲取,樣本標簽則通過心導管結果確定。特征經(jīng)過預處理之后用來訓練機器學習算法。機器學習算法的驗證方法采用10則交叉驗證。機器學習的預測效果主要采用ROC和F-measure來評估。研究結果表明,KNN、NB、RF算法都有不錯的正確率(0.812,0.855,0.913)、AUC(0.900,0.936,0.965)和F-measure(0.814、0.854、0.897)。本研究結果表明,機器學習能較為準確的診斷CoA。
【學位單位】：華南理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP181;O35;R543.1
【部分圖文】：

一的根治方法，而正確的診斷和術前評價是治療的基礎。研究內容包括 CoA 和 AS 兩種心血管疾病的無創(chuàng)性診斷與評、評估這兩種疾病的研究方法與結果，并對主要結果進行討論疾病的背景知識以及診斷或疾病管理上遇到的困難，闡述這兩種當前的研究理論作系統(tǒng)的介紹。背景脈縮窄簡介與研究背景指主動脈的先天性局限性狹窄畸形，使通過狹窄主動脈區(qū)域的上常見的先天性主動脈發(fā)育畸形，約占先天性心臟病患者的 6（aortic isthmus, AI）是 CoA 的高發(fā)區(qū)域（占比 95%以上），Co現(xiàn)為膜狀縮窄；亦可形成累及較長血管段的病變，表現(xiàn)為管狀縮

華南理工大學碩士學位論文第二章 CTA 圖像的后處理與 CFD 基本步驟2.1 引言CTA 圖像無法直接進行血流動力學分析，需要經(jīng)過后處理形成三維幾何模型之后才可借助 CFD 技術進行血流動力學分析。由于三維幾何模型是 CFD 計算必不可少的一部分，所以進行 CTA 圖像后處理的目的是為了得到可用于 CFD 計算的三維幾何模型，該過程即 CTA 圖像的三維重建。CFD 方法是一種數(shù)值求解方法，常用于流體物理場的仿真計算。如 1.3.2 小節(jié)所述，許多物理場的基本控制方程無法求出其理論解析解，而 CFD 方法的實質就是使用數(shù)值方法來求解這些物理場的基本控制方程，使得求出的數(shù)值解近似滿足物理場的基本方程。在本研究中，CFD 方法則用來求解流體的五個基本方程：式（1-1）～式（1-5）。CFD方法需要遵循特定的步驟才能完成計算，如下圖所示：

目標圖像區(qū)域與背景圖像區(qū)域灰度對比明顯，其直方圖一般表現(xiàn)為“雙峰”，即有度峰值。一個峰來自于目標圖像區(qū)域，而另外一個峰值來自于背景圖像。而在目區(qū)域與背景圖像區(qū)域的邊界附近，圖像像素少，從而產(chǎn)生了波谷。普遍而言，當波谷值時，圖像分割的效果最好。在本研究中，CTA 圖像的胸主動脈部分具有較性，且與部分骨骼、肺、肝臟等其他組織對比明顯，閾值分割算法可以較為容易主動脈與上述組織區(qū)分開。但胸主動脈部分的灰度級與心臟部分的灰度級區(qū)分度所以 CT 圖像的直方圖并不是標準的雙峰圖，單一的閾值分割難以將胸主動脈分。先將導出的 CTA 圖像序列傳入 MIMICS 軟件，分割操作在橫斷面圖像上進行 2-2 A。經(jīng)過多次試驗及醫(yī)生的初步判定，對于本研究所使用的 CTA 圖像數(shù)據(jù)，定一般為 320 HU  1000 HU。之后閾值分割法對 CTA 圖像進行初步分割。經(jīng)過割之后，可分離絕大部分骨骼與其他組織（圖 2-2 B）。但由于心臟組織與主動脈圖像灰度十分接近，使用閾值分割法無法直接分割。

【參考文獻】

相關期刊論文 前9條

1 王常田;李德閩;;主動脈瓣狹窄研究新進展[J];心血管外科雜志(電子版);2014年03期

2 崔辰;趙世華;;對心臟磁共振學會及歐洲心臟病學會磁共振工作組心肌T1 mapping和細胞外容積量化共識的解讀[J];心血管病學進展;2014年03期

3 李英壯;陳志彬;李先毅;;基于統(tǒng)計學習的P2P節(jié)點選擇算法[J];計算機應用;2013年S1期

4 白帆;劉有軍;謝進生;丁金立;王楓;趙夕;任曉辰;喬愛科;;血流動力學的醫(yī)學應用與發(fā)展[J];醫(yī)用生物力學;2013年06期

5 王榮峰;陳正光;白燕;張賀誠;楊毅;;多層螺旋CT在先天性主動脈縮窄和主動脈弓離斷診斷中的應用[J];臨床放射學雜志;2009年11期

6 周學成;羅錫文;嚴小龍;周荷琴;;基于遺傳算法的原位根系CT圖像的模糊閾值分割[J];中國圖象圖形學報;2009年04期

7 張鵬飛,張運;血管內超聲彈性圖的構建原理和臨床應用研究[J];生物醫(yī)學工程學雜志;2005年01期

8 王溪濤,張炎,劉波,李玉泉 ,姜宗來;低切應力對動脈粥樣硬化形成及血管平滑肌細胞α-肌動蛋白和c-Myc蛋白表達的影響[J];解剖學報;2004年06期

9 喬愛科,劉有軍,伍時桂;彎曲動脈的血流動力學數(shù)值分析[J];計算力學學報;2003年02期

相關碩士學位論文 前3條

1 白帆;血流動力學幾何多尺度方法及應用研究[D];北京工業(yè)大學;2014年

2 吳冕;基于改進SVDD的設備故障診斷方法及在線監(jiān)測系統(tǒng)研究[D];北京郵電大學;2013年

3 胡小忠;胸主動脈模型脈動血流數(shù)值模擬[D];中國人民解放軍醫(yī)學院;2012年

本文編號：2829357