目的采用水平集方法實現(xiàn)對CT圖像中冠狀動脈的高效自動識別與分割,借此簡化三維模型重建工作,從而提高使用冠脈CT造影計算的血流儲備分數(shù)（computed tomography derived fractional flow reserve,FFRct）整體的計算效率。方法選取20名冠心病患者作為研究對象,提取26支狹窄冠脈血管的CT圖像。分別利用水平集方法和手動方法對CT圖像進行冠脈的識別與分割處理從而生成三維模型。利用計算流體力學（computational fluid dynamics,CFD）仿真方法分別獲取各冠脈段的血流儲備分數(shù)（fractional flow reserve,FFR）數(shù)值,并通過Bland-Altman方法分析兩種方法所得FFR的一致性,用以驗證水平集方法在冠脈識別精度上與手動方法的差異。結果對比了兩種冠脈識別方法獲取FFR數(shù)值整體所需的時間。與手動方法相比,水平集方法的模型重建時間減少了約10倍。經(jīng)檢驗,兩種冠脈識別方法的FFR數(shù)值計算結果一致性良好。結論基于水平集方法可以實現(xiàn)冠脈CT圖像的高效自動識別,具有一定的臨床應用意義。 

【文章來源】：北京生物醫(yī)學工程. 2020,39(06)

【文章頁數(shù)】：6 頁

【部分圖文】：

冠脈輪廓膨脹示意圖

表1 兩種方法冠脈CT圖像分割所需時間統(tǒng)計Table 1 Time statistics of two methods for coronary CT image segmentation 模型編號 所需時間/min LSM 手動識別 1 34.5 311 2 33.0 315 3 33.5 326 4 36.5 321 5 33.7 333 6 34.9 335 7 38.7 339 8 35.0 335 9 32.9 340 10 32.0 342 11 36.7 341 12 36.3 347 13 37.4 350 14 31.4 321 15 37.0 315 16 35 320 17 35.2 333 18 37.1 321 19 36.3 350 20 35.5 342 21 37.9 312 22 33.0 305 23 37.1 323 24 33.9 312 25 32.7 307 26 33.1 303圖3 冠脈三維重建模型

冠脈三維重建模型

【參考文獻】：
期刊論文
[1]定量測量結果的一致性評價及Bland-Altman法的應用[J]. 薩建,劉桂芬.  中國衛(wèi)生統(tǒng)計. 2011(04)
[2]水平集的圖像分割方法綜述[J]. 錢蕓,張英杰.  中國圖象圖形學報. 2008(01)
[3]基于單水平集的多目標輪廓提取[J]. 龔永義,羅笑南,黃輝,廖國鈞,張余.  計算機學報. 2007(01)



本文編號：3236268