目的:探討拉普拉斯-高斯（LOG）邊緣檢測算法在優(yōu)化冠狀動脈CT血管造影（CCTA）圖像質(zhì)量中的應(yīng)用價值。方法:選取在醫(yī)院放射科行CCTA檢查的100例患者,將CCTA檢查的曲面重建（CPR）圖像主觀檢測數(shù)據(jù)納入對照組,LOG算子邊緣檢測數(shù)據(jù)納入觀察組。以容積再現(xiàn)（VR）圖像為參照標(biāo)準(zhǔn),對比兩組冠狀動脈狹窄程度的診斷準(zhǔn)確性和分段的質(zhì)量評分。結(jié)果:對100例患者經(jīng)VR影像診斷,確診為輕度狹窄67例（占67%）,中度狹窄24例（占24%）,重度狹窄9例（9%）。對照組診斷的真陽性率低于觀察組,組間輕度、中度和重度狹窄真陽性率比較,差異均有統(tǒng)計學(xué)意義（x2=4.107,x2=5.400,x2=5.143;P<0.05）;對照組右冠狀動脈、左回旋支動脈、左前降支和冠狀動脈的質(zhì)量評分低于觀察組,組間差異均有統(tǒng)計學(xué)意義（t=2.126, t=2.333,t=2.183,t=2.762;P<0.05）。結(jié)論:LOG邊緣檢測算法可提高冠狀動脈CCTA圖像的清晰度和血管邊緣銳利度,血管邊緣信息連貫且對比度高,其在優(yōu)化CCTA圖像質(zhì)量中具有較高的臨床應(yīng)用價值。 

【文章來源】：中國醫(yī)學(xué)裝備. 2020,17(12)

【文章頁數(shù)】：4 頁

【文章目錄】：
1 資料與方法
    1.1 臨床圖像資料
    1.2 納入與排除標(biāo)準(zhǔn)
    1.3 儀器設(shè)備與藥物
    1.4 圖像采集及處理
    1.5 冠狀動脈邊緣檢測
    1.6 觀察指標(biāo)
    1.7 統(tǒng)計學(xué)方法
2 結(jié)果
    2.1 LOG圖像處理結(jié)果分析
    2.2 兩組冠狀動脈狹窄程度分析結(jié)果比對
    2.3 兩組冠狀動脈分段評分結(jié)果比對
3 討論
4 結(jié)論


【參考文獻】：
期刊論文
[1]SSF技術(shù)在CT冠狀動脈成像中的應(yīng)用[J]. 馬佳佳,胡永勝,高斌,巢惠民,楊會軍,馬趙,鄭劼,谷錫云,高正科,朱迪,段波.  醫(yī)學(xué)影像學(xué)雜志. 2020(02)
[2]迭代重建技術(shù)在冠狀動脈CTA掃描中的臨床應(yīng)用[J]. 岳莉,閆國梁,杜其聰,李小龍,張肖.  醫(yī)學(xué)影像學(xué)雜志. 2020(02)
[3]基于MATLAB數(shù)字圖像邊緣檢測算法的研究[J]. 韓利利,田益民,齊千慧,張?zhí)旆f.  北京印刷學(xué)院學(xué)報. 2019(07)
[4]Sobel算子在醫(yī)學(xué)圖像邊緣檢測中的應(yīng)用研究[J]. 肖雪梅.  計算機與網(wǎng)絡(luò). 2019(04)
[5]基于LoG算子的雙濾波邊緣檢測算法[J]. 張陽,劉纏牢,盧偉家,劉璐.  電子測量技術(shù). 2019(04)
[6]基于改進Canny算子的醫(yī)學(xué)圖像邊緣檢測算法[J]. 錢紅瑩.  軟件導(dǎo)刊. 2019(02)



本文編號：3465306