结合纹理与形状的Tagged MR图像左心室分割算法

分割带标记线核磁共振(tagged MR)图像是左心室运动重建的前提.由于标记线的加载破坏了左心室的轮廓边缘和区域灰度一致性,再加上乳突肌的存在,使带标记线核磁共振图像的左心室内外轮廓分割变得相当困难.在变分框架下,将纹理分类信息与形状统计先验知识引入Mumford-Shah模型中,提出了一种改进的分割带标记线核磁共振图像的左心室内外轮廓的方法.该方法基于支持向量机对S滤波器组提取的纹理特征的分类结果,构造了一种新的图像能量表示;针对乳突肌及边缘断裂现象,引入形状统计先验信息来约束曲线的演化.因为分割过程利用了有监督学习策略,较好地克服了标记线对左心室区域灰度的影响,提高了分割精度.实验结果表明,该方法较以往方法具有更高的分割精度和更好的稳定性.     

带标记线左心室MR图像的自动分割

带标记线核磁共振(MR)图像能够提供了大量的运动信息，为实现左心室的运动重建提供了有利条件，但图像中存在灰度的不一致性、弱边界、伪影、标记线的影响等现象，这些都给带标记线左心室MR图像的分割带来了困难。目前带标记线核磁共振图像的左心室分割主要靠人工完成，为此提出了一种自动分割方法，它是基于分级处理的分割方法，主要由3部分组成：首先用数学形态学的方法实现左心室的自动定位；然后用K均值聚类、模板匹配和基于骨架的心肌形状恢复方法给出左心室的内外初始轮廓线；最后用改进的水平集方法对初始轮廓线进行演化而得到最终结果。实验结果证明，此方法有较强的鲁棒性，是行之有效的方法。     

均值偏移法在核磁共振图象分割中的应用

文中采用均值偏移算法对加标记核磁共振(MR)图象的幅度谱进行模式分类构造低通滤波器,滤波后的频谱经傅立叶反变换后生成去网格标记的MR图象.然后运用Snake-GVF方法对结果图象进行分割,能够获得较好的左心室内膜边界.结果表明均值偏移算法应用于加标记MR图象分割是有效的.     

利用纹理信息的带标记线心脏核磁共振图像分割

针对带标记线的心脏核磁共振图像分割受到标记线强梯度影响的现象,提出了一种基于图像细节信号能量的纹理分析方法,该方法合理地利用了标记线本身的信号特征,进而达到了去除标记线影响的效果。由于心脏核磁共振图像边缘较弱,噪声相对较强,本文应用测地线活动轮廓模型定义演化曲线,并用水平集方法求解,从而很好地提取了左心室的心内膜。在提取左心室心外膜时,为克服边界断裂、缺省的情形,添加了距离约束能量项,解决了依靠梯度和纹理信息无法准确分割的问题。实验与误差分析结果表明,本文方法能较好地提取带标记线的左心室内外心膜,且具有较高的准确率。     

基于可形变模型的左心室形状恢复与运动跟踪

从心脏核磁共振图像恢复左心室的3D形状并跟踪其运动,是当前医学图像分析领域的重要研究课题之一。提出了一种基于可形变模型的左心室3D形状恢复与运动跟踪方法,该模型充分考虑了左心室的实际几何形状,将左心室描述为一个一端封闭、非轴对称、轴线弯曲的广义圆柱壳;模型的参数为函数,用全局参数即可捕捉左心室的局部形变;模型的求解纳入基于物理学的可形变模型框架之下,这样,左心室的形状恢复与运动跟踪变成一个动态的数据拟合过程。根据跟踪的结果可以观察左心室的容积、质量等在一个心动周期中的变化情况,计算每博容积、射血分数等心功能指标,为心脏疾病诊断提供直观的临床参考。     

基于改进的主动轮廓模型及光流估计的标记线跟踪

在心脏核磁共振图像分析中，标记线的跟踪是心肌运动分析及3维运动重建的重要步骤。为了提高心脏标记线跟踪的准确性，首先使用改进的基于动力学方程的主动轮廓模型来对标记线进行跟踪，并根据标记线的特点，引入了3种弹性势能，然后采用了新的内能函数，并使用新的方法来产生图像势能，由于改变了原模型中轮廓线初始速度为零的假设，并引入了光流估计作为轮廓的初始速度，从而提高了跟踪结果的准确性。对多序列心脏收缩期核磁共振图像的实验结果表明，该算法可以获得较好的跟踪效果。     

基于GVF模型与光流场的左心室容积计算

针对目前利用心脏核磁共振图像计算左心室容积存在的分割困难和计算量大的问题,提出了一种新的计算左心室容积的方法.首先采用基于梯度向量流的主动轮廓模型(GVF-snake)对左心室内膜进行分割获取初始轮廓线,再采用光流法跟踪得到心脏序列中后续帧图像的心腔内膜轮廓线,最后采用Simpson方法计算得到左心室容积.运用该方法得到的结果和用手工勾画心脏内膜轮廓得到的结果比较表明:GVF-snake与光流运动跟踪相结合的方法用于左心室容积的计算是可行的.     

基于窄带水平集的带标记线左心室核磁共振图像的自动分割

提出了一种全自动分割带标记线左心室核磁共振图像的方法.它主要由两部分组成:先采用支持向量机(SVM)进行左心室定位,从而给出初始轮廓线;然后用改进的窄带水平集(Level Set)方法演化曲线得到最终分割结果.该方法改进了窄带生成方法,减少了窄带生成时间.针对带标记线左心室核磁共振图像的成像特点,引入了块像素变差和灰度相似性的思想对水平集方法的速度项进行了改进.实验结果表明,该方法能全自动、快速、准确地实现左心室的分割.     

利用带标记线核磁共振图像的左心室力学形态分析

为直观地分析左心室在心脏收缩期的形变情况，提出一种左心事力学形态分析方法．首先利用带标记线的心脏核磁共振图像数据针对左心室建立系数可变的物理可形变模型，并在所建模型的基础上，利用心脏收缩期各个时刻的左心室轮廓点数据恢复三维外形；然后利用心脏收缩期各相邻时刻的标记点数据计算左心室模型外力；最后将模型外力转换为收缩应力分量、切向应力分量和拉伸应力分量，并将各个应力分量用彩色云图显示．实验结果表明，文中方法能直观、有效地反映左心室内外表面在整个心脏收缩期的应力分布及形变趋势，获取的力学形态变化云图将成为重要的医学诊断依据．     

带标记线的心脏MRI图像分割方法*

在分析带标记线的心脏MRI特点的基础上,提出了利用Gabor滤波与Chan和Vese模型相结合对带标记线的心脏MRI图像进行分割的方法.通过对带标记线的心脏MRI图像进行Gabor 变换,把标记线分离出来,并且扩大心肌和血液之间的差异,再对变换后的图像用Chan和Vese模型进行分割.实验结果表明了该方法的有效性.     

加标记的左心室核磁共振图像位移场的运动重建

利用改进的左心室数字模拟器提供的加标记的核磁共振图像(MRI),文章研究左心室位移场的运动重建方法。先以双三次B样条曲面技术拟合短轴和长轴影像层三个方向的标记面,然后采用最小二乘原理确定短轴和长轴影像层标记点1D逆向位移场的最优控制顶点,在此基础上拟合的短轴影像层上标记点的3D逆向位移场达到亚像素精度。这对于跟踪心肌点几何位置,分析左心室的运动变形具有重要意义。     

左心室核磁共振图像的自动分割

目前左心室核磁共振图像的分割方法,大部分是半自动的,如Snake方法;为了能实现全自动分割,该文先采用SVM对图像进行左心室定位,然后用水平集(Level Set)方法进行分割,针对水平集符号距离函数构造计算量大的问题,提出了一种新的符号距离函数(SDF)的生成方法——中线延拓方法,它只需对图像进行一次扫描就可以生成SDF,同时还可以记下每点对应的曲线上的最近邻点,为速度项中曲率的扩展提供条件,针对核磁共振图像成像特点,特别是对加标记线的左心室核磁共振图像,引入了块像素变差和灰度相似性的思想,对水平集方法的速度项进行了改进,提高了分割精度,该方法能全自动、快速、准确地实现左心室的分割,文中给出了合成图像和左心室核磁共振图像的分割结果。     

一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法

提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow, EDGGVF) Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。     

基于柱坐标B样条活动曲面模型的3D分割方法

基于长轴和短轴系列核磁共振图像重建3D左心室内外表面是提取左心室基本形态参数以及左心室运动分析的基础.提出了柱坐标B样条主动表面(CBAS)模型,将其用于3D分割左心室内外膜表面. CBAS模型的等参曲线网格由B-snake模型组成,根据短轴、长轴成像平面在3D空间中的位置关系,网格中的节点在两幅短轴及长轴图像上寻找对应的边缘点,节点间的采样点则在单一的短轴或长轴图像上获得图像能量.首先利用改进的模糊Hough变换确定短轴图像中左心室心肌内外轮廓的大致位置,其次用其构建柱坐标B样条主动曲面模型的初始表面.对左心室表面的分割过程在柱坐标下进行,使得模型在SA图像及LA图像上形状的改变能够统一为一个参数的变化,减小了模型的复杂度.最后通过与手工分割结果的线性回归分析证明了方法的准确性.     

心脏序列图像运动估计新方法:基于广义模糊梯度矢量流场的形变曲线运动估计与跟踪

应用动态轮廓线模型(ACM)解决心脏运动估计问题是该领域的主要研究方法之一．采用经典外力和传统ACM模型对感兴趣边缘进行搜索及跟踪时，普遍存在模型的局部适应性程度不高的缺陷．为解决这一挑战性难题，该文提出了广义模糊梯度矢量流(GFGVF)的概念，并构造出一组新的Snake平衡方程，该方程可对心脏内部边缘逐帧进行鲁棒跟踪．为进一步跟踪每一特征点的运动，该文将前一步的轮廓跟踪结果作为似然条件，结合一致性和连续性先验条件，通过最大后验概率(MAP)的方法对整个过程进行了优化计算．通过对MR及CT两类心脏序列图像进行运动跟踪实验并对计算结果进行多种比较，此方法显示了较好的鲁棒性．     

Automated Segmentation of Left Ventricle Using Local and Global Intensity Based Active Contour and Dynamic Programming

The aim of this work is to develop an improved region based active contour and dynamic programming based method for accurate segmentation of left ventricle (LV) from multi-slice cine short axis cardiac magnetic resonance (MR) images. Intensity inhomogeneity and weak object boundaries present in MR images hinder the segmentation accuracy. The proposed active contour model driven by a local Gaussian distribution fitting (LGDF) energy and an auxiliary global intensity fitting energy improves the accuracy of endocardial boundary detection. The weightage of the global energy fitting term is dynamically adjusted using a spatially varying weight function. Dynamic programming scheme proposed for the segmentation of epicardium considers the myocardium probability map and a distance weighted edge map in the cost matrix. Radial distance weighted technique and conical geometry are employed for segmenting the basal slices with left ventricle outflow tract (LVOT) and most apical slices. The proposed method is validated on a public dataset comprising 45 subjects from medical image computing and computer assisted interventions (MICCAI) 2009 segmentation challenge. The average percentage of good endocardial and epicardial contours detected is about 99%, average perpendicular distance of the detected good contours from the manual reference contours is 1.95 mm, and the dice similarity coefficient between the detected contours and the reference contours is 0.91. Correlation coefficient and the coefficient of determination between the ejection fraction measurements from manual segmentation and the automated method are respectively 0.978 1 and 0.956 7, for LV mass these values are 0.924 9 and 0.855 4. Statistical analysis of the results reveals a good agreement between the clinical parameters determined manually and those estimated using the automated method.     

基于各向异性扩散活动轮廓模型的左心室MRI分割

结合各向异性扩散算法与梯度矢量流活动轮廓模型,提出了基于各向异性扩散活动轮廓模型并应用于心脏核磁共振图像分割;模型采用各向异性扩散方程构造活动轮廓模型的外部能量函数,得到边界更加清晰的分段平滑图像,运用梯度矢量流将边缘图梯度散射到平坦区域,可以有效抑制噪声,同时保持了目标边界;对左心室核磁共振图像的分割实验表明,该模型可以克服噪声和伪影的干扰,与原梯度矢量流模型相比具有更高的精确性和可靠性,有利于实现自动分割.     

Segmentation of cardiac tagged MR images using a snake model based on hybrid gradient vector flow

In the segmentation of cardiac tagging magnetic resonance (tMR) images, it is difficult to segment the left ventricle automatically by using the traditional segmentation model because of the interference caused by the tags. A new snake model based on hybrid gradient vector flow (HGVF) is proposed by us to improve this segmentation. Due to the different characteristics between endocardium and epicardium of the left ventricle (LV), several gradient vector flows (GVFs) with distinctive boundary information would be fused to segment these two sub regions individually. For segmentation of endocardium, we construct a new HGVF in snake model fused by three independent GVFs. These flows are respectively exported from the original cardiac tMR image, the tags-removed image and the local-filtered image. On the other hand, since the epicardium is with a nearly-circle shape, we construct the other HGVF which is composed of two different GVFs. One of them is derived from the tags-removed image either and the other one is derived from the ideal circle-shape image. Some experiments have been done to validate our new segmentation model. The average overlap of the endocardium segmentation is 89.67% (its mean absolute distance is 1.86 pixels), and the average overlap of the epicardium segmentation is 95.88% (its mean absolute distance is 1.64 pixels). Experimental results show that the proposed method improves the segmentation performance compared to some available methods effectively.