中国心室分割方法研究与发展

心血管疾病已成为人类健康"头号杀手",直接或间接以并发症的形式危害人类健康,基于医学影像的心脏组织分割特别是心室分割能有效地提高心脏器质病变诊断效率与精度.文中对近15年来国内提出的多种心室分割方法进行综述,将分割精度验证数据集与评价指标进行整理,对现阶段心室分割工作中存在的问题予以总结,并展望了该领域未来的发展方向.     

一种心脏影像四维动态实时绘制方法

借助心电图门控技术,多层螺旋CT(MDCT)可以采集心脏的跳动信息,但传统的体绘制方法不能满足心脏动态实时重建需求.提出一种采用心电图门控MDCT采集心脏多时相数据,基于图形处理器纹理映射的心脏动态4D实时绘制方法.该方法将采集到的数据、GPU计算获得的材质与光照属性和传输函数数据,分别映射到GPU纹理单元.片元程序实现体数据、光照和阻光度纹理查找,合成最终图像.根据数据采集时间间隔,定时切换体数据纹理,从而实现4D心脏绘制.实验证明,该算法能够实现心脏的动态实时绘制,成像质量好,满足临床需求.     

基于深度学习的心脏磁共振影像超分辨率前沿进展

心脏为人体血液流动提供动力,是人体血液循环系统的重要组成部分。受人口老龄化影响,心脏病诊疗已成为重大公共健康话题。非侵入式活体心脏成像对心脏疾病的检测、诊断与治疗意义重大。然而,受活体心跳影响,成像扫描时间与心脏影像分辨率成为难以调和的矛盾。为缓和这一矛盾,基于快速扫描获得的低分辨率影像重建出心脏高分辨率影像的超分辨率（super-resolution,SR）重建技术成为研究热点。深度学习技术在医学影像处理领域中展现出强大生命力,基于深度学习的SR技术因其强大的学习能力与数据驱动性,在心脏影像SR重建领域中表现出明显优于传统方法的性能。目前领域内前沿成果较多,但缺少对领域现状进行总结、对未来发展进行展望的综述性文献。因此,本文对领域内现状进行梳理总结,挑选出代表性方法,分析方法特性,总结文献中心脏影像数据来源与规模,给出常用的评价指标,以及模型得出的性能评价结论。分析发现,基于深度学习的心脏SR重建技术取得了较大进展,但在运动伪影抑制、模型简化程度与时间性能方面仍有进步空间。此外,现有模型基本完全依靠网络强大的表达能力,鲜有临床先验知识的引入。最后,模型间性能对比相对较少,且领域内缺少代表性的可用于评价不同心脏SR重建模型性能的数据集。基于深度学习的心脏影像SR技术仍有较大发展空间。