左心室超聲心動圖分割方法的研究

趙佳旻+劉涵銳+郭斌

摘要： 關鍵詞： 中圖分類號： 文獻標志碼： A文章編號： 2095-2163（2017）06-0054-04

Abstract： Cardiovascular disease is one of the three major killers of human health. With the development of medical equipment， medical imaging is also a new focus. The segmentation of ventricular images is a precondition for the medical diagnosis of heart disease， but due to the low accuracy of traditional segmentation methods， the stability is not good enough to meet the needs of medical diagnosis. This paper expounds on the advantages and disadvantages of the previous segmentation model， based on the model of Li， gives a priori energy function of the new model， at the same time， introduces the characteristics of fast segmentation model to improve the efficiency of segmentation. The experiment shows that the new model has better accuracy and stability， and the multifeature model can improve the segmentation speed.The two can be applied in the segmentation study of left ventricle cardiography.

0引言

隨著近代計算機技術、通信技術以及成像技術的飛速發展，在醫學診斷方面已經從觀察解剖組織結構，進化發展到利用醫學圖像快速確診病變部位，最大限度提取有效信息，為醫生的最終診斷提供重要依據，同時大大降低誤診幾率。

圖像研究[1]主要分為圖像處理、圖像分析和圖像理解三個方面，而本文設定的圖像分割則隸屬于圖像分析方面。圖像分割，就是將具有相同特征的目標置于同一區域內，將不同特征的目標劃分提取到不同的區域，同時這也是高級圖像分析的應用基礎。

在醫學中，超聲波成像技術已在醫療診斷方面獲得了廣泛的應用。超聲波成像就是以超聲波脈沖作為信息的載體，利用經由人體內部器官反射后的回波來獲取人體內部器官的斷層結構。超聲波成像因其對人體無損害、診斷成本較低、可以實時成像以及對待診人群無限制等優勢，在醫學診斷領域占有一席之地。然而，因超聲波在人體內的傳播的復雜性，包括散射、多次反射和衍射等，使得所成的像存在數目龐大的斑點和噪聲[2]，嚴重影響了超聲波成像的清晰度和質量，這也使得對圖像分割技術有了更高的要求。

現如今，心腦血管病已嚴重威脅人類身體健康，成為人類死亡的三大殺手之一。“三高、三低”是心腦血管疾病的主要特點，即發病率、致殘率、死亡率高，知曉率、治療率、控制率低。同時冠心病[3]等心血管疾病的高額的治療費用，也給數以百計的家庭帶來負擔。越來越多的人意識到定期進行心血管疾病的檢查的重要性。而多數心血管疾病都會影響心臟左心室的生理形態，所以對左心室的超聲檢查也成為判斷心臟是否發生病變的重點預備前提條件。

為了獲取心臟左心室的靜態指標，需要對左心室的內膜進行有效提取，也為進一步的診斷工作提供了必備基礎。對超聲波成的像進行圖像分割也面臨一些難關與挑戰。首先是心臟結構的復雜性，其次是心臟的持續跳動使得所成圖像在相位特性上存在變化性，再者，心肌與周圍的器官在回聲特性上存在相似性，使得所成圖像在邊界處出現模糊不清、難以分辨的情況，從而導致圖像分割難度大幅提升。而且，分割模型還將直接影響和決定分割效果的優劣，對圖像分割越精確、越快速，便可越早診斷病情。

綜上論述可知，本文著眼于左心室心肌超聲波形成圖的圖形分割的研究，通過簡述超聲成像的圖形分割的算法成果發展，再結合水平集相關理論的闡釋研究，在此基礎上綜合運用改進的Li變分水平集模型以及設計能量函數的方法對左心室進行圖像分割，最后則引入多特征快速分割模型實現快速分割。

1左心室超聲心動圖像分割方法的研究進展

近年來，基于變分偏微分方程的算法，因其獨特的分割思想，已成為醫學圖像分割領域的研究重點。該算法主要分為兩大類：基于參數的活動輪廓模型和基于區域的幾何活動模型，其本質都是尋找該偏微分方程的極小值，從而達到圖像分割的設計目的。下面將給出具體內容的解析與論述。

1.1水平集方法endprint