论文部分内容阅读
随着现代医学的不断进步，超声心动图在临床诊断领域的应用越发广泛。如何针对采集到的超声心动图完成进一步处理，以增强其作为辅助诊断方式的可靠性，成为近年来国内外研究的热点。将经食管超声心动图(Transesophageal Echocardiography，TEE)作为研究对象，围绕超声图像分割相关理论基础知识与实际应用展开了研究。 首先，从广度上调研了现存的医学图像分割算法，包括:阈值划分法、边缘检测法、区域生长法，和基于点分布(Point Distribution Model，PDM)的主动形状模型(Active Shape Models，ASM)及主动表观模型(Active Appearance Models，AAM)。同时，将上述每种方法都应用于TEE左心室区域分割，总结归纳了每种方法的优缺点，为后续研究作好理论储备。 其次，针对基于AAM的图像分割方法中计算量过大、易迭代至局部最优等问题，引入了基于PDM的监督下降方法(Supervised Descent Method，SDM)，使用基于巴式系数的特征提取函数替代原方法中的尺度不变特征变换(Scale Invariant Feature Transform，SIFT)特征，提升了标记点对左心室轮廓提取的精确性。同时，通过多尺度模型的建立，进一步避免了最终结果陷入局部极值的问题。 然后，为了验证所提方法的鲁棒性，将其与传统的监督下降方法进行了2组比对实验，和AAM方法进行了1组比对实验，实验表明，所提方法相较于传统方法在TEE左心室轮廓提取上有一定优势。同时，为了考察所提方法的正确性，引入了人脸公共数据集作为验证比对实验。 最后，利用对TEE切片左心室区域的提取结果，对左心室相关几何参数进行了定量分析，主要包括:心室面积、长轴长度、心室容积、心室壁厚度等，结合测算的几何参数，计算了面积变化分数与射血分数两个左心功能评估指标。结合所得评估指标，可应用于辅助诊疗和病理教学。