左心室超声心动图分割方法的研究

赵佳旻+刘涵锐+郭斌

摘要： 关键词： 中图分类号： 文献标志码： A文章编号： 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

随着近代计算机技术、通信技术以及成像技术的飞速发展，在医学诊断方面已经从观察解剖组织结构，进化发展到利用医学图像快速确诊病变部位，最大限度提取有效信息，为医生的最终诊断提供重要依据，同时大大降低误诊几率。

图像研究[1]主要分为图像处理、图像分析和图像理解三个方面，而本文设定的图像分割则隶属于图像分析方面。图像分割，就是将具有相同特征的目标置于同一区域内，将不同特征的目标划分提取到不同的区域，同时这也是高级图像分析的应用基础。

在医学中，超声波成像技术已在医疗诊断方面获得了广泛的应用。超声波成像就是以超声波脉冲作为信息的载体，利用经由人体内部器官反射后的回波来获取人体内部器官的斷层结构。超声波成像因其对人体无损害、诊断成本较低、可以实时成像以及对待诊人群无限制等优势，在医学诊断领域占有一席之地。然而，因超声波在人体内的传播的复杂性，包括散射、多次反射和衍射等，使得所成的像存在数目庞大的斑点和噪声[2]，严重影响了超声波成像的清晰度和质量，这也使得对图像分割技术有了更高的要求。

现如今，心脑血管病已严重威胁人类身体健康，成为人类死亡的三大杀手之一。“三高、三低”是心脑血管疾病的主要特点，即发病率、致残率、死亡率高，知晓率、治疗率、控制率低。同时冠心病[3]等心血管疾病的高额的治疗费用，也给数以百计的家庭带来负担。越来越多的人意识到定期进行心血管疾病的检查的重要性。而多数心血管疾病都会影响心脏左心室的生理形态，所以对左心室的超声检查也成为判断心脏是否发生病变的重点预备前提条件。

为了获取心脏左心室的静态指标，需要对左心室的内膜进行有效提取，也为进一步的诊断工作提供了必备基础。对超声波成的像进行图像分割也面临一些难关与挑战。首先是心脏结构的复杂性，其次是心脏的持续跳动使得所成图像在相位特性上存在变化性，再者，心肌与周围的器官在回声特性上存在相似性，使得所成图像在边界处出现模糊不清、难以分辨的情况，从而导致图像分割难度大幅提升。而且，分割模型还将直接影响和决定分割效果的优劣，对图像分割越精确、越快速，便可越早诊断病情。

综上论述可知，本文着眼于左心室心肌超声波形成图的图形分割的研究，通过简述超声成像的图形分割的算法成果发展，再结合水平集相关理论的阐释研究，在此基础上综合运用改进的Li变分水平集模型以及设计能量函数的方法对左心室进行图像分割，最后则引入多特征快速分割模型实现快速分割。

1左心室超声心动图像分割方法的研究进展

近年来，基于变分偏微分方程的算法，因其独特的分割思想，已成为医学图像分割领域的研究重点。该算法主要分为两大类：基于参数的活动轮廓模型和基于区域的几何活动模型，其本质都是寻找该偏微分方程的极小值，从而达到图像分割的设计目的。下面将给出具体内容的解析与论述。

1.1水平集方法endprint