硕士学位论文
心血管内超声图像内膜与中-外膜
的自动分割
硕士研究生:杜海雁
指导导师:阳维教授
摘要
血管内超声
(rvuS)
技术扫描半径大,穿透能力强,能够精确地反映冠心
病的病变性质、严重程度以及病理组成
。
IVUS
图像中内膜和中-外膜边界对冠状
动脉粥样硬化斑块的定量分析具有重要价值
。
但是,
NUS
回撤序列中通常
具有
上千帧图像,医生对其中具有诊断意义的图像手动勾画内膜和中-外膜边界是相
当费时且费力的。因此,
IVUS
图像中内膜和中-外膜的准确自动分割
具有重要应
用价值
。
然而,由于
NUS
图像中超声阴影和复杂解剖结构(如血管分叉、钙化
和纤维斑块等〉的存在,使内膜和中
-
外膜自动分割和边界自动检测具有相当的
挑战性
。
近年来,深度学习方法特别是卷积神经网络的兴起,为
IVUS
图像的自
动分割提供了
一
种可行的手段。本文采用全卷积网络实现
R
几
JS
图像中内膜和中
-外膜的自动分割,并研究各种影响分割性能的因素。本文的主要工作包括
:
(1)
IVUS
图像数据集构建
。
本文共获得了
6516
幅
IVUS
图像,图像数据
来自使用不同
lVUS
成像导
管
、从
不同医院采集的
175
个口创
S
回撤
序列。
IVUS
图像数据集中包含有血管分叉、邻近血管和阴影伪影等各种情形。所有
IVUS
图
像由来自
Ca
rdHemo
实验室的经验丰富的
lVUS
分析人
员进行手工勾画,建立
IVUS
图像数据库及对应的分割金标准
。
(2)
基于
RefineNet
的
全卷积网络模型。改进的
RefineNet
模型编码层引
入了残
差结构
,解码
层使
用
RefineNet
模型
。
模型以
一
定数量的连续帧图像作为
万方数据
评论0