研究文章 特殊问题

基于序列形状相似性的心脏电影MR图像活动轮廓左心室分割

  • 收到:2021年7月28日 认可的:2021年12月3日 出版:2021年12月10日
  • 心脏磁共振成像(MRI)中左心室(LV)边界的划定是一个热门话题,因为它具有重要的诊断能力。本文提出了一种提取MR图像序列中LV的方法。在本文中,序列中的所有图像都被同时分割,并且每个图像中LV的形状应该与序列中附近图像中LV的形状相似。我们提出了一种新的形状相似性约束,称为序列形状相似性(SSS)。该分割方法以主动轮廓模型为基础模型,并采用了我们之前提出的梯度向量卷积(GVC)外力。在SSS约束下,蛇轮廓可以准确地描绘LV边界。我们在两个心脏MRI数据集上评估了我们的方法,平均绝对距离(MAD)度量和豪斯多夫距离(HD)度量证明了所提出的方法在分割左心室边界方面具有良好的性能。

    引用:柯碧、谭岳、柯诚、陈庆芳、王元全。心脏电影MR图像中基于活动轮廓的左心室分割的序列形状相似性[J]。数学生物科学与工程,2022,19(2):1591-1608。doi:10.3934/mbe.2022074年

    相关论文:

  • 心脏磁共振成像(MRI)中左心室(LV)边界的划定是一个热门话题,因为它具有重要的诊断能力。本文提出了一种提取MR图像序列中LV的方法。在本文中,序列中的所有图像都被同时分割,并且每个图像中LV的形状应该与序列中相邻图像中的LV相似。我们创造了新的形状相似性约束,它被称为序列形状相似性(简称SSS)。该分割方法以主动轮廓模型为基础模型,并采用了我们之前提出的梯度向量卷积(GVC)外力。在SSS约束下,蛇轮廓可以准确地描绘LV边界。我们在两个心脏MRI数据集上对我们的方法进行了评估,平均绝对距离(MAD)度量和豪斯道夫距离(HD)度量表明,该方法在分割左心室边界方面具有良好的性能。



    加载中


    [1] P.Croisille,D.Revel,心脏MR成像:功能成像,欧洲无线电。,10(2000), 7–11. doi:10.1007/s003300050003。数字对象标识:2007年10月7日/003300050003
    [2] J.P.Earls,V.B.Ho,T.K.Foo,E.Castillo,S.D.Flamm,《心脏MRI:近期进展和持续挑战》,J.马格纳。Reson公司。成像:JMRI,16(2002), 111–127. doi:10.1002/jmri.10154。数字对象标识:10.1002/jmri.10154
    [3] A.F.Frangi,W.J.Niessen,M.A.Viergever,心脏图像功能分析的三维建模,综述,IEEE传输。医学影像学,20(2001), 2–5. doi:10.1109/42.906421。数字对象标识:10.1109/42.906421
    [4] D.Nguyen,K.Masterson,J.P.Vallée,通过区域误差评估对自动心脏MR图像分割的活动轮廓模型扩展进行比较评估,Magn.公司。Reson公司。马特。物理。,生物医学。,20(2007), 69–82. doi:10.1007/s10334-007-0069-z.doi:10.1007/s10334-007-0069-z
    [5] A.Fernández-Caballero,J.M.Vega-Riesco,通过左心室自动分割确定心脏参数,用于心脏病诊断,专家系统。申请。,36(2009), 2234–2249. doi:10.1016/j.eswa.2007.12.045。数字对象标识:2016年10月10日/j.eswa.2007年12月45日
    [6] 胡浩,刘浩,高振中,黄立林,基于高斯混合模型和区域约束动态规划的心脏MRI左心室混合分割,Magn.公司。Reson公司。成像,31(2013), 575–584. doi:10.1016/j.mri.2012.12.004。数字对象标识:10.1016/j.mri.2012.10.004
    [7] M.Lorenzo-Valdés,G.I.Sanchez-Ortiz,A.G.Elkington,R.H.Mohiaddin,D.Rueckert,使用概率图谱和EM算法分割4D心脏MR图像,医学图像分析。,8(2004), 255–265. doi:10.1016/j.media.2004.09.005。数字对象标识:2016年10月10日/j.媒体,2004年9月5日
    [8] W.Bai,W.Shi,C.Ledig,D.Rueckert,心脏MR图像增强特征的多目标分割,医学图像分析。,19(2015), 98–109. doi:10.1016/j.media.2014.09.005。数字对象标识:10.1016/j.媒体2014.09.005
    [9] J.Cousty,L.Najman,M.Couprie,S.Clément-Guinaudeau,T.Goissen,J.Garot,4D心脏MRI的分割:基于时空分水岭切割的自动化方法,图像视觉计算。,28(2010), 1229–1243. doi:10.1016/j.imavis.2010.01.001。数字对象标识:2016年10月10日/j.imavis.2010.01.001
    [10] M.G.Uzunbaš,S.Zhang,K.M.Pohl,D.Metaxas,L.Axel,《使用可变形区域和图形切割分割心肌》2012年IEEE第九届生物医学成像国际研讨会(ISBI), (2012), 254–257. 数字对象标识:10.1109/ISBI.2012.6235532.
    [11] Wu,Y.Wang,Y.Jia,使用形状约束蛇模型在心脏电影MRI中分割左心室,计算。视觉图像理解,117(2013), 990–1003. doi:10.1016/j.cviu.2012.12.008。数字对象标识:2016年10月10日/j.cviu.2012.12.008
    [12] Z.Zhang,C.Duan,T.Lin,S.Zhou,Y.Wang,X.Gao,GVFOM:基于主动轮廓的图像分割的新外力,信息科学。,506(2020), 1–18. doi:10.1016/j.ins.2019.08.003。数字对象标识:2016年10月10日/j.ins.2019.08.03
    [13] M.F.Santarelli,V.Positano,C.Michelassi,M.Lombardi,L.Landini,自动心脏MR图像分割:理论和测量评估,医学工程物理。,25(2003), 149–159. doi:10.1016/S1350-4533(02)00144-3。数字对象标识:10.1016/S1350-4533(02)00144-3
    [14] S.Ranganath,使用蛇从心脏MRI研究中提取轮廓,IEEE传输。医学影像学,14(1995), 328–338. doi:10.1009/42.387714。数字对象标识:10.1109/42.387714
    [15] T.McInerney,D.Terzopoulos,多维医学图像分割和跟踪的动态有限元表面模型,应用于心脏4D图像分析,计算。医学成像图形,19(1995), 69–83, 1995. doi:10.1016/0895-6111(94)00040-9。数字对象标识:10.1016/0895-6111(94)00040-9
    [16] J.Liang,G.Ding,Y.Wu,基于径向GVF蛇的心脏MR图像左心室分割2008年国际生物医学工程与信息学会议、IEEE、,2(2008), 238–242. 数字对象标识:2008年10月10日/BMEI.
    [17] C.Feng,S.Zhang,D.Zhao,C.Li,用距离正则化水平集同时提取左心室心内膜和心外膜轮廓,医学物理。,43(2016), 2741–2755. doi:10.1118/1.4947126。数字对象标识:10.1118/1.4947126
    [18] Y.Liu,G.Captur,J.C.Moon,S.Guo,X.Yang,S.Zhang,et al.,距离正则化两个水平集,用于从电影磁共振成像中分割左心室和右心室,Magn.公司。Reson公司。成像,34(2016), 699–706. doi:10.1016/j.mri.2015.12.027。数字对象标识:2016年10月10日/j.mri.2015.12.027
    [19] J.Lu,C.Feng,J.Yang,W.Li,D.Zhao,C.Wan,使用具有先验形状约束的两层水平集分割心室。生物医学信号处理与控制,68(2021), 102671. doi:10.1016/j.bspc.2021.102671。数字对象标识:10.1016/j.bspc.2021.102671
    [20] C.Feng,C.Li,D.Zhao,C.Davatzikos,H.Litt,使用距离正则化双层水平集方法分割左心室医学图像计算和计算机辅助干预国际会议,施普林格,柏林,海德堡,(2013),477-484。数字对象标识:10.1007/978-3-642-40811-3_60.
    [21] J.Lu,C.Feng,W.Li,D.Zhao,左心室分割的ROI定位和初始化方法,in第三届图像计算与数字医学国际研讨会论文集, (2019), 12–16.
    [22] J.Lu,C.Feng,D.Zhao,利用具有先验形状约束的局部非均匀强度聚类从电影磁共振图像分割左心室,医学影像健康信息杂志。,9(2019), 70–77. doi:10.1166/jmihi.2019.2542。数字对象标识:10.1166/jmihi.2019.2542
    [23] I.B.Ayed,S.Li,I.Ross,在变分左心室跟踪中嵌入重叠先验,IEEE传输。医学影像学,28(2009), 1902–1913. doi:10.1109/TMI.2009.2022087。数字对象标识:10.1109/TMI.2009.2022087年
    [24] I.B.Ayed,H.Chen,K.Punithakumar,I.Ross,S.Li,通过Bhattacharyya测度界恢复受试者特定分布,对左心室进行最大流量分割,医学图像分析。,16(2012), 87–100. doi:10.1016/j.media.2011.05.009。数字对象标识:10.1016/j.媒体2011.05.009
    [25] N.Paragios,用于左心室的形状驱动分割和跟踪的水平集方法,IEEE传输。医学影像学,22(2003), 773–776. doi:10.1109/TMI.2003.814785。数字对象标识:10.1109/TMI.2003.814785
    [26] M.Lynch,O.Ghita,P.F.Whelan,使用优化的非刚性时间模型在3-D+t MRI数据中分割心脏左心室,IEEE传输。医学影像学,27(2008), 195–203. doi:10.1109/TMI.2007.904681。数字对象标识:10.1109/TMI.2007.904681
    [27] M.Lynch,O.Ghita,P.F.Whelan,使用带有先验知识的耦合水平集进行左心室心肌分割,计算。医学成像图形,30(2006), 255–262. doi:10.1016/j.compmedimag.2006.03.009。数字对象标识:2016年10月10日/j.compmedimag.2006.03.009
    [28] C.Pluempitiwiriyawej,J.M.F.Moura,Y.L.Wu,C.Ho,STACS:心脏MR图像分割的新活动轮廓方案,IEEE传输。医学影像学,24(2005), 593–603. doi:10.1109/TMI.2005.843740。数字对象标识:10.1109/TMI.2005.843740
    [29] T.Chen,J.Babb,P.Kellman,L.Axel,D.Kim,电影置换编码MRI中快速应变分析的心肌轮廓半自动分割,IEEE传输。医学影像学,27(2008), 1084–1094. doi:10.1109/TMI.2008.918327。数字对象标识:109年10月10日/周三.2008.918327
    [30] J.Woo,P.J.Slomka,C.C.J.Kuo,B.W.Hong,使用隐式双形状先验的多阶段分割:在心脏MRI中检测左心室的应用,计算。视觉图像理解,117(2013), 1084–1094. doi:10.1016/j.viu.2012.11.012。数字对象标识:2016年10月10日/j.cviu.2012.11.012
    [31] H.Lee,N.C.F.Codella,M.D.Cham,J.W.Weinsaft,Y.Wang,使用迭代阈值和自适应短轴心脏MRI的活动轮廓模型进行左心室自动分割,IEEE传输。生物识别。工程师。,57(2010), 905–913. doi:10.1109/TBME.2009.2014545。数字对象标识:10.1109/TBME.2009.2014545(待定)
    [32] R.Beichel,H.Bischof,F.Leberl,M.Sonka,鲁棒主动外观模型及其在医学图像分析中的应用,IEEE传输。医学影像学,24(2005), 1151–1169. doi:10.1109/TMI.2005.853237。数字对象标识:10109年10月10日/每周三.2005.853237
    [33] J.Montagnat,H.Delingette,具有时间约束的4D可变形模型:应用于4D心脏图像分割,医学图像分析。,9(2005), 87–100. doi:10.1016/j.media.2004.06.025。数字对象标识:10.1016/j.媒体.2004.06.025
    [34] H.C.van Assen、M.G.Danilouchkine、A.F.Frangi、S.OrdáS、J.J.M.Westenberg、J.H.C.Reiber等,SPASM:分割稀疏和任意方向心脏MRI数据的3D-ASM,医学图像分析。,10(2006), 286–303. doi:10.1016/j.media.2005.12.001。数字对象标识:10.1016/j.媒体.2005.12.001
    [35] A.F.Frangi,D.Rueckert,J.A.Schnabel,W.J.Niessen,多目标三维统计形状模型的自动构建:在心脏建模中的应用,IEEE传输。医学影像学,21(2002), 1151–1166. doi:10.1109/TMI.2002.804426。数字对象标识:10.1109/TMI.2002.804426
    [36] J.Lötjönen,S.Kivistö,J.Koikkalainen,D.Smutek,K.Lauerma,短轴和长轴MR图像中心房、心室和心外膜的统计形状模型,医学图像分析。,8(2004), 371–386. doi:10.1016/j.media.2004.06.013。数字对象标识:10.1016/j.媒体.2004.06.013
    [37] M.P.Jolly,心脏MR和CT图像中左心室的自动分割,国际期刊计算。愿景,70(2006), 151–163. doi:10.1007/s11263-006-7936-3。数字对象标识:10.1007/s11263-006-7936-3
    [38] X.Artaechevarria,A.Munoz-Barrutia,C.Ortiz-de-Solorzano,多tlas图像分割中的组合策略:大脑MR数据的应用,IEEE传输。医学影像学,28(2009), 1266–1277. doi:10.10109/TMI.2009.2014372。数字对象标识:10.1109/TMI.2009.2014372
    [39] C.Petitjean,J.N.Dacher,短轴心脏MR图像分割方法综述,医学图像分析。,15(2011), 169–184. doi:10.1016/j.media.2010.12.004。数字对象标识:10.1016/j.媒体.2010.12.004
    [40] P.Peng,K.Lekadir,A.Gooya,L.Shao,S.E.Petersen,A.F.Frangi,《利用心脏磁共振成像进行结构和功能分析的心室分割综述》,Magn.公司。Reson公司。马特。物理。,生物医学。,29(2016), 155–195. doi:10.1007/s10334-015-0521-4。数字对象标识:2017年10月10日至2013年5月15日
    [41] M.Kass、A.Witkin、D.Terzopoulos,《蛇:活动轮廓模型》,国际期刊计算。愿景,1(1988), 321–331. doi:10.1007/BF00133570。数字对象标识:2007年10月10日/BF00133570
    [42] C.Xu,J.L.Prince,蛇,形状和梯度矢量流,IEEE传输。图像处理。,7(1998), 359–369. doi:10.1109/83.661186。数字对象标识:10.1109/83.661186
    [43] 张浩,张维文,沈维文,李南丽,陈毅,李诗丽,等,基于扩张卷积嵌套全卷积稠密网络的心脏MR图像自动分割,生物识别。信号处理。控制,68(2021), 102684. doi:10.1016/j.bspc.2021.102684。数字对象标识:2016年10月10日/j.bspc.2021.102684
    [44] Wang W.,Y.Wang,Y.Wu,T.Lin,S.Li,B.Chen,在轮廓指导下通过深度回归学习量化左心室完整指标,IEEE接入,7(2019), 47918–47928. doi:10.1109/ACCESS.2019.2907564。数字对象标识:10.1109/通道2019.2907564
    [45] 沈文伟,吴文武,张海章,孙志军,马建军,郭绍,等,基于纯扩张残余U网的X射线图像股骨和胫骨自动分割,反向探测。成像,15(2021). doi:10.3934/ipi.2020057。数字对象标识:10.3934/ipi.2020057
    [46] T.A.Ngo,Z.Lu,G.Carneiro,结合深度学习和水平集从心脏电影磁共振自动分割心脏左心室,医学图像分析。,35(2017), 159–171. doi:10.1016/j.media.2016.05.009。数字对象标识:2016年10月10日/j.media.2016.05.009
    [47] M.R.Avendi,A.Kheradvar,H.Jafarkhani,一种结合深度学习和变形模型的方法,用于心脏MRI中左心室的全自动分割,医学图像分析。,30(2016), 108–119. doi:10.1016/j.media.2016.01.005。数字对象标识:10.1016/j.媒体2016.01.005
    [48] Y.Wang,Y.Jia,主动轮廓的外力:梯度向量卷积,inPRICAI 2008:人工智能趋势,柏林,海德堡,(2008),466–472。数字对象标识:10.1007/978-3-540-89197-0_43.
    [49] W.Xue,G.Brahm,S.Pandey,S.Leung,S.Li,通过深度多任务关系学习进行全左心室量化,医学图像分析。,43(2018), 54–65. doi:10.1016/j.media.2017.09.005。数字对象标识:2016年10月10日/j.media.2017.09.005
  • 读者评论
  • ©2022作者,持牌人AIMS出版社。这是一篇发布的开放访问文章根据知识共享署名许可证的条款(http://creativecommons.org/licenses/by/4.0)
通讯作者:陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. 中国知网

韵律学

文章观点(1959) PDF下载(83) 引用人(2)

文章大纲

图和表

数字(9)

其他作者文章

/

返回
返回

目录