IJDMBgydF4y2Ba 国际期刊的数字多媒体广播gydF4y2Ba 1687 - 7586gydF4y2Ba 1687 - 7578gydF4y2Ba HindawigydF4y2Ba 10.1155 / 2017/3163759gydF4y2Ba 3163759gydF4y2Ba 研究文章gydF4y2Ba 视觉三维重建的主动脉壁夹层形成基于医学CT图像gydF4y2Ba 段gydF4y2Ba 小姐gydF4y2Ba 1gydF4y2Ba 陈gydF4y2Ba 丹丹gydF4y2Ba 1gydF4y2Ba http://orcid.org/0000 - 0003 - 0518 - 688 xgydF4y2Ba 王gydF4y2Ba JianminggydF4y2Ba 1gydF4y2Ba 史gydF4y2Ba MeichengydF4y2Ba 1gydF4y2Ba 陈gydF4y2Ba 清凉gydF4y2Ba 2gydF4y2Ba 赵gydF4y2Ba 他gydF4y2Ba 1gydF4y2Ba 左gydF4y2Ba 瑞雪gydF4y2Ba 1gydF4y2Ba 李gydF4y2Ba 岫岩gydF4y2Ba 1gydF4y2Ba 王gydF4y2Ba 气gydF4y2Ba 1gydF4y2Ba 方gydF4y2Ba 新gydF4y2Ba 1gydF4y2Ba 天津光电检测技术和系统的重点实验室gydF4y2Ba 电子与信息工程学院gydF4y2Ba 天津理工大学gydF4y2Ba 天津300387gydF4y2Ba 中国gydF4y2Ba tjpu.edu.cngydF4y2Ba 2gydF4y2Ba 天津医院胸部gydF4y2Ba 天津300000gydF4y2Ba 中国gydF4y2Ba 2017年gydF4y2Ba 19gydF4y2Ba 7gydF4y2Ba 2017年gydF4y2Ba 2017年gydF4y2Ba 27gydF4y2Ba 02gydF4y2Ba 2017年gydF4y2Ba 07年gydF4y2Ba 05年gydF4y2Ba 2017年gydF4y2Ba 07年gydF4y2Ba 06gydF4y2Ba 2017年gydF4y2Ba 19gydF4y2Ba 7gydF4y2Ba 2017年gydF4y2Ba 2017年gydF4y2Ba 版权©2017段小姐等。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

与CT技术的快速发展,尤其是高分辨率CT机和一片的数量急剧上升,提取和三维的显示主动脉夹层从巨大的医学图像数据成为一个具有挑战性的任务。主动形状模型,结合空间连续性采用实现自动重建主动脉夹层。首先,我们标记主动脉特征点从大数据样本库和注册训练样本建立统计模型。同时,灰色向量利用采样方阵,设置地标为中心。姿态参数的初始形状自动调整CT序列之间的空间连续性的方法。对比实验证明,该算法可以实现准确的主动脉分割没有选择感兴趣的区域,而且有更高的精确度比养狐业蛇算法(主动脉弓上分别为93.29%和87.54%,94.30%和89.25%降主动脉)。主动脉夹层膜提取通过海赛矩阵和贝叶斯理论。最后,主动脉夹层的三维可视化是在体绘制完成基于射线铸造方法来协助医生临床诊断,这有助于提高操作的成功率。gydF4y2Ba

 中国国家自然科学基金gydF4y2Ba 61405143gydF4y2Ba 61373104gydF4y2Ba 61402330gydF4y2Ba 天津理工大学gydF4y2Ba 2013年baf06b00gydF4y2Ba 1。介绍gydF4y2Ba

主动脉夹层(广告)是心血管疾病,这是一个危险的威胁人类健康,可迅速导致死亡(gydF4y2Ba 1gydF4y2Ba]。这种疾病的主要原因是组织的弱点和高血压导致一个或多个主动脉组织穿孔(s),沿着intimae导致血液流动两个单独的血流通道:真正的腔(血液流动的主要动脉床)和假腔(通道完全在媒体出现在主动脉夹层)(gydF4y2Ba 2gydF4y2Ba),如图gydF4y2Ba 1gydF4y2Ba。gydF4y2Ba

真和假腔。gydF4y2Ba

目前的主要分离治疗主动脉夹层的腔隔离技术要求临床医生可以清楚地知道裂缝位置、范围、数量、术前严重等等。为了提高积极主动脉剥离,实现自动化指导介入治疗,并实现精确的手术或术后评估、主动脉夹层的3 d重建系统是必不可少的。的关键技术是实现主动脉分割。基于阈值的图像分割方法挑战强度梯度图像体积内(gydF4y2Ba 3gydF4y2Ba]。gydF4y2Ba

和边缘检测方法挑战贫穷在医学图像对比。基于特定的理论方法引入到图像分割领域,数学模型和主动形状模型(ASM)属于“自上而下”的策略;它结合了顶层的先验知识和信息底部的图像特征,能够实现精确复杂的医学图像分割(gydF4y2Ba 4gydF4y2Ba]。在三维空间中,CT图像序列之间的连续性;厚的片,CT片之间保持健壮的连续性。基于上述方法,本文采用的方法结合了活动形状模型和空间连续性快速、准确地提取主动脉区域,这消除了干扰其他器官的形状约束的过程中提取主动脉。然后使用海赛矩阵提取主动脉壁夹层形成膜。最后,我们利用基于射线铸造的体绘制算法进行三维重建的主动脉夹层。此外,我们设置透明度和颜色的主动脉壁夹层形成3 d模型使主动脉壁夹层形成更直观;intimae裂缝的大小和位置可以很容易地获得。gydF4y2Ba

 2。系统原理gydF4y2Ba

的原则框架,提出三维重建系统如图gydF4y2Ba 2gydF4y2Ba通过分割,提取和重建的主动脉夹层患者的CT图像,实现主动脉夹层的三维可视化。首先,我们原CT图像进行预处理,以消除噪声和调整图像的亮度进行后续处理。其次,主动形状模型用于段主动脉地区,结合大量的空间连续性的CT图像序列,自动调整每一层的初始形状的姿态参数提高分割算法的自动化程度和精度。下一步,使用灰色梯度变化之间的主动脉壁和膜提取主动脉剥离膜由海赛矩阵和连续性的先验模型。最后,三维重建主动脉结构体绘制并设置透明度和颜色的主动脉壁夹层形成三维模型的区间更直观、清晰。最终,系统可以为临床诊断提供帮助和措施。gydF4y2Ba

三维重建系统的框架。gydF4y2Ba

 3所示。实现方法gydF4y2Ba 3.1。主动脉分割gydF4y2Ba

由于主动脉的三维结构的复杂性,尤其是主动脉弓和降主动脉形状大的差异,我们需要设置主动脉弓和降主动脉训练集,分别。摘要主动脉弓和降主动脉的训练集是由数量相等的时间间隔从样本中提取的主动脉夹层患者的CT序列包含的所有形状的变化。两个训练集可以反映所有形状变化的模式。我们选择多个典型的主动脉夹层患者的CT图像从天津胸部医院建立主动脉弓和降主动脉模型库;不同的患者有不同的主动脉CT序列号,平均约700 ~ 1000的范围。为了模型的形状,我们代表一组具有里程碑意义的点。这必须完成每个形状的训练集,必须正确地、准确地完成gydF4y2Ba 5gydF4y2Ba]。每个CT图像上特征点的数量必须一致。标签是很重要的,每个标签代表一个特定部分的主动脉或其边界(gydF4y2Ba 6gydF4y2Ba,gydF4y2Ba 7gydF4y2Ba]。一般而言,我们选择的点标记部分对象特别依赖于应用程序的意义,点标记依赖于应用程序的事情,和其他点,可以从上面的类型(插入gydF4y2Ba 8gydF4y2Ba]。主动脉弓和降主动脉里程碑点获得的专家在图所示gydF4y2Ba 3gydF4y2Ba标记后,在每个CT图像特征点我们接主动脉弓和降主动脉训练样本集,分别。gydF4y2Ba

具有里程碑意义的点标记。gydF4y2Ba

主动脉弓里程碑点gydF4y2Ba

降主动脉里程碑点gydF4y2Ba

根据里程碑点,我们建立主动脉大数据模型库。有很大的偏差在形状和位置不同的样本,因此在建模之前,我们需要登记规范化形状向量的两个训练集,从而实现主动脉的模型建立gydF4y2Ba 9gydF4y2Ba]。首先,选择一个CT图像,分别作为基准样本两组大数据训练集,然后规模、旋转,并将其他样品在图书馆,使之与基准样本;尽管所有这些样品和参考样本之间的差异小于设定阈值,完成注册。注册的结果两组训练集,分别如图所示gydF4y2Ba 4gydF4y2Ba,横纵坐标代表CT图像的像素坐标。gydF4y2Ba

注册结果。gydF4y2Ba

主动脉弓样本集之前注册gydF4y2Ba

注册后主动脉弓样本集gydF4y2Ba

降主动脉样本集之前注册gydF4y2Ba

注册后降主动脉样本集gydF4y2Ba

主动脉模型构建是一个高维数据处理。为了简化计算过程,本文运用主成分分析(PCA)方法来降低维数的训练集包括所有形状向量来确定主要部件(gydF4y2Ba 10gydF4y2Ba]。主动脉的平均形状向量计算训练样本集gydF4y2Ba (1)gydF4y2Ba XgydF4y2Ba - - - - - -gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba XgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba ,gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ngydF4y2Ba TgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba NgydF4y2Ba 是训练集样本的数量;gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba 代表了形状向量叠加gydF4y2Ba ngydF4y2Ba 具有里程碑意义的点;然后计算协方差矩阵gydF4y2Ba 年代gydF4y2Ba 通过gydF4y2Ba (2)gydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba - - - - - -gydF4y2Ba 1gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba XgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba XgydF4y2Ba - - - - - -gydF4y2Ba XgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba XgydF4y2Ba - - - - - -gydF4y2Ba TgydF4y2Ba 。gydF4y2Ba

计算特征向量gydF4y2Ba ϕgydF4y2Ba 我gydF4y2Ba 对应的特征值gydF4y2Ba λgydF4y2Ba 我gydF4y2Ba ,安排降序排列的特征值,并选择gydF4y2Ba kgydF4y2Ba 相对于特征向量gydF4y2Ba kgydF4y2Ba 较大的特征值,几个变化模式,训练集的描述观察到的变化;与此同时,gydF4y2Ba kgydF4y2Ba 特征值需要满足的公式如下:gydF4y2Ba (3)gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba kgydF4y2Ba λgydF4y2Ba 我gydF4y2Ba ≥gydF4y2Ba ρgydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 2gydF4y2Ba ngydF4y2Ba λgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba ρgydF4y2Ba =gydF4y2Ba 0.72gydF4y2Ba (gydF4y2Ba 11gydF4y2Ba];搜索精度可以达到最高的72%,由主成分和一般价值的98%,搜索时将会出现太多的约束。最终,可以近似的形状模型gydF4y2Ba (4)gydF4y2Ba XgydF4y2Ba =gydF4y2Ba XgydF4y2Ba - - - - - -gydF4y2Ba +gydF4y2Ba ΦgydF4y2Ba BgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba ΦgydF4y2Ba 是第一个gydF4y2Ba kgydF4y2Ba 特征向量,gydF4y2Ba ΦgydF4y2Ba =gydF4y2Ba ϕgydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba ϕgydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba ϕgydF4y2Ba kgydF4y2Ba ,gydF4y2Ba BgydF4y2Ba 的主成分投影系数形状向量计算的是哪一个gydF4y2Ba BgydF4y2Ba =gydF4y2Ba bgydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba bgydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba bgydF4y2Ba kgydF4y2Ba TgydF4y2Ba ;适当的限制gydF4y2Ba bgydF4y2Ba 我gydF4y2Ba 通常是确定的吗gydF4y2Ba (gydF4y2Ba - - - - - -gydF4y2Ba 3gydF4y2Ba √gydF4y2Ba λgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 3gydF4y2Ba √gydF4y2Ba λgydF4y2Ba 我gydF4y2Ba )gydF4y2Ba ,以确保在一个小范围内活动形状模型的变化。gydF4y2Ba

建立灰度纹理模型匹配和搜索目标轮廓形状统计模型建立。摘要灰度纹理模型为每一个里程碑式的进行将点为中心广场的灰色采样,避免了传统方法只使用垂直方向的信息,导致不完整的搜索和收敛误差。每个里程碑式的灰色向量gydF4y2Ba ggydF4y2Ba jgydF4y2Ba 我gydF4y2Ba 向量在训练样本的均值和协方差可以近似gydF4y2Ba (5)gydF4y2Ba ggydF4y2Ba ¯gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ggydF4y2Ba jgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1、2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba ngydF4y2Ba ,gydF4y2Ba 年代gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ggydF4y2Ba jgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba ¯gydF4y2Ba jgydF4y2Ba ggydF4y2Ba jgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba ¯gydF4y2Ba jgydF4y2Ba TgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1、2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba ngydF4y2Ba 。gydF4y2Ba

我们Mahalanobis距离最小化一个新的概要文件和模型在随后的匹配搜索过程作为标准;匹配的函数表示为gydF4y2Ba (6)gydF4y2Ba fgydF4y2Ba GgydF4y2Ba jgydF4y2Ba =gydF4y2Ba GgydF4y2Ba jgydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba ¯gydF4y2Ba jgydF4y2Ba TgydF4y2Ba 年代gydF4y2Ba jgydF4y2Ba - - - - - -gydF4y2Ba 1gydF4y2Ba GgydF4y2Ba jgydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba ¯gydF4y2Ba jgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba GgydF4y2Ba jgydF4y2Ba 的灰色向量gydF4y2Ba jgydF4y2Ba th匹配图像的特征点;我们获得最佳匹配点匹配函数最小的时候,当我们找到所有匹配点,新的配置文件。gydF4y2Ba

为了提高模型的效率和鲁棒性,采用多分辨率搜索策略(gydF4y2Ba 12gydF4y2Ba]。1毫米厚度CT扫描时使用;因此一套完整的主动脉CT图像序列可以看到连续的,和基于CT图像序列空间连续性,通过调整初始形状参数轮廓接近目标区域,目标轮廓参数,这是来自前图像,用于调整当前层,层间通过重复上面的操作。高效、准确实现CT图像分割;高度自动化的算法。图gydF4y2Ba 5gydF4y2Ba迭代收敛后显示了最终的分割结果。gydF4y2Ba

迭代收敛后最终结果。gydF4y2Ba

降主动脉的分割gydF4y2Ba

主动脉弓的分割gydF4y2Ba

 3.2。主动脉夹层提取和三维重建gydF4y2Ba

在本文中,我们提出一种检测算法结合海赛矩阵和空间连续性的先验模型。海赛矩阵可用于提取解剖和主动脉边界上的像素gydF4y2Ba 13gydF4y2Ba),结果如图gydF4y2Ba 6(一)gydF4y2Ba,然后使用空间连续性模型的贝叶斯理论去除其他不属预定目标的像素,即只剥离膜像素提取;结果如图gydF4y2Ba 6 (b)gydF4y2Ba。该算法充分利用CT图像的每一层之间的连续性和限制的偏移误差夹层膜一个很小的范围,实现膜层间的准确提取。gydF4y2Ba

主动脉夹层提取结果。gydF4y2Ba

轮廓像素特征点提取的结果gydF4y2Ba

主动脉夹层的结果gydF4y2Ba

主动脉分割和解剖后膜提取完成后,雷铸造结构进行重构。雷铸造方法是一种直接基于图像序列的体绘制算法(gydF4y2Ba 14gydF4y2Ba]。具体的重建过程如下。gydF4y2Ba

阅读的三维离散数据字段;设置不同的不透明度值和颜色值的大小根据体素点的像素值。gydF4y2Ba

一线发出从屏幕的每一个点是基于视线的方向,这样光线穿过数据字段和空间gydF4y2Ba kgydF4y2Ba样本选择的在所有的射线。gydF4y2Ba

不透明度值和计算每个采样点的颜色值三线性插值算法使用数据值的八个顶点的采样点。gydF4y2Ba

计算所有像素在屏幕上不透明度和颜色值基于累积从前到后顺序。gydF4y2Ba

不透明度值和获得的每个像素的颜色值是投射到屏幕成像生成最终的三维图像。gydF4y2Ba

一组主动脉的最后3 d重建区域如图gydF4y2Ba 7gydF4y2Ba。通过设置主动脉透明度和颜色,红色所示的夹层是给最终的重建结果,如图gydF4y2Ba 8gydF4y2Ba。gydF4y2Ba

主动脉地区的三维可视化。gydF4y2Ba

主动脉夹层的三维可视化。gydF4y2Ba

 4所示。实验结果和讨论gydF4y2Ba 4.1。实验结果gydF4y2Ba

图gydF4y2Ba 9gydF4y2Ba显示了一个三维模型的其他两个患者的主动脉夹层由上述方法重建。很明显的三维重建图像解剖膜发生在整个主动脉腔在第一组模型,和第二组的解剖膜出现在主动脉弓离心脏。两组的结果直观、清楚地显示的位置和范围,因此该方法提供了更多的空间关系信息主动脉夹层的主治医生的诊断疾病,手术,术后评估提供援助。gydF4y2Ba

三维可视化模型的两个主动脉夹层患者。gydF4y2Ba

第一个患者的主动脉壁夹层形成显示gydF4y2Ba

第二个病人显示主动脉夹层gydF4y2Ba

 4.2。分割精度gydF4y2Ba

为了验证CT图像序列检测算法的主动脉提取效果,比较主动脉弓和降主动脉提取结果对该提议的方法与基于预防蛇算法。测试和验证以上两种算法的可靠性,我们通过算法比较提取结果与手册上面结果丰富临床经验的医生和计算重叠率测试本文算法的可靠性;三种方法的提取结果如图所示gydF4y2Ba 10gydF4y2Ba。gydF4y2Ba

主动脉弓和降主动脉分割结果三种方法。gydF4y2Ba

主动脉弓和降主动脉手动分割结果gydF4y2Ba

由养狐业蛇方法分割结果gydF4y2Ba

通过这种方法分割结果gydF4y2Ba

我们可以获得,降主动脉,分割结果养狐业蛇模型和提出的分割算法都是接近真实的目标轮廓。而对于主动脉弓养狐业蛇算法有一定的错误,因为没有形状约束的情况下,曲线很容易受到周围其他组织大纲的干扰在进化的过程中,在图所示gydF4y2Ba (11日)gydF4y2Ba;曲线1是初始曲线,曲线2的最终演化曲线。为了避免影响其他群体的轮廓曲线演化,养狐业蛇模型首先决定了主动脉感兴趣区包括完整的主动脉区但尽可能引入的干扰其他组织(gydF4y2Ba 15gydF4y2Ba,gydF4y2Ba 16gydF4y2Ba]。一般来说,选择了固定位置区域或模板匹配方法,较低的可重复性和适应性,和选择的准确性直接影响后续分区提取结果。不过我们可以实现主动脉自动分割结果后直接输入一个CT图像与我们提出的方法。图gydF4y2Ba 11 (b)gydF4y2Ba我们建议的方法显示了迭代的结果。这算法更高的自动化程度和更强的鲁棒性比养狐业蛇模型。gydF4y2Ba

迭代结果基于两种方法。gydF4y2Ba

迭代结果基于预防蛇方法gydF4y2Ba

基于该方法的迭代结果gydF4y2Ba

为了定量描述本文算法的准确性,使用重叠率作为评价指标,gydF4y2Ba (7)gydF4y2Ba OgydF4y2Ba vgydF4y2Ba egydF4y2Ba rgydF4y2Ba lgydF4y2Ba 一个gydF4y2Ba pgydF4y2Ba =gydF4y2Ba 一个gydF4y2Ba 一个gydF4y2Ba bgydF4y2Ba 一个gydF4y2Ba 一个gydF4y2Ba +gydF4y2Ba 一个gydF4y2Ba bgydF4y2Ba - - - - - -gydF4y2Ba 一个gydF4y2Ba 一个gydF4y2Ba bgydF4y2Ba ;gydF4y2Ba 一个gydF4y2Ba 一个gydF4y2Ba 和gydF4y2Ba 一个gydF4y2Ba bgydF4y2Ba 分别代表的比例从两幅图像目标区域的分割;gydF4y2Ba 一个gydF4y2Ba 一个gydF4y2Ba bgydF4y2Ba 目标区域重叠的比例。胸医院医生手动分割结果作为金标准,我们的实验选择大量的图像组患者的CT图像,然后计算这两个算法的重叠,分别和一些样品的结果都显示在表中gydF4y2Ba 1gydF4y2Ba。gydF4y2Ba

两个分割算法的重叠率。gydF4y2Ba

预防蛇方法(主动脉弓)gydF4y2Ba 我们建议的方法(主动脉弓)gydF4y2Ba 预防蛇方法(降主动脉)gydF4y2Ba 我们建议的方法(降主动脉)gydF4y2Ba
示例1gydF4y2Ba 84.52%gydF4y2Ba 92.32%gydF4y2Ba 89.75%gydF4y2Ba 95.59%gydF4y2Ba
示例2gydF4y2Ba 86.51%gydF4y2Ba 92.97%gydF4y2Ba 88.16%gydF4y2Ba 94.98%gydF4y2Ba
示例3gydF4y2Ba 87.63%gydF4y2Ba 93.09%gydF4y2Ba 90.03%gydF4y2Ba 93.26%gydF4y2Ba
示例4gydF4y2Ba 89.95%gydF4y2Ba 94.65%gydF4y2Ba 89.80%gydF4y2Ba 93.76%gydF4y2Ba
示例5gydF4y2Ba 88.02%gydF4y2Ba 93.23%gydF4y2Ba 88.70%gydF4y2Ba 94.07%gydF4y2Ba
示例6gydF4y2Ba 88.63%gydF4y2Ba 93.45%gydF4y2Ba 89.04%gydF4y2Ba 94.12%gydF4y2Ba

提取的准确性,该方法明显的重叠率高于养狐业蛇方法从表中(主动脉弓上分别为93.29%和87.54%,94.30%和89.25%降主动脉)。gydF4y2Ba

 5。结论gydF4y2Ba

介绍一种医学CT图像处理方法快速、准确地获取主动脉夹层特征从巨大的CT图像数据和三维重建结构为医生的临床诊断。本文的算法改进了传统的ASM算法的基础上;不仅更准确地统计模型建立和模型匹配的准确性提高,而且初始化过程结合CT序列的连续性是简化和改进算法的有效性。养狐业蛇算法相比,实验可以是一个强有力的证明,我们的算法可以有效改善主动脉分割的准确性。本文的这种方法可以有效地弥补现有医院设备功能的不足,所以,主治医生和病人可以深入理解和掌握疾病的状态。同时,为其它心血管疾病的诊断和治疗,这种方法具有十分重要的意义。gydF4y2Ba

 的利益冲突gydF4y2Ba

作者宣称没有利益冲突有关的出版。gydF4y2Ba

 确认gydF4y2Ba

这项工作是由中国国家自然科学基金(国家自然科学基金委)(61405143,61405143,61402330)和国家科技重点项目支柱项目(2013 baf06b00)在天津光电检测技术和系统的重点实验室,天津理工大学,中国。gydF4y2Ba

 FetnacigydF4y2Ba N。gydF4y2Ba LubniewskigydF4y2Ba P。gydF4y2Ba 米盖尔gydF4y2Ba B。gydF4y2Ba LohougydF4y2Ba C。gydF4y2Ba 三维分割CT主动脉夹层真假腔的图像gydF4y2Ba 《三维图像处理(3下降)和应用程序2013gydF4y2Ba 2013年2月gydF4y2Ba 伯林盖姆、钙、美国gydF4y2Ba 10.1117/12.2003345gydF4y2Ba 2 - s2.0 - 84878314880gydF4y2Ba LohougydF4y2Ba C。gydF4y2Ba FetnacigydF4y2Ba N。gydF4y2Ba LubniewskigydF4y2Ba P。gydF4y2Ba 米盖尔gydF4y2Ba B。gydF4y2Ba ChabrotgydF4y2Ba P。gydF4y2Ba 王德威著gydF4y2Ba lgydF4y2Ba Intimai皮瓣分割在CTA主动脉壁夹层形成基于数学形态学的图像gydF4y2Ba 学报2013年第六届国际生物医学工程与信息学会议,BMEI 2013gydF4y2Ba 2013年12月gydF4y2Ba 杭州,中国gydF4y2Ba 143年gydF4y2Ba 147年gydF4y2Ba 10.1109 / BMEI.2013.6746923gydF4y2Ba 2 - s2.0 - 84896293527gydF4y2Ba Deeley一gydF4y2Ba M。gydF4y2Ba 陈gydF4y2Ba 一个。gydF4y2Ba DatterigydF4y2Ba R。gydF4y2Ba 手动和自动分割方法的比较大脑结构的占位性病变:multi-expert研究gydF4y2Ba 物理学在医学和生物学gydF4y2Ba 2011年gydF4y2Ba 56gydF4y2Ba 14gydF4y2Ba 4557年gydF4y2Ba 傻瓜gydF4y2Ba t F。gydF4y2Ba 泰勒gydF4y2Ba c·J。gydF4y2Ba 统计模型的医学图像分析和计算机视觉外观gydF4y2Ba 《医学影像2001图像处理gydF4y2Ba 2001年2月gydF4y2Ba 圣地亚哥,加州,美国gydF4y2Ba 236年gydF4y2Ba 248年gydF4y2Ba 10.1117/12.431093gydF4y2Ba 2 - s2.0 - 0034849012gydF4y2Ba 我gydF4y2Ba C。gydF4y2Ba 乔gydF4y2Ba W。gydF4y2Ba 公园gydF4y2Ba 小时。gydF4y2Ba 口map-assisted本地化的ASM唇地标gydF4y2Ba 成像科学杂志gydF4y2Ba 2016年gydF4y2Ba 64年gydF4y2Ba 8gydF4y2Ba 419年gydF4y2Ba 424年gydF4y2Ba 2 - s2.0 - 85007197627gydF4y2Ba 10.1080 / 13682199.2016.1224031gydF4y2Ba 郑gydF4y2Ba Z。gydF4y2Ba JionggydF4y2Ba J。gydF4y2Ba 春江gydF4y2Ba D。gydF4y2Ba 刘gydF4y2Ba X。gydF4y2Ba 杨gydF4y2Ba J。gydF4y2Ba 面部特征定位基于一种改进的主动形状模型gydF4y2Ba 信息科学gydF4y2Ba 2008年gydF4y2Ba 178年gydF4y2Ba 9gydF4y2Ba 2215年gydF4y2Ba 2223年gydF4y2Ba 2 - s2.0 - 39949083387gydF4y2Ba 10.1016 / j.ins.2007.12.014gydF4y2Ba 吉尔gydF4y2Ba G。gydF4y2Ba 加拿大gydF4y2Ba M。gydF4y2Ba BeichelgydF4y2Ba R R。gydF4y2Ba 健壮的初始化的主动形状模型肺分割CT扫描:基于特征图谱的方法gydF4y2Ba 国际生物医学成像杂志》上gydF4y2Ba 2014年gydF4y2Ba 2014年gydF4y2Ba 2 - s2.0 - 84911407311gydF4y2Ba 10.1155 / 2014/479154gydF4y2Ba 479154年gydF4y2Ba 傻瓜gydF4y2Ba T。gydF4y2Ba 泰勒JgydF4y2Ba C。gydF4y2Ba LanitisgydF4y2Ba 一个。gydF4y2Ba 主动形状模型:评价的多分辨率方法改善图片搜索gydF4y2Ba 《英国机器视觉会议gydF4y2Ba 2010年gydF4y2Ba 327年gydF4y2Ba 336年gydF4y2Ba 太阳gydF4y2Ba H。gydF4y2Ba 陆gydF4y2Ba X。gydF4y2Ba 刘gydF4y2Ba H。gydF4y2Ba 的主动脉ct图像分割方法gydF4y2Ba 现代科学仪器gydF4y2Ba 2013年gydF4y2Ba 02gydF4y2Ba 45gydF4y2Ba 48gydF4y2Ba 王gydF4y2Ba J。gydF4y2Ba 史gydF4y2Ba C。gydF4y2Ba 自动统计形状模型的建设用变形单纯形网格向量场卷积能量gydF4y2Ba 生物医学工程在线gydF4y2Ba 2017年gydF4y2Ba 16日,第四十九条gydF4y2Ba 1gydF4y2Ba KurugolgydF4y2Ba 年代。gydF4y2Ba 圣何塞EstepargydF4y2Ba R。gydF4y2Ba 罗斯gydF4y2Ba J。gydF4y2Ba WashkogydF4y2Ba g·R。gydF4y2Ba 主动脉与3 d水平集分割方法和量化non-contrast胸主动脉钙化的CTgydF4y2Ba 学报的第34届国际会议的IEEE在医学和生物工程协会(磨床的12)gydF4y2Ba 2012年9月gydF4y2Ba 圣地亚哥,加州,美国gydF4y2Ba IEEEgydF4y2Ba 2343年gydF4y2Ba 2346年gydF4y2Ba 10.1109 / embc.2012.6346433gydF4y2Ba 2 - s2.0 - 84870795726gydF4y2Ba 蔡gydF4y2Ba 彭译葶。gydF4y2Ba 黄gydF4y2Ba 学术界。gydF4y2Ba 曹gydF4y2Ba A.-H。gydF4y2Ba 图形处理unit-accelerated多分辨率详尽的实时关键点描述符匹配的搜索算法在高维空间中gydF4y2Ba 专业计算机视觉gydF4y2Ba 2016年gydF4y2Ba 10gydF4y2Ba 3gydF4y2Ba 212年gydF4y2Ba 219年gydF4y2Ba 2 - s2.0 - 84961390190gydF4y2Ba 10.1049 / iet-cvi.2015.0137gydF4y2Ba LakemondgydF4y2Ba R。gydF4y2Ba 福gydF4y2Ba C。gydF4y2Ba 曾经gydF4y2Ba 年代。gydF4y2Ba 仿射适应当地使用海赛矩阵的图像特征gydF4y2Ba 学报第六届IEEE国际会议上先进的视频和基于信号的监测、AVSS 2009gydF4y2Ba 2009年9月gydF4y2Ba 意大利的热那亚gydF4y2Ba 496年gydF4y2Ba 501年gydF4y2Ba 10.1109 / AVSS.2009.8gydF4y2Ba 2 - s2.0 - 72349085613gydF4y2Ba 太阳gydF4y2Ba J。gydF4y2Ba 李gydF4y2Ba H。gydF4y2Ba 高gydF4y2Ba P。gydF4y2Ba 吴gydF4y2Ba lgydF4y2Ba 研究高效射线基于VTK的铸造算法gydF4y2Ba 学报》第七届国际会议信息技术在医学和教育,时候2015gydF4y2Ba 2015年11月gydF4y2Ba 黄山,中国gydF4y2Ba 212年gydF4y2Ba 214年gydF4y2Ba 10.1109 / ITME.2015.118gydF4y2Ba 2 - s2.0 - 84964842796gydF4y2Ba 关gydF4y2Ba T。gydF4y2Ba 周gydF4y2Ba D。gydF4y2Ba 刘gydF4y2Ba Y。gydF4y2Ba 准确分割基于动态稀疏的部分重叠的宫颈细胞轮廓搜索和预防蛇模式gydF4y2Ba 生物医学和卫生信息学杂志》上gydF4y2Ba 2015年gydF4y2Ba 19gydF4y2Ba 4gydF4y2Ba 1494年gydF4y2Ba 1504年gydF4y2Ba 张gydF4y2Ba F。gydF4y2Ba 张gydF4y2Ba X。gydF4y2Ba 曹gydF4y2Ba K。gydF4y2Ba 轮廓提取步态识别的基于改进预防蛇模型gydF4y2Ba 计算机与电气工程gydF4y2Ba 2012年gydF4y2Ba 38gydF4y2Ba 4gydF4y2Ba 882年gydF4y2Ba 890年gydF4y2Ba