發(fā)布時間：2024-07-11 01:48

　　心血管疾病(CVDs)一直以來都是全球人口死亡的最主要原因。心血管疾具有病發(fā)病急、隱蔽性強、死亡率高的特點,加強對心血管疾病的早期檢測和診斷變得愈發(fā)重要。左心室在心臟運動中有著重要作用,它具有厚實發(fā)達的心肌,可以為血液循環(huán)提供動力,反映了心臟的供血能力的強弱,可以為診斷提供參考依據。因此,精確計算左心室的形變函數對臨床診斷有著重要參考意義。在心臟運動估計方法中,確定心肌層輪廓點之間的對應關系非常重要。圖匹配作為一種模式匹配方法,在計算匹配關系時,將待匹配的關鍵點看做一個圖結構,同時考慮了點間和邊間的相似性,匹配結果更加魯棒。圖匹配對于初始條件要求比較低,非常適合解決心臟運動估計中的點對應關系問題。在做圖匹配之前,最為關鍵的步驟是提取左心室的輪廓點集。通常我們用圖像分割算法來提取目標區(qū)域的輪廓關鍵點,但是,由于在心臟圖像中,目標邊緣往往受到信噪比、體容積效應等因素的影響而形成弱邊界,使得心臟左心室的分割成為一個難點。針對這個問題我們提出了基于模板匹配的左心室分割算法,首先利用已有的專家標記數據提取出左心室標準模板庫,并對每一個模板做降采樣、歸一化、向量化處理;利用稀疏表示算法來衡量候選區(qū)...

【文章頁數】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 左心室運動估計方法研究現狀
    1.3 圖匹配概述
        1.3.1 權值圖匹配
        1.3.2 屬性關系圖匹配
        1.3.3 精確圖匹配
        1.3.4 非精確圖匹配
    1.4 本文工作及內容安排
第2章 基于模板匹配的左心室分割
    2.1 引言
    2.2 模板匹配簡介
    2.3 基于模板匹配的左心室分割算法
        2.3.1 建立左心室模板庫
        2.3.2 l₁-范數最小化相似性度量
        2.3.3 粒子群算法搜索最優(yōu)解
    2.4 實驗結果及分析
    2.5 小結
第3章 圖匹配算法
    3.1 引言
    3.2 圖的定義
        3.2.1 雙隨機松弛
        3.2.2 仿射約束與稀疏約束
    3.3 ADMM優(yōu)化求解
        3.3.1 ADMM概述
        3.3.2 ADMM求解
    3.4 實驗結果及分析
    3.5 小結
第4章 CGM算法在左心室運動估計中的應用
    4.1 引言
    4.2 構建左心室圖結構
    4.3 估計左心室形變場
    4.4 實驗結果及分析
    4.5 小結
第5章 總結與展望
參考文獻
致謝
攻讀碩士學位期間的研究成果



本文編號：4005062