發(fā)布時間：2020-11-19 04:18

　　 隨著老齡化日益嚴(yán)重,心血管疾病已成為我國發(fā)病率和死亡率占據(jù)首位的疾病。目前針對心血管疾病的影像診斷技術(shù)有CT、血管內(nèi)超聲(IVUS)和光學(xué)相干斷層掃描(OCT)。由于OCT影像的分辨率遠(yuǎn)遠(yuǎn)超過CT和IVUS影像(OCT分辨率約為10μm),在臨床診斷冠狀動脈粥樣硬化斑塊方面得到廣泛應(yīng)用。但是,目前使用OCT影像對斑塊診斷依然需要醫(yī)生手動操作,費時費力。因此,研究斑塊自動分割與識別對于診斷冠狀動脈粥樣硬化具有極大臨床意義。本文結(jié)合OCT影像的特點,引入人工智能方法,在完成對于斑塊分割的基礎(chǔ)上,擴(kuò)展斑塊特征,完成了對于纖維化、鈣化和脂質(zhì)斑塊的智能識別。本文主要研究內(nèi)容如下:一、提出了K-means聚類與GraphCuts算法結(jié)合的冠狀動脈粥樣硬化多斑塊分割方法。針對傳統(tǒng)方法僅僅分割一種斑塊或分割多種斑塊時精度不高的缺點,本文算法能夠在多斑塊區(qū)域分割的基礎(chǔ)上優(yōu)化斑塊區(qū)域分割邊緣,實現(xiàn)冠脈OCT圖像纖維化斑塊、鈣化斑塊和脂質(zhì)斑塊的準(zhǔn)確分割。通過計算Jaccard系數(shù)發(fā)現(xiàn)較好地保留斑塊的邊界特征信息,分割精度達(dá)到82.5%。二、引入幾何特征,完善了多斑塊區(qū)域特征提取。在計算斑塊區(qū)域的非幾何特征(如FV、PCA、HOG和LBP)的基礎(chǔ)上,將幾何特征(BF和TF)與之相結(jié)合以提取不同斑塊的特征。實驗證明,幾何特征對斑塊識別精度提高到96.8%。三、提出了改進(jìn)SVM分類器的斑塊智能識別方法。為了提高本文識別算法,通過設(shè)計困難樣本挖掘策略(HEM)來訓(xùn)練SVM分類器,提高了訓(xùn)練數(shù)據(jù)的有效性。設(shè)計了不同特征組合對整體分類效果的測試實驗,尤其是測試哪個特征對目標(biāo)冠脈粥樣硬化斑塊分類影響最大。通過總共20組OCT回調(diào)數(shù)據(jù)集的訓(xùn)練和測試,算法總體分類準(zhǔn)確率達(dá)96.8%,鈣化、脂質(zhì)和纖維化斑塊識別精度分別為94%,97.2%,99.2%。本文工作能夠在很大程度上減少醫(yī)生分割、識別冠脈斑塊所消耗的時間,并且能夠減少醫(yī)生之間的主觀差異性,輔助臨床醫(yī)生對冠心病的診斷與治療。
【學(xué)位單位】：河北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R816.2;TP391.41
【部分圖文】：

1-1 正常冠狀動脈血管與動脈粥樣硬化血管示意性心臟�。╟oronaryatheroscleroticheartdisea病變而引起血管內(nèi)腔狹窄或阻塞，造成心肌冠心病[3]。冠心病的臨床表現(xiàn)通常為胸痛或猝死[4]。傳統(tǒng)臨床診斷主要依靠心電圖、心

河北大學(xué)工學(xué)碩士學(xué)位論文醫(yī)療技術(shù)發(fā)展，新技術(shù)的應(yīng)用使精確診斷、治療冠心病得到進(jìn)一步療技術(shù)——冠狀動脈造影已經(jīng)成為醫(yī)生診斷冠狀動脈疾病的“金標(biāo)治療冠心病的方法主要依靠有創(chuàng)傷的冠脈造影來診斷疾病嚴(yán)重程度脈瘤、心律失常等術(shù)后不良反應(yīng)，造成患者受到進(jìn)一步傷害。因此床中受到極大限制，需要新型血管內(nèi)造影技術(shù)解決這個問題。血cular ultrasound，IVUS，如圖 1-2A）和光學(xué)相干斷層掃描（opticay，OCT，如圖 1-2B）的出現(xiàn)不但解決了臨床發(fā)生的不良反應(yīng)癥狀斷冠狀動脈粥樣硬化疾病的精度[6-7]。

心血管造影下的冠狀動脈診斷
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王守亮;;冠狀動脈易損斑塊評價方法研究進(jìn)展[J];山東醫(yī)藥;2015年10期

2 王梅;李玉鑑;全笑梅;;圖像分割的圖論方法綜述[J];計算機(jī)應(yīng)用與軟件;2014年09期

3 林霖;劉映峰;繆緋;;冠狀動脈易損斑塊的檢測方法進(jìn)展[J];實用醫(yī)學(xué)雜志;2014年09期

4 蓋兢涇;翟學(xué);白啟才;王志國;蔣博;汪奇;楊立;蓋魯粵;;冠脈CT對冠心病治療策略的影響[J];南方醫(yī)科大學(xué)學(xué)報;2014年01期

5 王千;王成;馮振元;葉金鳳;;K-means聚類算法研究綜述[J];電子設(shè)計工程;2012年07期

6 依玉峰;高立群;郭麗;;基于Mean Shift隨機(jī)游走圖像分割算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2011年11期

7 陳郁淦;周學(xué)成;樂凱;;根系CT序列圖像區(qū)域生長分割的新方法[J];計算機(jī)工程與應(yīng)用;2011年28期

8 張朝霞;李宏霄;陳曉冬;郁道銀;賈忠偉;浦奎;王星;;基于概率決策和區(qū)域生長的冠狀動脈三維分割[J];天津大學(xué)學(xué)報;2011年05期

9 陳少伯;梁國慶;姜鐵民;李玉明;;OCT在冠心病介入治療中的應(yīng)用研究進(jìn)展[J];武警醫(yī)學(xué)院學(xué)報;2008年10期

10 姜婕;虞華鵬;趙成軍;趙震;高成志;;冠狀動脈造影和血管內(nèi)超聲診斷冠心病的對比研究[J];山東醫(yī)藥;2008年20期

本文編號：2889688