检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2023年第4期35卷 516-524页

作者：余升林吴彤葛明锋董文飞长春理工大学机电工程学院长春130022 中国科学院苏州生物医学工程技术研究所苏州215163

针对可变形图像配准中因变形场可逆性被忽略而导致配准精度降低的问题,提出一种变形场循环一致性的无监督可变形图像配准方法.首先,设计了一种基于无监督学习的可变形图像配准框架,它包括学习图像特征的编码-解码器和用于生成采样网格... 详细信息

针对可变形图像配准中因变形场可逆性被忽略而导致配准精度降低的问题,提出一种变形场循环一致性的无监督可变形图像配准方法.首先,设计了一种基于无监督学习的可变形图像配准框架,它包括学习图像特征的编码-解码器和用于生成采样网格的空间变换网络2部分,以指导浮动图像朝着参考图像方向的准确移动,从而完成图像的配准;其次,提出变形场循环一致性的损失函数,以保证配准过程中变形场的一致性;最后,结合雅可比损失函数和L2范数对变形场进行惩罚,以保证变形场的光滑性,促使网络输出准确、真实的变形场.基于PyTorch框架,使用2D合成数据集和2DMR数据集对该网络进行评价.实验结果表明,与几种先进的配准方法相比,该方法在Dice值上提升了1.77%,在变形场雅可比行列式负值比例上下降了35.71%,取得了更好的配准效果.

关键词：可变形图像配准变形场的循环一致性无监督学习变形场

来源：评论

学校读者我要写书评

暂无评论

可变形图像配准的CT与MRI对肝癌体积测定的前瞻性比较

引用

分子影像学杂志 2023年第2期46卷 286-292页

作者：苏晓翠王玉海宋慧浩杨博联勤保障部队第九八三医院放射诊断科天津300142

目的通过比较MRI与CT对肝癌肿瘤的诊断情况,进而进行高精度放疗计划。方法选择2020年7月~2022年7月收治的26例不可切除的肝转移(n=8)、肝细胞癌(n=10)和胆管癌(n=8)患者作为研究对象,患者在放疗计划时进行了具有诊断质量的MRI扫描和三... 详细信息

目的通过比较MRI与CT对肝癌肿瘤的诊断情况,进而进行高精度放疗计划。方法选择2020年7月~2022年7月收治的26例不可切除的肝转移(n=8)、肝细胞癌(n=10)和胆管癌(n=8)患者作为研究对象,患者在放疗计划时进行了具有诊断质量的MRI扫描和三期CT扫描,并确定了肝内解剖参考点。在最能显示肿瘤的CT和MRI系列中,勾画了肝脏和肿瘤体积,确定了肝内解剖参考点。采用形变配准对CT和MRI的肝脏进行配准。结果5例肝癌CT病灶数量与MRI有差异,MRI病灶多3例,CT病灶多2例。肝脏变形配准后,CT肿瘤表面与MRI肿瘤表面平均距离的人群中位数为3.7(2.2~21.3)mm。肿瘤表面积相差5 mm的中位百分比为26%(38%~86%)。转移瘤的中位符合率为81%(77%~86%),肝细胞癌的一致性为78%(44%~86%),胆管癌的一致性为69%(25%~85%)。结论MRI诊断的肝癌肿瘤体积与CT诊断的肝癌肿瘤体积存在显著差异,且在原发性肝癌中更为常见。

关键词：可变形图像配准计算机断层扫描磁共振成像肝癌高精度放疗

来源：评论

学校读者我要写书评

暂无评论

放射治疗中可变形图像配准的临床应用

引用

影像研究与医学应用 2020年第18期4卷 47-48页

作者：高滋蔡宗晏范芳仪何咏霖狄晓凡兰州大学第二临床医学院甘肃兰州730000 兰州大学第一临床医学院甘肃兰州730000

在将各种先进技术引入放射肿瘤学领域后,放射治疗期间成像数据集的数量显著增加。因此,已经有许多研究提出了成像数据集使用的有意义的应用。这些应用通常需要一种在引用处对齐数据集的方法。可变形图像配准(DIR)是通过将图像数据集局... 详细信息

在将各种先进技术引入放射肿瘤学领域后,放射治疗期间成像数据集的数量显著增加。因此,已经有许多研究提出了成像数据集使用的有意义的应用。这些应用通常需要一种在引用处对齐数据集的方法。可变形图像配准(DIR)是通过将图像数据集局部配准到参考图像集中来满足这一要求的处理。DIR标识空间对应关系,以便最小化两组或多组图像之间的差异。本文描述了DIR技术的临床应用、验证和算法。DIR在放射治疗中的应用包括剂量累积、数学建模、自动分割和功能成像。所讨论的验证方法基于解剖标志、物理模型、数字模型和每种应用目的。从相似性指标和变形模型两个方面对DIR算法进行了简要评述。

关键词：可变形图像配准 DIR 放疗

来源：评论

学校读者我要写书评

暂无评论

基于无监督学习的可变形医学图像配准研究

基于无监督学习的可变形医学图像配准研究

引用

作者：刘朝阳济南大学

学位级别：硕士

可变形医学图像配准是医学图像配准的一种,旨在建立一对图像之间的密集非线性对应关系。可变形医学图像配准在医学图像领域中具有重要的应用价值和意义,其对临床医学的发展和进步、药物研发和医学图像分析等方面都具有不可替代的作用。... 详细信息

可变形医学图像配准是医学图像配准的一种,旨在建立一对图像之间的密集非线性对应关系。可变形医学图像配准在医学图像领域中具有重要的应用价值和意义,其对临床医学的发展和进步、药物研发和医学图像分析等方面都具有不可替代的作用。传统的图像配准方法将图像配准公式化为优化问题,需要每次都对新的图像对进行迭代优化,这是非常耗时并且需要大量的计算资源的。因此,研发更加精确高效的可变形医学图像配准方法势在必行。有监督学习的方法需要大量的标签,而标签大多是手动标注,且手动注释容易受到人为错误的影响。与之相比,无监督学习的配准不需要人工标注的数据标签,通过利用大规模无标记医学图像,就可以获得理想的性能,因此受到当下研究者越来越多的关注。然而,无监督学习的方法需要更加强大的骨干网络来对移动图像和固定图像之间空间对应关系进行建模,同时,还需要解决三维医学图像整体和局部信息之间的关联问题,以及处理不同尺度解剖结构信息的能力。这些挑战限制了相关方法在临床中的广泛应用。因此,本文基于无监督学习的可变形医学图像配准开展了深入研究,具体内容如下:(1)针对移动图像与固定图像之间的空间对应关系的建模问题,本文提出了一个基于大核现代化分层卷积神经网络的框架,利用大核深度卷积以更大的感受野来提取三维医学图像的特征,设计分层结构以更小的参数提取不同尺度的信息。框架以大核现代化分层卷积来更简单、高效地捕获输入移动图像与固定图像之间的空间对应关系。(2)针对三维医学图像整体和局部信息的关联交互问题,本文提出了一种基于整体和局部的2.5D注意力的可变形医学图像配准方法,通过将整体特征和局部特征联合嵌套在网络框架中,建立一个伪3D特征加权图,对提取出的特征进行重标定,更有效地建模图像对之间的上下文信息,以获得理想的变形场。(3)针对多尺度特征信息的融合问题,本文提出了一种基于多尺度交叉注意力的可变形图像配准框架。该框架由一个双并行特征提取编码器组成,通过多尺度交叉注意力模块,分别处理输入的移动图像和固定图像,使移动图像和固定图像的特征可以充分通信,以发现多层次的体素对应关系,同时设计了多尺度特征集成模块,旨在更好地整合来自多个尺度的特征信息,生成更精细的变形场,从而实现最终的有效配准。

关键词：可变形图像配准无监督学习卷积神经网络注意力机制医学图像

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的可变形医学图像配准研究

基于深度神经网络的可变形医学图像配准研究

引用

作者：郑志远深圳大学

学位级别：硕士

快节奏的各种现代生活需求要求能够实时获取图像信息,继而对其进行综合处理。该需要推动了嵌入式图像处理系统的飞速发展。随着图像处理技术的逐渐成熟,嵌入式图像处理系统已经在流量监测,人脸识别以及图像配准等众多领域被广泛应用。... 详细信息

快节奏的各种现代生活需求要求能够实时获取图像信息,继而对其进行综合处理。该需要推动了嵌入式图像处理系统的飞速发展。随着图像处理技术的逐渐成熟,嵌入式图像处理系统已经在流量监测,人脸识别以及图像配准等众多领域被广泛应用。图像配准在疾病的诊断、医学信息的融合、肿瘤生长监测、图像引导手术治疗以及放疗计划制定等专业医学领域中发挥着关键性作用,可变形图像配准则是医学图像配准分析领域的核心问题之一。单幅医学图像仅包含有限的病理学信息,无法保证诊断结果的可信度。而通过配准技术融合不同医学图像的病理学信息可以弥补各种医用成像传感器的不足,获得更多有效信息。因此,基于嵌入式图像处理系统的医学图像配准技术显得至关重要。配准技术通过位移场实现多幅图像之间的信息融合。位移场包含了待配准图像(移动图像)和目标图像(固定图像)之间的空间映射关系,经由位移场扭曲后的待配准图像可以和目标图像达到解剖空间相似度的某种一致性,从而融合二者所包含的特征信息。通过位移场,将来源于不同患者的同一器官影像、同一患者不同时期的医学影像以及采用不同成像方式得到的医学影像进行配准,将待配准图像进行扭曲,使其在尽可能不丢失信息的前提下与目标图像对齐。如今,在影像导航手术和肿瘤的生长监测等多种临床医学的应用场景中均已运用可变形医学图像配准技术。传统的医学图像配准方法通过内置的优化策略来调节输出的形变参数,从而优化能量函数,具有优异的跨模态性和鲁棒性。然而,针对维度较大的医学图像,该方法需要不断进行迭代优化,导致配准过程耗时较长,不适合应用于时间紧迫的临床场景。相较之下,基于深度学习的配准方法在可变形医学图像配准领域中展现出独有的优势,其通过神经网络实现的端到端配准方式,不仅比传统的配准方法实现了更高的配准精度,且配准时长也缩短若干个数量级。本课题针对当前临床应用中最常见的两类三维医学图像展开研究,结合嵌入式发展情况和医用成像传感器采集图像的特点,提出了三种具有不同特性的配准网络模型,在两类医学图像中皆实现了优异的配准性能。本文的主要研究内容如下: 针对肺部与肝部CT扫描这类大面积整体变形的医学图像:过去所设计的各种配准网络基本以提高配准图像的对齐精度和缩短配准的计算时间为目的,往往忽略了医学图像必须考虑其解剖学合理性的要求,而保证配准结果的解剖学可信度具有重要的临床意义。为此,本文基于级联网络提出了一种全新的渐进式解剖约束网络,以卷积神经网络(CNN)作为基础配准网络,以卷积降噪自编码器(DAE)作为解剖约束网络,将基础配准网络和解剖约束网络并联处理,从而将解剖先验信息以全局约束的形式加入配准模型的学习过程中,约束图像的配准过程,增强配准后图像的真实感。并且,并联后的双层网络继续作为单级模块进行迭代级联,逐级细化配准过程,提高配准精度。针对脑部MRI这类多区域配准的复杂医学图像:当前基于深度学习的配准方法仅使用一个位移场对待配准图像进行形变,对于具有多个配准区域的脑部图像来说,该方法无法保证单一位移场中囊括了所有配准区域的空间映射关系,因此无法保证每个配准区域拓扑结构的完整性。针对这类多区配准的医学图像,本文提出了一种全新的,适用于多区域配准的训练策略--全局局部联合训练策略(Go Lo),通过该策略提取输入图像的全局特征信息和各配准区域的局部特征信息,将全局与局部特征信息结合以解决多区域配准问题。同时,本文将分组卷积与图像金字塔概念相结合,提出了一种特征自校准网络(FSCN),用以提取输入图像中更具表征性的特征信息。全局局部联合训练策略与特征自校准网络在一定程度上解决了脑部这类多区配准图像的精度优化问题。除全局局部联合训练策略以外,本文提出了另一种将全局特征差异与局部特征差异相结合的训练策略--多维联合训练策略,利用三维图像的二维子图辅助提取局部特征差异信息。同时,将其和多分辨率策略以及核心增强策略相结合,提出了一种多策略交互学习网络(MMLN)。MMLN将三种训练策略集成为一个配准模型,对多个网络的训练过程同时进行优化,该配准模型在脑部医学图像中同样可以实现优异的配准性能。鉴于当前嵌入式设备的计算能力较为薄弱,上述三种全新的配准算法部署在服务器中运行,而嵌入式硬件设备主要用于采集初始的影像数据,通过网络传输将中间数据输入给算法执行,从而实现医学影像的采集与即时配准。

关键词：可变形图像配准医学图像渐进式解剖约束网络特征自校准网络交互学习网络

来源：评论

学校读者我要写书评

暂无评论

基于Mamba和卷积的双流特征金字塔网络用于脑部核磁共振图像配准

引用

生物医学工程学杂志 2024年第6期41卷 1177-1184页

作者：付麟杰朱遥遥姚宇中国科学院成都计算机应用研究所成都610213 中国科学院大学北京100049

可变形图像配准在医学图像分析领域扮演着至关重要的角色。尽管目前已经提出了各种先进的配准模型,但准确和高效的可变形配准仍然具有挑战性。鉴于Mamba最近在计算机视觉任务中展现出的优异性能,本文介绍了一种新模型,称为MCRDP-Net。MC... 详细信息

可变形图像配准在医学图像分析领域扮演着至关重要的角色。尽管目前已经提出了各种先进的配准模型,但准确和高效的可变形配准仍然具有挑战性。鉴于Mamba最近在计算机视觉任务中展现出的优异性能,本文介绍了一种新模型,称为MCRDP-Net。MCRDP-Net采用了Mamba块和卷积块结合的双流网络架构同时提取固定图像和运动图像的全局信息和局部信息;在解码阶段,采用了特征金字塔结构的网络,以获得运动图像与固定图像之间的全分辨率形变场,从而实现高效且精确的配准。本研究在公共脑部配准数据集OASIS和IXI上验证了MCRDP-Net的有效性。实验结果显示,MCRDP-Net在医学图像配准任务中表现出显著优势,OASIS数据集上DSC、HD95和ASD分别达到0.815、8.123和0.521,IXI数据集上分别达到0.773、7.786和0.871。综上所述,MCRDP-Net在可变形图像配准任务中展现了优越的性能,证明了它在医学图像分析领域的潜力,能够有效提升配准的准确性和效率,为后续的医学研究与应用提供了有力支持。

关键词：可变形图像配准 Mamba 特征金字塔多尺度融合

来源：评论

学校读者我要写书评

暂无评论

基于自监督深度学习的大脑MRI图像可变形配准

基于自监督深度学习的大脑MRI图像可变形配准

引用

作者：高珊深圳大学

学位级别：硕士

图像配准在医学图像处理与分析中具有众多实用价值,还有助于定量分析病灶和器官的变化情况,使得在病情诊断和手术计划制定等方面更加科学可靠。基于传统算法的医学图像配准需要利用图像的灰度或特征信息,对提出的相似性度量进行迭代优化... 详细信息

图像配准在医学图像处理与分析中具有众多实用价值,还有助于定量分析病灶和器官的变化情况,使得在病情诊断和手术计划制定等方面更加科学可靠。基于传统算法的医学图像配准需要利用图像的灰度或特征信息,对提出的相似性度量进行迭代优化,这类方法速度慢且度量优化方式依赖人为预设。而绝大多数基于深度学习的医学图像配准方法具有缺乏严格意义上的“金标准”标签和数据量不足的问题,严重依赖人为设定的损失函数,依旧受到传统方法的驱动,并未发挥深度学习的优势。本文为了解决上述问题并充分发挥深度神经网络在配准中的潜力,我们将这种繁琐的人工标注自动化,并提出了一种无人为预设损失函数的用于大脑MRI可变形配准的自监督网络框架。本文的研究工作如下: 我们利用传统方法得到接近于“金标准”的位移形变场,并将其作用于移动图像上得到扭曲后的图像,并将扭曲后的图像称为新的固定图像。此时,在该位移形变场、移动图像和新的固定图像这三个数据组成的元组中,位移形变场完成了“金标准”的转变。同时,我们在有限的小样本数据上提出一种数据扩增的方法,使得我们的训练数据不仅可以提供“金标准”的配准场,而且数量在理论上还是无限的。我们采用U型结构的深度神经网络并使用这组在数学式上完美匹配的数据来训练这个深度神经网络。本研究基于上述提出的网络框架,对训练数据图像对进行了数据增强,并基于U-Net的框架进行了T1单模态和T1-T2多模态这两种配准实验。在单模态实验中,我们对LPBA40数据集中的T1加权图像随机划分训练集和测试集,并对网络进行了训练。我们和基于传统的配准方法SyN以及基于深度学习的配准方法VoxelMorph在测试集上进行了比较,SyN、VoxelMorph和我们提出的方法的平均DSC分别为56.1%、62.2%和70.9%。为了进一步验证我们的网络,我们将在LPBA40数据集上训练好的模型运用于CUMC12和MGH10数据集的T1加权图像上进行外部验证,我们提出的方法在MGH10数据集的灰质上的平均DSC达到了77%,在CUMC12数据集的白质上的平均DSC达到了85.2%。这表明我们提出的方法具有一定优越的性能和稳定性。在多模态实验中,我们将上述单模态网络迁移到多模态网络中,对HCP数据集的T1加权图像和T2加权图像进行了配准,平均DSC达到了60.8%。证明了我们的方法具有一定的学习能力和适用性。本文提出的基于自监督深度学习的大脑MRI可变形配准,不仅提升了配准的精度和速度,也充分发挥了深度神经网络的优势。

关键词：自监督可变形图像配准深度学习无人为预设

来源：评论

学校读者我要写书评

暂无评论

基于大规模点云的列车关键部件配准技术研究

基于大规模点云的列车关键部件配准技术研究

引用

作者：席静怡西南交通大学

学位级别：硕士

配准技术是指将不同条件下获取的两张图像或两片点云通过空间变换进行对齐的过程。在轨道交通领域,为了保证列车的运行安全,可以通过配准技术将同一目标在不同时刻的图像或点云进行配准,在目标对齐的状态下完成后续的检测、识别等任务... 详细信息

配准技术是指将不同条件下获取的两张图像或两片点云通过空间变换进行对齐的过程。在轨道交通领域,为了保证列车的运行安全,可以通过配准技术将同一目标在不同时刻的图像或点云进行配准,在目标对齐的状态下完成后续的检测、识别等任务。为了解决列车关键部件的配准问题,观察不同时刻目标的变化情况,本文分别研究了图像配准算法和点云配准算法,可以对列车关键部件大规模点云的二维深度图和三维点云进行处理,主要包括以下两方面的工作: 针对二维图像配准,构建了基于注意力的残差神经网络,可以解决图像配准中难度更高的可变形配准问题。该算法利用了U-Net编码器-解码器作为主干结构设计卷积神经网络预测形变场,并进一步通过残差模块和注意力模块优化网络,增强提取特征的能力,利用空间变换模块完成几何变换得到配准图像。整个网络通过无监督的方式进行学习,大大降低了网络训练难度。在不同场景的数据集上均证明了该算法具有不错的配准效果,并将其应用在列车关键部件的点云深度图上进一步验证了方法的性能。从二维图像延伸到三维点云,针对三维点云配准,提出了一种新的由粗到细的点云配准方法,很好地解决了大规模点云的配准问题。首先,该方法使用随机采样对大规模点云进行高效降采样,通过基于关键点和描述符的点云配准网络提取两片点云的点特征信息,利用RANSAC完成粗配准。在此基础上,使用少量迭代的ICP精确对齐两片点云,增加算法的稳定性。此外,针对点云间变换矩阵未知的情况,设计了距离误差指标来对比衡量各算法的配准精度。在不同规模的点云数据集上均证明了该算法的有效性、鲁棒性。特别是在本文构建的列车关键部件大规模点云数据集上,该方法展现出了更优的性能,更好地满足了实际应用中的配准精度和效率要求。本文基于深度学习的图像配准和大规模点云配准算法均能很好地运用在不同领域的数据处理任务中,通过大量实验验证了这两种方法的有效性。为了解决列车关键部件的配准问题,本文根据点云的图和点两种表示形式构建了列车关键部件大规模点云的二维深度图和三维点云数据集,在两种数据形式上探究了配准方法在列车关键部件上的配准能力,通过充分的实验说明了本文所提算法在理论研究和工程应用上的价值。

关键词：深度学习列车关键部件可变形图像配准大规模点云点云配准

来源：评论

学校读者我要写书评

暂无评论

心脏磁共振T1 mapping技术及基于可变形配准算法的心肌形变分析在肥厚型心肌病中的初始研究

心脏磁共振T1 mapping技术及基于可变形配准算法的心肌形变分析在...

引用

作者：苏亚河北北方学院

学位级别：硕士

目的:探讨心脏磁共振T1 mapping技术及基于可变形图像配准算法的心肌形变分析在定量诊断肥厚型心肌病患者心肌纤维化和心肌形变的应用价值。方法:搜集2020年1月2022年1月期间在我院确诊为肥厚型心肌病患者35例、正常健康志愿者40例,所... 详细信息

目的:探讨心脏磁共振T1 mapping技术及基于可变形图像配准算法的心肌形变分析在定量诊断肥厚型心肌病患者心肌纤维化和心肌形变的应用价值。方法:搜集2020年1月2022年1月期间在我院确诊为肥厚型心肌病患者35例、正常健康志愿者40例,所有病例均行心脏磁共振检查,扫描序列包括常规解剖学扫描序列、电影序列、增强前T1 mapping序列,肥厚型心肌病患者加扫延迟强化序列;将增强前T1 mapping图像导入Medis Suite软件进行处理测得左室心肌初始T1值;将心脏短轴、二腔、三腔及四腔电影序列导入Trufi Strain 2.1软件中,获得左心室整体周向（GCS）、径向（GRS）和纵向（GLS）应力。HCM组按照左心室心肌延迟强化方式分为强化组和无强化组;按照舒张末期左室壁厚度（EDTH）分为15mm≤EDTH<20mm（A）,EDTH（B）≥20mm,心尖肥厚组13mm≤EDTH<18mm（C）三组。比较HCM组、对照组及各亚组间的初始T1值及各应变指标的差异。结果:（1）肥厚型心肌病患者、健康志愿者及各亚组间CMR T1 mapping技术相关值统计结果:HCM组左室整体初始T1值明显高于对照组[初始T1值:（1323.15±48.95）ms vs（1228.76±36.84）ms,P<0.001];强化组、无强化组、对照组的初始T1值相比,差异均有统计学意义[分别为（1343.25±43.31）ms,（1284.65±34.54）ms,（1228.76±36.84）ms,两两相比P值均<0.001];A,B,C三组的初始T1值差异无统计学意义。（2）肥厚型心肌病患者、健康志愿者及各亚组间心肌形变分析相关值统计结果:HCM组的GRS,GLS均较对照组明显减低[GRS:（13.50±3.00）%vs（34.22±6.50）%,P<0.05;GLS:（-12.91±5.03）%vs（-15.82±1.71）%,P<0.05];强化组的GLS和GRS较对照组减低且差异有统计学意义[GRS:（13.41±3.51）%vs（34.22±6.50）%,P<0.001;GLS:（-12.54±5.22）%vs（-15.82±1.71）%,P<0.05];A,B,C三组的心肌应变差异无统计学意义（P>0.05）。（3）ROC曲线分析结果左室GRS（AUC=0.992,P<0.001）诊断肥厚型心肌病效能优于其他应变参数[GLS（AUC=0.693,P=0.002）;GCS（AUC=0.462,P=0.588）]和初始T1值（AUC=0.944,P<0.001）,左室GRS诊断肥厚型心肌病的敏感性、特异性分别为97.1%,97.5%;初始T1值（AUC=0.862,P<0.001）诊断强化亚组的效能较高,其敏感性和特异性为65.2%,100%.结论:心肌初始T1值,GRS,GLS可用于识别及定量评估肥厚型心肌病心肌纤维化及多个维度对心肌应变进行分析,GRS的诊断效能最高;初始T1值在强化亚组间的诊断效能最高;采用心脏磁共振T1 mapping技术及心肌形变分析多参数联合定量评估肥厚型心肌病为临床治疗及预后判断提供有效的诊断证据。

关键词：磁共振成像 T1 mapping 心肌应力可变形图像配准肥厚型心肌病

来源：评论

学校读者我要写书评

暂无评论

基于可变形配准算法的心肌形变分析对肥厚型心肌病的诊断及预后预测的价值探讨

引用

诊断学理论与实践 2019年第3期18卷 278-285页

作者：朱兰顾圣佳陈炽华曹琪琪周皛月严福华闵佶华上海交通大学医学院附属瑞金医院放射科上海200025 西门子医疗系统有限公司上海201202

目的:探讨基于可变形图像配准(deformableregistration algorithms,DRA)算法的心肌形变分析在肥厚型心肌病(hypertrophic cardiomyopathy,HCM)中的诊断及预后预测价值。方法:回顾性收集本院确诊的HCM患者23例,另招募23名年龄性别匹配的... 详细信息

目的:探讨基于可变形图像配准(deformableregistration algorithms,DRA)算法的心肌形变分析在肥厚型心肌病(hypertrophic cardiomyopathy,HCM)中的诊断及预后预测价值。方法:回顾性收集本院确诊的HCM患者23例,另招募23名年龄性别匹配的健康志愿者(对照组),均行心脏MRI扫描。HCM组按有无心肌延迟强化(late gadolinium enhancement,LGE)分为LGE(+)组和LGE(-)组。采用基于DRA算法的TrufiStrain软件进行心肌形变分析,测量整体径向应变峰值(global peak radial strain, GPRS)、整体环向应变峰值(global peak circumferential strain, GPCS)和整体纵向应变峰值(global peak longitudinal strain, GPLS)以及心尖部、中部和基底部的径向应变峰值(peak radial strain, PRS)、环向应变峰值(peak circumferential strain, PCS)和纵向应变峰值(peak longitudinal strain,PLS),探讨心肌形变参数在HCM中的诊断效能及其与心室壁厚度、LGE间的关系。结果:除心尖部PCS外,HCM组的GPRS、GPCS、GPLS及基底部和中部PRS、PCS、PLS,以及心尖部的PRS、PLS均明显低于对照组(P<0.05),而HCM组的整体及各部分3个方向(环向、纵向、径向)的应变率比值均明显小于对照组(P<0.05),且LGE(-)组及对照组各部分的PRS、PCS、PLS及3个方向的舒张早期和晚期应变率比值[径向应变率比值(ratio of radial strain rate during early and late diastole,REL),环向应变率比值(ratio of circumferential strain rate during early and late diastole,CEL)和纵向应变率比值(ratio of longitudinal strain rate during early and late diastole,LEL)]均大于LGE(+)组(P<0.05)。GPRS、GPCS、GPLS、REL、CEL、LEL均与左心室心肌最大厚度明显相关(P<0.05)。GPRS、GPCS、GPLS、REL、CEL及LEL诊断HCM的曲线下面积分别为0.686、0.905、0.921、0.972、0.974及0.917,GPRS、GPCS、GPLS、REL、CEL及LEL预测HCM患者是否有LGE的曲线下面积均大于0.871。结论:基于DRA的心肌形变分析在诊断HCM、预测HCM患者发生LGE中具有重要价值,且与心肌厚度密切相关。

关键词：可变形图像配准心肌应变成像肥厚型心肌病心肌延迟强化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：