Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phát hiện giới hạn nội tâm mạc trong hình ảnh cộng hưởng từ tim bằng phương pháp mức tập
Tóm tắt
Việc phân đoạn thất trái trong hình ảnh MRI là một nhiệm vụ có sức mạnh chẩn đoán quan trọng. Hiện nay, việc đánh giá chức năng tim bao gồm việc đo lường tổng thể thể tích và phân suất tống máu. Việc đánh giá này đòi hỏi phải phân đoạn đường viền thất trái. Trong bài báo này, chúng tôi đề xuất một phương pháp mới để phát hiện tự động ranh giới nội tâm mạc trong hình ảnh cộng hưởng từ tim, bằng cách sử dụng phương pháp phân đoạn dựa trên mức tập. Để khởi tạo thuật toán phân đoạn mức tập này, chúng tôi đề xuất ngưỡng hóa hình ảnh gốc và sử dụng hình ảnh nhị phân thu được làm mặt nạ ban đầu cho phương pháp phân đoạn mức tập. Đối với việc định vị buồng thất trái, được sử dụng để định hình mặt nạ nhị phân ban đầu, chúng tôi đề xuất một phương pháp tự động để phát hiện vị trí không gian này bằng cách đánh giá một chỉ số đo độ tròn của đối tượng. Quá trình phân đoạn bắt đầu bằng việc khởi tạo thuật toán mức tập và kết thúc thông qua phân đoạn mức tập. Quy trình xác thực được thực hiện bằng cách so sánh kết quả phân đoạn, thu được từ quy trình phân đoạn tự động đề xuất, với các đường viền thủ công do hai chuyên gia vẽ. Cơ sở dữ liệu được sử dụng bao gồm một phân đoạn tự động và hai phân đoạn thủ công cho mỗi chuỗi hình ảnh. So sánh này cho thấy kết quả tốt với vùng tương đồng trung bình tổng thể đạt 97,89%.
Từ khóa
Tài liệu tham khảo
Paragios N, Jolly MP, Taron M, Ramaraj R: Active shape models segmentation of the left ventricle in echocardiography. Lecture Notes in Computer Science 3459:131–142, 2005
Garson CD, Li B, Acton ST, Hossack JA: Guiding automated left ventricular chamber segmentation in cardiac imaging using the concept of conserved myocardial volume. Comput Med Imaging Graph 32:321–330, 2008
Fernandez-Caballero A, Vega-Riesco JM: Determining heart parameters through left ventricular automatic segmentation for heart disease diagnosis. Expert Systems with Applications 36:2234–2249, 2009
Lynch M, Ghita O, Whelan PF: Automatic segmentation of the left ventricle cavity and myocardium in MRI data. Comput Biol Med 36(4):389–407, 2006
Monitillo A, Metaxas D, Axel L: Automated segmentation of the left and right ventricles in 4D cardiac, SPAMM images. MICCAI, LNCS 2488:620–633, 2002
Cousty J, Najman L, Couprie M, Clément-Guinaudeau S, Goissen T, Garot J: Automated accurate and fast segmentation of 4D cardiac MR image. In: Procs of Functional Imaging an Modeling of the Heart, LNCS 4466, 2007, pp 474–483
Kausa MR, von Berga J, Weesea J, Niessenb W, Pekar V: Automated segmentation of the left ventricle in cardiac MRI. Medical Image Analysis 8(3):245–254, 2004
Lorenzo-Valdés M, Sanchez-Ortiz GI, Mohiaddin R, Rueckert D: Segmentation of 4D Cardiac MR Images Using a Probabilistic Atlas and the EM Algorithm, vol. 2878. Springer, Berlin, 2003, pp 440–450
Wang G, Guo Y, Zhangk S, Ma Y: A novel segmentation method for left ventricular from cardiac MR images based on improved Markov random field model. In: Image and Signal Processing, CISP’09, 2009, pp 1–5
Santarelli MF, Positano V, Michelassi C, Lombardi M, Landini L: Automated cardiac MR image segmentation: theory and measurement evaluation. Medical Engineering Physics 25:149–159, 2003
ElBerbari R, Frouin F, Redheuil A, Angelinic E-D, Mousseaux E, Bloch I, Herment A: Development and evaluation of an automatic segmentation method of endocardial border in cardiac magnetic resonance images. ITBM-RBM 28:117–123, 2007
Li C, Xu C, Gui C, Fox MD: Level set evolution without reinitialization: A new variational formulation. In: Proceedings of CVPR’05 1, 2005, pp 430–436
Evans L: Partial Differential Equations. American Mathematical Society, Providence, 1998
Otsu N: A threshold selection method from gray-level histograms. IEEE Trans Syst Man Cybern 9(1):62–66, 1979
Najman L, Cousty J, Couprie M, Talbot H, Guinaudeau S, Goissen T, Garot J: An open, clinically validated database of 3D+t cine-MR images of the left ventricle with associated manual and automated segmentations. In: Insight Journal, 2007 special issue entitled ISC/NA-MIC Workshop on Open Science at MICCAI, 2007
Hammoude A: Computer-assisted endocardial border identification from a sequence of two-dimensional echocardiographic images. Ph.D. dissertation, Univ. Washington, Seattle, WA, 1988
Mendonc T, Andre RS, et al: Comparison of segmentation methods for automatic diagnosis of dermoscopy images. In: IEEE EMBS, France, 1-4244-0788-5, 2007
Altman DG, Bland JM: Measurement in medicine: the analysis of method comparison studies. Statistician 32:307–317, 1983
Thunberg P, Emilsson K, Rask P, Kähäri A: Separating the left cardiac ventricle from the atrium in short axis MR images using the equation of the atrioventricular plane. Clin Physiol Funct Imaging 28(4):222–228, 2008