基于B样条的医学图像弹性配准

为解决医学图像上的形变和偏移,本研究采用基于B样条自由形变的配准方法.建立一个由控制点组成的网格,并将其套用在待配准图像上,得到初始控制网格参数.以梯度下降法为优化算法,以SSD测度为相似性测度,不断修正该参数,参数的改变将引起控制点最近邻4×4控制网格内所有的像素点发生移动,移动后的坐标位置由B样条拟合得到.以双线性插值为插值算法,计算出该位置的灰度值,该位置相对于配准后图像,等同于像素点移动前的位置映射到参考图像相对应的位置,当配准后图像与参考图像对应位置的灰度差异度达到最小时,就达到图像的最佳配准.实验结果表明,该算法配准结果满意,从而验证了本研究算法的有效性.     

基于U-Net的短轴心脏CTA左心室心肌自动分割系统的开发

目的开发并验证一种基于U-Net的短轴心脏计算机断层血管造影（CTA）左心室心肌（LVM）自动分割系统。方法选取2022年2至10月在温州市中心医院就诊的50例疑似或确诊心血管疾病患者CTA图像进行模型训练,将U-Net深化到8层,引入注意力机制和深监督机制,并加入残差连接。通过分割结果可视化观察、分割量化结果比较等分析本研究新开发方法与原型U-Net方法的左心室分割性能差异。结果可视化比较发现,无论分割小区域的左心室或分割组织对比度较差的图像,与原型U-Net方法相比,本研究新开发方法与标签具有更高的一致性;在可视化比较中,原型U-Net方法展现出欠分割、过分割等问题。与原型U-Net方法（0.938±0.144、0.941±0.144、0.961±0.058）相比,本研究新开发方法的Dice相似系数、精度、灵敏度分别为0.964±0.033、0.960±0.043、0.970±0.040,提示分割精度和鲁棒性更高。箱式图中可见两种方法均存在一些异常值。使用本研究新开发方法分割的3例患者左心室表面三维视图显示平均分割时间为13s（即处理速度约为0.037s/幅）,提示分割质量和分割效率均较高。结论本研究新开发的基于U-Net的短轴心脏CTALVM自动分割系统将注意力机制、深监督机制和残差连接集成到8层U-Net中,具有较高的分割精度、分割质量和分割效率。