Сочинение на тему Количественная оценка функции правого и левого желудочка в МРТ сердца: сравнение алгоритмов полуавтоматической и ручной сегментации

Исследуемая популяция состояла из 52 пациентов с сердечной аритмией или одышкой, имплантированными кардиостимуляторами или дефибрилляторами или с клаустрофобией, которые были исключены из исследуемой группы. Во всех случаях ранее проводилась эхокардиография, и все пациенты давали письменное информированное согласие до обследования МРТ сердца. Исследование проводилось в соответствии с руководящими принципами местного комитета по этике: работа была одобрена местным (галисийским) этическим комитетом. Информированное согласие было также получено от всех пациентов. [1]

В качестве начального шага и определения того же набора изображений, который будет использоваться для последующей оценки сегментации, для анализа были выбраны срезы желудочковой короткой оси, начиная с самого высокого базального среза, как было выбрано из одновременного отображения длинной оси и короткой оси. осевой вид, при котором по меньшей мере 50% окружности миокарда ЛЖ было видно во всех фазах сердца. Кадры, визуально показывающие максимальные и минимальные площади поперечного сечения желудочка на уровне среднего желудочка, рассматривались как конечная диастола (ED) и конечная систола (ES), соответственно. Контуры желудочков прослеживались в каждом срезе для этих двух кадров с использованием двух методов сегментации (ручной и полуавтоматический). Разница в положении одной секции была разрешена между самым базальным срезом в конечной диастоле и ЭС из-за влияния сквозного плоского движения. Папиллярные мышцы и трабекулы считались частью желудочковых объемов. Конечный диастолический объем (EDV) и конечный систолический объем (ESV) рассчитывали путем суммирования площади, заключенной в эндокард, умноженной на толщину среза, во всех срезах, изображенных на конце диастолы и на конце систолы, соответственно (Симпсона метод).

Фракция выброса (EF) рассчитывалась следующим образом: (EDV – ESV) • 100 / EDV. Параметры функций, полученные из полуавтоматических контуров, были рассчитаны с использованием метода Симпсона.

Полуавтоматический метод

Анализ желудочков также проводился на высокопроизводительном персональном компьютере (2 двухъядерных процессора AMD Opteron с тактовой частотой 2,80 ГГц, 8 ГБ ОЗУ) с помощью специально разработанного метода полуавтоматической сегментации, основанного на обнаружении краев, методах итеративной пороговой обработки и выращивания областей. Краткое описание схемы сегментации приведено ниже.

 
1. Обнаружение краев. Границы областей были грубо извлечены из исходного изображения в градациях серого на основе существующего градиента по контуру объекта. Эти операторы основаны на идее, что информация о краях находится путем анализа связи данного пикселя с его соседями. Другими словами, край был определен разрывом в значениях шкалы яркости. Подробности реализации этих операторов можно найти в другом месте.

 

2. Итеративное пороговое значение. Чтобы удалить шум из отфильтрованной информации о ребрах, квадратное ядро ​​с заданным пороговым значением k0 (0 ≤ k0 ≤ 255) было установлено автоматически в каждом виде по короткой оси вокруг позиции «Щелчок мышью» вводится пользователем в срединно-желудочковом конце диастолического каркаса. Затем все пиксели этого ядра были отсканированы, и пороговое значение k1 было рассчитано в соответствии со следующим выражением: k1 = (1/2) × (средняя серая шкала ниже k0 + средняя серая шкала выше k0). Если k0 ≠ k1, k0 обновляется до k1, а k1 пересчитывается. Когда достигается сходимость (k0 = k1), процесс заканчивается, и алгоритм проходит через все изображение, отделяя объект от фоновых пикселей, сравнивая их интенсивность с пороговым значением (двоичное изображение 1). Итеративный порог полностью автоматический, заданное пороговое значение k0 (0 ≤ k0 ≤ 255) было установлено один раз для всех пациентов. Полученный результат (k1) не был чувствительным к k0. Размер квадратного ядра можно корректировать эмпирически, хотя он сохранялся 9 × 9 во всем исследовании.

 

3. Итеративное установление порогового значения: в большинстве случаев из-за несоответствующей информации о краях, содержащейся в исходном полутоновом изображении, могут появиться разрывы в контуре области интереса (ROI), полученной в предыдущем шаг. Чтобы закрыть эти разрывы, алгоритм определения порога снова проходит через исходное серое изображение.