| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第17-28页 |
| 1.1 课题研究背景与意义 | 第17-21页 |
| 1.1.1 缺血性冠心病的危害性 | 第17-18页 |
| 1.1.2 冠脉狭窄检测的必要性 | 第18-19页 |
| 1.1.3 传统影像诊断的局限性 | 第19页 |
| 1.1.4 国内外冠脉辅助诊断系统发展现状 | 第19-21页 |
| 1.2 课题研究面临的挑战 | 第21-24页 |
| 1.2.1 基于形状特征的三维冠脉分割 | 第21-22页 |
| 1.2.2 邻近血管骨架提取的近邻干扰问题 | 第22页 |
| 1.2.3 骨架网络提取的拓扑适应性问题 | 第22-23页 |
| 1.2.4 冠脉狭窄病变量化分型诊断 | 第23-24页 |
| 1.3 课题研究内容 | 第24-26页 |
| 1.3.1 技术路线 | 第24-25页 |
| 1.3.2 研究主要贡献 | 第25-26页 |
| 1.4 论文结构安排 | 第26-28页 |
| 第二章 基于医学图像的冠脉狭窄病变诊断技术综述 | 第28-55页 |
| 2.1 引言 | 第28页 |
| 2.2 冠脉成像技术综述 | 第28-32页 |
| 2.2.1 选择性冠脉造影 | 第28-29页 |
| 2.2.2 数字减影造影DSA | 第29页 |
| 2.2.3 计算机体层扫描造影CTA | 第29-31页 |
| 2.2.4 核磁共振造影MRA | 第31页 |
| 2.2.5 血管内超声IVUS | 第31-32页 |
| 2.2.6 多模态成像 | 第32页 |
| 2.2.7 讨论 | 第32页 |
| 2.3 血管建模技术综述 | 第32-40页 |
| 2.3.1 外观模型 | 第33-35页 |
| 2.3.2 几何模型 | 第35-37页 |
| 2.3.3 混合模型 | 第37-39页 |
| 2.3.4 解剖形态模型 | 第39-40页 |
| 2.3.5 讨论 | 第40页 |
| 2.4 血管分割算法综述 | 第40-47页 |
| 2.4.1 血管图像预处理 | 第41-43页 |
| 2.4.2 分割策略 | 第43-47页 |
| 2.4.3 讨论 | 第47页 |
| 2.5 冠脉骨架提取技术综述 | 第47-53页 |
| 2.5.1 距离变换 | 第48-49页 |
| 2.5.2 拓扑细化 | 第49-51页 |
| 2.5.3 路径规划 | 第51-52页 |
| 2.5.4 讨论 | 第52-53页 |
| 2.6 冠脉量化分析技术综述 | 第53-54页 |
| 2.6.1 国外研究现状 | 第53-54页 |
| 2.6.2 国内研究现状 | 第54页 |
| 2.6.3 讨论 | 第54页 |
| 2.7 本章小结 | 第54-55页 |
| 第三章 融合形状信息的三维冠脉分割算法研究 | 第55-81页 |
| 3.1 引言 | 第55页 |
| 3.2 心区ROI提取 | 第55-59页 |
| 3.2.1 典型心区ROI提取算法 | 第55-56页 |
| 3.2.2 基于形态学的心区ROI提取 | 第56-59页 |
| 3.3 基于多特征模糊推理的血管体素标记 | 第59-68页 |
| 3.3.1 灰度标记不足 | 第59-61页 |
| 3.3.2 血管形状特征 | 第61-63页 |
| 3.3.3 模糊规则推理 | 第63-66页 |
| 3.3.4 基于多特征模糊推理的血管体素标记 | 第66-68页 |
| 3.4 基于改进局部形状分析的三维冠脉分割 | 第68-74页 |
| 3.4.1 空间连通域标记 | 第68-71页 |
| 3.4.2 局部形状分析 | 第71-72页 |
| 3.4.3 基于改进局部形状分析的三维冠脉分割 | 第72-74页 |
| 3.5 实验结果与分析 | 第74-80页 |
| 3.5.1 三维冠脉分割算法有效性证明与结果重建 | 第74-76页 |
| 3.5.2 三维冠脉分割性能对比实验 | 第76-78页 |
| 3.5.3 改进局部形状分析ILSA参数设置 | 第78-80页 |
| 3.6 本章小结 | 第80-81页 |
| 第四章 基于冠脉分割的骨架提取算法研究 | 第81-106页 |
| 4.1 引言 | 第81页 |
| 4.2 基于高斯近邻传播的中心度量函数 | 第81-91页 |
| 4.2.1 中心度量函数 | 第81-82页 |
| 4.2.2 近邻干扰现象 | 第82-83页 |
| 4.2.3 近邻干扰消除 | 第83-84页 |
| 4.2.4 基于高斯近邻传播的中心度量函数 | 第84-85页 |
| 4.2.5 实验结果分析 | 第85-91页 |
| 4.3 基于水平集图的拓扑自适应骨架初始化 | 第91-105页 |
| 4.3.1 拓扑适应性问题 | 第91-92页 |
| 4.3.2 拓扑自适应算法改进思想分析 | 第92-95页 |
| 4.3.3 基于水平集图的拓扑自适应骨架初始化 | 第95-100页 |
| 4.3.4 实验结果分析 | 第100-105页 |
| 4.4 本章小结 | 第105-106页 |
| 第五章 拓扑自适应冠脉骨架网络提取算法研究 | 第106-136页 |
| 5.1 引言 | 第106页 |
| 5.2 基于分层多假设的冠脉骨架跟踪算法 | 第106-117页 |
| 5.2.1 Friman的多假设模板血管跟踪 | 第106-107页 |
| 5.2.2 Friman算法存在的问题 | 第107-108页 |
| 5.2.3 分层多假设跟踪 | 第108-110页 |
| 5.2.4 自适应冠脉骨架提取 | 第110-112页 |
| 5.2.5 实验结果分析 | 第112-117页 |
| 5.3 基于改进拉伸活动轮廓的冠脉骨架网络提取算法 | 第117-135页 |
| 5.3.1 子像素级骨架提取 | 第119页 |
| 5.3.2 基于改进拉伸活动轮廓的单骨架曲线优化 | 第119-121页 |
| 5.3.3 基于拓扑维持检查的多骨架网络优化 | 第121-122页 |
| 5.3.4 骨架网络重组织 | 第122-124页 |
| 5.3.5 算法对比讨论 | 第124-125页 |
| 5.3.6 实验结果分析 | 第125-135页 |
| 5.4 本章小结 | 第135-136页 |
| 第六章 基于骨架提取的冠脉狭窄量化分型诊断 | 第136-153页 |
| 6.1 引言 | 第136页 |
| 6.2 冠脉狭窄测量方式 | 第136-137页 |
| 6.2.1 目测法 | 第136-137页 |
| 6.2.2 手动法 | 第137页 |
| 6.2.3 基于图像的计算机辅助测量法 | 第137页 |
| 6.3 基于骨架提取的冠脉狭窄度量化分析 | 第137-144页 |
| 6.3.1 算法框架 | 第137-138页 |
| 6.3.2 子像素级半径信息提取 | 第138-140页 |
| 6.3.3 冠脉狭窄度量化分析 | 第140-143页 |
| 6.3.4 冠脉狭窄后期诊断 | 第143-144页 |
| 6.4 基于多种血管形态学测量的狭窄病变分型诊断 | 第144-147页 |
| 6.4.1 血管轮廓平滑度 | 第144页 |
| 6.4.2 血管管腔圆形度 | 第144-145页 |
| 6.4.3 血管管径曲率 | 第145页 |
| 6.4.4 血管管径扭曲度 | 第145-146页 |
| 6.4.5 狭窄病变类型诊断 | 第146-147页 |
| 6.5 实验结果与分析 | 第147-152页 |
| 6.5.1 冠脉狭窄度测量与诊断 | 第147-151页 |
| 6.5.2 血管形态学参数测量 | 第151页 |
| 6.5.3 狭窄病变分型诊断 | 第151-152页 |
| 6.6 本章小结 | 第152-153页 |
| 结论 | 第153-155页 |
| 参考文献 | 第155-177页 |
| 攻读博士学位期间取得的研究成果 | 第177-178页 |
| 致谢 | 第178-179页 |
| 答辩委员会对论文的评定意见 | 第179页 |