基于心血管核磁共振图像的房室平面位移检测与重建

摘要/Abstract

摘要： 传统检测房室平面位移的方法因测量信息不完整及房室平面特征点跟踪不准等缺点，造成房室平面位移（Atrioventricular Plane Displacement, AVPD）曲线失真。利用图像处理技术结合心血管核磁共振图像（Cardiovascular Magnetic Resonance, CMR）可以更准确地检测室平面位移。首先，采用具有通道和空间可靠性的判别相关滤波器（Discriminative Correlation Filter with Channel and Spatial Reliability, CSR-DCF）增强对房室平面特征点的跟踪能力。其次，基于心脏核磁共振图像的空间信息构建三维的房室平面多面体，从整体上评估房室平面位移。最后，通过主成分分析法（Principal Component Analysis, PCA）重建房室平面的位移曲线。实验表明，本文方法重建后的房室平面位移保留了原始数据信息的96%以上并且房室平面位移曲线更加平滑的同时符合生理特性。

关键词: 房室平面位移, 图像处理, 目标跟踪, 主成分分析

Abstract: The traditional methods of detecting atrioventricular plane displacement have the disadvantages of incomplete measurement information and inaccurate tracking of atrioventricular plane feature points， resulting in distortion of the atrioventricular plane displacement （AVPD） curve. Cardiovascular magnetic resonance （CMR） images can be used to detect room plane displacement more accurately. First， a discriminative correlation filter with channel and spatial reliability （CSR-DCF） is used to enhance the tracking ability of feature points in the atrioventricular plane. Secondly， a three-dimensional atrioventricular plane polyhedron is constructed based on the spatial information of the cardiac MRI images to evaluate the atrioventricular plane displacement as a whole. Finally， the displacement curve of the atrioventricular plane is reconstructed by principal component analysis （PCA）. Experiments show that the reconstructed atrioventricular plane displacement retains more than 96% of the original data information， and the atrioventricular plane displacement curve is smoother and conforms to physiological characteristics.

Key words: atrioventricular plane displacement, image processing, object tracking, principal component analysis

朱卓樾, 黄欢, 宋清玲, 侯居攀. 基于心血管核磁共振图像的房室平面位移检测与重建[J]. 计算机与现代化, 2023, 0(04): 78-82.

ZHU Zhuo-yue, HUANG Huan, SONG Qing-ling, HOU Ju-pan. Atrioventricular Plane Displacement Detection and Reconstruction Based on CMR Images[J]. Computer and Modernization, 2023, 0(04): 78-82.

参考文献［26］

［1］	FRITZ T， WIENERS C， SEEMANN G， et al. Simulation of the contraction of the ventricles in a human heart model including atria and pericardium［J］. Biomechanics and Modeling in Mechanobiology， 2014，13（3）: 627-641.
［2］	SLORDAHL S A， MADSLIEN V O E， STOYLEN A， et al. Atrioventricular plane displacement in untrained and trained females［J］. Medicine and Science in Sports and Exercise， 2004，36（11）:1871-1875.
［3］	STORVE S， GRUE J F， SAMSTAD S， et al. Realtime automatic assessment of cardiac function in echocardiography［J］. IEEE Transactions on Ultrasonics， Ferroelectrics， and Frequency Control， 2016，63（3）:358-368.
［4］	CARLSSON M， UGANDER M， HEIBERG E， et al. The quantitative relationship between longitudinal and radial function in left， right， and total heart pumping in humans［J］. American Journal of Physiology: Heart and Circulatory Physiology， 2007，293（1）:H636-H644.
［5］	BERG J， JABLONOWSKI R， NORDLUND D， et al. Decreased atrioventricular plane displacement after acute myocardial infarction yields a concomitant decrease in stroke volume［J］. Journal of Applied Physiology， 2020，128（2）:252-263.
［6］	郜朝晖，杨浣宜，汤五洲. 房室平面位移评估左室功能［J］. 中国超声医学杂志， 1999（1）:63-65.
［7］	刘捷. 二尖瓣环自动追踪技术评价风湿性二尖瓣狭窄患者左室收缩功能的临床研究［D］. 郑州:郑州大学， 2011.
［8］	WU V， CHYOU J Y， CHUNG S， et al. Evaluation of diastolic function by three-dimensional volume tracking of the mitral annulus with cardiovascular magnetic resonance: Comparison with tissue Doppler imaging［J］. Journal of Cardiovascular Magnetic Resonance， 2014，16. DOI: 10.1186/s12968-014-0071-3.
［9］	贾森. 快速高分辨率磁共振成像［D］. 北京:中国科学院大学， 2019.
［10］	CARLSSON M， UGANDER M， MOSEN H， et al. Atrioventricular plane displacement is the major contributor to left ventricular pumping in healthy adults， athletes， and patients with dilated cardiomyopathy［J］. American Journal of Physiology: Heart and Circulatory Physiology， 2007，292（3）:H1452-H1459.
［11］	杨通钰，彭国华. 基于NCC的图像匹配快速算法［J］. 现代电子技术， 2010，33（22）:107-109.
［12］	SEEMANN F， PAHLM U， STEDING-EHRENBORG K， et al. Time-resolved tracking of the atrioventricular plane displacement in cardiovascular magnetic resonance （CMR） images［J］. BMC Medical Imaging， 2017，17. DOI: 10.1186/s12880-017-0189-5.
［13］	HEIBERG E， SJOGREN J， UGANDER M， et al. Design and validation of segment: Freely available software for cardiovascular image analysis［J］. BMC Medical Imaging， 2010，10. DOI: 10.1186/1471-2342-10-1.
［14］	沈万淦. 常见MR图像伪影的解决方法浅析［J］. 世界最新医学信息文摘， 2016，16（52）:65-66.
［15］	LUKEZIC A， VOJIR T， CEHOVIN ZAJC L， et al. Discriminative correlation filter with channel and spatial reliability［C］// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. 2017:4847-4856.
［16］	武艳强，陈光齐，江在森. 任意多面体重心及积分的精确算法［J］. 科学技术与工程， 2011，11（27）:6515-6520.
［17］	张鹏. 基于主成分分析的综合评价研究［D］. 南京:南京理工大学， 2004.
［18］	MAKSUTI E， BJALLMARK A， BROOME M. Modelling the heart with the atrioventricular plane as a piston unit［J］. Medical Engineering and Physics， 2015，37（1）:87-92.
［19］	LEWANDOWSKI A J， AUGUSTINE D， LAMATA P， et al. Preterm heart in adult life: Cardiovascular magnetic resonance reveals distinct differences in left ventricular mass， geometry， and function［J］. Circulation， 2013，127（2）:197-206.
［20］	ROMANO S， JUDD R M， KIM R J， et al. Feature-tracking global longitudinal strain predicts death in a multicenter population of patients with ischemic and nonischemic dilated cardiomyopathy incremental to ejection fraction and late gadolinium enhancement［J］. JACC: Cardiovascular Imaging， 2018，11（10）:1419-1429.
［21］	孟琭，杨旭. 目标跟踪算法综述［J］. 自动化学报， 2019，45（7）:1244-1260.
［22］	李峰，张宏志，左旺孟. 基于空间正则化约束的支持向量相关滤波器目标跟踪方法［J］. 智能计算机与应用， 2021，11（1）:147-151.
［23］	李睿，林海荣，吴小燕. 基于稳健移动最小二乘法的点云数据拟合［J］. 测绘与空间地理信息， 2017，40（5）:122-124.
［24］	刘广，陈自郁. 基于PCA的高维多目标优化可视化方法［J］. 计算机工程， 2014，40（10）:192-197.
［25］	FERREIRA A， CHEN S H， SIMAAN M A， et al. A nonlinear state-space model of a combined cardiovascular system and a rotary pump［C］// Proceedings of the 44th IEEE Conference on Decision and Control. 2005:897-902.
［26］	HUANG H， SHU Z， SONG B， et al. Modeling left ventricular dynamics using a switched system approach based on a modified atrioventricular piston unit［J］. Medical Engineering and Physics， 2019，63:42-49.

[1]	顾成伟, 丁勇, 李登华. 基于计算机视觉的工业厂区人员安全警戒系统[J]. 计算机与现代化, 2023, 0(09): 20-26.
[2]	张亚文, 林文忠, 韩晓东. 基于组合特征点和主成分分析的点云配准算法[J]. 计算机与现代化, 2023, 0(09): 59-63.
[3]	叶力鸣, 陈蔚文. 一种结合语义分割和目标检测的级联式绝缘子缺陷检测方法[J]. 计算机与现代化, 2023, 0(06): 82-88.
[4]	申志, 李元 . 基于KPCA和SSA优化SVM的非线性过程故障检测#br#[J]. 计算机与现代化, 2023, 0(06): 15-20.
[5]	刘志飞, 朱尚超, 魏战红, 臧一鸣, 孙文韬, 胡冠时. 基于IBM Qiskit的量子图像伪彩色增强方法[J]. 计算机与现代化, 2023, 0(04): 47-55.
[6]	李四杰, 唐清善, 高英华. 基于GMS和改进最佳缝合线的视差图像拼接算法[J]. 计算机与现代化, 2022, 0(12): 95-101.
[7]	丁婉莹, 陈伟, 李昭慧. 基于编解码结构的多特征融合眼底图像分割[J]. 计算机与现代化, 2022, 0(07): 1-7.
[8]	黄旭彬, 梁树杰. 基于PCA融合PSO-SVM的运动想象脑电信号分类方法[J]. 计算机与现代化, 2021, 0(03): 70-76.
[9]	刘宏飞, 杨耀权, 杨雨航. 基于改进光流特征的运动目标跟踪[J]. 计算机与现代化, 2021, 0(03): 115-121.
[10]	黄欣辰, 皋军, 黄豪杰. 基于PCA降维的成对约束半监督聚类集成[J]. 计算机与现代化, 2021, 0(01): 94-99.
[11]	金安安, 丁双双, 熊卿智, 许婷婷, 习淑萍, 马继忠. 基于SWOMP算法的EPMA影像优化重构[J]. 计算机与现代化, 2020, 0(12): 104-111.
[12]	冯洋. 基于小波包变换的红外弱小目标检测[J]. 计算机与现代化, 2020, 0(12): 112-115.
[13]	周经纬, 韩立新, 李晓双. 基于多模态数据的目标跟踪算法[J]. 计算机与现代化, 2020, 0(11): 16-22.
[14]	李睿, 商家赫. 改进的CamShift无人机目标跟踪算法[J]. 计算机与现代化, 2020, 0(11): 83-88.
[15]	张辉, 余厚云, 李克斌. 基于机械臂的涡轮壳零件表面质量视觉检测[J]. 计算机与现代化, 2020, 0(07): 121-126.