[论文解读] Using Anatomical Markers for Left Ventricular Segmentation of Long Axis Ultrasound Images

Yael Petrank, Nahum Smirin+4 more|arXiv (Cornell University)|Oct 12, 2015

Cardiac Valve Diseases and Treatments被引用 4

一句话总结

本文提出了一种新颖的方法，用于在长轴2D超声心动图图像中进行左心室（LV）分割，通过利用解剖学标志——特别是二尖瓣和心尖——实现更优的轮廓初始化。该方法检测二尖瓣和心尖，追踪二尖瓣在心动周期中的变化，并使用动态规划算法从心尖到二尖瓣点生成轮廓，作为活动轮廓模型的输入。在21个临床超声心动图片段中，该方法与人工勾画结果表现出高度一致性，表明基于解剖学标志的初始化可显著提升分割的准确性和鲁棒性。

ABSTRACT

Left ventricular segmentation is essential for measuring left ventricular function indices. Segmentation of one or several images requires an initial guess of the contour. It is hypothesized here that creating an initial guess by first detecting anatomical markers, would lead to correct detection of the endocardium. The first step of the algorithm presented here includes automatic detection of the mitral valve. Next, the apex is detected in the same frame. The valve is then tracked throughout the cardiac cycle. Contours passing from the apex to each valve corner are then found using a dynamic programming algorithm. The resulting contour is used as an input to an active contour algorithm. The algorithm was tested on 21 long axis ultrasound clips and showed good agreement with manually traced contours. Thus, this study demonstrates that detection of anatomic markers leads to a reliable initial guess of the left ventricle border.

研究动机与目标

• 提高长轴超声心动图图像中左心室分割的准确性和鲁棒性。
• 解决自动化分割方法中初始轮廓估计不可靠的挑战。
• 探究二尖瓣和心尖等解剖学标志是否可作为初始化分割算法的可靠地标。
• 通过自动化地标检测和轮廓传播，减少对人工初始化的依赖。
• 在临床长轴超声心动图片段中，评估所提方法与人工勾画结果的性能表现。

提出的方法

• 该方法首先利用图像特征和空间约束，在长轴视图中自动检测二尖瓣。
• 在同一帧中，通过几何和基于强度的标准检测心尖，以识别左心室最下端的点。
• 利用时间一致性和运动建模，在心动周期中追踪二尖瓣。
• 应用动态规划算法，寻找连接心尖与三个二尖瓣点（两个侧壁点和一个前壁点）的最优轮廓。
• 生成的轮廓用作活动轮廓（蛇形）模型的初始猜测，以进一步精炼心内膜边界。
• 整个流程在21个来自临床研究的长轴2D超声心动图片段上进行了验证。

实验结果

研究问题

• RQ1 在2D长轴超声心动图中，自动检测二尖瓣和心尖是否能改善左心室分割的初始化？
• RQ2 使用解剖学地标是否相比随机或启发式初始化，能带来更准确和更鲁棒的分割结果？
• RQ3 基于动态规划的轮廓追踪在连接心尖与二尖瓣点方面，在整个心动周期中的表现如何？
• RQ4 所提方法在多大程度上减少了左心室边界检测中的人工干预需求？
• RQ5 将解剖学标志与活动轮廓模型结合，是否能产生接近人工勾画结果的分割效果？

主要发现

• 所提方法在21个长轴超声心动图片段中与人工勾画轮廓表现出良好一致性，表明分割精度较高。
• 二尖瓣和心尖的检测为活动轮廓模型提供了可靠且一致的初始化。
• 即使在图像噪声和低对比度条件下，动态规划方法仍能成功生成从心尖到二尖瓣点的合理轮廓。
• 与标准初始化方法相比，使用解剖学标志显著提升了活动轮廓算法的收敛性和稳定性。
• 该方法在不同心动周期阶段表现出鲁棒性，且在整个心动周期中对二尖瓣的追踪保持一致。
• 结果表明，解剖学地标检测是一种可行且有效的策略，可用于临床超声心动图中自动化左心室分割的初始化。