ناحیه‌بندی بطن چپ در تصاویر اکوکاردیوگرافی با استفاده از یادگیری منیفلد و تلفيق میدان برداری جهت‌دار دینامیکی
محورهای موضوعی : electrical and computer engineeringنجمه مشهدی 1 , حمید بهنام 2 , احمد شالباف 3 , زهرا علیزاده ثانی 4
1 - دانشگاه علم و صنعت ایران
2 - دانشگاه علم و صنعت ایران
3 - دانشگاه علم و صنعت ایران
4 - مرکز درمانی، آموزشی و تحقیقاتی قلب و عروق شهید رجایی
کلید واژه: کانتور فعال بطن چپ یادگیری منیفلد الگوریتم نگاشت محلي خطي اکوکاردیوگرافی,
چکیده مقاله :
بیماری‌های قلبی شايع‌ترين علت مرگ و مير در جهان هستند. بررسی عملکرد بطن چپ که وظيفه خون‌رساني به تمامي نقاط بدن را دارد، در تشخیص بیماری‌های قلبی بسیار حائز اهمیت است. تعیین و ردیابی خودکار مرزهای ديواره بطن چپ در طول یک سیکل قلبی جهت كمي‌سازي عملکرد ديواره بطن چپ قلبي به جهت تشخيص بيماري‌هاي مختلف قلبي از جمله بيماري ايسکمي استفاده مي‌شود. در این مقاله، روش خودکار جديدي برای تعیین مرز ديواره بطن چپ در تصاوير اکوکاردیوگرافی يک سيکل قلبي ارائه شده که در اين الگوريتم از ترکيب روش‌هاي کانتور فعال هندسی بر اساس نیروی خارجی تلفیق میدان برداری جهت‌دار و يادگيري منيفلد استفاده شده است. در اين روش، ابتدا تصاوير اکوکارديوگرافي يک سيکل قلبي با استفاده از يکي از پرکاربردترين روش‌هاي يادگيري منيفلد به نام نگاشت محلي خطي به فضاي دوبعدي نگاشت مي‌شود. در اين فضاي ويژگي جديد ارتباط بين فريم‌هاي يک سيکل قلبي به خوبي نشان داده مي‌شود. سپس تعيين مرز ديواره بطن چپ در طول یک سيکل قلبي با استفاده از روش کانتور فعال هندسی بر اساس نیروی خارجی تلفیق میدان برداری جهت‌دار انجام می‌گیرد. در این روش مرز نهایی یک فریم به عنوان مرز اولیه فریم بعدی در نظر گرفته شده و به منظور افزايش دقت تعيين مرز ديواره بطن چپ و همچنين جلوگيري از انحراف مرز، میزان حرکت مجاز مرز ناشي از روش کانتور فعال هندسي از ارتباط بین فریم‌ها، متناظر با فریم جاری و فریم قبلی، در فضای دوبعدی محدود مي‌گردد. برای ارزیابی کمی روش پیشنهادی از 9 توالی تصاویر اکوکاردیوگرافی (5 داوطلب سالم و 4 بیمار) استفاده شده است. مرز ديواره بطن چپ به دست آمده با روش پیشنهادی با مرز ديواره به دست آمده توسط پزشک متخصص باتجربه (استاندارد طلایی) مقایسه شده و نتايج به دست آمده حاکي از دقت بالاي روش پيشنهادي در تعيين مرز ديواره بطن چپ مي‌باشد.
Cardiac diseases are the major causes of death throughout the world. The study of left ventricular (LV) function is very important in the diagnosis of heart diseases. Automatic tracking of the boundaries of the LV wall during a cardiac cycle is used for quantification of LV myocardial function in order to diagnose various heart diseases including ischemic disease. In this paper, a new automatic method for segmentation of the LV in echocardiography images of one cardiac cycle by combination of manifold learning and active contour based dynamic directed vector field convolution (DDVFC) is proposed. In this method, first echocardiography images of one cardiac cycle have been embedded in a two dimensional (2-D) space using one of the most popular manifold learning algorithms named Locally Linear Embeddings. In this new space, relationship between these images is well represented. Then, segmentation of the LV wall during a cardiac cycle is done using active contour based DDVFC. In this method, final contour of each segmented frame is used as the initial contour of the next frame. In addition, in order to increase the accuracy of the LV segmentation and also prevent the boundary distortion, maximum range of the active contour motion is limited by Euclidean distances between consequent frames in resultant 2-D manifold. To quantitatively evaluate the proposed method, echoacardiography images of 5 healthy volunteers and 4 patients are used. The results obtained by our method are quantitatively compared to those obtained manually by the highly experienced echocardiographer (gold standard) which depicts the high accuracy of the presented method.