导读:本文包含了左心室运动分析论文开题报告文献综述及选题提纲参考文献，主要关键词:二尖瓣狭窄,保留瓣下结构,实时叁维超声心动图,心肌应变
左心室运动分析论文文献综述
雷云宏,戴莹,黄烽,张惠平,韩涛[1]（2018）在《二尖瓣狭窄患者瓣膜置换术前后左心室心肌运动分析》一文中研究指出目的通过实时叁维超声心动图(RT-3DE)检测左心室心肌节段参数,分析保留瓣下结构的二尖瓣置换术前后左心室心肌运动情况。方法选取我院明确诊断为风湿性二尖瓣狭窄(RMS)的患者25例。25例RMS患者手术方式均采用保留瓣下结构的二尖瓣置换术。手术前后均行二维超声心动图(two-dimensional echocardiography,2DE)和RT-3DE的数据及图像采集。记录2DE的左心室射血分数(LVEF)、左心室舒张末期容积(LVEDV)、左心室收缩末期容积(LVESV),RT-3DE的手术前后的LVEF、LVEDV、LVESV、左心室心肌各节段的纵向应变值、圆周应变值、面积应变值、横向应变值。采用SPSS 19.0统计分析软件分析。结果手术前后左心室部分心肌节段(中间段下壁等)应变有明显差异(P<0.05)。手术后,后组乳头肌附着的左心室壁运动比其余左心室壁运动幅度增加。结论后组乳头肌与瓣环的连续性有利于预防左心室过度扩张引起的围手术期左室破裂。(本文来源于《福建医药杂志》期刊2018年02期）
王立为[2]（2013）在《基于带标记核磁共振图像的左心室运动分析》一文中研究指出带标记的核磁共振心脏运动图像序列为分析复杂的心脏运动提供了有效途径。目前临床主要依靠医生肉眼观察及手工标定进行诊断，工作量大且缺乏定量的精确评价。有必要借助计算机图像处理及分析的方法对心脏运动进行定性定量的分析，为医生诊断提供参考数据。利用阈值法和双线性Snake模型方法分割出左心室内外壁，获取感兴趣的心肌区域，得到后续处理所需要的心脏图像序列。根据带标记核磁共振心脏图像标记的周期性特点，应用Gabor滤波方法对心脏标记进行增强。在此基础上，设计一种运动网格能量模型对心脏运动图像序列中的标记线交点进行提取跟踪。其中运动网格节点（即标记线交点）的初始位置是对第一帧图像采用灰度投影法确定的，而随后的网格状态是网格运动能量最小化的结果。网格运动能量包括保持拓扑结构及相互位置关系的结构能量、基于标记交点灰度特性的特征能量、及参考相邻帧运动关系的限制能量。采用贪婪算法对总能量极小值化求解得到标记交点的最终位置。最后考虑左心室内外壁间标记交点的运动位移，求得左心室心肌区域的稠密位移场。采用华中科技大学附属同济医院提供的15个病例的完整心动周期的图像序列进行了实验，以医生手工标定为标准。实验表明：左心室内外壁分割结果良好，标记线增强效果明显，标记交点提取跟踪结果准确。(本文来源于《华中科技大学》期刊2013-02-01）
刘婷[3]（2009）在《基于超声及MR图像左心室叁维扭转运动分析的算法研究》一文中研究指出心脏疾病是目前危害人类健康的重要因素,也是当今社会主要的致死病因之一。心脏的扭转运动可以敏感地评价左室收缩功能,研究表明,心脏扭转的程度及形式在一些疾病条件下会受到影响。因而,研究心动周期中心肌的扭转运动对于心功能正常与否的判定极为重要,对扭转角度的测量能为临床提供非常有价值的诊断依据。本文从DICOM图像数据解析,左心室分割及轮廓跟踪,左心室轮廓上特征点的提取及匹配,左心室腔的叁维重建与运动矢量投影分析几个方面着手,初步完成了一种基于图像处理技术的心脏扭转运动检测系统。实验证明该检测方法具有可行性,能够在叁维空间检测心脏的扭转角度,突破了二维空间分析的局限性。系统中各模块的算法设计也具有一定的创新性和有效性,能够较好的满足课题研究的需要。本文的研究工作主要包括以下几个方面:①通过研读DICOM3.0标准,提取出了DICOM格式的医学文件中的图像数据和叁维信息,解析出横断面,矢状面,冠状面的连续帧切片并转化为BMP格式的图像。②在比较了传统的梯度边缘检测算子检测效果的基础上,提出了基于改进的数学形态学的边缘检测方法,通过对不同形态学算子的组合,结合了多结构元和多尺度的特性,构造出了优良的边缘检测算子,较好地解决了边缘检测精度与抗噪声性能的协调问题,取得了比较好的边缘检测结果。实验证明,该算法能够在滤除噪声的同时,保持左心室边缘的连贯性和准确性,也为后续研究提供了较精确的边缘信息图。③采用改进的模糊C均值聚类算法、GVF Snake算法及Water Balloons Snake算法有效地进行了左心室的分割,准确地提取出了左心室壁的轮廓。模糊C均值聚类方法融入了模糊理论,包括灰度、梯度、位置信息,该方法既包括先验信息,又能灵活的区分难以分割的边界。基于主动轮廓模型的Snake分割算法,通过面积约束定位初始轮廓线后,根据能量约束自动逼近目标的真实轮廓,最终提取出的轮廓具有连贯性且较接近真实轮廓,很好的克服了由于医学图片信噪比低引起的左心室区域不明显,边缘与伪影混为一体而导致的分割困难问题,修复了因噪声造成的轮廓断点,使得轮廓更加平滑连续。同时能够一次完成连续帧切片的轮廓跟踪,比较适合于医学图像的自动分割,具有较好的研究价值。④实现了叁维空间下序列轮廓切片上的特征点匹配,本文综合了几何特征点和具有解剖意义的特征点,提出了基于曲率与距离最大相似度的特征点匹配算法,能够较为准确的找到特征点在空间的对应关系,同时,本文提出了基于BP神经网络算法的一个心动周期中连续帧切片序列的特征点匹配,该算法也能根据少量匹配好的特征点,自动找到轮廓上其它各点的对应点,大大提高了计算效率。最后,通过控制点方程计算出了空间变换参数,得到了相邻时间序列切片上目标轮廓的扭转角度和位移矢量,从而跟踪了左心室的运动。⑤在Open GL平台上,采用基于轮廓拼接的表面叁维重建算法实现了心室腔的叁维重建及显示。初步研究了笛卡尔坐标系下正交投影关系用以重建空间位移矢量,探索了叁维运动矢量的计算方法。实验证明,本文提出的基于图像处理的心脏扭转运动算法体系具有可行性,其中涉及的理论和算法具有一定的参考价值,期待后续研究进一步完善算法并能应用于临床分析及诊断。(本文来源于《重庆大学》期刊2009-04-01）
张继[4]（2006）在《基于SVM的带标记线MRI左心室运动分析研究》一文中研究指出支持向量机(Support Vector Machines，简称SVM)是由Vapnik等人提出的一种新型机器学习方法。由于其出色的学习性能，该方法已成为机器学习界的研究热点，并在很多领域都得到了成功的应用，如人脸检测、手写体数字识别、文本自动分类等。在医学图像分析领域，带标记线的MRI左心室运动分析研究的目的是要获得左心室心肌上的任一个质点在一个心动周期内的运动轨迹。本文探索性的将SVM引入左心室的形变计算(即左心室运动分析)中，在此基础上提出一个基于支持向量回归机(SVR)的左心室形变计算模型。本文工作包括： (1) 较为系统地介绍支持向量回归机 由于专门介绍支持向量回归机的文献较少，本文比较系统地讨论了支持向量回归机的相关知识。在学习理论层阐述了支持向量回归机的基本原理；在算法层基于ε-支持向量回归机和u-支持向量回归机阐述了支持向量机的学习算法。 (2) SVM的训练算法的改进 本文在对SVM学习算法的深入分析基础上，提出一种基于u-支持向量回归机的改进算法，并以仿真实验验证其效果。 (3) 对SVM核函数、核参数选取的讨论 在使用SVM进行学习时遇到最多的问题是如何选取核函数和核参数。很多学者对此做了深入的研究。本文也在此基础上对核函数、核参数的选择进行了研究，并提出了一种改进的核参数选取策略。仿真实验表明该策略具有良好的性能。 (4) 设计基于SVM的MRI左心室形变计算模型 由于心脏在运动过程中包括位移、扭曲、旋转、收缩或者扩张等多种形变，并且没有太多的规律可循，这就使得要从一些稀疏的观测数据来拟合、预测心肌的运动轨迹显得很困难。本文提出的基于SVM的心肌形变计算模型具有算法简单、不加入对心脏的任何假设、计算精度高、速度快的特点，是一种有效可行的方法。(本文来源于《南京理工大学》期刊2006-06-01）
汤敏[5]（2006）在《基于Tagged MR图像左心室运动分析的相关方法研究》一文中研究指出带标记线核磁共振图像是精确研究心肌形变以及心肌质点运动的重要途径。左心室心肌的运动情况能够反映心脏的泵血功能，为多种心脏疾病的诊断提供依据，因此成为当前研究的热点。本文基于带标记线的核磁共振图像(Tagged MR)对左心室心肌运动进行研究和分析。从标记的检测与跟踪、左心室的分割、物质标记点的提取、左心室的运动重建与应变分析四个方面着手，初步形成适用于一般图像数据的左心室运动分析框架，能够从带标记线的核磁共振图像序列出发，最终得到左心室在心动周期中的3D形状、前向运动场、心肌点的应变张量以及全局功能参数。本文的工作主要包括以下的内容： 1) 提出了基于改进的主动轮廓模型及光流分析的标记线跟踪方法。该方法将基于动力学方程的主动轮廓模型应用于标记线的跟踪；针对带标记线的核磁共振图像的成像特点，重新设计了模型的各能量项；为了防止在跟踪过程中出现错位现象，利用光流估计设定模型的初始速度，对模型轮廓加以引导；实验表明该方法能够准确有效地跟踪标记线。 2) 提出了基于Bayesian概率理论的标记网格跟踪方法。使用网格模型跟踪标记线网格；首先通过Markov随机场以及EM算法将网格节点按是否在心肌上进行分类；按照分类的结果，对不同类别的节点，按照其在跟踪过程中所应起到的作用，设计不同的先验概率及似然函数，通过最大化Bayesian后验概率计算网格节点的新坐标，对标记网格进行跟踪；在跟踪过程中，利用网格模型的Markov性质，考虑相邻节点间的相互作用，使得网格模型在跟踪过程中能够保持拓扑形状，拒绝过大形变。 3) 提出了耦合的极坐标主动轮廓模型，将其用于同时分割短轴图像上的左心室心肌内外轮廓。模型采用极坐标表示，能够更好地控制形状以及内外轮廓间的关系，并便于直接应用初始化算法得到的左心室中心点及半径信息；模型能量函数的设计综合考虑了图像中左心室心肌的区域、形状以及边缘信息；采用改进的贪婪算法对模型进行优化，能够对内外轮廓同时进行处理，并使得最终的心肌分割结果达到亚像素精度。 4) 提出了柱坐标B样条主动表面(CBAS)模型，将其用于3D分割左心室内外膜表面。该模型的等参曲线网格由B-Snake模型组成，根据短轴、长轴成像平面在3D空间中的位置关系，网格中的节点在两幅短轴及长轴图像上寻找对应的边缘点，节点间的采样点则在单一的短轴或长轴图像上获得图像能量；分割过程在柱坐标下进行，使得模型在SA图像及LA图像上形状的改变能够统一为一个参数的变化，(本文来源于《南京理工大学》期刊2006-03-01）
左心室运动分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
带标记的核磁共振心脏运动图像序列为分析复杂的心脏运动提供了有效途径。目前临床主要依靠医生肉眼观察及手工标定进行诊断，工作量大且缺乏定量的精确评价。有必要借助计算机图像处理及分析的方法对心脏运动进行定性定量的分析，为医生诊断提供参考数据。利用阈值法和双线性Snake模型方法分割出左心室内外壁，获取感兴趣的心肌区域，得到后续处理所需要的心脏图像序列。根据带标记核磁共振心脏图像标记的周期性特点，应用Gabor滤波方法对心脏标记进行增强。在此基础上，设计一种运动网格能量模型对心脏运动图像序列中的标记线交点进行提取跟踪。其中运动网格节点（即标记线交点）的初始位置是对第一帧图像采用灰度投影法确定的，而随后的网格状态是网格运动能量最小化的结果。网格运动能量包括保持拓扑结构及相互位置关系的结构能量、基于标记交点灰度特性的特征能量、及参考相邻帧运动关系的限制能量。采用贪婪算法对总能量极小值化求解得到标记交点的最终位置。最后考虑左心室内外壁间标记交点的运动位移，求得左心室心肌区域的稠密位移场。采用华中科技大学附属同济医院提供的15个病例的完整心动周期的图像序列进行了实验，以医生手工标定为标准。实验表明：左心室内外壁分割结果良好，标记线增强效果明显，标记交点提取跟踪结果准确。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
左心室运动分析论文参考文献
[1].雷云宏,戴莹,黄烽,张惠平,韩涛.二尖瓣狭窄患者瓣膜置换术前后左心室心肌运动分析[J].福建医药杂志.2018
[2].王立为.基于带标记核磁共振图像的左心室运动分析[D].华中科技大学.2013
[3].刘婷.基于超声及MR图像左心室叁维扭转运动分析的算法研究[D].重庆大学.2009
[4].张继.基于SVM的带标记线MRI左心室运动分析研究[D].南京理工大学.2006
[5].汤敏.基于TaggedMR图像左心室运动分析的相关方法研究[D].南京理工大学.2006