项目名称: 对颈动脉疾病进行定量监测和评估的颈动脉图集

项目编号: No.81201149

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 影像医学与生物医学工程

项目作者: 赵智远

作者单位: 香港城市大学深圳研究院

项目金额: 23万元

中文摘要: 在中国,中风是引起死亡的第二大疾病 。因此,一套能灵敏地监控颈动脉斑块对各种治疗方法所作反应的技术将对中风预防产生莫大的帮助。基于三维超声图像中分割出来的颈动脉形状,本研究提出一种构建二维标准化颈动脉图集的新算法。构建此图集的动机源自于我们对局部动脉壁和斑块在治疗过程中所发生的变化的了解相当匮乏,而这些图将有助于我们加深对这方面的认识。虽然文献里描述了一些制作二维拉平图的方法,但得到的图的形状往往根据对应的三维动脉的形状而有所不同,而后者在不同患者间差别非常大。本研究提出的算法可使得不同动脉的对应区域被映射到二维标准化图集的相同位置,故能对来自不同病人的二维图进行直接的比较。另外,在二维图集里可供比较的数据点数量相当庞大。因此,很难根据全部数据点做出临床解释。针对这种情况,我们提出一套特征选择方法来刻画出不同治疗组病人的管壁厚度变化的模式。成功开发出这两种技术将会促进我国临床试验的发展。

中文关键词: 三维超声成像;二维标准模板;基于特征选择的生物标记;分割精度与方差;血管壁分割

英文摘要: Stroke is the second cause of death in China. Improved identification of patients who are at risk for stroke and sensitive techniques for monitoring of carotid plaque response to therapies will have an enormous impact on patient management and stroke prevention. This proposal introduces a novel algorithm to construct 2D Carotid Atlases based on the carotid surfaces segmented from 3D ultrasound images. The motivation for developing 2D carotid atlas derives from our recognition and acknowledgement of the utter lack of understanding of the local arterial wall and plaque changes that occur over time and in response to therapy in patients. These maps will provide a way to display localized plaque and wall thickness for specific patient groups. Previous approaches used to generate 2D flattening maps from 3D surfaces were developed, but the resulting 2D maps depended on the shapes of the corresponding 3D carotid surface, which was highly variable from subject to subject. This proposal introduces a novel algorithm to generate 2D standardized atlases, in which corresponding 3D regions on different arteries are mapped to the same location in the 2D standardized atlases, making possible the direct and quantitative comparison of the 2D carotid maps generated from different patients. Also, the number of data points availabl

英文关键词: 3D ultrasound imaging;2D standardized map;Feature-selection-based biomarker;Segmentation accuracy & variability;Vessel wall segmentation

成为VIP会员查看完整内容
0

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
27+阅读 · 2021年1月29日
专知会员服务
114+阅读 · 2021年1月11日
最新《监督机器学习可解释性》2020大综述论文,74页pdf
专知会员服务
129+阅读 · 2020年11月19日
机器学习的可解释性
专知会员服务
175+阅读 · 2020年8月27日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
科普 | 为什么你的手机也能进行睡眠监测?
少数派
0+阅读 · 2021年11月9日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
A Multi-Objective Deep Reinforcement Learning Framework
小贴士
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
65+阅读 · 2021年6月3日
专知会员服务
27+阅读 · 2021年1月29日
专知会员服务
114+阅读 · 2021年1月11日
最新《监督机器学习可解释性》2020大综述论文,74页pdf
专知会员服务
129+阅读 · 2020年11月19日
机器学习的可解释性
专知会员服务
175+阅读 · 2020年8月27日
相关资讯
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员