导　　师： 杨烜

授予学位： 硕士

作　　者： (）;

机构地区： 深圳大学

摘　　要： 随着人们生活水平的提高,心血管疾病已经成为人类的头号杀手,严重威胁着人类的健康。心血管疾病发病急、隐蔽性强、死亡率高,因此对心血管疾病的早期诊断和风险评估尤为重要。左心室心肌的运动情况能够反映心脏的供血功能,为多种心脏疾病的诊断提供重要依据。通过对左心室的运动估计,能够确定每个心肌点的运动轨迹,得到对临床诊断有参考意义的形变函数和可视化图形。点集匹配是常见的左心室运动估计方法,但是现有的点集匹配方法仅仅考虑了点间距离,缺乏对点集形状的考虑。本文针对此问题提出了一种基于曲面结构的点集匹配算法,主要包括以下三个部分:其一,为了描述左心室的曲面结构特征,提出了基于张量投票的曲面特征提取算法。我们将每个点作为投票点,其对应的近似曲面特征方向作为投票方向,向周围的点进行投票,然后每个点对接收到的票数进行累积分解,得出纠正后的方向。模拟数据以及真实的左心室数据实验结果验证了张量投票算法的有效性。其二,针对现有的点集匹配算法仅仅考虑点间距离,缺乏对点集形状的考虑等问题,提出了一种基于曲面结构的点集匹配算法并将其应用于心脏的运动估计。我们将左心室的曲面特征描述引入到点集匹配算法中,提出了一个即约束点间距离又约束点集形状的代价函数,详细推导了拟牛顿法（Quasi-Newton Method,QN）的求解过程以优化该代价函数,得到左心室运动的变换参数,估计左心室心肌点的运动轨迹。多组左心室的实验结果证明我们提出的代价函数是可行的。其三,针对QN算法在高维参数空间出现的发散问题,提出了用随机梯度下降算法（Stochastic Gradient Descent,SGD）来优化代价函数的方法,推导了SGD算法的梯度和算法流程。针对SGD算法收敛精度不如QN算法这个问题,提出了SGD+QN的优化�

关 键 词： 运动估计 点集匹配 张量投票 曲面结构

领　　域： [] []