随着全球人口日趋老龄化,房颤攀升为心脑血管疾病中高发病种。左心耳是房颤患者身体上心源性血栓主要形成部位,血栓脱落随血液游离到脑部,闭塞脑血管将导致脑卒中。脑卒中具有发病率高、致残率高、死亡率高、复发率高及经济负担高等特点,严重危害人类的生活质量和生命健康。为了定量诊治房颤、有效评估心源性血栓形成和脱落的风险,本文开展了基于心脏CT的左心耳腔体分割与腔内血栓自动诊断的研究。成果主要包括以下四个方面:·左心耳单时相分割。针对左心耳复杂多变的形态与其相关病变存在的强相关性,提出基于“全卷积神经网络+改进的三维条件随机场”的方法,这种方法先利用全卷积神经网络生成左心耳初始分割结果,而后充分考虑体素点间的位置和灰度信息,利用改进的三维条件随机场进行精细分割。该工作为颈部建模提供了基础模型,为多时相分割提供了初期前景种子点,为腔内物质检测提供了跟踪体素点的选取空间。·左心耳颈部建模。针对左心耳封堵手术风险高的问题,提出两种基于优化的自适应算法,实现术前左心耳开口自动检测与颈部自动建模,为封堵器类型、样式、规格的选配提供参考;通过建立标准坐标系和颈部各点封堵支撑张力的测算,预先确定术中封堵器的植入部位、植入姿态,以此制定合理的手术规划来辅助封堵手术。·左心耳多时相分割及房颤自动诊断。针对单时相分割结果不能全面反映运动伸缩的左心耳的真实形态,本文提出在全心动周期内多时相分割左心耳的方法,即附带时间连续性的迭代方式来自动选取前景、背景种子点的三维图割。针对动态心电诊断房颤未能反映房颤发作时左心耳的功能变化,提出利用腔体体积变化比测算左心耳的功能指标,以此构建支持向量机分类器和多因素逻辑回归分析的算法,实现房颤定量诊断和腔内血栓形成的风险评估。·左心耳腔内血栓的自动检测与诊断。针对左心耳腔内血栓检测与诊断,提出了基于时频特征分析腔内体素的三维运动轨迹的方法,构建离散时间傅里叶变换的血栓识别模型,进行小波变换的血栓信号的奇异性检测。最终检测结果包括:血液的形态;不同类型血栓的位置、形态、大小和质地;血栓的龄期;血栓脱落的风险及血栓对腔体的平均负荷。