一種基于超聲頸動脈圖像的內中膜自動分割方法
【專利摘要】本發(fā)明公開了一種基于超聲頸動脈圖像的內中膜自動分割方法，包括：獲取超聲頸動脈縱截面圖像，對該超聲頸動脈縱截面圖像進行灰度歸一化處理，以得到歸一化超聲頸動脈縱截面圖像，對該歸一化超聲頸動脈縱截面圖像進行處理，提取去噪后的歸一化超聲頸動脈縱截面圖像的特征圖，計算特征圖中每個像素點與其縱向相鄰像素點的特征值梯度，將特征值梯度分布最顯著的橫軸作為感興趣區(qū)域的中間橫軸，從中間橫軸分別向上和向下擴展，以得到感興趣區(qū)域，獲取感興趣區(qū)域R的灰度梯度圖，在估計的內中膜厚度的取值范圍內依次取每一個整數(shù)值作為可能的內中膜厚度，根據(jù)該可能的內中膜厚度設定特征提取算子。本發(fā)明具有實施方便、計算迅速、魯棒性強的優(yōu)點。
【專利說明】一種基于超聲頸動脈圖像的內中膜自動分割方法
【技術領域】
[0001]本發(fā)明屬于計算機技術與醫(yī)學圖像處理交叉領域，更具體地，涉及一種基于超聲頸動脈圖像的內中膜自動分割方法。
【背景技術】
[0002]缺血性心腦血管疾病嚴重危害人類健康，頸動脈粥樣硬化是此類疾病的主要致病因素，通過對頸動脈粥樣硬化的預防、早期檢測及治療，是降低患缺血性心腦血管疾病發(fā)病風險的有效手段。已有大量實驗證明，頸動脈內中膜增厚是發(fā)生頸動脈粥樣硬化的前期臨床表現(xiàn)，可通過對頸動脈內中膜厚度及其變化情況的預測來判斷是否存在頸動脈粥樣硬化風險。其中，內中膜厚度(Intima-Media Thickness,簡稱IMT)被定義為頸動脈血管壁遠端內腔-內膜界面(Lumen Intima Interface,簡稱LII)與中膜-外膜界面(MediaAdventitiaInterface,簡稱MAI)之間的距離。醫(yī)學超聲具有無創(chuàng)、無輻射、廉價、實時、方便等特點，可獲得清晰的頸動脈圖像，故已廣泛應用于頸動脈內中膜分析中。
[0003]傳統(tǒng)測量頸動脈內中膜的方法，是由有經(jīng)驗的醫(yī)生在從超聲機上獲取的頸動脈縱截面圖像的LII和MAI上標記數(shù)組相對應的點對，并用求平均值的方式計算內中膜的平均厚度。這種方法存在明顯的缺陷:取點過程完全由臨床醫(yī)生操作，點對位置的選擇及標記均會出現(xiàn)組間差異和組內差異，即不同的醫(yī)生標記的結果會存在差異，同一醫(yī)生在不同時間標記的結果也不完全相同。計算過程中，因只選擇少數(shù)點對，故必然會遺漏點對與點對之間的內中膜的信息。
[0004]針對傳統(tǒng)方法的缺點，近年來研究者們提出了許多測量頸動脈內中膜厚度的方法，包括有監(jiān)督方法和無監(jiān)督方法等。因有監(jiān)督方法存在需要人為初始化，且結果受初始化影響的弊端，故無監(jiān)督方法是該領域研究的重點。無監(jiān)督的方法均根據(jù)頸動脈超聲圖像的特點進行設計，通過不同途徑將內中膜的邊緣位置與頸動脈圖像各區(qū)域間的差異性以及區(qū)域內的一致性相結合，主要包括基于梯度的方法、基于像素聚類的方法、基于函數(shù)值最小化的方法、基于活動輪廓模型的方法、基于數(shù)學形態(tài)學的方法等等。但由于超聲圖像往往分辨率得不到保證，圖像存在較嚴重的斑點噪聲和偽影，導致許多圖像分割方法并不能直接應用，而以上各種方法即使針對超聲圖像進行優(yōu)化，也會存在各種不同的問題:相對簡單的基于圖像梯度、灰度等特點的方法魯棒性不強，實際中往往不能使用，必須與其他方法相結合；基于活動輪廓模型的方法是近年來研究的熱點，此類方法的實現(xiàn)較其他方法復雜，而如何減少初始輪廓對最終結果的影響則是研究者們所要考慮的另一個問題；傳統(tǒng)的基于動態(tài)規(guī)劃法、A*算法的方法具有較強的理論基礎，但受參數(shù)影響大問題限制了其擴展到不同類型圖像上的應用。因此，如何減少此類方法在實施過程中對參數(shù)的依賴是研究的核心問題，且此類方法亦會受到初始化的影響。
[0005]綜上所述，由于在臨床應用中對方法的計算速度和對結果的精度均有要求，故對內中膜的自動分割仍存在較大困難。
【發(fā)明內容】

[0006]針對現(xiàn)有技術的以上缺陷或改進需求，本發(fā)明提供了一種基于超聲頸動脈圖像的內中膜自動分割方法，其僅需將待分割的頸動脈縱截面超聲圖像作為輸入，即可輸出已分割出內中膜部分的結果圖像，以供進一步的參數(shù)采集及臨床醫(yī)生診斷治療，且本發(fā)明具有實施方便、計算迅速、魯棒性強的優(yōu)點。
[0007]為實現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種基于超聲頸動脈圖像的內中膜自動分割方法，包括以下步驟:
[0008](I)獲取超聲頸動脈縱截面圖像，對該超聲頸動脈縱截面圖像進行灰度歸一化處理，以得到歸一化超聲頸動脈縱截面圖像，并利用圖像去噪算法對該歸一化超聲頸動脈縱截面圖像進行處理；
[0009](2)提取去噪后的歸一化超聲頸動脈縱截面圖像的特征圖，計算特征圖中每個像素點與其縱向相鄰像素點的特征值梯度，將特征值梯度分布最顯著的橫軸作為感興趣區(qū)域的中間橫軸，從中間橫軸分別向上和向下擴展，以得到感興趣區(qū)域；
[0010](3)獲取感興趣區(qū)域R的灰度梯度圖，在估計的內中膜厚度的取值范圍內依次取每一個整數(shù)值作為可能的內中膜厚度，根據(jù)該可能的內中膜厚度設定特征提取算子，并用該算子計算灰度梯度圖中每個像素點的特征值，以得到與該可能的內中膜厚度對應的灰度梯度圖的特征圖，對獲得的每個特征圖的所有特征值進行求和處理，和最大的特征圖所對應的可能的內中膜厚度作為內中膜厚度參考值；
[0011](4)根據(jù)內中膜厚度參考值構建能量函數(shù)，并利用能量函數(shù)采用基于函數(shù)值最小化算法獲得內中膜的內腔-內膜界面；
[0012](5)根據(jù)內中膜厚度參考值構建能量函數(shù)，并利用能量函數(shù)采用基于函數(shù)值最小化算法獲得內中膜的中膜-外膜界面。
[0013]優(yōu)選地，步驟(1)中采用的是SRAD算法。
[0014]優(yōu)選地，步驟(2)具體包括以下子步驟:
[0015](2-1)計算去噪后的歸一化超聲頸動脈縱截面圖像中每一個像素點的即向上光滑性游程，以形成去噪后的歸一化超聲頸動脈縱截面圖像的向上光滑性游程圖，其中向上光滑性游程的計算公式如下:
【權利要求】
1.一種基于超聲頸動脈圖像的內中膜自動分割方法，其特征在于，包括以下步驟: (1)獲取超聲頸動脈縱截面圖像，對該超聲頸動脈縱截面圖像進行灰度歸一化處理，以得到歸一化超聲頸動脈縱截面圖像，并利用圖像去噪算法對該歸一化超聲頸動脈縱截面圖像進行處理； (2)提取去噪后的歸一化超聲頸動脈縱截面圖像的特征圖，計算特征圖中每個像素點與其縱向相鄰像素點的特征值梯度，將特征值梯度分布最顯著的橫軸作為感興趣區(qū)域的中間橫軸，從中間橫軸分別向上和向下擴展，以得到感興趣區(qū)域； (3)獲取感興趣區(qū)域R的灰度梯度圖，在估計的內中膜厚度的取值范圍內依次取每一個整數(shù)值作為可能的內中膜厚度，根據(jù)該可能的內中膜厚度設定特征提取算子，并用該算子計算灰度梯度圖中每個像素點的特征值，以得到與該可能的內中膜厚度對應的灰度梯度圖的特征圖，對獲得的每個特征圖的所有特征值進行求和處理，和最大的特征圖所對應的可能的內中膜厚度作為內中膜厚度參考值； (4)根據(jù)內中膜厚度參考值構建能量函數(shù)，并利用能量函數(shù)采用基于函數(shù)值最小化算法獲得內中膜的內 腔-內膜界面； (5)根據(jù)內中膜厚度參考值構建能量函數(shù)，并利用能量函數(shù)采用基于函數(shù)值最小化算法獲得內中膜的中膜-外膜界面。
2.根據(jù)權利要求1所述的內中膜自動分割方法，其特征在于，步驟(1)中采用的是SRAD算法。
3.根據(jù)權利要求1所述的內中膜自動分割方法，其特征在于，步驟(2)具體包括以下子步驟: (2-1)計算去噪后的歸一化超聲頸動脈縱截面圖像中每一個像素點的即向上光滑性游程，以形成去噪后的歸一化超聲頸動脈縱截面圖像的向上光滑性游程圖，其中向上光滑性游程的計算公式如下:
4.根據(jù)權利要求3所述的內中膜自動分割方法，其特征在于，向上擴展和向下擴展的高度可相同，也可不同，其取值是由去噪后的歸一化超聲頸動脈縱截面圖像的尺寸、向上光滑性游程圖中向上光滑性游程的最大值決定。
5.根據(jù)權利要求3所述的內中膜自動分割方法，其特征在于，步驟(3)具體包括以下子步驟: (3-1)獲取感興趣區(qū)域R的梯度圖G2，具體為:
6.根據(jù)權利要求5所述的內中膜自動分割方法，其特征在于，步驟(4)具體包括以下子步驟: (4-1)對感興趣區(qū)域進行對比度增強操作，以得到優(yōu)化圖像I1，具體為:

7.根據(jù)權利要求6所述的內中膜自動分割方法，其特征在于，步驟(5)具體包括以下子步驟: (5-1)獲取感興趣區(qū)域中像素點與內中膜的內腔-內膜界面LII位置關系的特征圖Gup，具體為:


【文檔編號】G06T7/00GK103996194SQ201410222320
【公開日】2014年8月20日 申請日期:2014年5月23日 優(yōu)先權日:2014年5月23日
【發(fā)明者】丁明躍, 方夢捷, 吳開志 申請人:華中科技大學