[發明專利]基于內超聲圖像序列的血管壁邊緣自動檢測方法

在審

• 申請號: 201210183069.3
• 申請日: 2012-06-05
• 公開（公告）號: CN103455999A
• 公開（公告）日: 2013-12-18
• 發明（設計）人: 汪友生;張麗杰;吳煥煥;王志東
• 申請（專利權）人: 北京工業大學
• 主分類號: G06T7/13
• 分類號: G06T7/13
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種基于內超聲圖像序列的血管壁邊緣自動提取方法，先粗檢：利用血管壁處的信息特征，通過系列圖像處理方法獲取第一幀圖像的初始邊緣；再細檢：改進GVF?snake算法，引入自我調節因子和自適應法向外力，在增強邊緣附近數據項的梯度影響，減少擴散引起的平滑效應的同時，能依據圖像邊緣和當前輪廓曲線相對位置來調整力的方向，擴大活動輪廓的捕捉范圍，解決了由于無法到達局部區域而不能獲得所需邊緣的問題，使初始邊緣精確收斂于實際管壁邊緣。在變形過程中加入三次B樣條，以減少控制點，提高收斂速度，光順輪廓曲線，得到第一幀圖像的最終邊緣。由于相鄰圖像之間時間、空間相關性較大，將所獲最終邊緣作為下一幀圖像初始邊緣，重復上述細檢工作，以此類推，得到序列圖像的血管壁邊緣。

技術領域

本發明涉及一種基于內超聲圖像序列的血管邊緣自動檢測方法，屬于計算機醫學圖像分析領域，本方法實現了血管壁內外膜的自動提取，以此為基礎進行圖像分析，可以對血管腔的面積、血管厚度進行精確測量，有利于發現或識別早期冠狀動脈粥樣硬化斑塊，具有重要的臨床意義。

背景技術

在世界范圍內，心腦血管疾病已成為人類疾病死亡的首要原因。血管內超聲(Intravascular Ultrasound，IVUS)是當前診斷心腦血管疾病的最新技術。提取血管內超聲超聲圖像中血管壁的內外邊緣，并以此為基礎進行圖像分析，對于發現或識別早期冠狀動脈粥樣硬化斑塊具有重要的臨床意義。

近年來，基于血管內超聲圖像的血管邊緣檢測算法得到廣泛研究。其中比較常用的提取算法有水平集模型，動態規劃法，活動輪廓模型(Snake模型)及其各種改進型算法。這些算法需要手動選取初始輪廓，抗噪聲干擾能力差，且存在邊界凹陷處不易收斂的缺點。為了改善閉合邊界凹陷處的曲線收斂特性，引入梯度向量流場(gradient vector flow，GVF)為新的外力來定義的GVF-Snake模型，依然存在一些不足，比如：收斂速度慢，且對初始邊緣位置依賴大，當血管內超聲圖像有較大的噪聲和偽影干擾時，提取效果不佳。

發明內容

本發明的目的在于，通過提供基于內超聲圖像的血管邊緣自動檢測方法，以提高邊緣提取的準確率和運行效率。

本發明是采用以下技術手段實現的：

一種基于內超聲圖像序列的血管壁邊緣自動檢測方法，利用圖像序列的時間特性和經驗知識來抑制噪聲，并檢測冠狀動脈血管壁的初始邊緣，然后，利用三次B樣條來光順輪廓；再結合灰度圖像的梯度、均值、方差信息，結合自適應算法，在梯度矢量流輪廓提取算法中引入新的調節因子和自我調整法向外力，用于對初始輪廓進行變形；最后獲得冠狀動脈血管內超聲圖像血管壁的最終邊緣；包括下述步驟：

1.1.根據血管內超聲圖像的特點，綜合利用圖像處理方法，分別對血管壁內外邊緣進行預提取，獲得血管壁的初始邊緣；

1.2.通過三次B樣條曲線的局部性，構造矩陣如下：

其中0≤s≤1，在初始邊緣上通過徑向搜索得到均勻采樣點Pi(s)＝(xi，yi)，經改進的GVF-snake變形后到達的點的位置坐標為Pj(s)＝(xj，yj)，采樣點位置坐標的變化與所在改進后的矢量場的關系滿足下式：