[發明專利]一種基于血管內超聲圖像的血管外膜自動檢測方法

有效

• 申請號: 201410566445.6
• 申請日: 2014-10-23
• 公開（公告）號: CN104361554B
• 公開（公告）日: 2018-02-27
• 發明（設計）人: 嚴加勇;向永嘉;崔崤峣;簡小華;韓志樂
• 申請（專利權）人: 中國科學院蘇州生物醫學工程技術研究所
• 主分類號: G06T7/13
• 分類號: G06T7/13
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 曹毅

技術領域

本發明涉及醫學圖像處理領域，特別是涉及一種快速行進（Fast Marching）算法、應用于血管內超聲（IVUS：Intravascular ultrasound）圖像的血管內外膜自動檢測方法。

背景技術

血管內超聲（IVUS: Intravascular Ultrasound）圖像對動脈粥樣硬化等心血管疾病的診斷和治療具有非常重要的臨床應用價值。基于IVUS圖像診斷動脈粥樣硬化需要粥樣硬化圖像的特征如血管內腔面積、斑塊面積等量化指標，這些量化指標的準確提取依賴于有效的血管邊緣檢測。人工檢測即由醫生手動勾畫血管內腔、外膜邊界等，不僅費時費力，而且受醫生經驗等主觀性的限制。因此，用計算機算法準確、快速、自動地檢測IVUS圖像中的血管邊緣就顯得很有必要。目前，基于IVUS圖像的血管邊緣計算機自動檢測（分割）算法主要有三類：第一類為統計學方法（G. Mendizabal-Ruiz, M. Rivera, et al., “A probabilistic segmentation method for the identification of luminal borders in intravascular ultrasound images”, IEEE Conference on Computer Vision and Pattern Recognition, pp.1-8, 2008.），對圖像的灰度分布進行統計學建模實現IVUS圖像分割，從而檢測出血管邊緣，但是IVUS圖像中的偽影、鈣化等復雜的圖像特征將大大降低統計建模的準確性；第二類是機器學習的方法(1.E. G. Bovenkamp, J. Dijkstra, J. G. Bosch, et al., “Multi-agent segmentation of IVUS images”, Patten Recognition, Vol.37, No.4, pp.647-663, 2004; 2. G. Unal, S. Bucher, S. Carlier, et al., “Shape-driven segmentation of the arterial wall in intravascular ultrasound images”, IEEE Trans. On information technology in biomedicine, Vol.12, No.3, pp.335-346, 2008.)，該類方法模型復雜，實際應用時受到諸多限制；第三類是基于活動輪廓線模型的方法(1. 張麒，汪源源等，“活動輪廓模型和Contourlet多分辨率分析分割血管內超聲圖像”，光學精密工程， Vol.16, No.11, pp.2301-311, 2008; 2. X. Zhu, P. Zhang, J. Shao, et al., “A snake-based method for segmentation of intravascular ultrasound images and its in vivo validation”, Ultrasonics, Vol.51, pp.181-189, 2011.)，該類方法簡單易行，但是往往需要給定初始輪廓線，而且，檢測結果易受噪聲等復雜圖像特征的影響。上述幾類基于IVUS圖像的血管邊緣檢測方法都預先設定相應的模型，如圖像灰度分布模型、形狀模型等，而這些模型往往依賴于具體的成像條件。為更好地實現對IVUS圖像中血管外膜的有效檢測，本發明提出一種基于快速行進(Fast Marching)算法的IVUS圖像血管外膜自動檢測算法。

發明內容

本發明的目的在于針對現有技術的不足，提供一種更簡單、更有效、更通用的IVUS圖像血管外膜自動檢測方法。

本發明的技術解決方案如下：

一種基于血管內超聲圖像的血管外膜自動檢測方法，該方法包括一個將血管內超聲圖像從直角坐標轉換到極坐標的過程；包括一個確定快速行進(Fast Marching)算法所需種子點的過程；包括一個根據圖像灰度和梯度確定快速行進(Fast Marching)算法所需的每個像素點處行進速度的過程；包括一個利用快速行進(Fast Marching)算法自動檢測血管外膜的過程。

進一步的，在一個將血管內超聲圖像從直角坐標轉換到極坐標的過程中，以原始圖像（直角坐標系）的中心點為極坐標之原點，將原始圖像轉換為極坐標圖像。轉換后的極坐標圖像，縱向為徑向采樣，橫向為掃描角度采樣。