[發(fā)明專利]基于超聲圖像的內(nèi)中膜分割方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810331462.X
• 申請日: 2018-04-13
• 公開（公告）號: CN108830859B
• 公開（公告）日: 2022-03-04
• 發(fā)明（設(shè)計）人: 趙屾;張賀曄;謝耀欽
• 申請（專利權(quán)）人: 中國科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/215;G06T7/277
• 代理公司: 深圳智趣知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44486
• 代理人: 王策

本發(fā)明適用生物醫(yī)學(xué)信息技術(shù)領(lǐng)域，提供了一種基于超聲圖像的內(nèi)中膜分割方法、裝置、設(shè)備及存儲介質(zhì)，該方法包括：當(dāng)接收到超聲圖像內(nèi)中膜的分割請求時，獲取分割請求對應(yīng)的待分割超聲序列圖像和待分割超聲序列圖像中的第一幀圖像分割值，根據(jù)待分割超聲序列圖像中的各幀圖像的時間先后順序，在第一幀圖像分割值的基礎(chǔ)上，依次根據(jù)各幀圖像中相鄰兩幀圖像中的前一幀圖像的分割值計算后一幀圖像的分割初始值，并根據(jù)后一幀圖像的分割初始值使用預(yù)設(shè)的濾波器計算后一幀圖像的分割值，直至得到待分割超聲序列圖像中的所有各幀圖像的分割值，根據(jù)所有各幀圖像的分割值對待分割超聲序列圖像進(jìn)行內(nèi)中膜分割，從而提高了內(nèi)中膜分割的準(zhǔn)確性，進(jìn)而提高疾病診斷的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于生物醫(yī)學(xué)信息技術(shù)領(lǐng)域，尤其涉及一種基于超聲圖像的內(nèi)中膜分割方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

動脈粥樣硬化及其并發(fā)癥，如心肌梗死和心力衰竭，已經(jīng)成為世界范圍內(nèi)導(dǎo)致人們死亡的主要原因，其中大約80％的死亡病例是由于冠狀動脈疾病和腦血管疾病所引起的。頸動脈壁的內(nèi)中膜增厚、形成斑塊進(jìn)而導(dǎo)致血管狹窄、栓塞，是反映動脈粥樣硬化病變情況(例如，缺血性中風(fēng))的最早期指標(biāo)，因此，動脈粥樣硬化病變情況可以通過頸動脈壁的內(nèi)中膜厚度測量來衡量。由于超聲診斷技術(shù)具有“實時、經(jīng)濟(jì)、可靠、安全”等優(yōu)點，且適合應(yīng)用于藥效評價及患者隨訪等，因此，通常利用該技術(shù)得到的圖像序列來分割出頸動脈壁的內(nèi)中膜和中外膜，以二者之間的平均距離作為頸動脈壁厚度，進(jìn)而評估動脈粥樣硬化病變程度。

在以往的診斷中，內(nèi)中膜厚度的計算只是在超聲序列圖像中選擇一幅或者兩幅典型圖像，計算這些時刻的內(nèi)中膜厚度。然而，頸動脈壁厚度在心動周期內(nèi)呈周期性變化，在心臟舒張期達(dá)到最大值，在心臟收縮期達(dá)到最小值。臨床研究表明，為了更確切而有效地評估心血管病變風(fēng)險，需要在整個心動周期中監(jiān)測內(nèi)中膜厚度的變化規(guī)律。因此，在整個心動周期中進(jìn)行內(nèi)中膜分割，是一種更為新穎可靠的頸動脈粥樣硬化診斷方法。如果要實現(xiàn)整個心動周期中的內(nèi)中膜分割，分割的工作量就會大幅度上升，因此，必須基于計算機的頸動脈血管壁半自動或自動分割方法，以降低醫(yī)生的工作量。然而，超聲圖像盡管能較好地根據(jù)回聲特性判斷不同組織，但由于存在斑點噪聲、圖像對比度低、存在偽影和弱邊界和動脈壁在超聲序列圖像中的運動等問題，給頸動脈分割帶來了一系列難處。因此，需要開發(fā)一種能夠克服圖像噪聲、低對比度、弱邊界和動脈壁運動問題的頸動脈壁的提取算法，從而準(zhǔn)確、自動、可重復(fù)地從超聲成像序列中提取頸動脈壁。

以往研究曾經(jīng)用蛇算法進(jìn)行圖像分割。蛇算法最早是由Kass、Wikin和Terzopoulos在1987年提出的。蛇算法通過能量最小化方式，將初始輪廓進(jìn)行形變，在自身內(nèi)力的作用下迫使曲線平滑，并且在外力作用下逼近目標(biāo)邊緣(即內(nèi)中膜和中外膜邊緣)。當(dāng)初始值和蛇模型的參數(shù)準(zhǔn)確給定時，這種方法可以很好地分割單幅的超聲圖像，因此被廣泛地應(yīng)用在計算機視覺和圖像處理上，并在動脈壁分割、血管提取中有過應(yīng)用。然而，蛇算法存在的問題是需要給定初始輪廓線及相關(guān)參數(shù)，這給超聲成像序列中頸動脈壁的提取帶來了困難。此外，由于蛇模型只能找到能量的局部極小值(也就是離蛇初始位置較近的邊緣)，因此超聲圖像中的噪聲和錯誤的邊緣，也會給蛇模型分割帶來困難。

為此，有研究者提出根據(jù)當(dāng)前幀圖像的初始值和蛇結(jié)果，通過卡爾曼濾波來確定當(dāng)前幀頸動脈壁位置的最佳估計值，并以此作為下一幀圖像的蛇的初始位置。卡爾曼濾波將圖像噪聲考慮為高斯噪聲，通過最小化估計誤差協(xié)方差來定位內(nèi)中膜和中外膜的位置。然而，卡爾曼濾波存在的問題是需要假設(shè)噪聲為高斯分布，而在實際超聲序列圖像中，噪聲卻并不總是高斯分布的，即該假設(shè)未必成立，這樣，傳統(tǒng)卡爾曼濾波器的性能會受到影響。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于超聲圖像的內(nèi)中膜分割方法、裝置、設(shè)備及存儲介質(zhì)，旨在解決現(xiàn)有內(nèi)中膜分割方法分割準(zhǔn)確性不高的問題。

一方面，本發(fā)明提供了一種基于超聲圖像的內(nèi)中膜分割方法，所述方法包括下述步驟：

當(dāng)接收到超聲圖像內(nèi)中膜的分割請求時，獲取所述分割請求對應(yīng)的待分割超聲序列圖像和所述待分割超聲序列圖像中的第一幀圖像分割值；