專利名稱：血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)技術(shù)與醫(yī)學(xué)圖像的交叉領(lǐng)域，具體涉及一種血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法。
背景技術(shù)：
缺血性心腦血管病是危害人類健康的重大疾病，它的主要病理基礎(chǔ)是動(dòng)脈粥樣硬化。頸動(dòng)脈血管內(nèi)中膜厚度antima Media Thickness, IMT)反映動(dòng)脈粥樣硬化狀況，它與心肌梗塞和腦卒中的發(fā)生率高度相關(guān)，因此，近二十年來其一直是預(yù)測(cè)心腦血管疾病風(fēng)險(xiǎn)的重要指標(biāo)之一。頸動(dòng)脈血管內(nèi)中膜厚度是通過在血管超聲圖像上測(cè)量獲得。正常血管內(nèi)中膜在聲像圖中表現(xiàn)為高回聲和低回聲兩層帶狀區(qū)域，它處于兩條邊界即血管管腔與內(nèi)膜邊界 (Lumen Intimalnterface，LII)和中膜與外膜邊界(Media Adventitia Interface，MAI)之間，如

圖1所示。傳統(tǒng)的血管超聲圖像中內(nèi)中膜厚度的分析工作主要依靠操作者(檢查醫(yī)生)的肉眼觀察和直接測(cè)量，即操作者選擇自認(rèn)為病變最嚴(yán)重的部位對(duì)內(nèi)中膜厚度作人為的測(cè)量和估計(jì)，且對(duì)于多點(diǎn)內(nèi)中膜平均厚度的測(cè)量還需要在多點(diǎn)進(jìn)行。醫(yī)生在這些測(cè)量活動(dòng)中對(duì)于內(nèi)中膜邊界的判斷直接取決于其所受的訓(xùn)練、對(duì)于邊界的主觀理解、經(jīng)驗(yàn)等，因此不同醫(yī)生判別的內(nèi)中膜邊界不同，甚至同一名醫(yī)生在不同時(shí)間得到的結(jié)果也不完全一致， 此外，其還有耗時(shí)長(zhǎng)的缺點(diǎn)。在已公開的專利中，美國(guó)專利公開號(hào)為20030199762和專利公開號(hào)為20050119555的兩個(gè)專利提出了自動(dòng)檢測(cè)邊界的方法，其對(duì)梯度極大點(diǎn)使用曲線擬合估計(jì)邊界，這種原始的方法忽視了超聲圖像中的噪聲和邊界不連續(xù)等眾多偽像，只能應(yīng)用于邊界很清晰的情況。國(guó)內(nèi)還沒有這方面的專利公開。內(nèi)中膜的自動(dòng)分割在近年來成為研究熱點(diǎn)。現(xiàn)有的自動(dòng)分割方法集中在用戶選擇的興趣區(qū)(ROI)中自動(dòng)檢測(cè)這兩條邊界。研究的算法主要可分為2類動(dòng)態(tài)規(guī)劃算法 (如郭翌，汪源源，王威琪，超聲圖像頸動(dòng)脈內(nèi)中膜提取方法.聲學(xué)技術(shù)，2007. (005) p. 1034-1035. ；Wendelhag,I.，et al.，A new automated computerized analyzing system simplifiesreadings and reduces the variability in ultrasound measurement of intima-mediathickness. Stroke，1997. 28 (11) :p.2195-2200. ；Liang，Q.，et al. , A multiscaledynamic programming procedure for boundary detection in ultrasonic artery images. IEEE Trans.Med. Imaging，2000. 19 (2) :p. 127-142. ；Cheng，D. C. and X.Jiang, Detections of Arterial Wall in Sonographic Artery Images Using Dual DynamicProgramming. IEEE Transactions on Information Technology in Biomedicine， 2008. 12(6) :p. 792-799.等)和活動(dòng)輪廓模型算法(如李國(guó)寬，程新耀，周淵，宋恩民，超聲圖像中頸動(dòng)脈血管內(nèi)外膜分割.華中科技大學(xué)學(xué)報(bào)，2010. 38(6) :p. 75-79. ；Cheng, D.， et al. ， Usingsnakes to detect the intimal and adventitial layers of the common carotid artery wall in sonographic images. Computer methods and programs inbiomedicine, 2002. 67 (1) :ρ· 27-37. ；Ceccarelli，Μ.，N. De Luca, and A. Morganella. An Active Contour ApproachTo Automatic Detection Of The Intima-Media Thickness, in IEEE InternationalConference on Acoustics，Speech and Signal Processing. 2006.； Loizou, C.P. ， et al. ， Snakes based segmentation of the common carotid artery intima media. Medical andBiological Engineering and Computing，2007. 45(1) p. 35-49.等)。動(dòng)態(tài)規(guī)劃算法是通過定義一個(gè)代價(jià)函數(shù)，使代價(jià)函數(shù)極小能搜索到從左到右靠近邊界的輪廓線。這種方法的優(yōu)點(diǎn)是理論背景強(qiáng)，實(shí)現(xiàn)簡(jiǎn)單，缺點(diǎn)是對(duì)參數(shù)非常敏感， 需要通過訓(xùn)練才能得到最優(yōu)參數(shù)，但即使是最優(yōu)參數(shù)，也可能適應(yīng)于這類圖像卻對(duì)另一類圖像效果不好?；顒?dòng)輪廓模型的方法需要給定初始輪廓線，最終的分割結(jié)果由初始輪廓線演化而獲得。以往的研究算法為先找到一條邊界的初始輪廓線，然后演化得到精確的分割結(jié)果，再根據(jù)這條輪廓線的位置估計(jì)另一條邊界的初始輪廓線并精確分割邊界。這種方法依賴于初始輪廓線，如果初始輪廓線位置不好，分割結(jié)果可能不盡如意，而且第一條輪廓線的錯(cuò)誤可能會(huì)累積到第二條輪廓線的演化中。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，該方法可自動(dòng)檢測(cè)血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜邊界，并能計(jì)算得到大范圍頸動(dòng)脈血管內(nèi)中膜厚度的變化情況，為早期動(dòng)脈粥樣硬化病變提供分析參數(shù)。為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為一種血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于，包括以下步驟(1)在計(jì)算機(jī)中人工載入一幅采集的原始血管超聲圖像，見圖1，所述的計(jì)算機(jī)可為一般的PC機(jī)；(2)人工選擇包含血管遠(yuǎn)側(cè)壁頸動(dòng)脈內(nèi)中膜的一個(gè)矩形感興趣區(qū)域(ROI)，見圖1 中的白色方框區(qū)域。血管遠(yuǎn)側(cè)壁是指圖像中遠(yuǎn)離探頭的血管壁，通常在血管超聲圖像中管腔下方。在超聲圖像中因?yàn)槁暡ㄏ蚝笊⑸洌鼈?cè)壁不能形成清晰的內(nèi)中膜結(jié)構(gòu)，故內(nèi)中膜厚度的測(cè)量通常選擇在遠(yuǎn)側(cè)壁進(jìn)行；(3)在矩形感興趣區(qū)域(ROI)中檢測(cè)演化得到頸動(dòng)脈血管內(nèi)中膜的LII (血管管腔與內(nèi)膜邊界)和MAI (中膜與外膜邊界)兩條邊界的精確輪廓線(3. 1)在矩形感興趣區(qū)域(ROI)中檢測(cè)得到頸動(dòng)脈血管內(nèi)中膜的LII和MAI兩條邊界的初始輪廓線；(3.2)將步驟(3.1)檢測(cè)得到的LII和MAI兩條邊界的初始輪廓線代入下述雙 Snake模型推導(dǎo)得到的差分方程進(jìn)行反復(fù)迭代直至穩(wěn)定，得到LII的精確輪廓線Γ工(q)= (X1(Q)^y1(Q))和MAI的精確輪廓線r2(q) = (x2(q)，y2(q))，所述的差分方程的推導(dǎo)過程如下定義雙Snake模型的能量泛函為
權(quán)利要求
1.一種血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法， 其特征在于，包括以下步驟(1)在計(jì)算機(jī)中人工載入一幅采集的原始血管超聲圖像；(2)人工選擇包含血管遠(yuǎn)側(cè)壁頸動(dòng)脈內(nèi)中膜的一個(gè)矩形感興趣區(qū)域；(3)在矩形感興趣區(qū)域中檢測(cè)演化得到頸動(dòng)脈血管內(nèi)中膜的LII和MAI兩條邊界的精確輪廓線(3. 1)在矩形感興趣區(qū)域中檢測(cè)得到頸動(dòng)脈血管內(nèi)中膜的LII和MAI兩條邊界的初始輪廓線；(3. 2)將步驟(3. 1)檢測(cè)得到的LII和MAI兩條邊界的初始輪廓線代入下述雙Snake 模型推導(dǎo)得到的差分方程進(jìn)行反復(fù)迭代直至穩(wěn)定，得到LII的精確輪廓線Γ Jq) = (Xl (q), Y1 (q))和MAI的精確輪廓線r2(q) = ( (q)，y2 (q))，所述的差分方程的推導(dǎo)過程如下:定義雙Snake模型的能量泛函為
2.根據(jù)權(quán)利要求1所述的血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于所述步驟(3. 1)中的初始輪廓線檢測(cè)方式為人工定義兩條初始輪廓線，第一條靠近LII，第二條靠近MAI。
3.根據(jù)權(quán)利要求1所述的血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于所述的步驟(3. 1)中的初始輪廓線檢測(cè)方式為計(jì)算機(jī)自動(dòng)檢測(cè)，其步驟包括①計(jì)算單向邊緣圖；②取Te (0，1)，將單向邊緣圖二值化得到二值圖像，然后將其沿χ軸方向分為若干等寬且無重疊的子圖像，圖像中像素的列對(duì)應(yīng)坐標(biāo)系統(tǒng)的χ坐標(biāo)；③對(duì)每個(gè)子圖像上使用Hough變換檢測(cè)PLi和SLi兩條直線段作為L(zhǎng)II和MAI在該子圖像中的部分；④找到檢測(cè)到的直線段與其背景子圖像匹配度最大的子圖像，以它為參考，向左向右依次校正銜接錯(cuò)誤的直線段，在進(jìn)行下一次校正之前，采用前一次校正的直線段作為參考， 校正鄰接未經(jīng)校正處理的子圖像；⑤將各子圖像中的邊界直線段連接得到頸動(dòng)脈血管內(nèi)中膜LII和MAI兩條邊界的初始輪廓線。
4.根據(jù)權(quán)利要求3所述的血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于所述的步驟①的單向邊緣圖由下述單向邊緣圖定義計(jì)算得到單向邊緣圖定義為
5.根據(jù)權(quán)利要求3所述的血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于所述的步驟②為a.將單向邊緣圖f(x，y)規(guī)范化到W，l]區(qū)間內(nèi)，取T= 0.3進(jìn)行二值化，得到二值圖像；b.設(shè)選取的矩形感興趣區(qū)域圖像(ROI)的像素寬度為N，Imax是每段圖像的可能劃分的最大寬度(以像素為單位)，把二值圖像分為Ns個(gè)等寬無重疊的子圖像{S」i = 1...NJ， Ns = [N/lmax], Ifflax e [50，150]，Ifflax的選取使每個(gè)分段子圖像內(nèi)的邊界近似為直線，Ifflax的取值與像素大小成反比例的變化。
6.根據(jù)權(quán)利要求3所述的血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于所述的步驟③為a.使用Hough變換建立二維累計(jì)矩陣；b.從累計(jì)矩陣中找到最大值，根據(jù)其位置確定子圖像中它所對(duì)應(yīng)的一條邊界的直線段 PLi,假設(shè)PLi對(duì)應(yīng)某一條頸動(dòng)脈血管內(nèi)中膜邊界LII或MAI ；c.根據(jù)頸動(dòng)脈血管內(nèi)中膜的兩條邊界在分段子圖像內(nèi)近似平行，且兩條邊界的距離通常在一定的范圍內(nèi)，即PLjn另一條邊界的直線段SLi之間的夾角θ應(yīng)滿足約束θ ^ θ_; 且PLi和SLi之間的距離d應(yīng)滿足dmin ^ d^ dmax，限制另一條邊界所對(duì)應(yīng)的局部最大值的搜索范圍，在該范圍內(nèi)搜索最大值并根據(jù)其位置找到另一條邊界的直線段，其中dmin為人工定義的原始血管超聲圖像中血管頸動(dòng)脈內(nèi)中膜厚度(IMT)的最小值，單位為像素，dmax為人工定義的原始血管超聲圖像中血管頸動(dòng)脈內(nèi)中膜厚度(IMT)的最大值，單位為像素，θ_ 表示分段子圖像中PLi和SLi的夾角的最大值，單位為度，dmin和dmax的取值與像素大小成反比例的變化。
7.根據(jù)權(quán)利要求3所述的血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于所述步驟④為a.首先計(jì)算所有子圖像{Si|i= l...Nj中PLJP SLiS、次直線對(duì)與子圖像的匹配度， 找出所有子圖像{S」i = 1...NJ中匹配度最大的子圖像。，匹配度計(jì)算見公式(7){Si i = l... NJ中主、次直線對(duì)與子圖像的匹配度Vi定義為
8.根據(jù)權(quán)利要求1所述的血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于將所述步驟(3. 中的偏微分方程可簡(jiǎn)化成新的方程 ⑶
9.根據(jù)權(quán)利要求1所述的血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法，其特征在于所述的步驟(4)為在步驟C3)得到的頸動(dòng)脈血管內(nèi)中膜 LII和MAI兩條邊界的輪廓線的每個(gè)橫坐標(biāo)位置插值得到點(diǎn)對(duì)，計(jì)算該點(diǎn)對(duì)的垂直距離d， 同時(shí)計(jì)算該點(diǎn)對(duì)的平均值，得其平均點(diǎn)，然后進(jìn)行擬合得到光滑曲線，估計(jì)該光滑曲線在點(diǎn)對(duì)處的局部斜率k，結(jié)合單點(diǎn)垂直距離d根據(jù)三角形學(xué)計(jì)算單點(diǎn)厚度為^/vrTF，根據(jù)單點(diǎn)厚度統(tǒng)計(jì)一段血管中內(nèi)中膜各點(diǎn)厚度的均值、標(biāo)準(zhǔn)差、變異系數(shù)、百分構(gòu)成比和百分位數(shù)。
全文摘要
本發(fā)明屬于計(jì)算機(jī)技術(shù)與醫(yī)學(xué)圖像的交叉領(lǐng)域，具體涉及一種血管超聲圖像中頸動(dòng)脈血管內(nèi)中膜的計(jì)算機(jī)自動(dòng)分割和厚度均勻度分析方法。具體步驟如下載入原始血管超聲圖像；選擇包含血管遠(yuǎn)側(cè)壁頸動(dòng)脈內(nèi)中膜的ROI；人工定義或計(jì)算機(jī)自動(dòng)檢測(cè)初始輪廓線包括計(jì)算單向邊緣圖、二值化與分段、Hough變換檢測(cè)兩條直線段PLi和SLi作為L(zhǎng)II和MAI在該子圖像中的部分、校正銜接，采用雙Snake模型演化得到內(nèi)中膜邊界輪廓線，最后基于分割得到的兩條邊界計(jì)算厚度均勻度。本發(fā)明能有效應(yīng)付圖像中的噪聲和邊界不連續(xù)，達(dá)到精確分割內(nèi)中膜邊界的目標(biāo)，減少醫(yī)生工作量；同時(shí)基于本方法分析得到的厚度均勻度參數(shù)能為動(dòng)脈粥樣硬化的早期分析提供更多信息。
文檔編號(hào)G06T5/00GK102163326SQ20111008514
公開日2011年8月24日 申請(qǐng)日期2011年4月6日 優(yōu)先權(quán)日2010年12月22日
發(fā)明者周淵, 宋恩民, 程新耀 申請(qǐng)人:武漢沃生科學(xué)技術(shù)研究中心有限公司