论文部分内容阅读
颈部动脉血管的内中膜厚度(Intima-MediaThickness,IMT)是反映动脉粥样硬化的重要指标。临床中广泛采用超声成像方法获取颈动脉血管图像,之后由医生手工定点或边界描绘测量内中膜厚度。为解决医生工作量大、测量结果依赖个人经验和主观性强的问题,有必要借助图像处理技术研究自动化的内中膜厚度测量方法。本文对超声图像颈动脉内中膜特征进行研究,通过先进的信号处理技术和图像处理技术准确提取颈动脉内中膜厚度参数,从而为心血管疾病诊断提供定量的依据。 超声检测由于具有非侵入,价格低廉等优点而被广泛使用,然而超声图像具有其特有的斑点噪声(Speckle)。针对斑点噪声和内中膜呈线性带状的特点,本文提出改进的方向中值-扩散模型去除图像噪声。为了提取颈动脉内中膜轮廓,本文提出了一种改进的活动轮廓模型(又称Snake模型)超声图像颈动脉血管内中膜分割方法,并对所提出的方法进行了实验验证。本文的主要工作和创新点如下: 1、针对医学超声图像的斑点噪声和颈动脉内中膜呈线性带状的特点,提出了改进的方向中值-扩散模型去除图像噪声。多方向中值滤波可以很好地解决边缘模糊问题,使内中膜的边缘轮廓连续。各向异性扩散在去除噪声的同时增强了内中膜边缘的对比度,有利于后期的图像分割。实验结果证明提出的算法与中值滤波、PM模型、SRAD模型等相比在去噪效果、计算代价方面具有更好的效果。 2、颈动脉内中膜厚度测量的关键是准确分割出上下两条边界,本文提出了改进的活动轮廓模型对内中膜进行分割。在内膜边缘轮廓提取时,用新的外部能量函数即图像梯度方向朝下的外部力函数来检测内膜。使用梯度矢量流(GradientVectorFlow,GVF)外力场来改善中膜边缘轮廓的检测,外部能量函数除了包含方向朝下的图像梯度信息外,还加入边缘附近的灰度信息来达到提取中膜边缘准确位置的目的。实验结果证明本文提出的改进的活动轮廓模型分割方法能对颈动脉内中膜进行准确的分割。 3、利用1和2提取出内中膜的边缘轮廓,从超声图像仪器了解每个像素的实际距离大小,结合数学统计分析方法求出内中膜厚度的最大值、中值、均值,标准差等参数,为医生临床诊断心血管疾病提供准确的数据。