冠状动脉粥样硬化性心脏病(通常简称为冠心病,Coronary Heart Disease,CHD)已经成为我国疾病死亡的重要原因。动脉粥样硬化(Atherosclerosis)形成的斑块不稳定导致的破裂,血栓形成和血管阻塞被认为是急性心脑血管疾病(Cardiovascular Disease, CVD)发病的主要原因。动脉粥样硬化是全身性的血管疾病,其中体表浅动脉与冠状动脉有着相同的危险因素以及病理生理学基础。对正常人颈动脉的血管内中膜(Carotid Intima-Media)进行研究,能够得到对其发生心脑血管事件的风险评估,从而进行预防性的治疗措施,在临床上具有重大意义。超声成像辅助诊断具有无损伤、无创伤、无电离辐射等优点,它已经越来越受到人们的重视,并且已发展成为临床诊断中重要的工具之一。本文的研究就是针对颈动脉超声序列图像展开,给出了一个颈动脉超声影像学诊断的完整方案。所完成的主要研究工作和创新之处如下:(1)针对颈动脉超声图像的具体特点,分析了各种常用图像分割方法的优缺点。基于主动轮廓模型(Active Contour Model又称Snake模型)的分割方法是一种将底层信息和高层信息融合起来,便于实现人工干预的分割方法,适合对于颈动脉内中膜的提取。原始主动轮廓模型有一些方面缺陷,如对初始位置敏感、不能收敛至图像的凹陷处等等,为克服这一缺陷,本文使用了改进的GVF(Gradient Vector Flow)主动轮廓模型。根据GVF主动轮廓模型的具体实现过程,提出了一种先手工勾画粗略边界,再进行算法收敛的半自动分割流程,不仅提高了分割的准确性,同时也进一步提高了分割的效率。(2)对于序列图像的处理,利用光流场从前一帧图像的分割结果来预测下一帧图像的初始边界,从而降低了人为的影响并提高了效率。由于颈动脉处的血流量很大,对血管的作用较强,相邻两帧图像之间可能会出现较大的变化,导致图像中颈动脉内中膜的形态发生变化,直接利用前一帧的分割结果作为主动轮廓模型的初始边界,会导致算法收敛的结果出错。光流场反映了图像中各点的瞬时运动矢量,使用光流场来预测初始边界,克服了前述缺点,增强了算法的鲁棒性。(3)从分割后的颈动脉超声图像中提取特征参数结合临床医学知识进行综合分析。本文提取的特征参数分为颈动脉内中膜的厚度及纹理特征。尽管在图像的分割步骤,本文使用的主动轮廓模型是基于图像灰度信息,没有使用纹理信息,但是分析颈动脉纹理特征是有意义的,不同的纹理反映了内中膜的组成成分的差异,这种差异性导致了致病性的不同。同时,本文还结合心电图分析了不同心动周期的血管内中膜厚度的变化,使得对颈动脉内中膜的定量分析诊断更加准确,通过内中膜厚度随时间的变化可以得到弹性方面的认识,进一步可以计算组织的应变和应变率。综上所述,本文对现有的颈动脉序列图像分析方法做出了改进,提出了基于光流场预测初始位置的主动轮廓模型,实验结果表明改进后的方法能够准确的提取颈动脉超声序列图像的内中膜厚度,为心血管疾病的及早预防治疗提供诊断依据。