颈部动脉血管的内中膜厚度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。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。在研究颈动脉图像特点及现有方法优缺点的基础上,提出一种基于距离约束的活动轮廓模型的内中膜分割算法。该算法由初始轮廓定位和轮廓线演化两大部分组成。首先使用方向梯度计算边缘图,对其阈值化并分段得到等宽的二值图像段。在每个图像段中利用两条边界较平行并相隔一定距离的特点,使用Hough变换得到靠近内中膜的两条直线段。之后校正错误的直线段并采样得到内中膜的两条初始轮廓线。最后使用双Snake模型演化两条初始轮廓线,让它们在保持光滑、靠近边缘、并维持距离一致性的约束下演化为精确分割内中膜的边界轮廓线。采用了中南医院提供的50幅图像验证该算法的有效性。将新算法、传统动态规划、双动态规划和传统Snake方法的结果与金标准比较,表明新分割算法具有最小的误差,且在95%的置信区间内,内中膜厚度的均值的误差在-0.03mm至0.08mm之间,最大值的误差在-0.1mm至0.09mm之间,满足临床应用的实际要求。