[发明专利]血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法

说明书

技术领域

本发明属于计算机技术与医学图像的交叉领域，具体涉及一种血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法。

背景技术

缺血性心脑血管病是危害人类健康的重大疾病，它的主要病理基础是动脉粥样硬化。颈动脉血管内中膜厚度(Intima Media Thickness，IMT)反映动脉粥样硬化状况，它与心肌梗塞和脑卒中的发生率高度相关，因此，近二十年来其一直是预测心脑血管疾病风险的重要指标之一。

颈动脉血管内中膜厚度是通过在血管超声图像上测量获得。正常血管内中膜在声像图中表现为高回声和低回声两层带状区域，它处于两条边界即血管管腔与内膜边界(Lumen IntimaInterface，LII)和中膜与外膜边界(Media Adventitia Interface，MAI)之间，如图1所示。传统的血管超声图像中内中膜厚度的分析工作主要依靠操作者(检查医生)的肉眼观察和直接测量，即操作者选择自认为病变最严重的部位对内中膜厚度作人为的测量和估计，且对于多点内中膜平均厚度的测量还需要在多点进行。医生在这些测量活动中对于内中膜边界的判断直接取决于其所受的训练、对于边界的主观理解、经验等，因此不同医生判别的内中膜边界不同，甚至同一名医生在不同时间得到的结果也不完全一致，此外，其还有耗时长的缺点。在已公开的专利中，美国专利公开号为20030199762和专利公开号为20050119555的两个专利提出了自动检测边界的方法，其对梯度极大点使用曲线拟合估计边界，这种原始的方法忽视了超声图像中的噪声和边界不连续等众多伪像，只能应用于边界很清晰的情况。国内还没有这方面的专利公开。

内中膜的自动分割在近年来成为研究热点。现有的自动分割方法集中在用户选择的兴趣区(ROI)中自动检测这两条边界。研究的算法主要可分为2类：动态规划算法(如郭翌，汪源源，王威琪，超声图像颈动脉内中膜提取方法.声学技术，2007.26(005)：p.1034-1035.；Wendelhag，I.，et al.，A new automated computerized analyzing system simplifiesreadings and reduces the variability in ult

发明内容

本发明所要解决的技术问题是提供一种血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法，该方法可自动检测血管超声图像中颈动脉血管内中膜边界，并能计算得到大范围颈动脉血管内中膜厚度的变化情况，为早期动脉粥样硬化病变提供分析参数。

为解决上述技术问题，本发明采用的技术方案为：一种血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法，其特征在于，包括以下步骤：

(1)在计算机中人工载入一幅采集的原始血管超声图像，见图1，所述的计算机可为一般的PC机；

(2)人工选择包含血管远侧壁颈动脉内中膜的一个矩形感兴趣区域(ROI)，见图1中的白色方框区域。血管远侧壁是指图像中远离探头的血管壁，通常在血管超声图像中管腔下方。在超声图像中因为声波向后散射，近侧壁不能形成清晰的内中膜结构，故内中膜厚度的测量通常选择在远侧壁进行；

(3)在矩形感兴趣区域(ROI)中检测演化得到颈动脉血管内中膜的LII(血管管腔与内膜边界)和MAI(中膜与外膜边界)两条边界的精确轮廓线：

(3.1)在矩形感兴趣区域(ROI)中检测得到颈动脉血管内中膜的LII和MAI两条边界的初始轮廓线；

(3.2)将步骤(3.1)检测得到的LII和MAI两条边界的初始轮廓线代入下述双Snake模型推导得到的差分方程进行反复迭代直至稳定，得到LII的精确轮廓线Γ₁(q)＝(x₁(q)，y₁(q))和MAI的精确轮廓线Γ₂(q)＝(x₂(q)，y₂(q))，所述的差分方程的推导过程如下：

定义双Snake模型的能量泛函为：

E_d-snake＝E_int+E_ext                  (1)