[发明专利]一种基于超声颈动脉图像的内中膜自动分割方法

说明书

技术领域

本发明属于计算机技术与医学图像处理交叉领域，更具体地，涉及一种基于超声颈动脉图像的内中膜自动分割方法。

背景技术

缺血性心脑血管疾病严重危害人类健康，颈动脉粥样硬化是此类疾病的主要致病因素，通过对颈动脉粥样硬化的预防、早期检测及治疗，是降低患缺血性心脑血管疾病发病风险的有效手段。已有大量实验证明，颈动脉内中膜增厚是发生颈动脉粥样硬化的前期临床表现，可通过对颈动脉内中膜厚度及其变化情况的预测来判断是否存在颈动脉粥样硬化风险。其中，内中膜厚度(Intima-Media Thickness，简称IMT)被定义为颈动脉血管壁远端内腔-内膜界面(Lumen Intima Interface,简称LII)与中膜-外膜界面(Media Adventitia Interface,简称MAI)之间的距离。医学超声具有无创、无辐射、廉价、实时、方便等特点，可获得清晰的颈动脉图像，故已广泛应用于颈动脉内中膜分析中。

传统测量颈动脉内中膜的方法，是由有经验的医生在从超声机上获取的颈动脉纵截面图像的LII和MAI上标记数组相对应的点对，并用求平均值的方式计算内中膜的平均厚度。这种方法存在明显的缺陷：取点过程完全由临床医生操作，点对位置的选择及标记均会出现组间差异和组内差异，即不同的医生标记的结果会存在差异，同一医生在不同时间标记的结果也不完全相同。计算过程中，因只选择少数点对，故必然会遗漏点对与点对之间的内中膜的信息。

针对传统方法的缺点，近年来研究者们提出了许多测量颈动脉内中膜厚度的方法，包括有监督方法和无监督方法等。因有监督方法存在需要人为初始化，且结果受初始化影响的弊端，故无监督方法是该领域研究的重点。无监督的方法均根据颈动脉超声图像的特点进行设计，通过不同途径将内中膜的边缘位置与颈动脉图像各区域间的差异性以及区域内的一致性相结合，主要包括基于梯度的方法、基于像素聚类的方法、基于函数值最小化的方法、基于活动轮廓模型的方法、基于数学形态学的方法等等。但由于超声图像往往分辨率得不到保证，图像存在较严重的斑点噪声和伪影，导致许多图像分割方法并不能直接应用，而以上各种方法即使针对超声图像进行优化，也会存在各种不同的问题：相对简单的基于图像梯度、灰度等特点的方法鲁棒性不强，实际中往往不能使用，必须与其他方法相结合；基于活动轮廓模型的方法是近年来研究的热点，此类方法的实现较其他方法复杂，而如何减少初始轮廓对最终结果的影响则是研究者们所要考虑的另一个问题；传统的基于动态规划法、A*算法的方法具有较强的理论基础，但受参数影响大问题限制了其扩展到不同类型图像上的应用。因此，如何减少此类方法在实施过程中对参数的依赖是研究的核心问题，且此类方法亦会受到初始化的影响。

综上所述，由于在临床应用中对方法的计算速度和对结果的精度均有要求，故对内中膜的自动分割仍存在较大困难。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于超声颈动脉图像的内中膜自动分割方法，其仅需将待分割的颈动脉纵截面超声图像作为输入，即可输出已分割出内中膜部分的结果图像，以供进一步的参数采集及临床医生诊断治疗，且本发明具有实施方便、计算迅速、鲁棒性强的优点。

为实现上述目的，按照本发明的一个方面，提供了一种基于超声颈动脉图像的内中膜自动分割方法，包括以下步骤：

(1)获取超声颈动脉纵截面图像，对该超声颈动脉纵截面图像进行灰度归一化处理，以得到归一化超声颈动脉纵截面图像，并利用图像去噪算法对该归一化超声颈动脉纵截面图像进行处理；

(2)提取去噪后的归一化超声颈动脉纵截面图像的特征图，计算特征图中每个像素点与其纵向相邻像素点的特征值梯度，将特征值梯度分布最显著的横轴作为感兴趣区域的中间横轴，从中间横轴分别向上和向下扩展，以得到感兴趣区域；

(3)获取感兴趣区域R的灰度梯度图，在估计的内中膜厚度的取值范围内依次取每一个整数值作为可能的内中膜厚度，根据该可能的内中膜厚度设定特征提取算子，并用该算子计算灰度梯度图中每个像素点的特征值，以得到与该可能的内中膜厚度对应的灰度梯度图的特征图，对获得的每个特征图的所有特征值进行求和处理，和最大的特征图所对应的可能的内中膜厚度作为内中膜厚度参考值；

(4)根据内中膜厚度参考值构建能量函数，并利用能量函数采用基于函数值最小化算法获得内中膜的内腔-内膜界面；

(5)根据内中膜厚度参考值构建能量函数，并利用能量函数采用基于函数值最小化算法获得内中膜的中膜-外膜界面。

优选地，步骤(1)中采用的是SRAD算法。