[发明专利]血管内斑块的识别系统及方法

权利要求书

1.一种血管内斑块的识别方法，其特征在于，包括：

获取磁共振扫描MRI图像；

对获取的磁共振扫描MRI图像进行筛选，将筛选出的图像作为样本图像；

对所述样本图像进行图像预处理，包括：从所述样本图像中定位出血管，将包含定位出的血管的图像部分作为特征区域；

对所述特征区域中的血管图像进行特征提取形成特征数据，包括：将血管视为圆环，将血管从中心沿着径向分成n个扇形，在每一个扇形中对应有高斯分布的均值和标准值两个参数；以及在每个扇形中沿着径向测量出血管的血管壁厚度；以及

将各个所述样本图像中的特征数据作为数据集进行训练及分类。

2.如权利要求1所述的血管内斑块的识别方法，其特征在于，获取磁共振扫描MRI图像，包括：

利用磁共振扫描技术获得多个病患的磁共振扫描图像，其中，针对每一个病患，从下往上间隔扫描以分别得到多张扫描图像，且每一层均会采集多种不同权重的图像；所述权重包括：纵向弛豫时间T1，横向弛豫时间T2，以及飞行时间TOF。

3.如权利要求2所述的血管内斑块的识别方法，其特征在于，对获取的磁共振扫描MRI图像进行筛选，包括：

从获取的磁共振扫描MRI图像中筛选出权重为纵向弛豫时间T1的图像作为样本图像。

4.如权利要求1所述的血管内斑块的识别方法，其特征在于，从所述样本图像中定位出血管，包括：

载入所述样本图像并予以显示；

定位出显示的所述样本图像中血管的中心点，以所述中心点为中心划定出包含了所述血管的定位框，作为特征区域；以及

从所述样本图像中分割出所述特征区域，作为特征图像。

5.如权利要求1所述的血管内斑块的识别方法，其特征在于，

采用高斯混合模型，利用至少两个高斯分布来拟合每一个扇形中的径向亮度分布，定义如下：

其中，μ，σ分别为高斯分布的均值和标准值，K是使用的高斯分布的数量，λ是每一个高斯分布的系数。

6.如权利要求5所述的血管内斑块的识别方法，其特征在于，

在高斯混合模型中包括两个高斯分布，

变换为p(θ)＝λ₁N(μ₁,σ₁)+λ₂N(μ₂,σ₂),λ₁≥λ₂；

在拟合时，选择系数较大λ₁的一个高斯分布作为血管壁的刻画；

在高斯混合模型拟合时，将每个扇形当中的像素和圆心之间的距离以及像素的亮度作为数据，利用最大期望算法求出混合高斯模型的六个参数λ₁，μ₁，σ₁，λ₂，μ₂，σ₂，选择主要的分布作为血管壁的亮度分布，去掉次要的分布。

7.如权利要求1所述的血管内斑块的识别方法，其特征在于，在将各个所述样本图像中的特征数据作为数据集进行训练及分类之前，还包括执行如下中的至少一项：

将一些图像质量不符要求的图像予以剔除；

针对在血管分叉处存在血管形成不规则或存在交叉的新的血管的图像，予以剔除；以及

将位于斑块边缘的图像予以剔除。

8.如权利要求1或7所述的血管内斑块的识别方法，其特征在于，将各个所述样本图像中的特征数据作为数据集进行训练及分类，包括：

将各个所述样本图像中的特征数据作为数据集，将所述数据集中一部分的特征数据作为训练集，将所述数据集中剩余部分的特征数据作为测试集；以及

利用所述训练集进行支持向量机SVM训练，利用所述测试集进行支持向量机SVM测试。