[发明专利]一种颈动脉内中膜边界自动分割方法与系统

权利要求书

1.一种颈动脉内中膜边界自动分割方法，其特征是：对超声图像序列进行预处理，通过粗裁剪、生成种子点、动态规划方法处理实现对序列第一帧的初始化；

建立图像序列分割的状态空间框架，运用蛇算法获取状态空间中的观测量，并使用卡尔曼滤波器求解该状态空间方程，得到图像内对应的颈动脉壁的实际位置；

顺序地分割后续图像，得到图像分割结果；

对超声图像序列进行预处理的过程具体为：将每帧的灰度值正则化到[0,255]，再对每一帧应用高斯低通滤波器处理；

将第一张图像进行粗裁剪的具体过程为：对图像矩阵的每一列进行灰度检索，根据连续点序列的灰度值，判断点序列为血管内腔还是膜，最后一个灰度值小于第一设定值的点被选为内膜边界的上限，该点的y坐标记作A_i，继续灰度索引直至找到灰度值最大的点，该点的y坐标记B_i,若这两点的y坐标差值满足设定的阈值要求，则后者即为中外模边界的下限；

生成种子点的具体过程包括：在y方向上计算得到图像梯度图，动态规划的代价图矩阵C定义为该图像梯度图的相反数，修改梯度图使得禁止区域的点值变大，使得传播路径离开此区域；在图像特征图左侧的多列中，给每一列找到特征图最小值，检测不同列之间的连通性，若连通的列数超过设定值，则这些最小值设为边界，第一个最小值设为种子点；否则，删除离群的极小值并更换，重复上述步骤直到生成种子点；

动态传播的过程包括然后从种子点开始执行前向传播算法来建立累积代价图矩阵，代价图矩阵初始值为种子点的代价图矩阵值，进行梯度传播，最终传播至图像右侧并找到累积代价图矩阵值最小的点，将这些点从图像右侧回溯到种子点即可得到最小路径；最小路径上的点序列构成超声图像的IM边界。

2.如权利要求1所述的一种颈动脉内中膜边界自动分割方法，其特征是：设置第一设定值和第二设定值，灰度值小于第一设定值的点为暗，判断为血管内腔，灰度值大于第二设定值的点为亮，判断为膜，第二设定值大于第一设定值。

3.如权利要求1所述的一种颈动脉内中膜边界自动分割方法，其特征是：根据B_i求得A_i，在A_i和B_i之外的区域设为禁止区域，动态规划的前向传播将不会通过该区域。

4.如权利要求1所述的一种颈动脉内中膜边界自动分割方法，其特征是：建立图像序列分割的状态空间框架的过程包括：利用图像序列分割的时间一致性构建状态空间方程，利用前一时刻的状态变量，即前一帧的IM边界位置和当前时刻的观测变量来求解当前时刻相应变量的最优估计。

5.如权利要求1所述的一种颈动脉内中膜边界自动分割方法，其特征是：对连续图像的分割时，根据蛇的灰度和曲率自适应调整蛇的初始位置，在灰度自适应调整中，通过对比第一帧和当前帧的上、下邻域平均灰度值，对蛇的位置进行调整，使蛇的位置向更亮处移动，利用蛇服从外部能量场的邻域最小值，从而分割一张图像。

6.一种颈动脉内中膜边界自动分割系统，其特征是：运行于处理器或可读存储介质上，被配置为执行以下指令：

对超声图像序列进行预处理，通过粗裁剪、生成种子点、动态规划方法处理实现对序列第一帧的初始化；

建立图像序列分割的状态空间框架，运用蛇算法获取状态空间中的观测量，并使用卡尔曼滤波器求解该状态空间方程，得到图像内对应的颈动脉壁的实际位置，顺序地分割后续图像，得到图像分割结果；

对超声图像序列进行预处理的过程具体为：将每帧的灰度值正则化到[0,255]，再对每一帧应用高斯低通滤波器处理；

将第一张图像进行粗裁剪的具体过程为：对图像矩阵的每一列进行灰度检索，根据连续点序列的灰度值，判断点序列为血管内腔还是膜，最后一个灰度值小于第一设定值的点被选为内膜边界的上限，该点的y坐标记作A_i，继续灰度索引直至找到灰度值最大的点，该点的y坐标记B_i,若这两点的y坐标差值满足设定的阈值要求，则后者即为中外模边界的下限；

生成种子点的具体过程包括：在y方向上计算得到图像梯度图，动态规划的代价图矩阵C定义为该图像梯度图的相反数，修改梯度图使得禁止区域的点值变大，使得传播路径离开此区域；在图像特征图左侧的多列中，给每一列找到特征图最小值，检测不同列之间的连通性，若连通的列数超过设定值，则这些最小值设为边界，第一个最小值设为种子点；否则，删除离群的极小值并更换，重复上述步骤直到生成种子点；

动态传播的过程包括然后从种子点开始执行前向传播算法来建立累积代价图矩阵，代价图矩阵初始值为种子点的代价图矩阵值，进行梯度传播，最终传播至图像右侧并找到累积代价图矩阵值最小的点，将这些点从图像右侧回溯到种子点即可得到最小路径；最小路径上的点序列构成超声图像的IM边界。