[发明专利]一种胸腹腔主动脉图像夹层自动判别方法

说明书

本发明公开了一种胸腹腔主动脉图像夹层自动判别方法，通过Radon变换对医学主动脉区域轮廓CTA图像进行投影及统计，并结合主动脉轮廓的面积与周长特征，可以快速准确的判断出主动脉区域是否含有夹层；该方法无需大量的主动脉夹层样本，同时不受CTA图像对比度及其内部噪声的影响，能够准确对包含夹层病变信息的胸腹腔主动脉CTA图像进行自动判别，本发明属于图像处理技术领域，可用于对正常的和具有夹层病变的主动脉CTA图像进行自动判别。

技术领域

本发明涉及胸腹腔主动脉的CT血管造影(CT Angiography，CTA)图像中夹层病变自动判别方法，该方法不受CTA图像对比度及其内部噪声的影响，能够准确对包含夹层病变信息的胸腹腔主动脉CTA图像进行自动判别，本发明属于图像处理技术领域，可用于对正常的和具有夹层病变的主动脉CTA图像进行自动判别。

背景技术

主动脉夹层形成原因为主动脉组织结构中的内膜发生破损，血流从破口冲入主动脉血管壁，导致内膜与中膜发生分离，且血流沿着主动脉的长轴方向进行冲击流动与扩展，从而形成两个血流通道而造成血肿，两通道之间的隔膜称之为夹层，为一种目前死亡率较高的心血管疾病，因此对夹层病变的早期诊断非常重要。目前主动脉夹层的主要临床检查方法为胸腹腔CTA造影，临床医生通过查看大量主动脉CTA图像来判断夹层的状况，从而制定有效的治疗方案，不仅工作量大且对医生的专业经验有较高要求，因此基于图像处理的主动脉图像夹层自动判别具有重大的意义。

目前对于主动脉图像内夹层判别的方法主要为：人工检测方法、基于机器学习方法、基于Hessian矩阵的特征值的检测方法；由于夹层在主动脉CTA图像上弯曲且扁平细长结构，且不同病例在连续的各层图像上夹层的弯曲程度、形状大小差别较大；对于人工检测方法工作量巨大，且容易造成漏诊；同时夹层形态较多，对于基于机器学习方法，需要有大量样本库，因此在检测速度方面有一定局限；基于Hessian矩阵的特征值分析方法对噪声点敏感，从而易影响检测精度。

本发明公开了一种胸腹腔主动脉图像夹层自动判别方法，通过Radon变换对医学主动脉区域轮廓CTA图像进行投影及统计，并结合主动脉轮廓的面积与周长特征，可以快速准确的判断出主动脉区域是否含有夹层；该方法无需大量的主动脉夹层样本，同时不受CTA图像对比度及其内部噪声的影响，具有较好的临床推广意义。

发明内容

本发明的目的就是克服现有的主动脉夹层判别方法的局限，设计了一种胸腹腔主动脉图像夹层快速判别方法，本方法能够充分利用主动脉夹层在CTA图像中的特性，且不受CTA图像的对比度、噪声等因素影响，为此本发明采用如下技术方案。

一种胸腹腔主动脉图像夹层自动判别方法，主要包括下列步骤：

(1)输入胸腹腔CTA图像，通过改进的主动形状模型算法提取出主动脉区域，然后获得主动脉区域的外轮廓边缘图像；

(2)通过Radon变换对主动脉区域的外轮廓边缘图像进行投影；

(3)对获得的投影数据进行统计分析；

(4)将统计结果与主动脉区域的周长和面积特征进行对比计算，最终对是否含有夹层实现自动判别；