專(zhuān)利名稱(chēng)：基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法及系統(tǒng)的制作方法
基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法及系統(tǒng)
技術(shù)領(lǐng)域：
本發(fā)明涉及生物醫(yī)學(xué)圖像處理領(lǐng)域，特別涉及基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法及系統(tǒng)。
背景技術(shù)：
心腦血管疾病已成為人類(lèi)健康的頭號(hào)殺手，動(dòng)脈粥硬化及其并發(fā)癥是導(dǎo)致心腦血管疾病的主要機(jī)制。血管內(nèi)中膜厚度(Intima-Media Thickness, IMT)是臨床診斷中衡量動(dòng)脈粥樣硬化程度的最主要的指標(biāo)。血管內(nèi)中膜厚度是指血管壁遠(yuǎn)端內(nèi)腔-內(nèi)膜和中膜-外膜之間的距離，隨著年齡的增長(zhǎng)和動(dòng)脈粥樣硬化病變，血管會(huì)發(fā)生器質(zhì)性變化，內(nèi)中膜厚度增加。為了方便獲知血管內(nèi)中膜厚度，常通過(guò)超聲檢查進(jìn)行拍攝圖像。傳統(tǒng)的測(cè)量血管內(nèi)中膜厚度的方法是通過(guò)手動(dòng)標(biāo)記，根據(jù)經(jīng)驗(yàn)，在拍攝的超聲圖像中的血管腔-內(nèi)膜和中膜-外膜的邊界上分別標(biāo)記兩點(diǎn)，其間的距離作為IMT的值。因IMT的值并不是均勻的，且生物組織的分解并不是絕對(duì)的，故血管內(nèi)中膜厚度很大程度取決于操作者的經(jīng)驗(yàn)，存在較大的不穩(wěn)定和個(gè)體間差異。為此，研究者提出了使用圖像分割的方法自動(dòng)提取血管內(nèi)中膜厚度，但因超聲圖像分辨率低，并伴隨有嚴(yán)重的斑點(diǎn)噪聲和偽影，使得自動(dòng)提取存在較大困難。

發(fā)明內(nèi)容基于此，有必要提供一種能降低噪聲影響且操作方便的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法。一種基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法，包括以下步驟獲取血管超聲圖像，并從血管超聲圖像中選取感興趣區(qū)域；采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)所述感興趣區(qū)域去噪；通過(guò)K均值聚類(lèi)法對(duì)所述去噪后的感興趣區(qū)域中的像素點(diǎn)基于像素灰度進(jìn)行分類(lèi)，以分離出血管腔、血管壁外膜和感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域三部分；通過(guò)數(shù)學(xué)形態(tài)學(xué)從所述分離出的感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分提取血管內(nèi)中膜厚度。優(yōu)選地，所述采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)所述感興趣區(qū)域去噪的步驟具體包括以下步驟提取所述感興趣區(qū)域中的局部的極大值點(diǎn)和局部的極小值點(diǎn)；通過(guò)非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合，得到對(duì)所述感興趣區(qū)域的上包絡(luò)曲面和下包絡(luò)曲面，計(jì)算所述上包絡(luò)曲面和下包絡(luò)曲面的均值得到所述經(jīng)驗(yàn)?zāi)B(tài)分解算法的第一尺度分解的殘差信號(hào)，即為去噪后的感興趣區(qū)域。優(yōu)選地，在提取所述感興趣區(qū)域中的局部的極大值點(diǎn)和局部的極小值點(diǎn)的步驟之后還包括步驟在所述感興趣區(qū)域的血管壁縱向上設(shè)置稠密網(wǎng)格和血管壁切向上設(shè)置稀疏網(wǎng)格；根據(jù)所述稠密網(wǎng)格和稀疏網(wǎng)格通過(guò)所述非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合。優(yōu)選地，在所述采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)所述感興趣區(qū)域去噪的步驟之前還包括步驟采用高斯濾波器對(duì)所述感興趣區(qū)域初步去噪。優(yōu)選地，所述通過(guò)K均值聚類(lèi)法對(duì)所述去噪后的感興趣區(qū)域中的像素點(diǎn)基于像素灰度進(jìn)行分類(lèi)，以分離出血管腔、血管壁外膜和感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域三部分的步驟具體為以代表亮、灰、暗的三類(lèi)像素灰度的灰度值組成的特征向量，將其設(shè)置為聚類(lèi)中心初始值；根據(jù)所述聚類(lèi)中心初始值將所述感興趣區(qū)域分離為第一區(qū)、第二區(qū)和第三區(qū)，所述第一區(qū)對(duì)應(yīng)血管腔部分，所述第二區(qū)對(duì)應(yīng)血管壁外膜部分，所述第三區(qū)對(duì)應(yīng)感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域部分。優(yōu)選地，從所述分離出的感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分通過(guò)數(shù)學(xué)形態(tài)學(xué)提取血管內(nèi)中膜厚度的步驟具體為預(yù)先設(shè)置形態(tài)半徑分別為第一可變參數(shù)和第二可變參數(shù)；提取血管壁外膜，將該部分作為蒙板從該感興趣區(qū)域剔除，然后將感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分作為前景，分別以形態(tài)半徑為第一可變參數(shù)和第二可變參數(shù)進(jìn)行分割操作，得到血管內(nèi)中膜區(qū)域分割結(jié)果，測(cè)量所述分割結(jié)果得到所述血管內(nèi)中膜厚度。此外，還有必要提供一種能降低噪聲影響且操作方便的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)。一種基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)，包括圖像獲取模塊，用于獲取血管超聲圖像，并從血管超聲圖像中選取感興趣區(qū)域；去噪處理模塊，用于采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)所述感興趣區(qū)域去噪；分離模塊，用于通過(guò)K均值聚類(lèi)法對(duì)所述去噪后的感興趣區(qū)域中的像素點(diǎn)基于像素灰度進(jìn)行分類(lèi)，以分離出血管腔、血管壁外膜和感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域三部分；提取模塊，用于通過(guò)數(shù)學(xué)形態(tài)學(xué)從所述分離出的感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分提取血管內(nèi)中膜厚度。優(yōu)選地，所述去噪處理模塊還用于提取所述感興趣區(qū)域中的局部的極大值點(diǎn)和局部的極小值點(diǎn)，通過(guò)非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合， 得到對(duì)所述感興趣區(qū)域的上包絡(luò)曲面和下包絡(luò)曲面，計(jì)算所述上包絡(luò)曲面和下包絡(luò)曲面的均值得到所述經(jīng)驗(yàn)?zāi)B(tài)分解算法的第一尺度分解的殘差信號(hào)，即為去噪后的感興趣區(qū)域。優(yōu)選地，所述去噪處理模塊還用于在所述感興趣區(qū)域的血管壁縱向上設(shè)置稠密網(wǎng)格和血管壁切向上設(shè)置稀疏網(wǎng)格，再根據(jù)所述網(wǎng)格通過(guò)所述非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合。優(yōu)選地，還包括高斯濾波器，所述高斯濾波器用于對(duì)所述感興趣區(qū)域初步去噪。優(yōu)選地，所述分離模塊還用于以代表亮、灰、暗的三類(lèi)像素灰度的灰度值組成的征向量，將其設(shè)置為聚類(lèi)中心初始值，并根據(jù)所述聚類(lèi)中心初始值將所述感興趣區(qū)域分離為第一區(qū)、第二區(qū)和第三區(qū)，所述第一區(qū)對(duì)應(yīng)血管腔部分，所述第二區(qū)對(duì)應(yīng)血管壁外膜部分， 所述第三區(qū)對(duì)應(yīng)感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域部分。優(yōu)選地，所述提取模塊還用于預(yù)先設(shè)置形態(tài)半徑分別為第一可變參數(shù)和第二可變參數(shù)，并提取血管壁外膜，將該部分作為蒙板從該感興趣區(qū)域剔除，然后將感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分作為前景，分別以形態(tài)半徑為第一可變參數(shù)和第二可變參數(shù)進(jìn)行分割操作，得到血管內(nèi)中膜區(qū)域分割結(jié)果，測(cè)量所述分割結(jié)果得到所述血管內(nèi)中膜厚度。上述基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法及系統(tǒng)，對(duì)選取的感興趣區(qū)域采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法去噪后，能降低噪聲影響，通過(guò)K均值聚類(lèi)法對(duì)感興趣區(qū)域的像素點(diǎn)基于像素灰度進(jìn)行分類(lèi)，以分離感興趣區(qū)域，從分離的感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分提取血管內(nèi)中膜厚度，與手動(dòng)標(biāo)記相比，操作方便，且更加準(zhǔn)確，因K均值聚類(lèi)法僅使用灰度進(jìn)行分類(lèi)，計(jì)算簡(jiǎn)單，基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法在有效去噪的同時(shí)保留了血管的細(xì)節(jié)和邊緣信息。

圖1為一個(gè)實(shí)施例中基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法的流程圖；圖2為頸動(dòng)脈超聲圖像中選取的感興趣區(qū)域；圖3為采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)該感興趣區(qū)域去噪的具體流程圖；圖4為提取感興趣區(qū)域的局部極大值點(diǎn)示意圖；圖5為EMD算法第一尺度分解的結(jié)果示意圖；圖6A為散亂數(shù)據(jù)點(diǎn)；圖6B為網(wǎng)格8 X 8的擬合結(jié)果；圖6C為網(wǎng)格16 X 16的擬合結(jié)果；圖6D為網(wǎng)格32 X 32的擬合結(jié)果；圖7為K均值聚類(lèi)的結(jié)果；圖8為數(shù)學(xué)形態(tài)學(xué)得到的內(nèi)中膜區(qū)域；圖9為最終的分割結(jié)果在感興趣區(qū)域圖像上的標(biāo)示的示意圖；圖10為用于IMT分割的軟件系統(tǒng)的界面示意圖。圖11為一個(gè)實(shí)施例中基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)的結(jié)構(gòu)示意圖；圖12為另一個(gè)實(shí)施例中基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)的結(jié)構(gòu)示意圖。
具體實(shí)施方式
6
下面結(jié)合具體的實(shí)施例及附圖對(duì)基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法及系統(tǒng)進(jìn)行詳細(xì)的描述。如圖1所示，在一個(gè)實(shí)施例中，一種基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法，包括以下步驟步驟S110，獲取血管超聲圖像，并從血管超聲圖像中選取感興趣區(qū)域?？刹捎贸暡ㄌ筋^采集血管圖像，然后從采集的圖像中選取感興趣區(qū)域。該感興趣區(qū)域?yàn)檠鼙谥車(chē)鼙?、血管?nèi)中外膜和血管外部結(jié)構(gòu)的矩形區(qū)域。如圖2所示為頸動(dòng)脈超聲圖像中選取的感興趣區(qū)域，其中上部黑色背景為血管腔內(nèi)部，中部三個(gè)細(xì)條狀亮-暗-亮條紋分別為內(nèi)膜、中膜、外膜組織，下部大面積區(qū)域?yàn)楦信d趣區(qū)域中除血管腔、 血管壁外膜外的其它區(qū)域(其它組織)和偽跡。為了測(cè)量IMT需分離出血管腔-內(nèi)膜和中膜-外膜兩個(gè)邊緣，圖中兩個(gè)“ + ”字標(biāo)志為醫(yī)生手動(dòng)測(cè)量IMT的標(biāo)記。步驟S120，采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)該感興趣區(qū)域去噪。通過(guò)非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法(Empirical Mode Decomposition，簡(jiǎn)稱(chēng) EMD)對(duì)感興趣區(qū)域的圖像作去噪處理，除去噪聲。如圖3所示，具體包括步驟步驟S121，提取該感興趣區(qū)域中的局部的極大值點(diǎn)和局部的極小值點(diǎn)。通過(guò)四鄰域算法或八鄰域算法提取感興趣區(qū)域中的局部的極大值點(diǎn)和局部的極小值點(diǎn)。如圖4所示，圖中亮度為提取的極大值點(diǎn)。將一幅圖像可當(dāng)成一個(gè)離散的二維數(shù)組處理，則篩分局部極值的過(guò)程是將該位置的值與其上、下、左、右方向的四鄰域或上、下、左、右、東南、西北、東北、西南方向的八鄰域值進(jìn)行比較，本實(shí)施例中采用四領(lǐng)域算法，設(shè)定的判斷條件為(1)如果中心位置的值大于所有相鄰值，則視該點(diǎn)為局部極大值點(diǎn)；(2)如果中心位置的值小于所有相鄰值，則視該點(diǎn)為局部極小值點(diǎn)；(3)如果中心位置的值小于一部分相鄰的值，同時(shí)又大于另一部分相鄰的值，則視為非極值點(diǎn)；(4)如果某點(diǎn)與局部極值點(diǎn)相鄰，且與相鄰的局部極值相等，則把這兩點(diǎn)看作一個(gè)區(qū)域，直到該區(qū)域滿(mǎn)足條件(1) (3)或找到該區(qū)域的邊界。步驟S123，通過(guò)非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合，得到對(duì)該感興趣區(qū)域的上包絡(luò)曲面和下包絡(luò)曲面，計(jì)算該上包絡(luò)曲面和下包絡(luò)曲面的均值得到所述經(jīng)驗(yàn)?zāi)B(tài)分解算法的第一尺度分解的殘差信號(hào)，即為去噪后的感興趣區(qū)域。該非均勻B樣條曲面擬合法即散亂數(shù)據(jù)的B樣條曲面擬合法，通過(guò)其對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合，得到對(duì)該感興趣區(qū)域圖像的上包絡(luò)Imax和下包絡(luò)Imin曲面，再計(jì)算兩者的均值I_n= (Imax+Imin)/2，得到EMD的第一尺度分解的殘差信號(hào)。通過(guò)實(shí)驗(yàn)驗(yàn)證表明，EMD算法的第一尺度分解的殘差信號(hào)能最好的保留血管壁的層次結(jié)構(gòu)和細(xì)節(jié)，在平滑性和分辨細(xì)節(jié)能力上有較理想的表現(xiàn)，故將此殘差信號(hào)作為后續(xù)分割的基礎(chǔ)。圖5為EMD算法第一尺度分解的結(jié)果，可看出相比圖2，保留了結(jié)構(gòu)和邊緣，同時(shí)整體平滑了很多。采用B樣條曲面擬合的具體過(guò)程是在矩形圖像空間Ω = {(χ, y)|0^x<m, 0 ^ y < η}中，有一些散亂數(shù)據(jù)集P= (x。，y。，z。)，其中，(xc, yc)是Ω中的點(diǎn)。下面通過(guò)均勻B樣條函數(shù)逼近函數(shù)f來(lái)擬合P所在的曲面。假設(shè)函數(shù)f的網(wǎng)格為Φ，Φu表示Φ在(i，j)位置的值，相應(yīng)的擬合函數(shù)f可表示為
權(quán)利要求
1.一種基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法，包括以下步驟獲取血管超聲圖像，并從血管超聲圖像中選取感興趣區(qū)域；采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)所述感興趣區(qū)域去噪；通過(guò)K均值聚類(lèi)法對(duì)所述去噪后的感興趣區(qū)域中的像素點(diǎn)基于像素灰度進(jìn)行分類(lèi)，以分離出血管腔、血管壁外膜和感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域三部分；通過(guò)數(shù)學(xué)形態(tài)學(xué)從所述分離出的感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分提取血管內(nèi)中膜厚度。
2.根據(jù)權(quán)利要求1所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法，其特征在于，所述采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)所述感興趣區(qū)域去噪的步驟具體包括以下步驟提取所述感興趣區(qū)域中的局部的極大值點(diǎn)和局部的極小值點(diǎn)；通過(guò)非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合，得到對(duì)所述感興趣區(qū)域的上包絡(luò)曲面和下包絡(luò)曲面，計(jì)算所述上包絡(luò)曲面和下包絡(luò)曲面的均值得到所述經(jīng)驗(yàn)?zāi)B(tài)分解算法的第一尺度分解的殘差信號(hào)，即為去噪后的感興趣區(qū)域。
3.根據(jù)權(quán)利要求2所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法，其特征在于，在提取所述感興趣區(qū)域中的局部的極大值點(diǎn)和局部的極小值點(diǎn)的步驟之后還包括步驟在所述感興趣區(qū)域的血管壁縱向上設(shè)置稠密網(wǎng)格和血管壁切向上設(shè)置稀疏網(wǎng)格；根據(jù)所述稠密網(wǎng)格和稀疏網(wǎng)格通過(guò)所述非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合。
4.根據(jù)權(quán)利要求1所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法，其特征在于，在所述采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)所述感興趣區(qū)域去噪的步驟之前還包括步驟采用高斯濾波器對(duì)所述感興趣區(qū)域初步去噪。
5.根據(jù)權(quán)利要求1所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法，其特征在于，通過(guò)K均值聚類(lèi)法對(duì)所述去噪后的感興趣區(qū)域中的像素點(diǎn)基于像素灰度進(jìn)行分類(lèi)，以分離出血管腔、血管壁外膜和感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域三部分的步驟具體為以代表亮、灰、暗的三類(lèi)像素灰度的灰度值組成的特征向量，將其設(shè)置為聚類(lèi)中心初始值；根據(jù)所述聚類(lèi)中心初始值將所述感興趣區(qū)域分離為第一區(qū)、第二區(qū)和第三區(qū)，所述第一區(qū)對(duì)應(yīng)血管腔部分，所述第二區(qū)對(duì)應(yīng)血管壁外膜部分，所述第三區(qū)對(duì)應(yīng)感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域部分。
6.根據(jù)權(quán)利要求1所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法，其特征在于，從所述分離出的感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分通過(guò)數(shù)學(xué)形態(tài)學(xué)提取血管內(nèi)中膜厚度的步驟具體為預(yù)先設(shè)置形態(tài)半徑分別為第一可變參數(shù)和第二可變參數(shù)；提取血管壁外膜，將該部分作為蒙板從該感興趣區(qū)域剔除，然后將感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分作為前景，分別以形態(tài)半徑為第一可變參數(shù)和第二可變參數(shù)進(jìn)行分割操作，得到血管內(nèi)中膜區(qū)域分割結(jié)果，測(cè)量所述分割結(jié)果得到所述血管內(nèi)中膜厚度。
7.一種基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)，其特征在于，包括圖像獲取模塊，用于獲取血管超聲圖像，并從血管超聲圖像中選取感興趣區(qū)域；去噪處理模塊，用于采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)所述感興趣區(qū)域去噪；分離模塊，用于通過(guò)K均值聚類(lèi)法對(duì)所述去噪后的感興趣區(qū)域中的像素點(diǎn)基于像素灰度進(jìn)行分類(lèi)，以分離出血管腔、血管壁外膜和感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域三部分；提取模塊，用于通過(guò)數(shù)學(xué)形態(tài)學(xué)從所述分離出的感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分提取血管內(nèi)中膜厚度。
8.根據(jù)權(quán)利要求7所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)，其特征在于，所述去噪處理模塊還用于提取所述感興趣區(qū)域中的局部的極大值點(diǎn)和局部的極小值點(diǎn)，通過(guò)非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合，得到對(duì)所述感興趣區(qū)域的上包絡(luò)曲面和下包絡(luò)曲面，計(jì)算所述上包絡(luò)曲面和下包絡(luò)曲面的均值得到所述經(jīng)驗(yàn)?zāi)B(tài)分解算法的第一尺度分解的殘差信號(hào)，即為去噪后的感興趣區(qū)域。
9.根據(jù)權(quán)利要求8所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)，其特征在于，所述去噪處理模塊還用于在所述感興趣區(qū)域的血管壁縱向上設(shè)置稠密網(wǎng)格和血管壁切向上設(shè)置稀疏網(wǎng)格，再根據(jù)所述網(wǎng)格通過(guò)所述非均勻B樣條曲面擬合法分別對(duì)極大值點(diǎn)和極小值點(diǎn)進(jìn)行插值擬合。
10.根據(jù)權(quán)利要求7所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)，其特征在于，還包括高斯濾波器，所述高斯濾波器用于對(duì)所述感興趣區(qū)域初步去噪。
11.根據(jù)權(quán)利要求7述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)，其特征在于，所述分離模塊還用于以代表亮、灰、暗的三類(lèi)像素灰度的灰度值組成的特征向量，設(shè)置為聚類(lèi)中心初始值，并根據(jù)所述聚類(lèi)中心初始值將所述感興趣區(qū)域分離為第一區(qū)、第二區(qū)和第三區(qū)， 所述第一區(qū)對(duì)應(yīng)血管腔部分，所述第二區(qū)對(duì)應(yīng)血管壁外膜部分，所述第三區(qū)對(duì)應(yīng)感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域部分。
12.根據(jù)權(quán)利要求7所述的基于圖像的血管內(nèi)中膜厚度自動(dòng)提取系統(tǒng)，其特征在于，所述提取模塊還用于預(yù)先設(shè)置形態(tài)半徑分別為第一可變參數(shù)和第二可變參數(shù)，并提取血管壁外膜部分，將該部分作為蒙板從該感興趣區(qū)域剔除，然后將感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分作為前景，分別以形態(tài)半徑為第一可變參數(shù)和第二可變參數(shù)進(jìn)行分割操作，得到血管內(nèi)中膜區(qū)域分割結(jié)果，測(cè)量所述分割結(jié)果得到所述血管內(nèi)中膜厚度。
全文摘要
本發(fā)明涉及一種基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法及系統(tǒng)。該方法包括以下步驟獲取血管超聲圖像，并從血管超聲圖像中選取感興趣區(qū)域；采用基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法對(duì)感興趣區(qū)域去噪；通過(guò)K均值聚類(lèi)法對(duì)所述去噪后的感興趣區(qū)域中的像素點(diǎn)基于像素灰度進(jìn)行分類(lèi)，以分離出血管腔、血管壁外膜和感興趣區(qū)域中除血管腔、血管壁外膜外的其它區(qū)域三部分；通過(guò)數(shù)學(xué)形態(tài)學(xué)從所述分離出的感興趣區(qū)域中除血管腔、血管壁外膜外的其他區(qū)域部分提取血管內(nèi)中膜厚度。上述基于圖像的血管內(nèi)中膜厚度自動(dòng)提取方法及系統(tǒng)，基于非均勻B樣條的經(jīng)驗(yàn)?zāi)B(tài)分解算法去噪，K均值聚類(lèi)法分離，提取血管內(nèi)中膜厚度，與手動(dòng)標(biāo)記相比，操作方便，且更加準(zhǔn)確。
文檔編號(hào)G06T5/00GK102332161SQ20111026982
公開(kāi)日2012年1月25日 申請(qǐng)日期2011年9月13日 優(yōu)先權(quán)日2011年9月13日
發(fā)明者張?jiān)? 張晶, 楊平, 林宛華 申請(qǐng)人:中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院