基于超聲圖像頸動脈內(nèi)中膜厚度測量.pdf

1、頸部動脈血管的內(nèi)中膜厚度(Intima-MediaThickness,IMT)是反映動脈粥樣硬化的重要指標。臨床中廣泛采用超聲成像方法獲取頸動脈血管圖像,之后由醫(yī)生手工定點或邊界描繪測量內(nèi)中膜厚度。為解決醫(yī)生工作量大、測量結(jié)果依賴個人經(jīng)驗和主觀性強的問題,有必要借助圖像處理技術(shù)研究自動化的內(nèi)中膜厚度測量方法。本文對超聲圖像頸動脈內(nèi)中膜特征進行研究,通過先進的信號處理技術(shù)和圖像處理技術(shù)準確提取頸動脈內(nèi)中膜厚度參數(shù),從而為心血管疾病診斷提供

2、定量的依據(jù)。
　　超聲檢測由于具有非侵入,價格低廉等優(yōu)點而被廣泛使用,然而超聲圖像具有其特有的斑點噪聲(Speckle)。針對斑點噪聲和內(nèi)中膜呈線性帶狀的特點,本文提出改進的方向中值-擴散模型去除圖像噪聲。為了提取頸動脈內(nèi)中膜輪廓,本文提出了一種改進的活動輪廓模型(又稱Snake模型)超聲圖像頸動脈血管內(nèi)中膜分割方法,并對所提出的方法進行了實驗驗證。本文的主要工作和創(chuàng)新點如下:
　　1、針對醫(yī)學超聲圖像的斑點噪聲和頸動脈內(nèi)中

3、膜呈線性帶狀的特點,提出了改進的方向中值-擴散模型去除圖像噪聲。多方向中值濾波可以很好地解決邊緣模糊問題,使內(nèi)中膜的邊緣輪廓連續(xù)。各向異性擴散在去除噪聲的同時增強了內(nèi)中膜邊緣的對比度,有利于后期的圖像分割。實驗結(jié)果證明提出的算法與中值濾波、PM模型、SRAD模型等相比在去噪效果、計算代價方面具有更好的效果。
　　2、頸動脈內(nèi)中膜厚度測量的關(guān)鍵是準確分割出上下兩條邊界,本文提出了改進的活動輪廓模型對內(nèi)中膜進行分割。在內(nèi)膜邊緣輪廓提取

4、時,用新的外部能量函數(shù)即圖像梯度方向朝下的外部力函數(shù)來檢測內(nèi)膜。使用梯度矢量流(GradientVectorFlow,GVF)外力場來改善中膜邊緣輪廓的檢測,外部能量函數(shù)除了包含方向朝下的圖像梯度信息外,還加入邊緣附近的灰度信息來達到提取中膜邊緣準確位置的目的。實驗結(jié)果證明本文提出的改進的活動輪廓模型分割方法能對頸動脈內(nèi)中膜進行準確的分割。
　　3、利用1和2提取出內(nèi)中膜的邊緣輪廓,從超聲圖像儀器了解每個像素的實際距離大小,結(jié)合數(shù)