新型血管內(nèi)超聲圖像處理關(guān)鍵技術(shù)研究.pdf

1、隨著血管內(nèi)超聲成像技術(shù)在診斷和治療心血管疾病過程中逐漸被廣泛應(yīng)用，利用計算機(jī)圖像處理技術(shù)對血管內(nèi)超聲圖像進(jìn)行處理和分析，可有效地輔助醫(yī)生診斷病情、制定手術(shù)計劃，并為術(shù)前術(shù)后提供準(zhǔn)確的病理分析依據(jù)。本文結(jié)合心血管臨床醫(yī)學(xué)應(yīng)用的需要，基于臨床采集的血管內(nèi)超聲圖像序列，研究了血管內(nèi)超聲圖像處理中的相關(guān)理論、方法和關(guān)鍵技術(shù)。主要研究內(nèi)容和創(chuàng)新性成果如下： (1)提出了一種新的針對血管內(nèi)超聲圖像序列的、無需任何硬件設(shè)施的自動相角配準(zhǔn)、數(shù)據(jù)

2、重采樣技術(shù)。利用心臟在收縮和舒張階段不同的生理特性表現(xiàn)在血管內(nèi)超聲圖像距離上的差異，通過圖像距離的變化恢復(fù)心臟周期，進(jìn)而對位于同一相位下的圖像數(shù)據(jù)進(jìn)行重采樣組成新的圖像集，保證該圖像集在空間和時間上具有同一性。該方法無需任何硬件設(shè)施、自動程度高，具有很好的實用性，并為后續(xù)的圖像處理的準(zhǔn)確性提供了保證。 (2)提出了一種新的利用血管內(nèi)超聲圖像時間、空間信息相關(guān)性的去噪方法，稱其為時空濾波算法。方法基于血流回波噪聲的物理特性，即其在

3、空間維和時間維上的變化比組織信號要大這一規(guī)律，采用二維傅立葉變化求取組織和血流的能量譜，通過高頻能量與低頻能量比值這一尺度參數(shù)來判定信號對應(yīng)的是組織還是血流，進(jìn)而對組織信號進(jìn)行保留并對血流信號進(jìn)行抑制。該方法能夠顯著地去除斑點(diǎn)噪聲，增強(qiáng)管腔和管壁的對比度。 (3)提出了一種新的基于主動輪廓算法模型的自動邊緣檢測方法。針對主動輪廓模型在處理血管內(nèi)超聲圖像時出現(xiàn)的具體問題，提出了多種新的改進(jìn)方案，如引入Snake曲線生長周期的概念、

4、用邊界對比梯度替代灰度梯度、給出外加強(qiáng)制力的模型、提出輪廓初始化的兩種方案以及解決變形過程中控制點(diǎn)點(diǎn)數(shù)變化的問題等。實驗統(tǒng)計數(shù)據(jù)表明算法的可靠性和準(zhǔn)確性很好，并且在處理時間上大大優(yōu)于手動追蹤。為了糾正二維檢測中的局部偏差并且使檢測得到的斑塊具有三維直觀效果，又將改進(jìn)的二維主動輪廓算法推廣到三維主動曲面算法，加強(qiáng)圖像幀之間的空間約束，給出了三維主動曲面算法的能量模型和放置初始界面的方法。實驗結(jié)果表明在檢測多幀圖像序列時其在檢測效果和時間花

5、費(fèi)上要優(yōu)于二維算法。 (4)提出了一種結(jié)合灰度共生矩陣和分形維數(shù)兩種紋理分析法，對斑塊樣本進(jìn)行準(zhǔn)確分類和識別的方法。通過選取基于灰度共生矩陣定義的四個紋理特征值和三個分形維數(shù)特征值，組成具有七個特征值的特征向量，分別采用主成分分析和Fisher線性判別分析這兩種線性分析方法將高維的數(shù)據(jù)投影到低維空間中，保持這些數(shù)據(jù)原來的距離屬性，最終得到投影空間中的分類結(jié)果。實驗表明該方法的分類結(jié)果相對于其它方法更加準(zhǔn)確、有效，分類準(zhǔn)確率可達(dá)到