血管內(nèi)超聲圖像中組織標(biāo)定方法的研究.pdf

1、血管內(nèi)超聲(intravascular ultrasound,IVUS)是分析血管形態(tài)和檢測粥樣硬化斑塊的常用介入影像手段。它利用鑲嵌于心導(dǎo)管頂端的微小超聲探頭,從血管腔內(nèi)獲得管腔的切面圖像,完整顯示包括血管壁外膜和中膜邊界、內(nèi)膜即管腔以及兩者之間的斑塊負(fù)荷情況在內(nèi)的血管橫斷面。
　　目前對IVUS圖像中斑塊的識別和分類主要由人工手動完成,不僅工作量巨大,而且結(jié)果的主觀性強(qiáng),可重復(fù)性差,易受操作者的臨床經(jīng)驗(yàn)和專業(yè)知識的影響。因此,

2、利用數(shù)字圖像處理技術(shù),自動檢測IVUS圖像中的斑塊組織并對其按照成分進(jìn)行分類具有重要的臨床應(yīng)用價(jià)值。
　　由于IVUS圖像中包含大量紋理信息,且正常組織與病灶組織的紋理差異明顯,因此可利用紋理信息作為IVUS圖像組織標(biāo)定的重要依據(jù)。本文分別利用三種經(jīng)典的圖像紋理特征提取方法(灰度共生矩陣、局部二值模式和Gabor濾波器)對IVUS圖像的紋理特征進(jìn)行自動提取。其中,灰度共生矩陣是通過計(jì)算整幅圖像的二次統(tǒng)計(jì)特征量對圖像紋理進(jìn)行描述;局

3、部二值模式是一種灰度范圍內(nèi)的紋理度量,可輔助度量圖像的局部對比度;Gabor濾波器是一種依賴于圖像輪廓的尺度和方向的多分辨率分析工具,對圖像局部細(xì)節(jié)紋理有較好描述。完成特征提取之后,本文利用主成分分析法、Fisher線性判別分析和多維尺度法對圖像特征數(shù)據(jù)進(jìn)行降維,并分別設(shè)計(jì)支持向量機(jī)、Adaboost和隨機(jī)森林分類器對圖像特征進(jìn)行分類,最后優(yōu)化分類器參數(shù),提高分類準(zhǔn)確率,得出較為適合組織標(biāo)定的分類器,完成對IVUS圖像中不同組織的分類。