专利名称：血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法
技术领域：
本发明属于计算机技术与医学图像的交叉领域，具体涉及一种血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法。
背景技术：
缺血性心脑血管病是危害人类健康的重大疾病，它的主要病理基础是动脉粥样硬化。颈动脉血管内中膜厚度antima Media Thickness, IMT)反映动脉粥样硬化状况，它与心肌梗塞和脑卒中的发生率高度相关，因此，近二十年来其一直是预测心脑血管疾病风险的重要指标之一。颈动脉血管内中膜厚度是通过在血管超声图像上测量获得。正常血管内中膜在声像图中表现为高回声和低回声两层带状区域，它处于两条边界即血管管腔与内膜边界 (Lumen Intimalnterface，LII)和中膜与外膜边界(Media Adventitia Interface，MAI)之间，如
图1所示。传统的血管超声图像中内中膜厚度的分析工作主要依靠操作者(检查医生)的肉眼观察和直接测量，即操作者选择自认为病变最严重的部位对内中膜厚度作人为的测量和估计，且对于多点内中膜平均厚度的测量还需要在多点进行。医生在这些测量活动中对于内中膜边界的判断直接取决于其所受的训练、对于边界的主观理解、经验等，因此不同医生判别的内中膜边界不同，甚至同一名医生在不同时间得到的结果也不完全一致， 此外，其还有耗时长的缺点。在已公开的专利中，美国专利公开号为20030199762和专利公开号为20050119555的两个专利提出了自动检测边界的方法，其对梯度极大点使用曲线拟合估计边界，这种原始的方法忽视了超声图像中的噪声和边界不连续等众多伪像，只能应用于边界很清晰的情况。国内还没有这方面的专利公开。内中膜的自动分割在近年来成为研究热点。现有的自动分割方法集中在用户选择的兴趣区(ROI)中自动检测这两条边界。研究的算法主要可分为2类动态规划算法 (如郭翌，汪源源，王威琪，超声图像颈动脉内中膜提取方法.声学技术，2007. (005) p. 1034-1035. ；Wendelhag,I.，et al.，A new automated computerized analyzing system simplifiesreadings and reduces the variability in ultrasound measurement of intima-mediathickness. Stroke，1997. 28 (11) :p.2195-2200. ；Liang，Q.，et al. , A multiscaledynamic programming procedure for boundary detection in ultrasonic artery images. IEEE Trans.Med. Imaging，2000. 19 (2) :p. 127-142. ；Cheng，D. C. and X.Jiang, Detections of Arterial Wall in Sonographic Artery Images Using Dual DynamicProgramming. IEEE Transactions on Information Technology in Biomedicine， 2008. 12(6) :p. 792-799.等)和活动轮廓模型算法(如李国宽，程新耀，周渊，宋恩民，超声图像中颈动脉血管内外膜分割.华中科技大学学报，2010. 38(6) :p. 75-79. ；Cheng, D.， et al. ， Usingsnakes to detect the intimal and adventitial layers of the common carotid artery wall in sonographic images. Computer methods and programs inbiomedicine, 2002. 67 (1) :ρ· 27-37. ；Ceccarelli，Μ.，N. De Luca, and A. Morganella. An Active Contour ApproachTo Automatic Detection Of The Intima-Media Thickness, in IEEE InternationalConference on Acoustics，Speech and Signal Processing. 2006.； Loizou, C.P. ， et al. ， Snakes based segmentation of the common carotid artery intima media. Medical andBiological Engineering and Computing，2007. 45(1) p. 35-49.等)。动态规划算法是通过定义一个代价函数，使代价函数极小能搜索到从左到右靠近边界的轮廓线。这种方法的优点是理论背景强，实现简单，缺点是对参数非常敏感， 需要通过训练才能得到最优参数，但即使是最优参数，也可能适应于这类图像却对另一类图像效果不好。活动轮廓模型的方法需要给定初始轮廓线，最终的分割结果由初始轮廓线演化而获得。以往的研究算法为先找到一条边界的初始轮廓线，然后演化得到精确的分割结果，再根据这条轮廓线的位置估计另一条边界的初始轮廓线并精确分割边界。这种方法依赖于初始轮廓线，如果初始轮廓线位置不好，分割结果可能不尽如意，而且第一条轮廓线的错误可能会累积到第二条轮廓线的演化中。
发明内容
本发明所要解决的技术问题是提供一种血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，该方法可自动检测血管超声图像中颈动脉血管内中膜边界，并能计算得到大范围颈动脉血管内中膜厚度的变化情况，为早期动脉粥样硬化病变提供分析参数。为解决上述技术问题，本发明采用的技术方案为一种血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于，包括以下步骤(1)在计算机中人工载入一幅采集的原始血管超声图像，见图1，所述的计算机可为一般的PC机；(2)人工选择包含血管远侧壁颈动脉内中膜的一个矩形感兴趣区域(ROI)，见图1 中的白色方框区域。血管远侧壁是指图像中远离探头的血管壁，通常在血管超声图像中管腔下方。在超声图像中因为声波向后散射，近侧壁不能形成清晰的内中膜结构，故内中膜厚度的测量通常选择在远侧壁进行；(3)在矩形感兴趣区域(ROI)中检测演化得到颈动脉血管内中膜的LII (血管管腔与内膜边界)和MAI (中膜与外膜边界)两条边界的精确轮廓线(3. 1)在矩形感兴趣区域(ROI)中检测得到颈动脉血管内中膜的LII和MAI两条边界的初始轮廓线；(3.2)将步骤(3.1)检测得到的LII和MAI两条边界的初始轮廓线代入下述双 Snake模型推导得到的差分方程进行反复迭代直至稳定，得到LII的精确轮廓线Γ工(q)= (X1(Q)^y1(Q))和MAI的精确轮廓线r2(q) = (x2(q)，y2(q))，所述的差分方程的推导过程如下定义双Snake模型的能量泛函为
权利要求
1.一种血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法， 其特征在于，包括以下步骤(1)在计算机中人工载入一幅采集的原始血管超声图像；(2)人工选择包含血管远侧壁颈动脉内中膜的一个矩形感兴趣区域；(3)在矩形感兴趣区域中检测演化得到颈动脉血管内中膜的LII和MAI两条边界的精确轮廓线(3. 1)在矩形感兴趣区域中检测得到颈动脉血管内中膜的LII和MAI两条边界的初始轮廓线；(3. 2)将步骤(3. 1)检测得到的LII和MAI两条边界的初始轮廓线代入下述双Snake 模型推导得到的差分方程进行反复迭代直至稳定，得到LII的精确轮廓线Γ Jq) = (Xl (q), Y1 (q))和MAI的精确轮廓线r2(q) = ( (q)，y2 (q))，所述的差分方程的推导过程如下:定义双Snake模型的能量泛函为
2.根据权利要求1所述的血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于所述步骤(3. 1)中的初始轮廓线检测方式为人工定义两条初始轮廓线，第一条靠近LII，第二条靠近MAI。
3.根据权利要求1所述的血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于所述的步骤(3. 1)中的初始轮廓线检测方式为计算机自动检测，其步骤包括①计算单向边缘图；②取Te (0，1)，将单向边缘图二值化得到二值图像，然后将其沿χ轴方向分为若干等宽且无重叠的子图像，图像中像素的列对应坐标系统的χ坐标；③对每个子图像上使用Hough变换检测PLi和SLi两条直线段作为LII和MAI在该子图像中的部分；④找到检测到的直线段与其背景子图像匹配度最大的子图像，以它为参考，向左向右依次校正衔接错误的直线段，在进行下一次校正之前，采用前一次校正的直线段作为参考， 校正邻接未经校正处理的子图像；⑤将各子图像中的边界直线段连接得到颈动脉血管内中膜LII和MAI两条边界的初始轮廓线。
4.根据权利要求3所述的血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于所述的步骤①的单向边缘图由下述单向边缘图定义计算得到单向边缘图定义为
5.根据权利要求3所述的血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于所述的步骤②为a.将单向边缘图f(x，y)规范化到W，l]区间内，取T= 0.3进行二值化，得到二值图像；b.设选取的矩形感兴趣区域图像(ROI)的像素宽度为N，Imax是每段图像的可能划分的最大宽度(以像素为单位)，把二值图像分为Ns个等宽无重叠的子图像{S」i = 1...NJ， Ns = [N/lmax], Ifflax e [50，150]，Ifflax的选取使每个分段子图像内的边界近似为直线，Ifflax的取值与像素大小成反比例的变化。
6.根据权利要求3所述的血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于所述的步骤③为a.使用Hough变换建立二维累计矩阵；b.从累计矩阵中找到最大值，根据其位置确定子图像中它所对应的一条边界的直线段 PLi,假设PLi对应某一条颈动脉血管内中膜边界LII或MAI ；c.根据颈动脉血管内中膜的两条边界在分段子图像内近似平行，且两条边界的距离通常在一定的范围内，即PLjn另一条边界的直线段SLi之间的夹角θ应满足约束θ ^ θ_; 且PLi和SLi之间的距离d应满足dmin ^ d^ dmax，限制另一条边界所对应的局部最大值的搜索范围，在该范围内搜索最大值并根据其位置找到另一条边界的直线段，其中dmin为人工定义的原始血管超声图像中血管颈动脉内中膜厚度(IMT)的最小值，单位为像素，dmax为人工定义的原始血管超声图像中血管颈动脉内中膜厚度(IMT)的最大值，单位为像素，θ_ 表示分段子图像中PLi和SLi的夹角的最大值，单位为度，dmin和dmax的取值与像素大小成反比例的变化。
7.根据权利要求3所述的血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于所述步骤④为a.首先计算所有子图像{Si|i= l...Nj中PLJP SLiS、次直线对与子图像的匹配度， 找出所有子图像{S」i = 1...NJ中匹配度最大的子图像。，匹配度计算见公式(7){Si i = l... NJ中主、次直线对与子图像的匹配度Vi定义为
8.根据权利要求1所述的血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于将所述步骤(3. 中的偏微分方程可简化成新的方程 ⑶
9.根据权利要求1所述的血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均勻度分析方法，其特征在于所述的步骤(4)为在步骤C3)得到的颈动脉血管内中膜 LII和MAI两条边界的轮廓线的每个横坐标位置插值得到点对，计算该点对的垂直距离d， 同时计算该点对的平均值，得其平均点，然后进行拟合得到光滑曲线，估计该光滑曲线在点对处的局部斜率k，结合单点垂直距离d根据三角形学计算单点厚度为^/vrTF，根据单点厚度统计一段血管中内中膜各点厚度的均值、标准差、变异系数、百分构成比和百分位数。
全文摘要
本发明属于计算机技术与医学图像的交叉领域，具体涉及一种血管超声图像中颈动脉血管内中膜的计算机自动分割和厚度均匀度分析方法。具体步骤如下载入原始血管超声图像；选择包含血管远侧壁颈动脉内中膜的ROI；人工定义或计算机自动检测初始轮廓线包括计算单向边缘图、二值化与分段、Hough变换检测两条直线段PLi和SLi作为LII和MAI在该子图像中的部分、校正衔接，采用双Snake模型演化得到内中膜边界轮廓线，最后基于分割得到的两条边界计算厚度均匀度。本发明能有效应付图像中的噪声和边界不连续，达到精确分割内中膜边界的目标，减少医生工作量；同时基于本方法分析得到的厚度均匀度参数能为动脉粥样硬化的早期分析提供更多信息。
文档编号G06T5/00GK102163326SQ20111008514
公开日2011年8月24日 申请日期2011年4月6日 优先权日2010年12月22日
发明者周渊, 宋恩民, 程新耀 申请人:武汉沃生科学技术研究中心有限公司