颈动脉内中膜厚度测量的方法、系统和设备与流程
本发明涉及颈动脉内中膜厚度测量领域，尤其涉及一种颈动脉内中膜厚度实时测量的方法、系统和设备。
背景技术：
颈动脉血管壁的内中膜厚度(intimamediathickness，imt)与心脑血管疾病(cardiovasculardiseases，cvds)有着密切的关系，将其作为一项重要的评估指标，对心脑血管疾病早期诊断和预防具有重要的意义。
随着医疗诊断仪器的不断发展，超声诊断仪器因其无创性的优点广泛应用在临床检测中。imt作为医学检测的一项重要指标，其测量方法大部分为半自动化操作。所谓的半自动化操作即传统的手动操作方式，实现方法如下：操作者手动选取感兴趣区域(regionofinterest，roi)，然后，计算机根据roi区域，分别得到图像的管腔-内膜边界线(media-intimiainterface，lii)和中膜-外膜边界线(media-adventimiainterface，mai)，最后，通过计算得到两边界线的距离，即imt。这种方法的测量结果受操作者熟练度、个人主观影响较大且较为费时，另外，现有技术在提取中膜-外膜边界时，一般是直接将管腔-内膜边界平移得到，然而，由于受检者的个体差异性以及成像质量的不同，使得中膜-外膜边界的提取不准确。
技术实现要素：
本发明的目的在于提供一种可以实现精准测量颈动脉内中膜厚度的方法、系统和设备。
为了实现上述目的，本发明提出一种颈动脉内中膜厚度测量的方法，包括如下步骤：
从采集的颈动脉超声图像中提取感兴趣区域，并获取外膜区域的灰度特征；
根据所述外膜区域的灰度特征，从所述感兴趣区域中提取中膜-外膜边界基准线；
从所述感兴趣区域中获取管腔灰度阈值，并根据所述管腔灰度阈值和所述中膜-外膜边界基准线，从所述感兴趣区域中提取管腔-内膜边界基准线；
根据所述中膜-外膜边界基准线和管腔-内膜边界基准线，从所述感兴趣区域中提取边界基准域；
根据中膜-外膜边界的梯度特征和管腔-内膜边界的梯度特征，从所述边界基准域中分别提取中膜-外膜边界线和管腔-内膜边界线；
根据所述中膜-外膜边界线和所述管腔-内膜边界线计算出颈动脉内中膜厚度。
为了实现上述目的，本发明还提出一种颈动脉内中膜厚度测量的系统，包括
第一提取模块，用于从采集的颈动脉超声图像中提取感兴趣区域，并获取外膜区域的灰度特征；
第二提取模块，用于根据所述外膜区域的灰度特征，从所述感兴趣区域中提取中膜-外膜边界基准线；
第三提取模块，用于从所述感兴趣区域中获取管腔灰度阈值，并根据所述管腔灰度阈值和所述中膜-外膜边界基准线，从所述感兴趣区域中提取管腔-内膜边界基准线；
第四提取模块，用于根据所述中膜-外膜边界基准线和管腔-内膜边界基准线，从所述感兴趣区域中提取边界基准域；
第五提取模块，用于根据中膜-外膜边界的梯度特征和管腔-内膜边界的梯度特征，从所述边界基准域中分别提取中膜-外膜边界线和管腔-内膜边界线；
内中膜计算模块，用于根据所述中膜-外膜边界线和所述管腔-内膜边界线计算出颈动脉内中膜厚度。
为了实现所述目的，本发明提出一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如所述实施例中任意一项所述的方法。
与现有技术相比，本发明提供的颈动脉内中膜厚度实时测量的方法、系统和设备的有益效果在于：通过自动提取感兴趣区域，可以排除操作者个人因素的影响，提高测量的准确性；根据中膜-外膜边界基准线和管腔-内膜边界基准线，从感兴趣区域中提取边界基准域，再从边界基准域中提取管腔-内膜边界和中膜-外膜边界，最后根据管腔-内膜边界和中膜-外膜边界计算内中膜厚度，可以有效提高测量精度并减少计算量。
附图说明
图1为本发明一实施例的颈动脉内中膜厚度测量的方法的流程示意图；
图2为本发明一实施例采集的超声图像；
图3为本发明一实施例的颈动脉内中膜厚度测量的方法的流程示意图；
图4为本发明一实施例的颈动脉内中膜厚度测量的方法的流程示意图；
图5为本发明一实施例的颈动脉内中膜厚度测量的方法的流程示意图；
图6为本发明一实施例的颈动脉内中膜厚度测量的方法的流程示意图；
图7为本发明一实施例的颈动脉内中膜厚度测量的方法的流程示意图；
图8为本发明一实施例的颈动脉内中膜厚度测量的方法的流程示意图；
图9为本发明一实施例的颈动脉内中膜厚度测量的系统的模块结构示意图；
图10为本发明一实施例的颈动脉内中膜厚度测量的系统的模块结构示意图；
图11为本发明一实施例的颈动脉内中膜厚度测量的系统的模块结构示意图；
图12为本发明一实施例的颈动脉内中膜厚度测量的系统的模块结构示意图；
图13为本发明一实施例的颈动脉内中膜厚度测量的系统的模块结构示意图；
图14为本发明一实施例的颈动脉内中膜厚度测量的系统的模块结构示意图；
图15为本发明一实施例的颈动脉内中膜厚度测量的系统的模块结构示意图；
图16为本发明一实施例的一种计算机设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
另外，在本发明中涉及“第一”“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
请参照图1，本发明提供一种颈动脉内中膜厚度测量的方法，包括如下步骤：
s01，从采集的颈动脉超声图像中提取感兴趣区域，并获取外膜区域的灰度特征；
s02，根据所述外膜区域的灰度特征，从所述感兴趣区域中提取中膜-外膜边界基准线；
s03，从所述感兴趣区域中获取管腔灰度阈值，并根据所述管腔灰度阈值和所述中膜-外膜边界基准线，从所述感兴趣区域中提取管腔-内膜边界基准线；
s04，根据所述中膜-外膜边界基准线和管腔-内膜边界基准线，从所述感兴趣区域中提取边界基准域；
s05，根据中膜-外膜边界的梯度特征和管腔-内膜边界的梯度特征，从所述边界基准域中分别提取中膜-外膜边界线和管腔-内膜边界线；
s06，根据所述中膜-外膜边界线和所述管腔-内膜边界线计算出颈动脉内中膜厚度。
如所述步骤s01，从采集的颈动脉超声图像中提取感兴趣区域，并获取外膜区域的灰度特征；超声设备根据血流成像参数持续发射超声波，超声波进入人体后经过一系列反射、散射、折射等物理过程后，部分能量返回到超声设备中，这些包含人体组织信息的超声波被转换为电信号，在进行模数转换后，模拟回波信号转换为数字超声回波信号，然后通过波束合成、相干叠加、正交解调、包络检测等信号处理生成二维灰阶超声图像，由于超声设备发射的超声波是持续的，因此获得的是动态的二维灰阶超声图像，本实施例颈动脉内中膜厚度测量的方法是以动态的二维灰阶超声图像的每一帧图像作为处理对象。因此，本实施例所述的颈动脉超声图像为动态二维灰阶超声图像中的其中一帧二维灰阶超声图像。所述感兴趣区域为包含颈动脉血管壁周围包含血管壁、血管内中外膜和血管外部结构的矩形区域。如图2所示，图中白色矩形框为获取的感兴趣区域。本实施例中，所述感兴趣区域为颈动脉血管的远壁，因此，获取的感兴趣区域中，上部黑色背景为血管腔内部，中部三个细条状亮-暗-亮条纹分别为内膜、中膜、外膜，下部面积区域为感兴趣区域中除血管腔、血管壁外膜外的其他组织和伪迹。自动提取感兴趣区域可以避免手动分割感兴趣区域的繁琐、也可以避免操作者主观因素造成的影响，是保证内中膜厚度测量准确的前提。
如所述步骤s02，根据所述外膜区域的灰度特征，从所述感兴趣区域中提取中膜-外膜边界基准线；在所述感兴趣区域中，外膜呈现白色，即外膜像素值处于较大灰度值，因此，外膜部分必定包含在较大灰度值的像素中。所述中膜-外膜边界基准线在外膜上，且中膜-外膜边界线在所述中膜-外膜边界基准线以上的区域内。在测量内中膜厚度时，在所述中膜-外膜边界基准线以下的区域均为无关区域，提取中膜-外膜边界基准线，为后续步骤做准备。
如所述步骤s03，从所述感兴趣区域中获取管腔灰度阈值，并根据所述管腔灰度阈值和所述中膜-外膜边界基准线，从所述感兴趣区域中提取管腔-内膜边界基准线；管腔紧挨内膜，管腔中是流动的血液，在感兴趣区域图像中表现为黑色，即管腔部分像素值处于较小灰度值，而管腔灰度阈值即为管腔最大的灰度值、或相邻且大于管腔最大灰度值的灰度值，是区分管腔和其他部分的一个重要特征。所述管腔-内膜边界基准线在管腔部分上，且管腔-内膜边界线在所述管腔-内膜边界基准线的以下的区域内，在所述感兴趣区域中，所述管腔-内膜边界基准线在所述中膜-外膜边界基准线以上，以所述管腔灰度阈值作为参考因素，可以确保提取的管腔-内膜边界基准线以上区域有且只有管腔，在测量内中膜厚度时，管腔部分为无关区域，提取管腔-内膜边界基准线，为后续步骤做准备。
如所述步骤s04，根据所述中膜-外膜边界基准线和管腔-内膜边界基准线，从所述感兴趣区域中提取边界基准域；在所述感兴趣区域中，所述中膜-外膜边界基准线以下部分为无关区域，所述管腔-内膜边界基准线以上的区域为无关区域，因此，所述中膜-外膜边界基准线和所述管腔-内膜边界基准线之间的区域为有关区域，即管腔-内膜边界线和中膜-外膜边界线均在所述中膜-外膜边界基准线和所述管腔-内膜边界基准线之间的区域内。因此，通过提取边界基准线域可以将无关区域剔除，以减少后续步骤的计算量。
如所述步骤s05，根据中膜-外膜边界的梯度特征和管腔-内膜边界的梯度特征，从所述边界基准域中分别提取中膜-外膜边界线和管腔-内膜边界线；边界是比较特殊的部位，通常边界部位梯度变化较大。因此根据梯度值的突变性可以确定中膜-外膜边界和管腔-内膜边界。在分界基准域的图像梯度中，管腔-内膜边界处的梯度值为较大的正值，内膜-中膜边界处的梯度值为较小的负值，中膜-外膜边界处的梯度值为较大的正值。根据以上特点，可以从所述分界基准域中提取中膜-外膜边界线和管腔-内膜边界线。获取所述分界基准线域进行的图像梯度，相较于获取所述感兴趣区域的图像梯度而言，可以减少计算量，同时减少无关区域的干扰。
如所述步骤s06，根据所述中膜-外膜边界线和所述管腔-内膜边界线计算出颈动脉内中膜厚度；颈动脉内中膜厚度即管腔-内膜边界线和中膜-外膜边界线之间的距离。本实施例中，用一段长度的管腔-内膜边界线和对应的中膜-外膜边界线之差的绝对值求平均来确定颈动脉内中膜厚度。
请参照图3，在本实施例中，在所述颈动脉内中膜厚度测量的方法中，所述从采集的颈动脉超声图像中提取感兴趣区域的步骤，具体包括如下步骤：
s101，对采集的颈动脉超声图像进行边缘检测，得到边缘检测图像；
s102，根据颈动脉血管的特征，从所述边缘检测图像中确定颈动脉血管的边缘位置信息；
s103，根据所述颈动脉血管的边缘位置信息，从所述采集的颈动脉超声图像中提取所述感兴趣区域。
如所述步骤s101，对采集的颈动脉超声图像进行边缘检测，得到边缘检测图像；本实施例中，采用canny算子对颈动脉超声图像进行边缘检测，具体包括将采集的颈动脉超声图像与高斯平滑模板作卷积，以将原始颈动脉超声图像进行降噪处理；然后，从已降噪的图像中寻找强度梯度；接着，应用非最大抑制技术来消除边误检；再接着，应用双阈值的方法来确定可能的边界；最后，利用滞后技术来跟踪边界；从而得到边缘检测图像，所述边缘检测图像中包含所述颈动脉超声图像中的所有边缘信息。
如所述步骤s102，根据颈动脉血管的特征，从所述边缘检测图像中确定颈动脉血管的边缘位置信息；具体的，所述边缘检测图像中不仅包括颈动脉血管的边缘，还包括其他无关的边缘，根据颈动脉血管的特征，例如成年人的颈动脉血管内径一般在4.5-4.7mm之间，利用这个特征，可以从所述边缘检测图像中确定颈动脉血管边缘，并提取颈动脉血管的边缘位置信息，得到颈动脉血管的两个对角的位置。
如所述步骤s103，根据所述颈动脉血管的边缘位置信息，从所述采集的颈动脉超声图像中提取所述感兴趣区域；具体的，将所述颈动脉血管的两个对角的位置信息对应到采集的颈动脉超声图像中，可以从采集的颈动脉超声图像中确定颈动脉的位置。本实施例以颈动脉血管左下角部位血管壁为目标提取感兴趣区域。
在本实施例中，在所述颈动脉内中膜厚度测量的方法中，在所述感兴区域中提取中膜-外膜边界基准线的步骤之前，包括如下步骤：
采用双边滤波算法对所述感兴趣区域去噪。
在超声图像中，噪声对边缘信息会产生显著的影响，因此需要通过图像去噪算法对噪声进行抑制和去除，双边滤波属于非线性滤波器，是一种简单、非迭代的滤波算法，计算量小，并且可以达到较好的边缘保持及降噪的目的。双边滤波的原理是基于像素的距离相似性和灰度相似性进行的高斯滤波。本实施例采用的双边滤波算法的公式如下：
其中，
所述双边滤波方法采用的滤波器为尺寸8×8的矩阵，σ1的取值为3，σ2的取值为0.2。所述感兴趣区域经所述双边滤波算法处理后，即可得到管腔、内膜、外膜的区域，且同时保持了管腔-内膜边界和中膜-外膜边界的信息。
请参照图4，在本实施例中，在所述颈动脉内中膜厚度测量的方法中，所述从所述感兴趣区域中提取中膜-外膜边界基准线的步骤，具体包括如下步骤：
s201，获取所述感兴趣区域中灰度值最大的连通区域；外膜部分对应的灰度值在所述感兴趣区域中是最大的，可以认为感兴趣区域中灰度值最大的连通区域就是外膜。
s202，从所述连通区域中提取所述中膜-外膜边界基准线；中膜-外膜边界基准线在外膜上，因此，从所述连通区域中提取所述中膜-外膜边界基准线。
具体的，在感兴趣区域中，将每一纵列像素值最大的像素进行标记，然后从所述标记的像素中获取纵坐标方向的中值像素，记为(x1med，y1med)；其中，x1med表示所述中值像素的横坐标，y1med表示所述中值像素的纵坐标；接着，设置一个第一局域阈值和一个第一全局阈值，所述第一局域阈值取值范围为1～2个像素，用于相邻像素的纵坐标差异的判断，所述第一全局阈值取值范围为5～10个像素，用于与中值位置像素的纵坐标差异的判断；再接着，以所述中值像素(x1med，y1med)向左和向右进行中膜-外膜边界基准线跟踪。具体的，在所述标记的像素中，如果当前像素点(x1k,y1k)到前一个像素点(x1p,y1p)的纵向方向距离大于第一局域阈值，或是当前像素点(x1k,y1k)到中值像素(x1med，y1med)的纵向方向距离大于第一全局阈值，则认为当前像素点(x1k,y1k)不属于中膜-外膜边界基准线，并取消当前像素点(x1k,y1k)的标记。其中，所述前一个像素点(x1p,y1p)为与当前像素点(x1k,y1k)相邻且位于当前像素点(x1k,y1k)和中值像素(x1med，y1med)之间。最后，从坐标(x1k,y1p)向上三个像素点和向下三个像素点中，选择灰度值最大的像素点进行标记，所有被标记的像素点形成中膜-外膜边界基准线。
请参照图5，在本实施例中，在所述颈动脉内中膜厚度测量的方法中，所述从所述感兴趣区域中获取管腔灰度阈值的步骤，具体包括如下步骤：
s311，计算所述感兴趣区域中的管腔像素占比；
s312，生成所述感兴趣区域的累计直方图；
s313，根据所述管腔像素占比从所述累计直方图中获取管腔灰度阈值。
如所述步骤s311，计算所述感兴趣区域中的管腔像素占比；所述感兴趣区域为包含颈动脉血管壁周围包含血管壁、血管内中外膜和血管外部结构的矩形区域。管腔在所述感兴趣区域中呈黑色，对应的灰度值最小。通过计算管腔部分的面积和感兴趣区域的面积比，可以得到感兴趣区域中的管腔像素占比。根据经验，感兴趣区域中的管腔像素占比在0.2～0.5之间，因此，也可以用经验值来确定感兴趣区域中的管腔像素占比。
如所述步骤s312，生成所述感兴趣区域的累计直方图；累计直方图代表图像组成成分在灰度级的累计概率分布情况，每一个概率值代表小于等于此灰度值的概率。而管腔像素的灰度值较小，累计直方图的横坐标表示的灰度值按照从小到大顺序排列，因此管腔像素的灰度值集中在灰度值较小的范围内。
如所述步骤s313，根据所述管腔像素占比从所述累计直方图中获取管腔灰度阈值；管腔像素集中在低灰度值部分，因此，在所述累计直方图中，按照灰度值从小到大的顺序查看，获取第一个对应的概率等于管腔像素占比的灰度值确定为管腔灰度阈值；若在所述累计直方图中，没有一个对应的概率等于管腔像素占比的灰度值，则获取第一个对应的概率大于管腔像素占比的灰度值确定为管腔灰度阈值。因此，在所述感兴趣区域中，灰度值低于所述管腔灰度阈值的像素为管腔。
请参照图6，在本实施例中，在所述颈动脉内中膜厚度测量的方法中，所述从所述感兴趣区域中提取管腔-内膜边界基准线的步骤，具体包括如下步骤：
s301，在所述感兴趣区域中，将所述中膜-外膜边界基准线以上部分作为扫描区域；本实施例中，所述感兴趣区域为远端，因此管腔-内膜边界基准线位于中膜-外膜边界基准线的上方。
s302，根据所述管腔灰度阈值，在所述扫描区域中提取所述管腔-内膜边界基准线；所述管腔-内膜边界基准线在管腔-内膜边界线的上方，因此，管腔-内膜边界基准线在管腔内，且靠近内膜。
具体的，在感兴趣区域中，沿所述中膜-外膜边界基准线向上扫描，将每一纵列连续出现的第四个灰度值小于管腔灰度阈值的像素进行标记，然后从所述标记的像素中获取纵坐标方向的中值像素，记为(x2med，y2med)；其中，x2med表示所述中值像素的横坐标，y2med表示所述中值像素的纵坐标；接着，设置一个第二局域阈值和一个第二全局阈值，所述第二局域阈值取值范围为1～2个像素，用于相邻像素的纵坐标差异的判断，所述第二全局阈值取值范围为5～10个像素，用于与中值位置像素的纵坐标差异的判断；再接着，以所述中值像素(x2med，y2med)向左和向右进行管腔-内膜边界基准线跟踪。具体的，在所述标记的像素中，如果当前像素点(x2k，y2k)到前一个像素点(x2p，y2p)的纵向方向距离大于第二局域阈值，或是当前像素点(x2k，y2k)到中值像素(x2med，y2med)的纵向方向距离大于第二全局阈值，则认为当前像素点(x2k，y2k)不属于管腔-内膜边界基准线，并取消当前像素点(x2k，y2k)的标记。其中，所述前一个像素点(x2p，y2p)为与当前像素点(x2k，y2k)相邻且位于当前像素点(x2k，y2k)和中值像素(x2med，y2med)之间。最后，从坐标(x2k，y2p)向上三个像素点和向下三个像素点中，选择灰度值最小的像素点进行标记，所有被标记的像素点形成管腔-内膜边界基准线。
请参照图7，在本实施例中，在所述颈动脉内中膜厚度测量的方法中，所述从所述分界基准域中分别提取中膜-外膜边界和管腔-内膜边界的步骤，具体包括如下步骤：
s501，获取所述边界基准域的图像梯度，并得到图像梯度为最小负值的像素；
s502，根据所述像素的纵坐标值，将所有和所述纵坐标值相等的像素生成第一像素集；
s503，根据所述第一像素集和所述中膜-外膜边界基准线，获取每一纵列最大梯度值对应的像素，得到中膜-外膜边界像素集，并通过所述中膜-外膜边界像素集生成所述中膜-外膜边界线；
s504，根据所述第一像素集和所述管腔-内膜边界基准线，获取每一纵列最大梯度值对应的像素，得到管腔-内膜边界像素集，并通过所述管腔-内膜边界像素集生成所述管腔-内膜边界线。
如所述步骤s501，获取所述边界基准域的图像梯度，并得到图像梯度为最小负值的像素；把图像看作二维离散函数，图像梯度就是这个二维离散函数的求导。边界是比较特殊的部位，通常边界部位梯度变化较大。因此根据梯度值的突变性可以确定中膜-外膜边界和管腔-内膜边界。图像特征中，管腔-内膜边界处的梯度值为较大的正值，内膜-中膜边界处的梯度值为较小的负值，中膜-外膜边界处的梯度值为较大的正值。因此，得到图像梯度为最小负值的像素对应在内膜-中膜边界中。
如所述步骤s502，根据所述像素的纵坐标值，将所有和所述纵坐标值相等的像素生成第一像素集；所述像素为图像梯度最小负值的像素，根据其纵坐标对应的值，将所有和所述纵坐标值相等的像素生成第一像素集，即所述第一像素集为与横坐标平行的线，可以认为所述第一像素集位于所述管腔-内膜边界基准线和所述中膜-外膜边界基准线之间。
如所述步骤s503，根据所述第一像素集和所述中膜-外膜边界基准线，获取每一纵列最大梯度值对应的像素，得到中膜-外膜边界像素集，并通过所述中膜-外膜边界像素集生成所述中膜-外膜边界线；在图像中，所述中膜-外膜边界线在所述第一像素集和所述中膜-外膜边界基准线之间；由于图像特征中中膜-外膜边界线和管腔-内膜边界线具有相同的梯度特点，因此，根据所述第一像素集和所述中膜-外膜边界基准线，可以将管腔-内膜边界线排除在外；在所述第一像素集和所述中膜-外膜边界基准线之间，中膜-外膜边界处的梯度值为较大的正值，因此，可以认为上述的每一纵列最大梯度值对应的像素都在中膜-外膜边界线中，所有纵列最大梯度值对应的像素构成了中膜-外膜边界线。
如所述步骤s504，根据所述第一像素集和所述管腔-内膜边界基准线，获取每一纵列最大梯度值对应的像素，得到管腔-内膜边界像素集，并通过所述管腔-内膜边界像素集生成所述管腔-内膜边界线；在图像中，所述管腔-内膜边界线在所述第一像素集和所述管腔-内膜边界基准线之间；由于图像特征中中膜-外膜边界线和管腔-内膜边界线具有相同的梯度特点，因此，根据所述第一像素集和所述管腔-内膜边界基准线，可以将中膜-外膜边界线排除在外；在所述第一像素集和所述管腔-内膜边界基准线之间，管腔-内膜边界处的梯度值为较大的正值，因此，可以认为上述的每一纵列最大梯度值对应的像素都在管腔-内膜边界线中，所有纵列最大梯度值对应的像素构成了管腔-内膜边界线。
进一步的，在本实施例中，在所述颈动脉内中膜厚度测量的方法中，在所述计算出颈动脉内中膜厚度的步骤之前，还包括如下步骤：
根据动态规划方程式的解分别对所述管腔-内膜边界线和所述中膜-外膜边界线进行调整，所述动态规划方程式为：
其中，g(xk)表示像素xk位置的梯度值，c(xk-1,xk,xk+1)表示由(xk-1,xk,xk+1)三点连成的折线曲率大小，λ为负常数。
具体的，所述动态规划方程式根据内膜和中膜边界位置的梯度和曲率特点建立；内膜和中膜边界位置特点有两个：第一，边界的曲率较小，第二，边界处于梯度值较大的位置，因此根据这两个特点建立所述动态规划方程式。因为管腔-内膜边界线和中膜-外膜边界线理想的情况下，梯度值大且曲率小，因此，当所述动态规划方程式的函数值最大时，会得到对应的两个解，即求解(xk-1,xk,xk+1)，使得l(x1,x2,x3,......,xn-1,xn)函数值最大。所述两个解，其中一个对应于所述管腔-内膜边界线，另一个对应于中膜-外膜边界线。根据其中一个解对所述管腔-内膜边界线进行调整，根据另一个解对所述中膜-外膜边界线进行调整。实际操作中，可以采用八邻域折线法，将折线上的每个点往上或者往下移动一定像素距离，使得l(x1,x2,x3,......,xn-1,xn)函数值最大，即得到最合理的边界。
请参照图8，在本实施例中，在所述颈动脉内中膜厚度测量的方法中，所述根据所述中膜-外膜边界线和所述管腔-内膜边界线计算出颈动脉内中膜厚度的步骤，具体包括如下步骤：
s601，计算每一纵列管腔-内膜边界线和中膜-外膜边界线的距离，得到距离集；
s602，求取所述距离集的平均值，得到颈动脉内中膜厚度。
如所述步骤s601，计算每一纵列管腔-内膜边界线和中膜-外膜边界线的距离，得到距离集；在所述边界基准域中，或者在所述感兴趣区域中，获取一段长度的管腔-内膜边界线和对应的中膜-外膜边界线，所述管腔-内膜边界线的每一纵列像素的纵坐标值和所述中膜-外膜边界线的对应纵列像素的纵坐标值的差值的绝对值，即为对应纵坐标之间的距离；所述距离集包括以上所述的所有纵列的差值的绝对值，即所述距离集包括以上管腔-内膜边界线和中膜-外膜边界线的所有纵列的纵坐标的距离值。
如所述步骤s602，求取所述距离集的平均值，得到颈动脉内中膜厚度；所述距离集中的所有距离值求平均，得到的平均值为颈动脉内中膜厚度。通过求取平均值的方式得到颈动脉内中膜厚度，更具有代表性，同时可以防止因个别数据出错而导致计算结果偏差过大的情况，从而确保计算结果的精确性。
请参照图9，本发明提供一种颈动脉内中膜厚度测量的系统，包括：
第一提取模块100，用于从采集的颈动脉超声图像中提取感兴趣区域，并获取外膜区域的灰度特征；
第二提取模块200，用于根据所述外膜区域的灰度特征，从所述感兴趣区域中提取中膜-外膜边界基准线；
第三提取模块300，用于从所述感兴趣区域中获取管腔灰度阈值，并根据所述管腔灰度阈值和所述中膜-外膜边界基准线，从所述感兴趣区域中提取管腔-内膜边界基准线；
第四提取模块400，用于根据所述中膜-外膜边界基准线和管腔-内膜边界基准线，从所述感兴趣区域中提取边界基准域；
第五提取模块500，用于根据中膜-外膜边界的梯度特征和管腔-内膜边界的梯度特征，从所述边界基准域中分别提取中膜-外膜边界线和管腔-内膜边界线；
内中膜计算模块600，用于根据所述中膜-外膜边界线和所述管腔-内膜边界线计算出颈动脉内中膜厚度。
如所述第一提取模块100，用于从采集的颈动脉超声图像中提取感兴趣区域，并获取外膜区域的灰度特征；超声设备根据血流成像参数持续发射超声波，超声波进入人体后经过一系列反射、散射、折射等物理过程后，部分能量返回到超声设备中，这些包含人体组织信息的超声波被转换为电信号，在进行模数转换后，模拟回波信号转换为数字超声回波信号，然后通过波束合成、相干叠加、正交解调、包络检测等信号处理生成二维灰阶超声图像，由于超声设备发射的超声波是持续的，因此获得的是动态的二维灰阶超声图像，本实施例颈动脉内中膜厚度测量的方法是以动态的二维灰阶超声图像的每一帧图像作为处理对象。因此，本实施例所述的颈动脉超声图像为动态二维灰阶超声图像中的其中一帧二维灰阶超声图像。所述感兴趣区域为包含颈动脉血管壁周围包含血管壁、血管内中外膜和血管外部结构的矩形区域。如图2所示，图中白色矩形框为获取的感兴趣区域。本实施例中，所述感兴趣区域为颈动脉血管的远壁，因此，获取的感兴趣区域中，上部黑色背景为血管腔内部，中部三个细条状亮-暗-亮条纹分别为内膜、中膜、外膜，下部面积区域为感兴趣区域中除血管腔、血管壁外膜外的其他组织和伪迹。自动提取感兴趣区域可以避免手动分割感兴趣区域的繁琐、也可以避免操作者主观因素造成的影响，是保证内中膜厚度测量准确的前提。
如所述第二提取模块200，用于根据所述外膜区域的灰度特征，从所述感兴趣区域中提取中膜-外膜边界基准线；在所述感兴趣区域中，外膜呈现白色，即外膜像素值处于较大灰度值，因此，外膜部分必定包含在较大灰度值的像素中。所述中膜-外膜边界基准线在外膜上，且中膜-外膜边界线在所述中膜-外膜边界基准线以上的区域内。在测量内中膜厚度时，在所述中膜-外膜边界基准线以下的区域均为无关区域，提取中膜-外膜边界基准线，为后续处理做准备。
如所述第三提取模块300，用于从所述感兴趣区域中获取管腔灰度阈值，并根据所述管腔灰度阈值和所述中膜-外膜边界基准线，从所述感兴趣区域中提取管腔-内膜边界基准线；管腔紧挨内膜，管腔中是流动的血液，在感兴趣区域图像中表现为黑色，即管腔部分像素值处于较小灰度值，而管腔灰度阈值即为管腔最大的灰度值、或相邻且大于管腔最大灰度值的灰度值，是区分管腔和其他部分的一个重要特征。所述管腔-内膜边界基准线在管腔部分上，且管腔-内膜边界线在所述管腔-内膜边界基准线的以下的区域内，在所述感兴趣区域中，所述管腔-内膜边界基准线在所述中膜-外膜边界基准线以上，以所述管腔灰度阈值作为参考因素，可以确保提取的管腔-内膜边界基准线以上区域有且只有管腔，在测量内中膜厚度时，管腔部分为无关区域，提取管腔-内膜边界基准线，为后续处理做准备。
如所述第四提取模块400，用于根据所述中膜-外膜边界基准线和管腔-内膜边界基准线，从所述感兴趣区域中提取边界基准域；在所述感兴趣区域中，所述中膜-外膜边界基准线以下部分为无关区域，所述管腔-内膜边界基准线以上的区域为无关区域，因此，所述中膜-外膜边界基准线和所述管腔-内膜边界基准线之间的区域为有关区域，即管腔-内膜边界线和中膜-外膜边界线均在所述中膜-外膜边界基准线和所述管腔-内膜边界基准线之间的区域内。因此，通过提取边界基准线域可以将无关区域剔除，以减少后续处理的计算量。
如所述第五提取模块500，用于根据中膜-外膜边界的梯度特征和管腔-内膜边界的梯度特征，从所述边界基准域中分别提取中膜-外膜边界线和管腔-内膜边界线；边界是比较特殊的部位，通常边界部位梯度变化较大。因此根据梯度值的突变性可以确定中膜-外膜边界和管腔-内膜边界。在分界基准域的图像梯度中，管腔-内膜边界处的梯度值为较大的正值，内膜-中膜边界处的梯度值为较小的负值，中膜-外膜边界处的梯度值为较大的正值。根据以上特点，可以从所述分界基准域中提取中膜-外膜边界线和管腔-内膜边界线。获取所述分界基准线域进行的图像梯度，相较于获取所述感兴趣区域的图像梯度而言，可以减少计算量，同时减少无关区域的干扰。
如所述内中膜计算模块600，用于根据所述中膜-外膜边界线和所述管腔-内膜边界线计算出颈动脉内中膜厚度；颈动脉内中膜厚度即管腔-内膜边界线和中膜-外膜边界线之间的距离。本实施例中，用一段长度的管腔-内膜边界线和对应的中膜-外膜边界线之差的绝对值求平均来确定颈动脉内中膜厚度。
请参照图10，在本实施例中，在所述颈动脉内中膜厚度测量的系统中，所述第一提取模块100具体包括：
边缘检测第一子模块101，用于对采集的颈动脉超声图像进行边缘检测，得到边缘检测图像；
边缘检测第二子模块102，用于根据颈动脉血管的特征，从所述边缘检测图像中确定颈动脉血管的边缘位置信息；
边缘检测第三子模块103，用于根据所述颈动脉血管的边缘位置信息，从所述采集的颈动脉超声图像中提取所述感兴趣区域。
如所述边缘检测第一子模块101，用于对采集的颈动脉超声图像进行边缘检测，得到边缘检测图像；本实施例中，采用canny算子对颈动脉超声图像进行边缘检测，具体包括将采集的颈动脉超声图像与高斯平滑模板作卷积，以将原始颈动脉超声图像进行降噪处理；然后，从已降噪的图像中寻找强度梯度；接着，应用非最大抑制技术来消除边误检；再接着，应用双阈值的方法来确定可能的边界；最后，利用滞后技术来跟踪边界；从而得到边缘检测图像，所述边缘检测图像中包含所述颈动脉超声图像中的所有边缘信息。
如所述边缘检测第二子模块102，用于根据颈动脉血管的特征，从所述边缘检测图像中确定颈动脉血管的边缘位置信息；具体的，所述边缘检测图像中不仅包括颈动脉血管的边缘，还包括其他无关的边缘，根据颈动脉血管的特征，例如成年人的颈动脉血管内径一般在4.5-4.7mm之间，利用这个特征，可以从所述边缘检测图像中确定颈动脉血管边缘，并提取颈动脉血管的边缘位置信息，得到颈动脉血管的两个对角的位置。
如所述边缘检测第三子模块103，用于根据所述颈动脉血管的边缘位置信息，从所述采集的颈动脉超声图像中提取所述感兴趣区域；具体的，将所述颈动脉血管的两个对角的位置信息对应到采集的颈动脉超声图像中，可以从采集的颈动脉超声图像中确定颈动脉的位置。本实施例以颈动脉血管左下角部位血管壁为目标提取感兴趣区域。
在本实施例中，在所述颈动脉内中膜厚度测量的系统中，在所述第一提取模块100和第二提取模块200之间，还包括去噪模块，所述去噪模块用于采用双边滤波算法对所述感兴趣区域去噪。
在超声图像中，噪声对边缘信息会产生显著的影响，因此需要通过图像去噪算法对噪声进行抑制和去除，双边滤波属于非线性滤波器，是一种简单、非迭代的滤波算法，计算量小，并且可以达到较好的边缘保持及降噪的目的。双边滤波的原理是基于像素的距离相似性和灰度相似性进行的高斯滤波。本实施例采用的双边滤波算法的公式如下：
其中，
所述双边滤波方法采用的滤波器为尺寸8×8的矩阵，σ1的取值为3，σ2的取值为0.2。所述感兴趣区域经所述双边滤波算法处理后，即可得到管腔、内膜、外膜的区域，且同时保持了管腔-内膜边界和中膜-外膜边界的信息。
请参照图11，在本实施例中，在所述颈动脉内中膜厚度测量的系统中，所述第二提取模块200，具体包括：
第二提取第一子模块201，用于获取所述感兴趣区域中灰度值最大的连通区域；外膜部分对应的灰度值在所述感兴趣区域中是最大的，可以认为感兴趣区域中灰度值最大的连通区域就是外膜。
第二提取第二子模块202，用于从所述连通区域中提取所述中膜-外膜边界基准线；中膜-外膜边界基准线在外膜上，因此，从所述连通区域中提取所述中膜-外膜边界基准线。
具体的，在感兴趣区域中，将每一纵列像素值最大的像素进行标记，然后从所述标记的像素中获取纵坐标方向的中值像素，记为(x1med，y1med)；其中，x1med表示所述中值像素的横坐标，y1med表示所述中值像素的纵坐标；接着，设置一个第一局域阈值和一个第一全局阈值，所述第一局域阈值取值范围为1～2个像素，用于相邻像素的纵坐标差异的判断，所述第一全局阈值取值范围为5～10个像素，用于与中值位置像素的纵坐标差异的判断；再接着，以所述中值像素(x1med，y1med)向左和向右进行中膜-外膜边界基准线跟踪。具体的，在所述标记的像素中，如果当前像素点(x1k,y1k)到前一个像素点(x1p,y1p)的纵向方向距离大于第一局域阈值，或是当前像素点(x1k,y1k)到中值像素(x1med，y1med)的纵向方向距离大于第一全局阈值，则认为当前像素点(x1k,y1k)不属于中膜-外膜边界基准线，并取消当前像素点(x1k,y1k)的标记。其中，所述前一个像素点(x1p,y1p)为与当前像素点(x1k,y1k)相邻且位于当前像素点(x1k,y1k)和中值像素(x1med，y1med)之间。最后，从坐标(x1k,y1p)向上三个像素点和向下三个像素点中，选择灰度值最大的像素点进行标记，所有被标记的像素点形成中膜-外膜边界基准线。
请参照图12和图13，在本实施例中，在所述颈动脉内中膜厚度测量的系统中，所述第三提取模块300包括管腔阈值提取模块310，具体包括：
阈值提取第一子模块311，用于计算所述感兴趣区域中的管腔像素占比；
阈值提取第二子模块312，用于生成所述感兴趣区域的累计直方图；
阈值提取第三子模块313，用于根据所述管腔像素占比从所述累计直方图中获取管腔灰度阈值。
如所述管腔阈值第一子模块311，用于计算所述感兴趣区域中的管腔像素占比；所述感兴趣区域为包含颈动脉血管壁周围包含血管壁、血管内中外膜和血管外部结构的矩形区域。管腔在所述感兴趣区域中呈黑色，对应的灰度值最小。通过计算管腔部分的面积和感兴趣区域的面积比，可以得到感兴趣区域中的管腔像素占比。根据经验，感兴趣区域中的管腔像素占比在0.2～0.5之间，因此，也可以用经验值来确定感兴趣区域中的管腔像素占比。
如所述管腔阈值第二子模块312，用于生成所述感兴趣区域的累计直方图；累计直方图代表图像组成成分在灰度级的累计概率分布情况，每一个概率值代表小于等于此灰度值的概率。而管腔像素的灰度值较小，累计直方图的横坐标表示的灰度值按照从小到大顺序排列，因此管腔像素的灰度值集中在灰度值较小的范围内。
如所述管腔阈值第三子模块313，用于根据所述管腔像素占比从所述累计直方图中获取管腔灰度阈值；管腔像素集中在低灰度值部分，因此，在所述累计直方图中，按照灰度值从小到大的顺序查看，获取第一个对应的概率等于管腔像素占比的灰度值确定为管腔灰度阈值；若在所述累计直方图中，没有一个对应的概率等于管腔像素占比的灰度值，则获取第一个对应的概率大于管腔像素占比的灰度值确定为管腔灰度阈值。因此，在所述感兴趣区域中，灰度值低于所述管腔灰度阈值的像素为管腔。
请参照图12，在本实施例中，在所述颈动脉内中膜厚度测量的系统中，所述第三提取模块300还包括：
第三提取第一子模块302，用于在所述感兴趣区域中，将所述中膜-外膜边界基准线以上部分作为扫描区域；本实施例中，所述感兴趣区域为远端，因此管腔-内膜边界基准线位于中膜-外膜边界基准线的上方。
第三提取第二子模块303，用于根据所述管腔灰度阈值，在所述扫描区域中提取所述管腔-内膜边界基准线；所述管腔-内膜边界基准线在管腔-内膜边界线的上方，因此，管腔-内膜边界基准线在管腔内，且靠近内膜。
具体的，在感兴趣区域中，沿所述中膜-外膜边界基准线向上扫描，将每一纵列连续出现的第四个灰度值小于管腔灰度阈值的像素进行标记，然后从所述标记的像素中获取纵坐标方向的中值像素，记为(x2med，y2med)；其中，x2med表示所述中值像素的横坐标，y2med表示所述中值像素的纵坐标；接着，设置一个第二局域阈值和一个第二全局阈值，所述第二局域阈值取值范围为1～2个像素，用于相邻像素的纵坐标差异的判断，所述第二全局阈值取值范围为5～10个像素，用于与中值位置像素的纵坐标差异的判断；再接着，以所述中值像素(x2med，y2med)向左和向右进行管腔-内膜边界基准线跟踪。具体的，在所述标记的像素中，如果当前像素点(x2k，y2k)到前一个像素点(x2p，y2p)的纵向方向距离大于第二局域阈值，或是当前像素点(x2k，y2k)到中值像素(x2med，y2med)的纵向方向距离大于第二全局阈值，则认为当前像素点(x2k，y2k)不属于管腔-内膜边界基准线，并取消当前像素点(x2k，y2k)的标记。其中，所述前一个像素点(x2p，y2p)为与当前像素点(x2k，y2k)相邻且位于当前像素点(x2k，y2k)和中值像素(x2med，y2med)之间。最后，从坐标(x2k，y2p)向上三个像素点和向下三个像素点中，选择灰度值最小的像素点进行标记，所有被标记的像素点形成管腔-内膜边界基准线。
请参照图14，在本实施例中，在所述颈动脉内中膜厚度测量的系统中，所述第五提取模块500具体包括：
第五提取第一子模块501，用于获取所述边界基准域的图像梯度，并得到图像梯度为最小负值的像素；
第五提取第二子模块502，用于根据所述像素的纵坐标值，将所有和所述纵坐标值相等的像素生成第一像素集；
第五提取第三子模块503，用于根据所述第一像素集和所述中膜-外膜边界基准线，获取每一纵列最大梯度值对应的像素，得到中膜-外膜边界像素集，并通过所述中膜-外膜边界像素集生成所述中膜-外膜边界线；
第五提取第四子模块504，用于根据所述第一像素集和所述管腔-内膜边界基准线，获取每一纵列最大梯度值对应的像素，得到管腔-内膜边界像素集，并通过所述管腔-内膜边界像素集生成所述管腔-内膜边界线。
如所述第五提取第一子模块501，用于获取所述边界基准域的图像梯度，并得到图像梯度为最小负值的像素；把图像看作二维离散函数，图像梯度就是这个二维离散函数的求导。边界是比较特殊的部位，通常边界部位梯度变化较大。因此根据梯度值的突变性可以确定中膜-外膜边界和管腔-内膜边界。图像特征中，管腔-内膜边界处的梯度值为较大的正值，内膜-中膜边界处的梯度值为较小的负值，中膜-外膜边界处的梯度值为较大的正值。因此，得到图像梯度为最小负值的像素对应在内膜-中膜边界中。
如所述第五提取第二子模块502，用于根据所述像素的纵坐标值，将所有和所述纵坐标值相等的像素生成第一像素集；所述像素为图像梯度最小负值的像素，根据其纵坐标对应的值，将所有和所述纵坐标值相等的像素生成第一像素集，即所述第一像素集为与横坐标平行的线，可以认为所述第一像素集位于所述管腔-内膜边界基准线和所述中膜-外膜边界基准线之间。
如所述第五提取第三子模块503，用于根据所述第一像素集和所述中膜-外膜边界基准线，获取每一纵列最大梯度值对应的像素，得到中膜-外膜边界像素集，并通过所述中膜-外膜边界像素集生成所述中膜-外膜边界线；在图像中，所述中膜-外膜边界线在所述第一像素集和所述中膜-外膜边界基准线之间；由于图像特征中中膜-外膜边界线和管腔-内膜边界线具有相同的梯度特点，因此，根据所述第一像素集和所述中膜-外膜边界基准线，可以将管腔-内膜边界线排除在外；在所述第一像素集和所述中膜-外膜边界基准线之间，中膜-外膜边界处的梯度值为较大的正值，因此，可以认为上述的每一纵列最大梯度值对应的像素都在中膜-外膜边界线中，所有纵列最大梯度值对应的像素构成了中膜-外膜边界线。
如所述第五提取第四子模块504，用于根据所述第一像素集和所述管腔-内膜边界基准线，获取每一纵列最大梯度值对应的像素，得到管腔-内膜边界像素集，并通过所述管腔-内膜边界像素集生成所述管腔-内膜边界线；在图像中，所述管腔-内膜边界线在所述第一像素集和所述管腔-内膜边界基准线之间；由于图像特征中中膜-外膜边界线和管腔-内膜边界线具有相同的梯度特点，因此，根据所述第一像素集和所述管腔-内膜边界基准线，可以将中膜-外膜边界线排除在外；在所述第一像素集和所述管腔-内膜边界基准线之间，管腔-内膜边界处的梯度值为较大的正值，因此，可以认为上述的每一纵列最大梯度值对应的像素都在管腔-内膜边界线中，所有纵列最大梯度值对应的像素构成了管腔-内膜边界线。
进一步的，在本实施例中，在所述颈动脉内中膜厚度测量的系统中，所述第五提取模块500和内中膜计算模块600之间，还包括动态规划模块。
所述动态规划模块，用于根据动态规划方程式的解分别对所述管腔-内膜边界线和所述中膜-外膜边界线进行调整，所述动态规划方程式为：
其中，g(xk)表示像素xk位置的梯度值，c(xk-1,xk,xk+1)表示由(xk-1,xk,xk+1)三点连成的折线曲率大小，λ为负常数。
具体的，所述动态规划方程式根据内膜和中膜边界位置的梯度和曲率特点建立；内膜和中膜边界位置特点有两个：第一，边界的曲率较小，第二，边界处于梯度值较大的位置，因此根据这两个特点建立所述动态规划方程式。因为管腔-内膜边界线和中膜-外膜边界线理想的情况下，梯度值大且曲率小，因此，当所述动态规划方程式的函数值最大时，会得到对应的两个解，即求解(xk-1,xk,xk+1)，使得l(x1,x2,x3,......,xn-1,xn)函数值最大。所述两个解，其中一个对应于所述管腔-内膜边界线，另一个对应于中膜-外膜边界线。根据其中一个解对所述管腔-内膜边界线进行调整，根据另一个解对所述中膜-外膜边界线进行调整。实际操作中，可以采用八邻域折线法，将折线上的每个点往上或者往下移动一定像素距离，使得l(x1,x2,x3,......,xn-1,xn)函数值最大，即得到最合理的边界。
请参照图15，在本实施例中，在所述颈动脉内中膜厚度测量的系统中，所述内中膜计算模块600具体包括：
第一计算子模块601，用于计算每一纵列管腔-内膜边界线和中膜-外膜边界线的距离，得到距离集；
第二计算子模块602，用于求取所述距离集的平均值，得到颈动脉内中膜厚度。
如所述第一计算子模块601，用于计算每一纵列管腔-内膜边界线和中膜-外膜边界线的距离，得到距离集；在所述边界基准域中，或者在所述感兴趣区域中，获取一段长度的管腔-内膜边界线和对应的中膜-外膜边界线，所述管腔-内膜边界线的每一纵列像素的纵坐标值和所述中膜-外膜边界线的对应纵列像素的纵坐标值的差值的绝对值，即为对应纵坐标之间的距离；所述距离集包括以上所述的所有纵列的差值的绝对值，即所述距离集包括以上管腔-内膜边界线和中膜-外膜边界线的所有纵列的纵坐标的距离值。
如所述第二计算子模块602，用于求取所述距离集的平均值，得到颈动脉内中膜厚度；所述距离集中的所有距离值求平均，得到的平均值为颈动脉内中膜厚度。通过求取平均值的方式得到颈动脉内中膜厚度，更具有代表性，同时可以防止因个别数据出错而导致计算结果偏差过大的情况，从而确保计算结果的精确性。
请参照图16，在本发明实施例中，本发明还提供一种计算机设备，所述计算机设备12以通用计算设备的形式表现，计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理模块16，系统存储器28，连接不同系统组件(包括系统存储器28和处理模块16)的总线18。
总线18表示几类总线18结构中的一种或多种，包括存储器总线18或者存储器控制器，外围总线18，图形加速端口，处理器或者使用多种总线18结构中的任意总线18结构的局域总线18。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线18，微通道体系结构(mac)总线18，增强型isa总线18、音视频电子标准协会(vesa)局域总线18以及外围组件互连(pci)总线18。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图16中未示出，可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd～rom，dvd～rom或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块42，这些程序模块42被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块42以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan))，广域网(wan)和/或公共网络(例如因特网)通信。如图16所示，网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白，尽管图16中未示出，可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理模块16、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统34等。
处理模块16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的颈动脉内中膜厚度测量的方法，也即，所述处理模块16执行所述程序时实现：从采集的颈动脉超声图像中提取感兴趣区域，并获取外膜区域的灰度特征；根据所述外膜区域的灰度特征，从所述感兴趣区域中提取中膜-外膜边界基准线；从所述感兴趣区域中获取管腔灰度阈值，并根据所述管腔灰度阈值和所述中膜-外膜边界基准线，从所述感兴趣区域中提取管腔-内膜边界基准线；根据所述中膜-外膜边界基准线和管腔-内膜边界基准线，从所述感兴趣区域中提取边界基准域；根据中膜-外膜边界的梯度特征和管腔-内膜边界的梯度特征，从所述边界基准域中分别提取中膜-外膜边界线和管腔-内膜边界线；根据所述中膜-外膜边界线和所述管腔-内膜边界线计算出颈动脉内中膜厚度。
本发明提供的颈动脉内中膜厚度实时测量的方法和系统，通过自动提取感兴趣区域，可以排除操作者个人因素的影响，提高测量的准确性；根据中膜-外膜边界基准线和管腔-内膜边界基准线，从感兴趣区域中提取边界基准域，再从边界基准域中提取管腔-内膜边界和中膜-外膜边界，最后根据管腔-内膜边界和中膜-外膜边界计算内中膜厚度，可以有效提高测量精度并减少计算量。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！