专利名称：超声颈动脉血管膜的自动分割方法
技术领域：
本发明属于计算机技术与医学图像的交叉领域，具体涉及到一种超声图像中颈动脉血管横截面方向上的内外膜的自动分割方法。
背景技术：
心脑血管疾病是危害人类健康和造成死亡的重要疾病，如心肌梗塞、中风等，其主要病因是颈动脉粥样硬化。与传统的内中膜厚度(Intima-Media Thickness，IMT)度量指标相比，血管壁体积(Vessel Wall Volume, VWV)等度量指标更能准确直观地反映动脉粥样 硬化状况，因此成为近年来预测心脑血管疾病风险的重要指标之一。血管壁体积在超声颈动脉图像上可根据血管腔-内膜边界(Lumen-IntimaBoundary, LIB)和中膜-外膜边界(Media-Adventitia Boundary, MAB)测量得到。在横截面方向上，正常的颈动脉血管腔在超声图像中表现为低回声的均质区域，外膜表现为高回声的非均质带状区域。图I显示了超声成像下的颈动脉横截面及其结构示意图。图I中实心点围成的轮廓是颈动脉内轮廓LIB边界，其内部较为均匀的黑色低回声部分是血管腔(lumen)，其外靠近内轮廓边界LIB的一层带状区域是颈动脉内膜；十字形点围成的闭合轮廓线是颈动脉外轮廓边界(MAB)，其外部包含高回声的不均匀的区域是颈动脉外膜。斑块为图中实线所围成的区域，其内部灰度分布不均匀，且与周围的灰度特性相近，不易区分。传统的颈动脉血管膜及斑块的边界主要通过操作者(医生)肉眼观察手工勾勒获得。其主要缺陷在于它很大程度上取决于操作者的主观判断及操作经验，因此在不同操作者对同一个目标边界的判断，甚至同一个操作者在不同的时间点对同一目标边界的判断也会有差异。此外，手工勾勒边界非常耗时，通常经验丰富的操作者勾勒一组超声颈动脉图像的内外膜边界大致需要10分钟，无法满足临床病例分析的需求。颈动脉血管膜的半自动和自动分割方法是近十年来的研究热点。颈动脉血管膜的分割算法大致分为两类一是边缘检测与形态学算法结合的算法，如Ali K. Hamou,Mahmoud R. El-Sakka, A novel segmentation technique for carotid ultrasoundimages. ICASSP，2004:p. 521-524;Xin Yang, Mingyue Ding,et al，Common CarotidArtery Lumen Segmentation in B—mode Ultrasound Transverse View Images, I.J. Image, Graphics and Signal Processing，2011 :p. 15-21 等。这种方法首先通过一些简单的预处理对超声颈动脉图像进行对比度增强，使目标和背景之间的差异更加明显，然后釆用边缘检测算子提取出目标轮廓，最后用形态学算子填补轮廓线的缺陷或消除多余的轮廓线。此方法缺点在于精度不高，对梯度值不高的边缘检测能力弱，仅适用于目标边界梯度值较大的情况。另一种分割方法是活动轮廓模型算法，如 J.D.Gill，et al,Accuracy and variability assessment of a semiautomatictechnique for segmentation of the carotid arteries from three-dimensionalultrasound images, Medical Physics, 2000, 27(6) :p. 1333-1342;Abir Zahalka，AaronFenster，An automated segmentation method for three-dimensional carotidultrasound images, Physics in Medicine and Biology,2001，46:p. 1321-1342;AliK. Hamou, et al, Carotid Ultrasound Segmentation Using DP ActiveContours, ICIAR, 2007:p. 961-971;E. Ukwatta, et al, Three-dimensional ultrasound ofcarotid atherosclerosis:Semi-automated segmentation using a level set-basedmethod, Medical Physics, 2011，38(5) :p. 2479-2493.这种算法需要先给出目标轮廓的初始轮廓，使其在定义的能量项的作用下朝着目标轮廓演化。以往此类方法为操作者首先给出一条边界的初始轮廓，使其在对应于该边界定义的能量项下迭代演化得到最终的分割结果；然后以此分割结果结合一定的先验知识获得第二条边界的初始轮廓，并在对应于第二条边界所定义的能量项下演化，得到最终的轮廓。这种方法需要操作者手工在每一帧图像上给定初始轮廓，或给出较多的初始点以构成初始轮廓，人工干预较多，仍有较大的改进空间。
发明内容
本发明的目的在于提供一种超声图像中颈动脉血管内外膜的自动分割方法，能够有效分割出颈动脉内外膜，为颈动脉粥样硬化的病变观察和药物治疗提供分析参数。超声颈动脉血管膜的自动分割方法，包括以下步骤(I)若当前帧图像为颈动脉三维超声体数据的第一帧图像，则在当前帧图像上选择明显位于血管外轮廓上的像素点集作为基准点，通过基准点间插值形成闭合曲线，将其作为当前帧的基准轮廓；否则，将上一帧得到的备用基准轮廓作为当前帧的基准轮廓；(2)利用形态学膨胀法将基准轮廓外推形成第一感兴趣区域ROIl ；(3)在第一感兴趣区域ROIl中检测颈动脉血管外轮廓Cmab (3. I)在当前帧图像中提取包含第一感兴趣区域ROIl的矩形窗口图像，将其转化到极坐标图像，在极坐标图像上每隔相同角度在径向方向靠近基准轮廓的像素点中搜索梯度值最大者作为初始轮廓点，将初始轮廓点转化到直角坐标系并连线形成初始颈动脉血管外轮廓(3. 2)利用混合分布估计第一感兴趣区域ROIl的灰度概率密度分布，从而得到混合分布的shape参数Kj和scale参数0」，j = I,…，M，M为混合分布中单项分布的类别数；(3. 3)初始化迭代次数t=l以及符号距离函数
权利要求
1.超声颈动脉血管膜的自动分割方法，包括以下步骤 (1)若当前帧图像为颈动脉三维超声体数据的第一帧图像，则在当前帧图像上选择明显位于血管外轮廓上的像素点集作为基准点，通过基准点间插值形成闭合曲线，将其作为当前帧的基准轮廓；否则，将上一帧得到的备用基准轮廓作为当前帧的基准轮廓； (2)利用形态学膨胀法将基准轮廓外推形成第一感兴趣区域ROIl； (3)在第一感兴趣区域ROIl中检测颈动脉血管外轮廓Cmab (3. I)在当前帧图像中提取包含第一感兴趣区域ROIl的矩形窗口图像，将其转化到极坐标图像，在极坐标图像上每隔相同角度在径向方向靠近基准轮廓的像素点中搜索梯度值最大者作为初始轮廓点，将初始轮廓点转化到直角坐标系并连线形成初始颈动脉血管外轮 (3.2)利用混合分布估计第一感兴趣区域ROIl的灰度概率密度分布，从而得到混合分布的shape参数Kj和scale参数0」，j = 1，…，M，M为混合分布中单项分布的类别数； (3. 3)初始化迭代次数t=l以及符号距离函数 -其它 )表示第一感兴趣区域ROIl中初始颈动脉血管外轮廓('以外的像素区域，X1为第一感兴趣区域ROIl中的像素点，I I I I为求欧式距离； (3. 4)计算武( ). ，这里 0 < e < 0. 001,0 < P ! ^ 10,0 < A1 ^ 20, qAi(j)和qAe(j)分别为前一次迭代演化轮廓g—1的内、外区域中第j项单项分布的权重，QA.: I Ki-A)为参数为Kj, e j的第j项单项分布函数，&为像素点X1的灰度值； (3.5)计算本次迭代演化外轮廓 C；=(3. 6)若本次迭代演化外轮廓C:与前一次迭代得到的演化外轮廓相同或者t达到迭代次数上限，则本次迭代得到的演化轮廓即为颈动脉血管外轮廓Cmab，迭代结束，进入步骤(4);否则，t =七+1，返回步骤(3.4)；(4)在当前帧图像中将颈动脉血管外轮廓Cmab围成的区域作为第二感兴趣区域R0I2； (5)在第二感兴趣区域R0I2中检测颈动脉血管内轮廓Cub (5. I)利用形态学腐蚀法将颈动脉血管外轮廓Cmab内推，将内推得到的轮廓线作为初始颈动脉血管内轮廓c，°. (5. 2)初始化迭代次数t' = I以及符号距离函数
2.根据权利要求I所述的超声颈动脉血管膜的自动分割方法，其特征在于，所述混合分布为混合ga_a分布或混合gauss分布或混合rayleigh分布。
全文摘要
本发明属于计算机技术与医学图像的交叉领域，具体涉及一种超声图像颈动脉血管横截面方向上的内外轮廓自动分割方法。具体步骤如下选取当前帧图像；人工定义基准轮廓点并插值形成基准轮廓；将基准轮廓外推形成第一感兴趣区域；自动检测颈动脉轮廓包括在第一感兴趣区域转化得到的极坐标图像上寻找径向梯度最大值点作为初始外轮廓点、利用混合分布估计第一感兴趣区域内的灰度概率密度分布、水平集演化得到外轮廓、将外轮廓内推形成初始内轮廓、水平集演化得到内轮廓。本发明能对超声颈动脉图像进行有效的分割，减少医生工作量；同时基于本方法分割得到的颈动脉内外轮廓可用于计算颈动脉血管壁体积，为颈动脉粥样硬化病变研究提供准确有效的信息。
文档编号G06T7/00GK102800087SQ20121021619
公开日2012年11月28日 申请日期2012年6月28日 优先权日2012年6月28日
发明者丁明跃, 李鹤, 程洁玉, 杨鑫 申请人:华中科技大学