血管内超声灰阶图像的自动组织标定方法

文档序号:6620818
血管内超声灰阶图像的自动组织标定方法
【专利摘要】一种血管内超声灰阶图像的自动组织标定方法,其技术方案是,所述方法首先提取血管内超声灰阶图像的纹理特征,然后对提取的纹理特征数据进行降维处理,最后采用Adaboost分类器对纹理特征数据进行标定,从而完成对不同成分斑块组织的自动识别和标定。本发明无需采集成像设备的原始射频信号和背向散射信号,标定过程不受IVUS成像系统的限制而且可全自动完成,该方法可获得客观、准确、可重复性高的识别和标定结果,能够为冠心病的计算机辅助诊断和制定介入治疗计划等提供依据。
【专利说明】血管内超声灰阶图像的自动组织标定方法

【技术领域】
[0001] 本发明涉及一种对血管内超声灰阶图像自动进行血管组织标定,以区分正常血管 壁组织和不同成分的粥样硬化斑块组织的方法,属于医学成像【技术领域】。

【背景技术】
[0002] 粥样硬化所致的心血管疾病是一种影响血管壁的炎症过程,将发展成血管腔内的 多种斑块。依据成分可将斑块组织分为四类:脂质斑块、纤维化斑块、钙化斑块和混合斑块。 对斑块进行精确地检测和分型对于动脉硬化性疾病的诊断和治疗具有重要意义。
[0003] 血管内超声(intravascular ultrasound, IVUS)是临床常用的诊断血管病变和检 测易损斑块的介入影像手段。它将微小的超声探头镶嵌于导管的顶端,置于血管腔内,在回 撤导管的过程中获得血管切面图像。不同性质的组织对超声的吸收和反射不同,因此可以 根据接收超声信号的强弱以不同的灰阶形式显示出血管壁的组成结构。临床常用的超声导 管回撤速度是0.5 mm/s,帧速率为30帧/秒,以此速率通过1 mm长的血管段可以得到60 帧图像,对一段长约20mm的血管段进行一次超声导管回撤即可获得约1200帧图像,因而 IVUS图像序列的数据量巨大,且前后帧之间非常相似,具有很强的相关性。
[0004] 目前,对IVUS图像中斑块的识别和描述主要由医生根据临床经验和专业知识手 动进行,不仅工作量巨大,而且结果的主观性强,可重复性差,对操作者的专业知识要求较 商。
[0005] 利用由超声导管采集的原始射频信号和背向散射信号,可对不同类型的斑块组 织,特别是小区域斑块进行自动识别和描述,避免了在图像重建过程中由于点插值所引入 的伪影。但是并非所有临床使用的IVUS成像系统都允许采集原始射频信号,多数医院现有 的设备需经过硬件改造才能使用该技术,因而限制了此类方法的广泛应用。


【发明内容】

[0006] 本发明的目的在于针对现有技术之弊端,提供一种血管内超声灰阶图像的自动组 织标定方法,在不增加附加设备的情况下,充分利用现有IVUS设备提供的超声图像信息, 自动识别和标定不同成分的斑块组织,为冠心病的计算机辅助诊断和制定对应措施等提供 依据。
[0007] 本发明所述问题是以下述技术方案实现的: 一种血管内超声灰阶图像的自动组织标定方法,所述方法首先提取血管内超声灰阶图 像的纹理特征,然后对提取的纹理特征数据进行降维处理,最后采用Adaboost分类器对纹 理特征数据进行标定,从而完成对不同成分斑块组织的自动识别和标定。
[0008] 上述血管内超声灰阶图像的自动组织标定方法,该方法的具体步骤如下: a、分别采用灰度共生矩阵、局部二值模式变换和Gabor滤波器自动提取IVUS灰阶图像 的纹理特征: ①灰度共生矩阵: 灰度共生矩阵^中的各元素就是从图像/Cr,_F)的灰度值为i的像素出发,统计在方向 0上、与它距离为A灰度值为的像素同时出现的概率:

【权利要求】
1. 一种血管内超声灰阶图像的自动组织标定方法,其特征是,所述方法首先提取 血管内超声灰阶图像的纹理特征,然后对提取的纹理特征数据进行降维处理,最后采用 Adaboost分类器对纹理特征数据进行标定,从而完成对不同成分斑块组织的自动识别和标 定。
2. 根据权利要求1所述的血管内超声灰阶图像的自动组织标定方法,其特征是,所述 方法的具体步骤如下: a、分别采用灰度共生矩阵、局部二值模式变换和Gabor滤波器自动提取IVUS灰阶图像 的纹理特征: ①灰度共生矩阵: 灰度共生矩阵^中的各元素就是从图像/Cr,_F)的灰度值为i的像素出发,统计在方向 0上、与它距离为A灰度值为的像素同时出现的概率:

其中,?)是像素(人》)的灰度,?/是两像素点之间的距离,0是所对应的角度, 选定V和〃,即可得到各种间距及角度的灰度共生矩阵,本方法以灰度共生矩阵的二次统 计特征量(包括熵、能量、逆差矩、惯性矩、对比度、均匀度和相关度)作为纹理特征值,定义 如下: 能量: 对比度: 均匀度: 逆差矩: 惯性矩: 相关度: 熵:
② 局部二值模式(LBP)变换: 对IVUS图像进行"uniform (统一)"模式的LBP变换,将变换后的图像中标记点像素 的灰度值作为纹理特征值,"uniform (统一)"模式的LBP定义如下: 其中

式中,·5(·)是符号函数,&是邻域中心像素的灰度值,A 是P个等距 离分布于以中心像素为圆心、半径为W的圆周上的像素灰度值; ③ Gabor滤波器: 二维Gabor滤波器的空域表达式为:
其中?和r是二维图像的频率自变量,〃=arctan(iV?)是Gabor滤波的方向角, 和分别是高斯包络在?轴和r轴上的标准差,分别选取0=0°、45°、90°和135°四 个方向,同时设置滤波器的尺度因数(σ",为(0.4,0.4)、(0.45,0.45)、(0.5,0.5)和 (0. 55,0. 55),将经过Gabor滤波后得到每幅图像特征点的灰度值作为纹理特征值; b、 采用Fisher线性判别分析法对IVUS灰阶图像的纹理特征数据进行降维; c、 采用Adaboost分类器,对降维后的IVUS灰阶图像的纹理特征数据进行标定: 根据各类斑块在IVUS灰阶图像中的已知特征(包括透声性强弱、回声强弱、是否有负 性声影),选取各类斑块的特征点;然后采用灰度共生矩阵、局部二值模式和Gabor滤波获 得特征点的多维特征值;之后,将特征点及其多维特征值作为训练集,训练Adaboost分类 器模型;最后,对测试集中的未知点进行标记,最终完成对不同成分斑块组织的自动标定。
3.根据权利要求2所述的血管内超声灰阶图像的自动组织标定方法,其 特征是,所述灰度共生矩阵的距离参数古5或8,为了减少特征空间的维数,将 0={〇°,45°,90°,135° }四个方向的特征值进行平均,作为灰度共生矩阵的均值。
【文档编号】G06F19/00GK104143047SQ201410347265
【公开日】2014年11月12日 申请日期:2014年7月21日 优先权日:2014年7月21日
【发明者】孙正, 王立欣, 周雅 申请人:华北电力大学(保定)
再多了解一些
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1