基于水平集分割的超声下颈动脉斑块检测方法及系统与流程

本发明涉及一种斑块检测方法及系统，尤其是一种基于水平集分割的超声下颈动脉斑块检测方法及系统。

背景技术：

1、近年，随着互联网技术与人工智能的发展，远程诊疗系统随之应用而生，医生可以在线上为病人的超声图像数据做出诊断并给出诊断报告。由于病人的数量巨大，为了减轻医生庞大繁重的重复工作，超声图像系统中的算法会代替医生做出诊断，例如对病人的颈部扫查得到一系列颈部的横断面图像，超声图像系统内部的算法会对每一帧图像做出分析，其中，对图像的分析包括颈动脉血管壁的分割和/或颈动脉斑块的分割。

2、由于超声图像的灰度分布均匀性很差，图像噪声强，不同质区域之间的灰度对比度较低，因此，对超声图像做图像分割往往是个难题。

3、随着深度学习在计算机视觉领域的不断发展，对大多数医学图像分割的任务，都可以在标注数据量充裕且标注质量较高的前提下得到很好的解决，但是仍然有一些情况更适合用传统算法去解决，比如超声颈动脉斑块的分割，因此，如何有效实现对超声颈动脉斑块分割与检测是目前急需解决的技术难题。

技术实现思路

1、本发明的目的是克服现有技术中存在的不足，提供一种基于水平集分割的超声下颈动脉斑块检测方法及系统，其能有效实现对超声颈动脉斑块的分割与检测，提高颈动脉斑块检测的精度与可靠性。

2、按照本发明提供的技术方案，一种基于水平集分割的超声下颈动脉斑块检测方法，所述超声下颈动脉斑块检测方法包括：

3、提供颈动脉超声图像，并获取所提供颈动脉超声图像的颈动脉roi图像以及所述颈动脉roi图像的颈动脉血管轮廓图像；

4、对获取的颈动脉roi图像，构建与所述颈动脉roi图像适配的水平集能量泛函；

5、对水平集能量泛函进行能量最小化运算，以基于能量最小的水平集能量泛函确定图像分割用的水平集函数，利用所确定的水平集函数对颈动脉roi图像进行二值分割，以得到水平集分割二值roi图像；

6、对上述得到的水平集分割二值roi图像进行形态学处理，以在形态学处理后得到若干候选连通区域；

7、在颈动脉roi图像内，计算与每个候选连通区域正对应子区域的子区域灰度均值，将子区域灰度均值与灰度阈值otsu_threshold比较，保留子区域灰度均值不小于灰度阈值otsu_threshold的子区域，其中，所保留的子区域为颈动脉斑块所在颈动脉roi图像内的位置。

8、获取得到颈动脉roi图像后，先对所述颈动脉roi图像进行平滑预处理，并基于颈动脉roi图像或平滑预处理后的颈动脉roi图像构建初始水平集函数，其中，

9、对颈动脉roi图像平滑预处理的方法包括各向异性扩散平滑处理。

10、基于各向异性扩散平滑处理对颈动脉roi图像平滑预处理时，则有：

11、

12、其中，i为平滑处理前的颈动脉roi图像，im为平滑后的颈动脉roi图像，为梯度运算符，div(•)为散度运算符，h为与颈动脉roi图像尺寸相同的扩散系数矩阵，*为卷积运算符，g(•)为边缘停止函数，gσ为一个标准差为σ1的高斯核；r为与颈动脉roi图像尺寸相同的常数矩阵，常数矩阵r内的所有元素值均相同。

13、对构建的水平集能量泛函，则有：

14、

15、其中，f(φ,c,b)为水平集能量泛函，φ为水平集函数，c＝[c1,c2]，c1、c2为常数，b为与颈动脉roi图像尺寸相一致的矩阵，x为颈动脉roi图像上一像素的像素值，为梯度运算符，ε(φ,c,b)为水平集数据项，l(φ)为水平集内零水平集轮廓的弧长项，rp(φ)为水平集内的正则化项；h(φ)为heaviside函数，1k为与颈动脉roi图像尺寸相一致的矩阵，矩阵1k内每个元素的值均为1，k为高斯核函数，b*k为将高斯核函数k在矩阵b上做卷积运算，v，μ均为超参数。

16、采用梯度下降法对水平集能量泛函f(φ,c,b)进行能量最小化运算，其中，

17、当水平集能量泛函f(φ,c,b)的能量最小时，更新得到的水平集函数φ即为图像分割用的水平集函数φfin(x)；

18、对水平集函数φfin(x)，令φfin(x)＝0，以得到零水平集轮廓，并将φfin(x)＝0作为水平集分割阈值；

19、利用水平集分割阈值进行图像分割时，遍历水平集函数φfin(x)内的每个元素，当一元素的元素值为正时，令其为255，当一元素的元素值为负时，令其为0，以在遍历完成后对颈动脉roi图像进行分割并得到水平集分割二值roi图像。

20、采用梯度下降法对水平集能量泛函f(φ,c,b)进行能量最小化运算时，梯度流方程为：

21、

22、对水平集能量泛函f(φ,c,b)进行变分计算，则梯度流方程为：

23、

24、对上述的梯度流方程进行迭代演化，并在迭代演化中更新水平集函数φ、矩阵b以及向量c，直至水平集能量泛函f(φ,c,b)的能量最低。

25、通过形态学处理得到若干候选连通区域时，处理步骤包括：

26、将颈动脉轮廓图像以灰度值为0的方式叠加到水平集分割二值roi图像上，以得到第一形态学处理后二值化roi图像；

27、将上述得到的第一形态学处理后二值化roi图像与基于颈动脉轮廓图像的颈动脉轮廓mask图像进行逻辑与运算，以得到第二形态学处理后二值化roi图像，其中，逻辑与运算时，第一形态学处理后二值化roi图像内一像素的灰度值与颈动脉轮廓mask图像内正对应像素的灰度值相同时，将第一形态学处理后二值化roi图像内当前像素的灰度值置为255，否则，将第一形态学处理后二值化roi图像内当前像素的灰度值置为0；

28、对上述第二形态学处理后二值化roi图像进行开运算，以得到第三形态学处理后二值化roi图像；

29、对上述第三形态学处理后二值化roi图像内的任一像素x(i,j)，若当前像素x(i,j)的j＜dj时，则将当前像素的灰度值置为0，以在对开运算后二值图像内所有像素x(i,j)均遍历后，得到第四形态学处理后二值化roi图像；

30、对第四形态学处理后二值化roi图像，提取所述第四形态学处理后二值化roi图像的连通分量，以得到初步候选连通区域，其中，

31、在所得到的初步候选连通区域中，确定每个初步候选连通区域内轮廓点个数，将轮廓点个数小于轮廓点个数阈值的初步候选连通区域删除；

32、对剩余的初步候选连通区域，确定每个初步候选连通区域的质心，并将每个初步候选连通区域的质心纵坐标与颈动脉轮廓图像质心偏移点d的纵坐标比较，且将质心纵坐标小于质心偏移点d纵坐标的初步候选连通区域删除，则剩余的初步候选连通区域形成候选连通区域；

33、对质心偏移点d，所述质心偏移点d位于颈动脉轮廓图像质心c的正下方，且质心偏移点d与颈动脉轮廓图像质心c间偏移距离为dj。

34、对偏移距离dj，则有：

35、以颈动脉轮廓图像的质心c为顶点构造一直角三角形，其中，以颈动脉roi图像的最小边长的一半作为直角三角形的第一直角边，所述第一直角边与颈动脉roi图像的横轴平行；

36、第二直角边与第一直角边垂直，且第二直角边对应直角三角形的内角为β°，则偏移距离dj为dj＝di×tanβ，di为第一直角边的长度。

37、颈动脉roi图像，基于大律法阈值分割，以在分割后计算得到灰度阈值otsu_threshold。

38、一种基于水平集分割的超声下颈动脉斑块检测系统，包括颈动脉斑块检测处理器，其中，

39、对任一颈动脉超声图像，颈动脉斑块检测处理器利用上述所述的方法进行颈动脉斑块检测。

40、本发明的优点：对颈动脉roi图像，利用构建的水平集函数以及基于所述水平集函数的水平集能量泛函进行分割，也即能实现对颈动脉roi图像的有效分割，在分割后，通过形态学处理后得到候选连通区域，基于对候选连通区域的判断，以实现对颈动脉斑块的检测与判定，也即能有效实现对超声颈动脉斑块的分割与检测，提高颈动脉斑块检测的精度与可靠性。