一種基於血管內超聲圖像的血管內腔分割方法
2023-04-25 03:47:11
一種基於血管內超聲圖像的血管內腔分割方法
【專利摘要】本發明公開了一種基於血管內超聲圖像的血管內腔分割方法，包括一個確定血管內腔（即血管內膜所包含區域）種子點的過程；包括一個利用模糊連通(FuzzyConnectedness)算法計算圖像中從每個象素點與血管內腔種子點模糊連通強度，獲得模糊連通強度圖像的過程；包括一個利用超聲圖像梯度信息確定模糊連通強度閾值，並根據模糊連通強度閾值和模糊連通強度圖像確定血管內腔邊界的過程。本發明通過自動確定種子點和模糊連通閾值，保證了分割過程的自動性。基於模糊連通算法的處理方法，不僅保證了分割方法的簡單、有效性，而且避免了現有算法模型的複雜性和對成像條件的依賴性。
【專利說明】-種基於血管內超聲圖像的血管內腔分割方法
[0001]
【技術領域】
[0002] 本發明涉及醫學圖像處理領域，特別是涉及一種模糊連通（Fuzzy Connectedness)算法、應用於血管內超聲（IVUS :Intravascular ultrasound)圖像的血管 內腔分割方法。
[0003]
【背景技術】
[0004] 血管內超聲（IVUS: Intravascular Ultrasound)圖像，不僅能顯不血管內腔形 態，還能顯示血管壁分層結構，對動脈粥樣硬化等心血管疾病的診斷和治療具有非常重要 的價值。基於IVUS圖像診斷動脈粥樣硬化需要粥樣硬化圖像的特徵如血管內腔面積、斑塊 面積等量化指標，這些量化指標的準確提取依賴於有效的圖像分割。人工分割即由醫生手 動勾畫血管內腔、中外膜邊界等，不僅費時費力，而且受醫生經驗等主觀性的限制。因此， 用計算機算法準確、快速、自動地分割IVUS圖像就顯得很有必要。目前，基於IVUS圖像的 血管內腔計算機自動分割算法主要有三類：第一類為統計學方法（G. Mendizabal-Ruiz, M. Rivera, et al. , "A probabilistic segmentation method for the identification of luminal borders in intravascular ultrasound images"， IEEE Conference on Computer Vision and Pattern Recognition, pp. 1-8，2008.)，對圖像的灰度分布進行統 計學建模實現IVUS圖像分割，但IVUS圖像中的偽影、鈣化等複雜的圖像特徵將大大降低 統計建模的準確性；第二類是機器學習的方法（l.E. G. Bovenkamp, J. Dijkstra, J. G. Bosch, et al. , ^Multi-agent segmentation of IVUS images"，Patten Recognition, Vol. 37, No. 4, pp. 647-663, 2004; 2. G. Unal, S. Bucher, S. Carlier, et al., "Shape-driven segmentation of the arterial wall in intravascular ultrasound images"，IEEE Trans. On information technology in biomedicine, Vol. 12, No. 3, pp. 335-346，2008.)，該類方法模型複雜，實際應用時受到諸多限制；第三類是基於活動 輪廓線模型的方法（1.張麒，汪源源等，"活動輪廓模型和Contourlet多解析度分析分割 血管內超聲圖像"，光學精密工程，Vol. 16，No. 11，pp. 2301-311，2008; 2. X. Zhu, P. Zhang, J. Shao, et al. , "A snake-based method for segmentation of intravascular ultrasound images and its in vivo validation"，Ultrasonics, Vol. 51, pp. 181-189, 2011.)，該類方法簡單易行，但是往往需要給定初始輪廓線，而且，分割結果易受噪聲等復 雜圖像特徵的影響。上述幾類基於IVUS圖像的血管內腔分割方法都使用了一定的預先 設定的模型，如圖像灰度分布模型、形狀模型等，而這些模型往往依賴於具體的成像條件。 為更好地實現對IVUS圖像中血管內腔的有效分割，本發明提出一種基於模糊連通（Fuzzy Connectedness)算法的IVUS圖像血管內腔自動分割算法。
[0005]
【發明內容】
[0006] 本發明的目的在於針對現有技術的不足，提供一種更簡單、更有效、更通用的IVUS 圖像血管內腔自動分割方法。
[0007] 本發明的技術解決方案如下： 一種基於血管內超聲圖像的血管內腔分割方法，包括一個確定血管內腔（即血管內膜 所包含區域）種子點的過程；包括一個利用模糊連通（Fuzzy Connectedness)算法計算 圖像中從每個象素點與血管內腔種子點模糊連通強度，獲得相應的模糊連通強度圖像的過 程；包括一個利用超聲圖像梯度信息確定模糊連通強度閾值，並根據模糊連通強度閾值和 模糊連通強度圖像確定血管內腔邊界的過程。
[0008] 進一步的，在一個利用血管內超聲圖像確定血管內腔（即血管內膜所包含區域）種 子點的過程中，首先根據距離圖像中心點同一距離的像素平均灰度值確定血管內腔種子 點，即在大於導管半徑的距離中，以最小像素平均灰度值對應的距離為半徑，圖像中心為圓 心的圓周所在的像素點。
[0009] 進一步的，在一個利用模糊連通算法計算圖像中從每個像素點與血管內腔種子點 模糊連通強度，獲得相應的模糊連通強度圖像，並根據模糊連通強度圖像和超聲圖像梯度 信息確定模糊連通強度閾值的過程中，首先基於模糊連通算法計算圖像中從每個象素點與 血管內腔種子點模糊連通強度，獲得相應的模糊連通強度圖像；然後計算待處理血管內超 聲圖像的梯度圖像，最後根據血管內超聲圖像的梯度信息和模糊連通強度圖像確定模糊 連通強度閾值。
[0010] 進一步的，在一個根據血管內超聲圖像梯度信息和模糊連通強度圖像確定模糊 連通強度閾值的過程中，首先利用整幅梯度圖像的平均值&_和標準差G td確定一梯度閾 值^s(如's4_n+0. 5*Gstd)，並將梯度高於梯度閾值^s的像素點看作高梯度象素點，最 後連續變化的模糊連通強度閾值(如從0.95逐步降低)對與模糊連通強度圖像作閾值處理， 並考察高於連通強度閾值且與種子點相連的連通區域，若其外側邊界對應的高梯度象素點 的比例高於某一給定的設定的值(如0. 65)，則以此連通強度閾值作為最終的模糊連通強度 閾值。
[0011] 進一步的，在一個根據模糊連通強度閾值和模糊連通強度圖像確定血管內腔邊界 的過程中，首先以模糊連通強度閾值對模糊連通強度圖像作閾值處理，然後將模糊連通強 度圖像中模糊連通強度高於模糊連通強度閾值且與種子點相連的連通區域作為血管內腔 區域。
[0012] 與現有技術相比，本發明的有益效果如下： 本發明和已有技術相比，其效果是積極的和明顯的。通過自動確定種子點和模糊連通 閾值，本發明保證了分割過程的自動性。基於模糊連通算法的處理方法，不僅保證了分割方 法的簡單、有效性，而且避免了現有算法模型的複雜性和對成像條件的依賴性。
【專利附圖】
【附圖說明】
[0013] 圖1是本發明基於血管內超聲圖像的血管內腔分割方法流程圖； 圖2是本發明血管內超聲圖像示意圖； 圖3是本發明極坐標變換後的血管內超聲圖像示意圖； 圖4是本發明不同半徑像素平均灰度示意圖； 圖5是本發明血管內腔種子點示意圖； 圖6是本發明模糊連通強度示意圖； 圖7是本發明圖像梯度示意圖； 圖8是本發明高梯度像素示意圖； 圖9是本發明血管內腔分割結果示意圖(極坐標）； 圖10是本發明血管內腔分割結果示意圖(原始直角坐標)。
[0014]
【具體實施方式】
[0015] 下面結合實施案例和附圖對本發明作進一步說明，但不應以此限制本發明的保護 範圍。
[0016] 圖1是本發明一種基於血管內超聲圖像的血管內腔分割方法的流程圖。如圖所 示，一種基於血管內超聲（IVUS :Intravascular Ultrasound)圖像的血管內腔分割方法， 包括一個確定血管內腔（即血管內膜所包含區域）種子點的過程；包括一個利用模糊連通 (Fuzzy Connectedness)算法計算圖像中從每個象素點與血管內腔種子點模糊連通強度， 獲得模糊連通強度圖像的過程；包括一個利用超聲圖像梯度信息確定模糊連通強度閾值， 並根據模糊連通強度閾值和模糊連通強度圖像確定血管內腔邊界的過程。
[0017] 對於IVUS圖像，在實際處理過程中，為方便計算，首先將原始圖像（圖2)轉化成極 坐標圖像（圖3)，然後進行各類計算和處理。在極坐標圖像中，原點為原始IVUS圖像的中 心。縱坐標為採樣半徑，橫坐標為掃描角度。
[0018] 進一步的，在一個利用IVUS圖像確定血管內腔（即血管內膜所包含區域）種子點 的過程中，首先根據距離圖像中心點同一距離的像素平均灰度值（圖4)確定血管內腔種子 點，即在大於導管半徑的距離中，以最小像素平均灰度值對應的距離為半徑，圖像中心為圓 心的圓周所在的像素為血管內腔種子點。因為半徑相同，所以在極坐標圖像中，內腔種子點 為一條直線（圖5中白線所示)。
[0019] 進一步的，在一個利用模糊連通算法計算圖像中從每個像素點與血管內腔種子點 模糊連通強度，獲得相應的模糊連通強度圖像，並根據模糊連通強度圖像和超聲圖像梯度 信息確定模糊連通強度閾值的過程中，首先基於模糊連通算法計算圖像中從每個象素點與 血管內腔種子點模糊連通強度，獲得相應的模糊連通強度圖像（圖6);然後用式（1)作算子 計算極坐標圖像梯度（圖7)(考慮到IVUS圖像自身的特徵，梯度圖像中，小於零的梯度置 零）；最後根據血管內超聲圖像的梯度信息和模糊連通強度圖像確定模糊連通強度閾值。
[0020]
【權利要求】
1. 一種基於血管內超聲圖像的血管內腔分割方法，其特徵在於，該方法包括一個確定 血管內腔(即血管內膜所包含區域）種子點的過程；包括一個利用模糊連通算法計算圖像中 從每個象素點與血管內腔種子點模糊連通強度，獲得相應的模糊連通強度圖像的過程；包 括一個利用超聲圖像梯度信息確定模糊連通強度閾值，並根據模糊連通強度閾值和模糊連 通強度圖像確定血管內腔邊界的過程。
2. 根據權利要求1所述的一種基於血管內超聲圖像的血管內腔分割方法，其特徵在 於：在一個利用血管內超聲圖像確定血管內腔種子點的過程中，首先根據距離圖像中心點 同一距離的像素平均灰度值確定血管內腔種子點，即在大於導管半徑的距離中，以最小像 素平均灰度值對應的距離為半徑，圖像中心為圓心的圓周所在的像素點。
3. 根據權利要求1所述的一種基於血管內超聲圖像的血管內腔分割方法，其特徵在 於：在一個利用模糊連通算法計算圖像中從每個像素點與血管內腔種子點模糊連通強度， 獲得相應的模糊連通強度圖像，並根據模糊連通強度圖像和超聲圖像梯度信息確定模糊連 通強度閾值的過程中，首先基於模糊連通算法計算圖像中從每個象素點與血管內腔種子點 模糊連通強度，獲得相應的模糊連通強度圖像；然後計算待處理血管內超聲圖像的梯度圖 像，最後根據血管內超聲圖像的梯度信息和模糊連通強度圖像確定模糊連通強度閾值。
4. 根據權利要求3所述的一種基於血管內超聲圖像的血管內腔分割方法，其特徵在 於：在一個根據血管內超聲圖像梯度信息和模糊連通強度圖像確定模糊連通強度閾值的過 程中，首先根據整幅圖像梯度的平均值和標準差Gtd確定一梯度閾值Gthes，並將梯度高 於梯度閾值Gthes的像素點看作高梯度象素點，最後連續變化的模糊連通強度閾值對與模糊 連通強度圖像作閾值處理，並考察高於連通強度閾值且與種子點相連的連通區域，若其外 側邊界對應的高梯度象素點的比例高於給定的設定的值，則以此連通強度閾值作為最終的 模糊連通強度閾值。
5. 根據權利要求4所述的一種基於血管內超聲圖像的血管內腔分割方法，其特徵在 於：首先利用整幅梯度圖像的平均值&_和標準差Gtd確定一梯度閾值，確定梯度閾值的公 式為 Gthes^mean+O. 5*6^。
6. 根據權利要求4所述的一種基於血管內超聲圖像的血管內腔分割方法，其特徵在 於：將梯度高於梯度閾值的像素點看作高梯度象素點，最後連續變化的模糊連通強度 閾值對與模糊連通強度圖像作閾值處理中，模糊連通強度閾值從〇. 95逐步降低。
7. 根據權利要求4所述的一種基於血管內超聲圖像的血管內腔分割方法，其特徵 在於：若其外側邊界對應的高梯度象素點的比例高於某一給定的設定的值，設定的值為 0. 65〇
8. 根據權利要求1所述基於血管內超聲圖像的血管內腔分割方法，其特徵在於：在一 個根據模糊連通強度閾值和模糊連通強度圖像確定血管內腔邊界的過程中，首先以模糊連 通強度閾值對模糊連通強度圖像作閾值處理，然後將模糊連通強度圖像中模糊連通強度高 於模糊連通強度閾值且與種子點相連的連通區域作為血管內腔區域。
【文檔編號】G06T7/00GK104331881SQ201410566443
【公開日】2015年2月4日 申請日期:2014年10月23日 優先權日:2014年10月23日
【發明者】嚴加勇, 崔崤嶢, 向永嘉, 韓志樂, 簡小華 申請人:中國科學院蘇州生物醫學工程技術研究所