專利名稱：超聲頸動脈斑塊自動分割方法
技術領域：
本發明屬于計算機技術與醫學圖像的交叉領域，具體涉及到一種超聲圖像中頸動脈血管橫截面方向上斑塊的自動分割方法。
背景技術：
根據世界衛生組織統計的數據，每年心血管疾病導致的死亡人數約占全世界死亡總人數的三分之一，頸動脈粥樣硬化與心腦血管疾病密切相關。與傳統的內中膜厚度(Intima-Media Thickness, IMT)度量指標相比，斑塊總體積(Total Plaque Volume, TPV)、斑塊面積(Total Plaque Area, TPA)以及斑塊成分分析等指標更能準確直觀地反映動脈粥樣硬化狀況，成為近年來預測心腦血管疾病風險的重要指標之一。
在超聲頸動脈橫截面圖像上，頸動脈血管腔表現為低回聲的均質區域，外膜表現為高回聲的非均質帶狀區域，血管腔和外膜之間為血管內膜、中膜以及存在的斑塊。圖I顯示了超聲成像下的頸動脈橫截面及其結構示意圖。圖I中實心點圍成的輪廓是頸動脈血管腔與內膜邊界(一般簡稱為內膜邊界)，其內部較為均勻的黑色低回聲部分是血管腔(lumen);十字形點圍成的閉合輪廓線是頸動脈血管外膜與中膜邊界(一般簡稱為外膜邊界)，其外部包含高回聲的不均勻的區域是頸動脈外膜，內膜邊界與外膜邊界間區域包括回聲較低的健康內膜、中膜以及回聲不均勻且相對較高的斑塊；圖中實線所圍成的區域即為斑塊，其內部灰度分布不均勻，且與周圍的灰度特性相近，不易區分。傳統斑塊邊界的獲得主要是通過操作者(醫生)肉眼觀察手工勾勒的方法。其主要缺陷在于它很大程度上取決于操作者的主觀判斷及操作經驗，因此在不同操作者對同一個目標邊界的判斷，甚至同一個操作者在不同的時間點對同一目標邊界的判斷也會有差異。此外，手工勾勒邊界非常耗時，當一幅超聲頸動脈圖像上存在多個斑塊時，經驗豐富的操作者勾勒出斑塊邊界大致需要2 3分鐘，無法滿足臨床病例分析的需求。現有的斑塊分割方法大多應用在核磁共振(Magnetic Resonance, MR)圖像、血管內超聲(Intra-vascular Ultrasound, IVUS)圖像、超聲 RF (Radio Frequency)圖像和 CT血管造影(CT Angiography, CTA)圖像中。斑塊分割算法主要分為兩類,聚類方法(如MahdiMazinani et al. , Automatic Segmentation of Soft Plaque by Modeling the PartialVolume Problem in the Coronary Arterv, 2010 Fourth International Conferenceon Digital Society;Francois Destrempes et al. , Segmentation of Plaques inSequences of Ultrasonic B-Mode Images of Carotid Arteries Based on MotionEstimation and a BayesianModel, IEEE Trans. Biomed. Eng. 2011. 58(8):p. 2202-2211;)和幾何活動輪廓模型方法(如 Oliver Gloger et al. , A three-stepped coordinatedlevel set segmentation method for identifying atherosclerotic plaques onMR-images, Commum. Numer. Meth. Engng 2009.25:p.615-638;Shawn Lankton et al. , SoftPlaque Detection and Automatic Vessel Segmentation, MICCAI 2009)。聚類算法以相似性為基礎，其方法是通過灰度或其他特征，由初始聚類中心開始，尋找具有較高相似度的同一類對象，從而得到最終斑塊輪廓。這種算法存在對聚類中心敏感、不適用于混合斑塊分割的問題。幾何活動輪廓模型方法是將灰度、位置等信息構成使輪廓變化的能量項，從而找到準確的目標輪廓。上述兩篇文章，都是在分割得到內外膜輪廓后，將其向內收縮一定距離作為初始輪廓，然后演化得到精確的分割結果，但都只考慮灰度特征對混合斑塊的分割，具有局限性，不能獲得理想的結果。上述所有分割方法是針對核磁共振圖像、CT圖像和血管內超聲圖像，至今還沒有任何關于B超頸動脈圖像中斑塊分割方法的報道。
發明內容
本發明的目的在于提供一種普通超聲圖像中基于血管膜分割的頸動脈斑塊的自 動分割方法，能夠有效分割出頸動脈斑塊，為頸動脈粥樣硬化的病變觀察和藥物治療提供分析參數。本發明提供一種超聲頸動脈斑塊自動分割方法，包括以下步驟(I)從頸動脈三維超聲體數據提取當前幀圖像；(2)對當前幀圖像分割得到內、外膜輪廓；(3)從當前幀圖提取包含內、外膜輪廓的斑塊感興趣區域R0I，感興趣區域ROI的中心點與內膜輪廓的中心點相同；(4)在斑塊感興趣區域ROI檢測初始斑塊外邊界C° (4. I)以斑塊感興趣區域ROI的中心點為原點，將斑塊感興趣區域ROI從直角坐標系轉換到極坐標系；(4. 2)對極坐標系下的斑塊感興趣區域ROI中每列上位于內外膜間的像素點灰度值進行曲線擬合，并在擬合得到的曲線上檢測極小值，從極小值對應的像素點中選取離外膜輪廓最近的像素點；(4. 3)將步驟(4. 2)選取的離外膜輪廓最近的像素點從極坐標系轉換到直角坐標系，并連線形成初始斑塊外邊界C° ；(5)依據初始斑塊外輪廓線C°進行水平集演化得到斑塊區域(5. I)初始化迭代次數Z=I以及符號距離函數
IIjc, C0II X e outside(C°)
d0 (x) =
[-||x,C°|| 其它outside (C°)表示斑塊感興趣區域ROI中初始斑塊外邊界以外的像素區域，x為斑塊感興趣區域ROI的像素點，I I I I為求歐式距離；(5. 2)計算(T(X):
f (X)=rl w+8{ri (X)) Wzv(H)+1,1 bl (x, mrl a))[(/a) -)2 - (m - vv )2 ]忐+
I ▽沴(x)| JQ。
\ .:.乞[“4(X) — c:)- — ( (X) — cl)"] + Bd(x)}
N i=i其中，I,若X 二 O
S(X) = ^ O，若 |x|>6T，0<￡< 0.001;
I, JHOC、_ ..| 卜, ,
—[I + COS(——)],右 \x\<￡
2ee
h 若 ||x_ y|| < r半徑為rl的圓形鄰域見(x，叫0，^ ，為斑塊感興趣區域ROI的像素點，2 < rL ^ 20 ；
ApApApAd分別為限制曲線長度能量、局部Chan-Vese能量、Gabor濾波器能量、距離限制能量的權重；I ()為像素灰度；ux = j B1 (x,x)H(ip(x))I(x)cix i [ B1 (x\x)H(0(x))dx :
JqJq.Vx = Bl (x, x)(l - H {￠{5()))1 {x)dx / Bl (x, x)(1 — H(<f>{x)))dx ;Q為斑塊感興趣區域ROI ；
I若 x < -￡■
H (x) = <0若 x > s
丄[I +丄+丄sin(三丄)]若
,2 s 兀￡11N為Gabor濾波器的個數； 4為斑塊感興趣區域ROI經過第i個Gabor濾波器濾波后的輸出；<為位于內外膜之間且位于上一次迭代演化輪廓CT1內部的像素點經過第i個Gabor濾波得到的響應均值；<為位于內外膜之間且位于上一次迭代演化輪廓CT1外部的像素點經過第i個Gabor濾波得到的響應均值；
— I’ 若 |卜，Cmb IHBd(X) = I F-ilxX^J-msd),若 |x，CMJ > —，msd 為外膜輪廓 Cmab 和內膜輪
, 0, 其他廓Cub之間的歐式距離，d為內外膜輪廓間的最小距離。(5.3)計算本次迭代演化輪廓Cz= Ix I z(x) =0}；(5. 4)若本次迭代演化輪廓Cz與前一次迭代得到的演化輪廓CT1相同或者z達到迭代次數上限，則本次迭代得到的演化輪廓即為最終斑塊外邊界Cplaqm，進入步驟(5. 5);否貝丨J, z=z+l,返回步驟(5. 2)；(5. 5)最終斑塊演化輪廓Cplaque與內膜輪廓Cub間區域即為斑塊區域。按上述方案,所述步驟(2)具體為(2. I)若當前幀圖像為頸動脈三維超聲體數據的第一幀圖像，則在當前幀圖像上選擇明顯位于血管外輪廓上的像素點集作為基準點，通過基準點間插值形成閉合曲線，將其作為當前幀的基準輪廓；否則，將上一幀得到的備用基準輪廓作為當前幀的基準輪廓；(2. 2)利用形態學膨脹法將基準輪廓外推形成第一感興趣區域ROIl ；(2. 3)在第一感興趣區域ROIl中檢測頸動脈血管外輪廓Cmab (2.3. I)在當前幀圖像中提取包含第一感興趣區域ROIl的矩形窗口圖像，將其轉化到極坐標圖像，在極坐標圖像上每隔相同角度在徑向方向靠近基準輪廓的像素點中搜索梯度值最大者作為初始輪廓點，將初始輪廓點轉化到直角坐標系并連線形成初始頸動脈血管外輪廓(2. 3. 2)利用混合分布估計第一感興趣區域ROIl的灰度概率密度分布，從而得到混合分布的shape參數Kj和scale參數0」，j=l，…，M，M為混合分布中單項分布的類別數；(2. 3. 3)初始化迭代次數t = I以及符號距離函數
權利要求
1.超聲頸動脈斑塊自動分割方法，包括以下步驟 (1)從頸動脈三維超聲體數據提取當前幀圖像； (2)對當前幀圖像分割得到內、外膜輪廓； (3)從當前幀圖像提取包含內、外膜輪廓的斑塊感興趣區域ROI，感興趣區域ROI的中心點與內膜輪廓的中心點相同； (4)在斑塊感興趣區域ROI檢測初始斑塊外邊界C° (4. 1)以斑塊感興趣區域ROI的中心點為原點，將斑塊感興趣區域ROI從直角坐標系轉換到極坐標系； (4. 2)對極坐標系下的斑塊感興趣區域ROI中每列上位于內外膜間的像素點灰度值進行曲線擬合，并在擬合得到的曲線上檢測極小值，從極小值對應的像素點中選取離外膜輪廓最近的像素點； (4. 3)將步驟(4. 2)選取的離外膜輪廓最近的像素點從極坐標系轉換到直角坐標系，并連線形成初始斑塊外邊界C° ； (5)依據初始斑塊外輪廓線C°進行水平集演化得到斑塊區域 (5. 1)初始化迭代次數z=l以及符號距離函數
2.根據權利要求I所述的超聲頸動脈斑塊自動分割方法，其特征在于，所述步驟(2)具體為 (2. I)若當前幀圖像為頸動脈三維超聲體數據的第一幀圖像，則在當前幀圖像上選擇明顯位于血管外輪廓上的像素點集作為基準點，通過基準點間插值形成閉合曲線，將其作為當前幀的基準輪廓；否則，將上一幀得到的備用基準輪廓作為當前幀的基準輪廓； (2. 2)利用形態學膨脹法將基準輪廓外推形成第一感興趣區域ROIl ； (2.3)在第一感興趣區域ROIl中檢測頸動脈血管外輪廓Cmab (2. 3. I)在當前幀圖像中提取包含第一感興趣區域ROIl的矩形窗口圖像，將其轉化到極坐標圖像，在極坐標圖像上每隔相同角度在徑向方向靠近基準輪廓的像素點中搜索梯度值最大者作為初始輪廓點，將初始輪廓點轉化到直角坐標系并連線形成初始頸動脈血管外輪講 (2. 3. 2)利用混合分布估計第一感興趣區域ROIl的灰度概率密度分布，從而得到混合分布的shape參數Kj和scale參數0」，j=l,…，M，M為混合分布中單項分布的類別數； (2. 3. 3)初始化迭代次數t=l以及符號距離函數
3.根據權利要求2所述的超聲頸動脈斑塊自動分割方法，其特征在于，所述混合分布為混合ga_a分布或混合gauss分布或混合rayleigh分布。
全文摘要
本發明屬于計算機技術與醫學圖像的交叉領域，具體涉及到一種超聲圖像中頸動脈血管橫斷面方向上斑塊的分割方法。具體步驟包括選取當前幀圖像；分割得到血管內、外膜輪廓；提取斑塊分割感興趣區域；檢測初始斑塊外邊界包括在感興趣區域轉換得到的極坐標圖像上對每列位于內外膜輪廓間的像素點灰度值進行曲線擬合、檢測具有灰度極小值且離外膜輪廓最近的像素點作為初始斑塊外邊界點；水平集演化得到斑塊最終外邊界；將最終外邊界與內膜輪廓間區域作為斑塊區域。本發明提供的超聲圖像中頸動脈斑塊分割方法能夠精確分割出斑塊；較大幅度減少醫生的工作量；基于本方法的分割結果計算得到的斑塊體積、面積指標能輔助醫生分析病變程度及治療效果。
文檔編號G06T7/00GK102800088SQ20121021631
公開日2012年11月28日 申請日期2012年6月28日 優先權日2012年6月28日
發明者丁明躍, 程潔玉, 李鶴, 楊鑫 申請人:華中科技大學