收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

颈动脉超声造影图像中斑块的分割及弹性分析

黄春春  
【摘要】:颈动脉粥样硬化是一种常见的心脑血管疾病。临床上主要通过颈动脉狭窄程度、内中膜厚度和粥样硬化斑块的形态、血流及弹性状况来评价颈动脉粥样硬化的属性及严重程度。其中斑块的易损性是颈动脉粥样硬化的关键属性,高易损性是威胁人类健康的重要原因。研究表明斑块的易损性与斑块的力学特性有关,斑块的破损是其内在弹性状况与外在受力状态共同作用的结果。易损性高的斑块(即易损斑块)一般含有较大的脂质核与较薄的纤维帽,而易损性低的斑块(即非易损斑块)含较多的纤维。脂质核越大,纤维帽越薄,斑块就越容易破损形成血栓。同时,斑块易损性亦与斑块内部的新生血管有关,新生血管可促进动脉粥样硬化病变的进展,诱发斑块内出血和斑块破损,继而形成血栓,引起急性心脑血管事件。因此,可以从斑块弹性与新生血管两个角度,对斑块进行显影从而评价斑块的易损性。超声造影(contrast-enhanced ultrasound,CEUS)在常规超声的基础上,运用微泡造影剂对斑块进行谐波成像,能较清晰地显示斑块内新生血管的分布情况,成为分析斑块易损性的新手段。但CEUS不能评价斑块的弹性,使其不能全面综合地分析斑块易损性,制约了其在斑块研究中的深度应用。 CEUS是一种实时成像模态,以视频序列的形式动态显示颈动脉斑块的形态及其内部新生血管分布情况。颈动脉的周期性搏动产生斑块应变,若能从CEUS的动态序列中估计出斑块的应变,则可从应变中提取反映斑块弹性的量化参数,从而将CEUS的功能由单一的血流成像扩展至血流与弹性的复合成像模式。医学图像处理技术为CEUS序列图像中斑块的应变估计及弹性特征提取提供了可能:首先通过图像分割方法确定斑块所在位置,接着通过图像配准方法比较序列中两帧图像的差异以估计斑块的应变、提取弹性特征。本文基于此思路,开展如下三个方面的研究工作: 第一,提出一种改进的多尺度模糊聚类方法分割CEUS图像。采用斑点抑制各向异性扩散方法滤除CEUS图像中的斑点噪声并构建多尺度图像,然后通过粒子群优化算法找出每个尺度图像上的全局聚类中心点,在多尺度图像中进行模糊聚类,实现CEUS图像的分割。实验表明,相较传统聚类方法,本文方法抗噪性更强,分割效果更佳,其平均分割准确率与图像佳数分别提高5.4%和26.6%。 第二,在上述多尺度模糊聚类方法基础上,提出一种结合多尺度模糊聚类与B样条方向梯度矢量流模型的CEUS图像分割方法。该方法能有效克服初始轮廓定位和目标附近伪边缘干扰两大问题,实现高精度的颈动脉血管腔及斑块边界提取。以改进的多尺度模糊聚类为粗分割方法,将其所得轮廓作为B样条方向梯度矢量流模型的初始轮廓,对轮廓进行形变演化收敛到精细的目标边界。血管腔的分割结果表明,本文方法优于传统多尺度聚类法和Chan-Vese水平集法,其中均方根误差、假阳性率分别增加19.8%、23.2%。而斑块的实验结果表明,分割特异性高达97.8%,真阳性率为83.2%,均方根误差为4.654像素点,验证了本文方法分割颈动脉斑块的准确性。 第三,提出一种基于自由形态形变(free form deformation,FFD)非刚性配准的斑块弹性特征提取方法。该方法借助B样条FFD非刚性配准方法得到斑块在收缩期与舒张期间的形变场,继而从形变场中计算应变统计量作为弹性特征,最后通过统计学方法分析弹性特征与新生血管人工分级间的关系。从30个病例的51个样本中提取出46个弹性特征,其中17个特征在人工评级的高低两级间存在显著性差异(t检验,P0.01),表明斑块弹性特征与新生血管形成程度之间存在一定关联性,弹性特征能区分新生血管的形成程度。这将为进一步探索斑块内新生血管、斑块力学属性及其易损性三者间的关系起到铺垫作用,从而有助于易损斑块的识别与干预。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 吴志攀;赵跃龙;;车型图像分割方法的研究[J];惠州学院学报(自然科学版);2005年06期
2 杨梦宁;杨丹;张强劲;;基于最大树法的模糊图像分割方法[J];计算机科学;2005年08期
3 宋麦玲;杨小红;;图像分割技术研究[J];软件导刊;2007年07期
4 蒋小标;汤光明;徐蕾;;基于模糊理论的图像分割方法[J];计算机工程与设计;2007年16期
5 郑肇葆;;Cognitive Agent在图像分割中应用的研究[J];武汉大学学报(信息科学版);2008年07期
6 侯立华;;图像分割方法综述[J];科技创新导报;2008年22期
7 刘海亮;;数字图像分割方法研究[J];电脑知识与技术;2009年09期
8 胡天翔;郑加强;周宏平;丛静华;;提高动态树木图像分割处理速度的方法[J];林业科学;2009年06期
9 黄长专;王彪;杨忠;;图像分割方法研究[J];计算机技术与发展;2009年06期
10 宋寅卯;刘磊;;图像分割研究方法及进展[J];电脑学习;2010年02期
11 潘春雨;卢志刚;秦嘉;;基于区域阈值的图像分割方法研究[J];火力与指挥控制;2011年01期
12 王江宁;纪力强;;昆虫图像分割方法及其应用[J];昆虫学报;2011年02期
13 马宝英;曹忠;;基于医学影像数据的图像分割方法研究述评[J];昌吉学院学报;2012年03期
14 郭锁利;辛栋;刘延飞;;近代图像分割方法综述[J];四川兵工学报;2012年07期
15 吴志川;彭国华;;基于灰色聚类决策的图像分割性能评价[J];计算机工程与应用;2012年19期
16 刁智华;宋寅卯;王欢;王云鹏;;基于植物病斑的图像分割研究综述[J];农机化研究;2012年10期
17 王蓉;杨晓刚;;一种目标粘连的图像分割方法[J];中国人民公安大学学报(自然科学版);2013年01期
18 俞勇,施鹏飞,赵立初;基于最小能量的图像分割方法[J];红外与激光工程;1999年04期
19 罗希平;田捷;诸葛婴;王靖;戴汝为;;图像分割方法综述[J];模式识别与人工智能;1999年03期
20 沈兰荪,王爱民;图像分割的分级性研究[J];北京工业大学学报;2000年03期
中国重要会议论文全文数据库 前10条
1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集(下册)[C];2009年
2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年
4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年
5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛(交通运输工程学科)论文集(下册)[C];2005年
6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年
8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年
9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
10 胡晓莉;江杰;李杰;;图像分割方法的研究[A];冶金轧制过程自动化技术交流会论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 侯叶;基于图论的图像分割技术研究[D];西安电子科技大学;2011年
2 裴继红;基于模糊信息处理的图像分割方法研究[D];西安电子科技大学;1998年
3 葛宏立;面向类的图像分割方法研究[D];北京林业大学;2004年
4 张运杰;基于模糊系统理论的图像分割技术研究[D];大连海事大学;2007年
5 张玲;基于模糊理论及其扩展的图像分割研究及应用[D];山东大学;2012年
6 张新野;基于聚类分析的图像分割方法研究[D];大连海事大学;2012年
7 谢振平;聚类与曲线进化方法及在农产品图像分割中的应用研究[D];江南大学;2008年
8 朱炜;基于粒子群的水下图像分割与识别技术研究[D];哈尔滨工程大学;2008年
9 谭志明;基于图论的图像分割及其嵌入式应用研究[D];上海交通大学;2007年
10 刘锁兰;基于模糊理论的图像分割区域法研究[D];南京理工大学;2008年
中国硕士学位论文全文数据库 前10条
1 马生隽;交叉皮层模型在图像分割中的应用研究[D];兰州大学;2009年
2 朱嵬鹏;基于聚类算法的图像分割[D];江南大学;2009年
3 郭晓洁;基于非参数模型的图像分割方法研究[D];云南大学;2010年
4 刘春燕;图像分割评价方法研究[D];西安电子科技大学;2011年
5 王亚荣;基于图割的交互式图像分割方法研究[D];西北大学;2011年
6 薛耿剑;人体脑图像分割技术研究[D];西北工业大学;2006年
7 徐敏;新聚类算法及其在图像分割中的应用[D];江南大学;2005年
8 吴学明;图像分割的算法研究[D];成都理工大学;2006年
9 杨斯涵;图像分割技术在简牍保护中的应用研究[D];成都理工大学;2006年
10 徐高奎;图像分割与合成方法的研究[D];天津大学;2005年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978