基于無(wú)重初始化的HGVF-測(cè)地線模型的頸動(dòng)脈超聲圖像分割算法.pdf

1、心腦血管疾病是危害人類健康的主要疾病之一。根據(jù)世界衛(wèi)生組織統(tǒng)計(jì)的數(shù)據(jù)，每年心血管疾病導(dǎo)致的死亡人數(shù)約占全世界死亡人數(shù)的三分之一。相關(guān)研究表明，頸動(dòng)脈粥樣硬化與心腦血管疾病密切相關(guān)，頸動(dòng)脈壁狀況的評(píng)價(jià)在提前判斷無(wú)癥狀病人的危險(xiǎn)狀況的過(guò)程中起著非常重要的作用。
　　 超聲成像作為最常用的頸動(dòng)脈斑塊檢測(cè)的影像學(xué)方法之一，具有方便、無(wú)創(chuàng)等優(yōu)點(diǎn)。且隨著高頻超聲的發(fā)展，超聲圖像的分辨率越來(lái)越高，超聲成像的臨床應(yīng)用變得更為廣泛。這帶來(lái)另一個(gè)問(wèn)

2、題：導(dǎo)致讀片醫(yī)師的工作負(fù)荷加重，最終影響疾病的漏診率。于是學(xué)者們提出了計(jì)算機(jī)輔助診斷技術(shù)。一個(gè)完整的基于灰階超聲圖像的計(jì)算機(jī)輔助診斷系統(tǒng)將依次由邊緣提取、特征提取、分類判斷三個(gè)部分組成，本文主要的研究?jī)?nèi)容是頸動(dòng)脈斑塊的邊緣提取，以期提出一種性能更好的能用于臨床診斷的頸動(dòng)脈斑塊超聲圖像分割算法。所完成的主要研究工作和創(chuàng)新點(diǎn)描述如下：
　　 (1)針對(duì)GVF-Snake主動(dòng)輪廓模型在進(jìn)行頸動(dòng)脈超聲圖像分割時(shí)存在的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)問(wèn)題以及

3、輪廓可能沿著錯(cuò)誤方向演化問(wèn)題，Paragios等提出了GVF-測(cè)地線模型。該模型利用了測(cè)地線主動(dòng)輪廓模型具有的優(yōu)勢(shì)：與水平集方法結(jié)合的GVF-測(cè)地線模型能夠解決網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)問(wèn)題；由于測(cè)地線模型的輪廓沿著法線方向演化，因此GVF-測(cè)地線模型不存在輪廓可能沿著錯(cuò)誤方向演化問(wèn)題。但該模型可移植性不好，因此本文修改了該模型的邊緣圖矩陣以使其嚴(yán)格滿足與邊緣檢測(cè)函數(shù)之間的線性反比關(guān)系，并且改進(jìn)了該模型的部分算子，得到更接近測(cè)地線主動(dòng)輪廓模型的改進(jìn)的

4、GVF-測(cè)地線模型。
　　 (2)由于改進(jìn)的GVF-測(cè)地線模型不能解決深度凹陷區(qū)域問(wèn)題，Wang.Y等提出的HGVF-Snake主動(dòng)輪廓模型能夠有效解決該問(wèn)題，因此本文在HGVF-Snake模型的基礎(chǔ)上增加弱邊緣檢測(cè)算子，并將改進(jìn)的HGVF-Snake模型與改進(jìn)的GVF-測(cè)地線模型相結(jié)合，提出改進(jìn)的HGVF-測(cè)地線模型。實(shí)驗(yàn)已論證改進(jìn)的HGVF-測(cè)地線模型能夠有效解決深度凹陷區(qū)域問(wèn)題以及弱邊緣檢測(cè)問(wèn)題，其性能相對(duì)于改進(jìn)的GVF-

5、測(cè)地線模型有所提升。
　　 (3)針對(duì)改進(jìn)的HGVF-測(cè)地線模型存在的耗時(shí)過(guò)長(zhǎng)、效率測(cè)度不好問(wèn)題，文章在模型處理對(duì)象以及水平集函數(shù)的重初始化兩方面進(jìn)行改進(jìn)，提出無(wú)需重初始化的改進(jìn)的HGVF-測(cè)地線模型。該模型在曲線演化過(guò)程中節(jié)省了重復(fù)初始化時(shí)間；另外本文進(jìn)一步提出了一種改進(jìn)的子圖作為模型分割對(duì)象，實(shí)驗(yàn)表明，該方法能進(jìn)一步縮減程序運(yùn)行時(shí)間，且能解決通用子圖中存在的效率測(cè)度不穩(wěn)定以及給FPF和TNF的計(jì)算結(jié)果帶來(lái)額外誤差等問(wèn)題。