活動輪廓模型及其在血管內(nèi)超聲圖像邊緣提取中的應(yīng)用研究.pdf

1、　　諸如脈粥樣硬化之類的冠狀動脈疾病是以動脈血管壁上斑塊的累積為特點的,它能引起動脈的部分或全部障礙,必須對其進(jìn)行早期診斷和準(zhǔn)確評價。血管內(nèi)超聲(Intravascular Ultrasound,IVUS)是這種診斷和評價的常用工具,它具有安全、實時、無損和廉價等優(yōu)點。提取IVUS圖像邊緣并作進(jìn)一步的圖像分析處理,不僅可以對血管腔的面積進(jìn)行精確測量,而且還可以發(fā)現(xiàn)早期冠狀動脈粥樣硬化斑塊,并對斑塊的形態(tài)結(jié)構(gòu)實時顯示,對斑塊成分和偏心距、

2、壁厚等參數(shù)實時檢測。所以,IVUS圖像的邊緣提取對冠狀動脈疾病的診治有著重要的臨床應(yīng)用價值。
　　由于血管內(nèi)超聲圖像的內(nèi)、外膜邊緣屬于強(qiáng)噪聲環(huán)境下的彈性體弱邊緣,而常規(guī)的邊緣檢測算子對噪聲非常敏感,并且更適宜于處理剛體圖像。本文利用活動輪廓模型(Active Contour Model)理論上能夠提取任意復(fù)雜輪廓的優(yōu)勢來解決血管內(nèi)超聲圖像內(nèi)、外膜邊緣提取問題,以克服經(jīng)典方法的不足?；顒虞喞Ｐ?也稱為Snake模型,被定義為能量達(dá)

3、到最小值的曲線,而基于Snake模型的邊緣提取問題就是使目標(biāo)函數(shù)極小化的最優(yōu)化計算問題。針對傳統(tǒng)Snake模型抗噪性能差的缺點,本文改進(jìn)傳統(tǒng)Snake模型用邊緣對比度特征量代替了梯度能量,該特征量不僅考慮了圖像的灰階梯度信息,還考慮了背景亮度信息,克服了傳統(tǒng)Snake模型易受圖像噪聲干擾的缺點,增強(qiáng)了算法的可靠性。在能量函數(shù)的最優(yōu)化計算中,本文通過訓(xùn)練Hopfield神經(jīng)該網(wǎng)絡(luò)來改變能量函數(shù)使之極小化,并結(jié)合模擬退火算法確保函數(shù)收斂到全

4、局最優(yōu),從而達(dá)到精確提取IVUS圖像的內(nèi)、外膜邊緣的目的。實驗結(jié)果表明,和以往的提取方法相比,本文方法準(zhǔn)確性和可靠性較高,對序列圖像處理的可重復(fù)性和魯棒性較好,是一種較好的自動邊緣提取算法。
　　超聲成像技術(shù)的特點決定了血管內(nèi)超聲圖像存在嚴(yán)重的Speckle噪聲,它們降低了圖像的空間分辨率和對比度分辨率,模糊了血管邊緣,從而對邊緣提取等后續(xù)圖像分析處理工作造成不利影響。因此,有效地抑制血管內(nèi)超聲圖像的Speckle噪聲是成功進(jìn)行邊