結(jié)合硬斑塊特征的血管內(nèi)超聲圖像中-外膜邊緣檢測(cè).pdf

1、冠狀動(dòng)脈粥樣硬化性心臟病，簡(jiǎn)稱冠心病，是危害人類健康的主要疾病之一。近年來(lái)全球冠心病的發(fā)病率和死亡率呈不斷上升趨勢(shì)。在我國(guó)，隨著人民生活水平的提高和人口老齡化的加劇，冠心病成為我國(guó)居民死因構(gòu)成中上升最快的疾病，并呈現(xiàn)低齡化趨勢(shì)。因此，加強(qiáng)冠心病的防治已成為刻不容緩的任務(wù)，受到人們?cè)絹?lái)越廣泛的關(guān)注。
　　 目前臨床上用于冠心病診斷與治療的成像手段主要有兩種:冠狀動(dòng)脈造影(Coronaryangiography，CAG)和血管內(nèi)超聲

2、(Intravascularultrasound，IVUS)。冠脈造影(CAG)是診斷冠心病的主要依據(jù)之一，被認(rèn)為是評(píng)價(jià)冠心病的“金標(biāo)準(zhǔn)”，它能顯示被造影劑填充的管腔輪廓，反映冠狀動(dòng)脈狹窄部位和程度。但是CAG無(wú)法顯示血管壁的病變情況，如粥樣硬化斑塊的組織成分。而且由于CAG在功能上存在一些無(wú)法克服的缺點(diǎn)，對(duì)于彌漫性、偏心性等病變，僅依靠CAG難以做出準(zhǔn)確判斷。
　　 血管內(nèi)超聲(IVUS)是近年來(lái)被廣泛應(yīng)用于冠心病臨床診斷的新

3、技術(shù)，該技術(shù)將頂端裝有超聲探頭的導(dǎo)管置入冠狀動(dòng)脈，探頭發(fā)射超聲波在管腔內(nèi)部對(duì)血管壁進(jìn)行斷層掃描。IVUS不僅能夠反映血管內(nèi)腔的狀況，同時(shí)也能獲得血管壁橫截面信息，如血管壁厚度和粥樣硬化斑塊組織成分。這些信息可以幫助醫(yī)生準(zhǔn)確判斷病情、確定病變部位、設(shè)計(jì)治療方案。近年來(lái)隨著IVUS技術(shù)的迅速發(fā)展，不僅IVUS圖像質(zhì)量有顯著提高，而且有越來(lái)越多的基于IVUS的新技術(shù)投入臨床應(yīng)用，IVUS已成為診治冠心病不可或缺的影像學(xué)手段。
　　 早

4、期醫(yī)生采用手工勾畫IVUS圖像的方式獲取圖像中的各種病理信息。但是人工處理數(shù)據(jù)量巨大的IVUS圖像序列，無(wú)疑大大增加了醫(yī)生的工作量，而且手工勾畫結(jié)果受醫(yī)生主觀影響較大，無(wú)法做到統(tǒng)一標(biāo)準(zhǔn)。計(jì)算機(jī)輔助的圖像處理技術(shù)在IVUS圖像的各個(gè)領(lǐng)域，如血管膜邊緣檢測(cè)、斑塊性質(zhì)與特征識(shí)別、圖像配準(zhǔn)與三維重建、血管壁圓周應(yīng)力分析等方面取得了諸多成果，對(duì)冠心病臨床診療水平和醫(yī)生工作效率的提高有重要意義。
　　 本文研究的主要目標(biāo)是實(shí)現(xiàn)準(zhǔn)確快速的IV

5、US圖像冠狀動(dòng)脈中-外膜邊緣檢測(cè)。中-外膜邊緣是診斷冠狀動(dòng)脈病變的重要依據(jù)，是IVUS圖像處理與分析的基礎(chǔ)，也是冠狀動(dòng)脈量化分析的關(guān)鍵。而目前的中-外膜邊緣檢測(cè)算法在用于臨床IVUS圖像時(shí)，會(huì)受到圖像中可能存在的硬斑塊的影響，使檢測(cè)結(jié)果不準(zhǔn)確。為解決此問(wèn)題，本文提出一種結(jié)合硬斑塊特征的中-外膜邊緣檢測(cè)方法:首先，使用基于多尺度分析的自適應(yīng)雙邊濾波器對(duì)IVUS圖像濾波去噪，將直角坐標(biāo)下的圖像轉(zhuǎn)換到極坐標(biāo)上，采用k均值聚類對(duì)IVUS圖像進(jìn)行

6、分割，根據(jù)血管正常組織和不同斑塊的成像特點(diǎn)，判斷分割后所得的各個(gè)區(qū)域?qū)傩裕瓿蓪?duì)鈣化、纖維和鈣化-纖維混合斑塊的判斷;然后，結(jié)合這些硬斑塊的位置信息、圖像灰度，以及本文改進(jìn)的圖像方向梯度，構(gòu)造代價(jià)矩陣;最后，運(yùn)用啟發(fā)式圖搜索方法，獲得極坐標(biāo)下的中-外膜邊緣，通過(guò)極坐標(biāo)到直角坐標(biāo)的轉(zhuǎn)換，實(shí)現(xiàn)最終的IVUS圖像中-外膜邊緣檢測(cè)。該方法中本文提出了三個(gè)關(guān)鍵算法:(1)圖像去噪算法;(2)硬斑塊識(shí)別算法;(3)中-外膜邊緣檢測(cè)算法。
　　

7、 (1)高頻IVUS圖像中的斑點(diǎn)噪聲會(huì)降低圖像質(zhì)量，掩蓋圖像細(xì)節(jié)信息，造成IVUS圖像處理算法結(jié)果不精確甚至錯(cuò)誤，因此需要先對(duì)圖像進(jìn)行濾波處理。本文將乘性噪聲特性加入雙邊濾波器，從多分辨率分析理論出發(fā)，研究整個(gè)尺度空間的變化，設(shè)計(jì)基于多尺度分析的自適應(yīng)雙邊濾波器，使該濾波器適用于IVUS圖像的斑點(diǎn)噪聲，既可以防止圖像去噪過(guò)程過(guò)度破壞圖像上的重要病理信息，又可以防止紋理增強(qiáng)過(guò)程將噪聲信號(hào)增強(qiáng)。
　　 (2)IVUS圖像中粥樣硬化

8、斑塊的組織成分和所處部位，對(duì)于病變性質(zhì)的評(píng)價(jià)、冠脈介入治療方案的選擇和決策具有指導(dǎo)意義，而且圖像中的硬斑塊會(huì)對(duì)中-外膜邊緣檢測(cè)造成不良影響，因此有必要研究斑塊識(shí)別算法。本文采用k均值聚類算法分割圖像，根據(jù)不同斑塊在IVUS圖像上的顯示特點(diǎn)（鈣化斑塊亮度高，斑塊后方有聲影;纖維斑塊亮度較高，斑塊后方無(wú)聲影），選取硬斑塊識(shí)別的感興趣區(qū)域，設(shè)計(jì)判斷條件與參數(shù)，識(shí)別斑塊類型、位置和大小。斑塊識(shí)別結(jié)果可用于輔助中-外膜邊緣檢測(cè)。
　　 (

9、3)本文采用啟發(fā)式圖搜索算法檢測(cè)IVUS圖像中-外膜邊緣，使用該算法的關(guān)鍵問(wèn)題是設(shè)計(jì)合理的代價(jià)函數(shù)。本文設(shè)計(jì)的代價(jià)函數(shù)由三部分組成:1）圖像梯度:本文改進(jìn)梯度計(jì)算方法，只采用方向梯度之中與中-外膜邊緣相關(guān)的分量;2)硬斑塊后方區(qū)域代價(jià)值增強(qiáng):硬斑塊造成其后方區(qū)域信息減弱，難以檢測(cè)到準(zhǔn)確邊緣，本文利用梯度與圖像灰度信息增強(qiáng)該區(qū)域代價(jià)值;3）硬斑塊相關(guān)區(qū)域代價(jià)值消除:消除硬斑塊對(duì)邊緣檢測(cè)的影響。由此所得的代價(jià)矩陣包含了充分的中-外膜邊緣信息

10、，可以搜索到正確的中-外膜邊緣。
　　 本文以荷蘭萊頓大學(xué)醫(yī)學(xué)中心提供的654幀臨床IVUS圖像為實(shí)驗(yàn)樣本，驗(yàn)證本文算法的硬斑塊識(shí)別和中-外膜邊緣檢測(cè)結(jié)果。通過(guò)定量分析和臨床醫(yī)生判定，本文的硬斑塊識(shí)別正確率達(dá)到89.94％，其中含鈣化斑塊圖像正確率92.16％，含纖維斑塊圖像正確率91.55％，含纖維-鈣化混合斑塊圖像正確率71.43％;本文中-外膜邊緣檢測(cè)結(jié)果與醫(yī)生手工勾畫結(jié)果非常接近，樣本圖像整體正確率達(dá)到95.57％，其中

11、不含硬斑塊圖像檢測(cè)正確率88.32％，含硬斑塊圖像檢測(cè)正確率97.49％。通過(guò)與另外兩種主流方法:GVF-snake和常規(guī)圖搜索方法作對(duì)比，可以看到本文方法檢測(cè)中-外膜邊緣的優(yōu)越之處，尤其是對(duì)于含硬斑塊圖像。最后本文通過(guò)調(diào)整代價(jià)函數(shù)的各個(gè)組成部分，設(shè)計(jì)不同方案進(jìn)行實(shí)驗(yàn)，由實(shí)驗(yàn)結(jié)果可以看出本文方法構(gòu)造的代價(jià)函數(shù)中每個(gè)部分的必要性和有效性。
　　 綜上所述，本文提出了適用于IVUS圖像的濾波去噪、硬斑塊識(shí)別和中-外膜邊緣檢測(cè)算法，并