動脈粥樣硬化研究中的醫(yī)學(xué)圖像處理.pdf

1、動脈粥樣硬化嚴重威脅著人類身體健康。在動脈粥樣硬化的研究中，有兩項重要內(nèi)容：發(fā)生機制的研究與易損斑塊的識別。一方面，動脈粥樣硬化的發(fā)生機制至今未被完全闡明。內(nèi)皮細胞通透性的變化、血流動力學(xué)特性的變化與動脈粥樣硬化的發(fā)生之間存在著錯綜復(fù)雜的關(guān)系，而細胞通透性的變化、血流動力學(xué)特性的變化可能伴隨著細胞形態(tài)、血管形態(tài)的改變，可以通過醫(yī)學(xué)成像手段加以顯示。另一方面，動脈粥樣硬化斑塊分為易損斑塊與非易損斑塊兩類，其中易損斑塊更具危害性。易損斑塊破

2、裂、血栓形成，會引起急性心血管病事件，從而危急人類生命。借助醫(yī)學(xué)成像手段，對斑塊進行顯影，可幫助識別易損斑塊，對預(yù)防急性心血管病事件具有重要意義。在這兩方面研究中，都大量應(yīng)用醫(yī)學(xué)成像技術(shù)，如血管內(nèi)超聲成像、磁共振成像、熒光顯微鏡成像等。成像硬件設(shè)備日新月異的同時，圖像分割、特征提取等醫(yī)學(xué)圖像處理方法相對滯后，制約了成像技術(shù)的應(yīng)用與發(fā)展，也影響著動脈粥樣硬化的深入研究。
　　本文針對動脈粥樣硬化研究中醫(yī)學(xué)圖像處理技術(shù)遭遇的困難與挑戰(zhàn)

3、，提出圖像分割、特征提取的新方法，以進一步闡明動脈粥樣硬化的發(fā)生機制，并實現(xiàn)動脈粥樣硬化易損斑塊的自動識別。研究工作圍繞著發(fā)生機制與識別易損斑塊兩個角度展開。
　　在動脈粥樣硬化發(fā)生機制的研究中，依托于圖像處理技術(shù)，開展兩項工作：
　　第一，基于顯微鏡圖像研究內(nèi)皮細胞形態(tài)與通透性的關(guān)系。提出熒光顯微鏡圖像分割與特征提取新方法。該方法將斑點抑制的各向異性擴散技術(shù)與標(biāo)記制約的分水嶺算法相結(jié)合，分別解決內(nèi)皮細胞熒光圖像信噪比不高和

4、部分邊緣缺失兩個分割難點；并提出用細胞檢測接收機操作特性曲線確定算法中需設(shè)置的兩個關(guān)鍵參數(shù)；最后從得到的細胞輪廓中自動提取細胞形狀和細胞間隙兩類形態(tài)學(xué)特征。該方法是快速分析大量顯微鏡圖像的自動化工具。運用該工具，發(fā)現(xiàn)兩例豬冠狀動脈內(nèi)皮細胞的兩個形態(tài)學(xué)特征(單位面積三叉點數(shù)、單位面積細胞間隙長度)與其通透性一定程度上相關(guān)(R>0.39，P<0.0005)，為探明低密度脂蛋白進入血管壁的可能途徑提供了幫助，有利于進一步闡明細胞通透性升高的原

5、因及動脈粥樣硬化的發(fā)病機制。
　　第二，基于磁共振圖像研究頸動脈分叉形態(tài)與血流動力學(xué)特性的關(guān)系。提出用因子分析來提取健康人頸動脈血管形態(tài)學(xué)因子。首先通過圖像分割得到50例頸動脈分叉內(nèi)腔輪廓，計算出14個形態(tài)學(xué)特征。接著將這些互相關(guān)聯(lián)的原始特征經(jīng)基于主元分析的因子分析提煉出4個互不相關(guān)的因子。最后經(jīng)多變量線性回歸發(fā)現(xiàn)其中兩個因子與血流動力學(xué)特征密切相關(guān)(R2>0.5，P<0.0001)，且具有較明確的物理意義：分別度量了分叉膨脹性和

6、頸總動脈、頸內(nèi)動脈非共線性。血流動力學(xué)特征表征了動脈粥樣硬化血流動力學(xué)意義上的易感性，但是需經(jīng)繁瑣的計算流體動力學(xué)分析方能得到，本研究表明簡單地提取血管形態(tài)學(xué)因子有望代替這一繁瑣工作，進而為動脈粥樣硬化的無損早期篩查提供幫助。
　　為了克服以往手工判別易損斑塊耗時耗力、主觀性強、可重復(fù)性差等缺點，本文研究了基于血管內(nèi)超聲的易損斑塊自動識別。主要包括兩項工作：
　　第一，血管內(nèi)超聲圖像中斑塊的自動分割。提出Contourlet

7、活動輪廓模型，準(zhǔn)確自動地提取內(nèi)腔輪廓與外彈力膜輪廓。該方法針對傳統(tǒng)圖像分割方法初始化和魯棒性兩個問題，將Contourlet變換這一多分辨率、時頻局域性、方向性、各向異性的圖像表示方法引入邊界矢量場活動輪廓模型中，運用Contourlet變換將原圖像分解為多分辨率低通分量和多分辨率帶通分量方向性子帶。對低通分量進行模板匹配，確定血管內(nèi)腔邊界和外彈力膜的初始輪廓；對帶通分量方向性子帶進行擴散濾波，抑制噪聲的同時盡可能保留有用邊緣，之后結(jié)合

8、邊界矢量場使輪廓演化得到最終分割結(jié)果，從而提高了分割算法的魯棒性。
　　第二，研究了血管內(nèi)超聲圖像中斑塊的特征提取與分類器設(shè)計。由計算機自動提取臨床上常用的形態(tài)特征，并提出提取斑塊紋理、彈性兩類新特征的方法，以更全面準(zhǔn)確地量化斑塊屬性。其中紋理特征包括一階統(tǒng)計量和灰度共生矩陣特征，彈性特征的提取基于非剛性圖像配準(zhǔn)技術(shù)。三類特征共同組成特征集輸入分類器。比較了Fisher線性判別、支撐向量機、廣義相關(guān)學(xué)習(xí)矢量量化三種分類器識別124