三维超声图像中颈动脉血管壁的分割方法

摘要

动脉粥样硬化(atherosclerosis)是心血管疾病的一个主要成因,导致全球每年多人死亡。动脉粥样硬化在颈动脉,尤其是在颈动脉分岔处(bifurcation)很容易发生,这也使其成为近年来研究的热点。颈动脉粥样硬化始于血管壁增厚,然后产生斑块;斑块的累积导致颈动脉血管逐渐狭窄,造成栓塞,使斑块分裂并随血流进入人体脑部,并使人出现中风等突发性疾病。因此,对颈动脉粥样硬化进行早期检测,对防止突然性死亡具有重要意义。
　　医学图像处理,包括图像分割(image segmentation)在内,是对粥样硬化进行早期检测的重要手段,尤其在用超声成像监控粥样硬化病变情况时,非常需要一种自动或半自动的颈动脉分割方法来帮助医生对粥样硬化进行辅助诊断或治疗。然而,超声图像分割存在很多困难,容易受超声图像的斑点噪声、伪影及弱边界等因素影响,导致分割失败。设计鲁棒性好的超声图像分割方法应综合考虑上述难点。
　　为解决上述问题,本文提出一种全新的方法,对颈动脉中外膜边界(MAB,media-adventitia boundary)和血管腔-内膜边界(LIB,lumen-intima boundary)进行分割。本文采用一种分割—跟踪—分割的框架,其中分割过程采用水平集方法(level set method),将多种不同信息融入到能量项中,并不断演化计算得到准确的分割结果;跟踪(tracking)过程利用相邻帧间组织灰度分布相似的特点,能够很方便地利用上一帧分割的轮廓对当前帧上的轮廓进行预测跟踪,并启动当前帧上的轮廓分割。
　　本文在大量的由三维体数据切分得到的二维图像上对上述方法进行了测试,得到了较为满意的结果。对这些结果的统计学检验表明本文提出的方法得到的结果与作为金标准的手工分割得到的结果之间不存在显著性差异。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及意义

1.2 超声成像概况

1.3 相关领域研究现状

1.4 本文主要内容与结构安排

2 超声图像分割

2.1 超声图像分割的基本方法

2.2 超声颈动脉图像分割难点

2.3 水平集方法

3 连续帧超声颈动脉图像分割方法

3.1 颈动脉超声图像灰度分布估计

3.2 连续帧的颈动脉MAB轮廓跟踪

3.3 提出的分割算法框架

4 方法实现

4.1 图像采集和数据处理

4.2 提取感兴趣区域

4.3 灰度分布估计的参数计算

4.4 颈动脉MAB和LIB的分割及其水平集方法的实现

4.5 连续帧的颈动脉MAB轮廓跟踪方法实现

5 结果评价及展示

5.1 灰度分布估计的评价

5.2 MAB轮廓跟踪方法的评价

5.3 颈动脉MAB和LIB的分割方法评价

6 总结与展望

6.1 本文总结

6.2 展望

致谢

参考文献

附录：硕士期间发表论文及专利