基于模糊聚类和HMRF的超声颈总动脉内中膜测量算法的研究

摘要

颈动脉的内中膜厚度（Intima Media Thickness，IMT）是预测心血管疾病（Cardiovascular Diseases, CVDs）发病程度的重要指标。超声成像具有实时性好、无侵入、成本低等优点，被认为是颈动脉检测的首选医学图像。为解决手动测量工作量大，且测量结果对测试者依赖性高等问题，有必要对自动、高效的计算机辅助IMT测量算法进行研究。 本文给出一种基于模糊聚类和隐马尔可夫随机场（Hidden Markov Random Field, HMRF）的内中膜测量算法，该算法结合血管形态信息和图像灰度特征自动提取感兴趣区域（Region of Interest, ROI），利用边缘图拟合的方法建立初始内中膜轮廓，采用基于HMRF模型改进的模糊C均值（Fuzzy C Means, FCM）算法，并使用改进算法分割图像，实现内中膜测量的目的，。 测试数据为包含80张颈动脉超声图像的图像库，真实值（Ground Truth, GT）为两名专家四次手动测量的平均值。实验结果显示，本文设计的自动测量算法与GT之间的相关性系数为0.9852，两个数据集合之间误差的均值±标准差为0.022?0.0164mm。实验表明本文设计算法对图像噪声鲁棒，改进的模糊聚类算法能较可靠的分割图像，且满足医学图像分割实时性要求，为心血管疾病的早期预防提供诊断依据。

目录

声明

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3待解决的问题

1.4本文主要工作

1.5本文内容安排

第2章 模糊聚类在图像分割中的应用

2.1引言

2.2医学图像分割

2.3图像分割中的模糊C均值聚类算法

2.4 FCM的典型改进算法

2.5 FCM算法有效性判别

2.6本章小结

第3章 基于隐马尔科夫随机场模型改进的模糊聚类算法

3.1引言

3.2马尔可夫随机场理论

3.3基于HMRF改进的FCM算法

3.4本章小结

第4章 改进算法在内中膜测量中的应用

4.1引言

4.2问题描述

4.3算法的基本流程

4.4算法设计思想和实现

4.5本章小结

第5章 实验结果与分析

5.1引言

5.2实验准备

5.3算法定性分析

5.4算法定量分析

5.5本章小结

第6章 总结与展望

6.1全文总结

6.2前景展望

参考文献

发表论文和参加科研情况说明

致谢