基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取

摘要

血管内超声(IVUS)图像冠状动脉血管壁的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义.本研究提出了一种用于自动提取IVUS序列图像冠状动脉血管壁内、外膜边缘的方法.该方法基于活动轮廓模型以及本研究所定义的边缘对比度特征量,利用Hopfield神经网络并结合模拟退火算法自动提取IVUS序列图像冠状动脉血管壁的内、外膜边缘.实验结果表明,本研究方法易于实现,而且准确性和可靠性较高,对IVUS序列图像处理的可重复性和鲁棒性较好,是一种较好的全局最优化算法.