基于LGDF模型的粥样硬化斑块HRMR图像分割

摘要

颅内动脉粥样硬化斑块可视化对颅内动脉粥样硬化疾病(ICAD)的辅助诊断与治疗具有重要意义.颅内动脉血管及斑块的分割结果将直接影响三维可视化效果.由于高分辨率核磁共振(HRMR)图像灰度分布不均匀、动脉血管结构复杂、目标边界模糊等原因,导致颅内病变动脉血管及斑块的定位与分割困难.局部高斯分布拟合(LGDF)模型可以准确分割灰度分布不均匀图像,但是对初始轮廓较敏感.针对上述问题,提出基于数学形态学修正阈值分割结果的方法,以实现初始轮廓的自动提取.利用阈值法,实现斑块的定位与预分割;通过数学形态学,进行细分割;将斑块的分割结果作为LGDF模型的初始轮廓,实现动脉血管的自动分割.对23组试验数据进行处理,斑块与动脉血管的平均分割精度分别达到93.95％和96.62％.试验结果表明:该方法能够准确定位和分割斑块,较好地避免了毗邻动脉血管的干扰,成功地分割出病变的颅内动脉血管.该方法在分割精度和效率上都优于单一的LGDF模型,具有较好的实用性.后期的三维可视化不仅可以用于脑血管狭窄患者的临床诊断与评估,还能进一步引导颅内斑块介入手术.