術(shù)從超聲 子圖像中獲取內(nèi)中膜的管腔內(nèi)膜邊界LII"進行詳細說明，該步驟具體流程圖請參見圖3， 包括步驟：
[0045] 301、獲取超聲子圖像的二值化圖像。
[0046] 由于脈管部分通常呈高回聲，而血液呈低回聲，因此可用上下閾值法對超聲子圖 像進行二值化處理，大致地將圖像分為血管和血液。
[0047] 302、對二值化圖像進行形態(tài)學(xué)處理以去除毛刺，該形態(tài)學(xué)處理為開運算。
[0048] LII 一般比較平坦、光滑，但由于噪聲的影響，二值化圖像中內(nèi)膜表面附近可能會 有些小的毛刺，因此需要對二值化圖像進行形態(tài)學(xué)的開運算，即先腐蝕后膨脹，以達到消除 小毛刺、在纖細點處分離物體、平滑較大物體邊界的同時不明顯改變其面積的目的。
[0049] 303、獲取二值化圖像中的最大連通區(qū)域，所述最大連通區(qū)域內(nèi)像素點的灰度值為 255。
[0050] 經(jīng)過形態(tài)學(xué)后處理后，二值化圖像包含內(nèi)膜、中膜、外膜以及噪聲。由于噪聲離散 分布在血管中，因此利用圖像的連通性將二值化圖像的白色區(qū)域分為不同的連通區(qū)域。根 據(jù)解剖知識可知，內(nèi)外膜區(qū)域在白色區(qū)域中占主體地位，因此可利用尋找包含最大面積的 連通區(qū)域來獲得內(nèi)外膜的整體區(qū)域，以生成新的二值化圖像。在新的二值化圖像中，最大連 通區(qū)域內(nèi)像素的灰度值為255,其余像素的灰度值為0。
[0051] 304、通過掃描所述最大連通區(qū)域獲取LII。
[0052] 在新的二值化圖像中，黑色區(qū)域為血管區(qū)域，白色區(qū)域為內(nèi)外膜整體區(qū)域，它們之 間的分界線為LII邊界。對該新的二值圖像進行縱向線掃描，即將圖像分成列，從每列的第 一個像素點出發(fā)，向下搜索掃描直至遇到灰度值為255的像素點為止，記錄該像素點，并將 其作為LII上的輪廓點，最終獲取完整的LII。
[0053] 本發(fā)明第三實施例將對第一實施例中的步驟"204、通過演化初始MAI獲取目標 MAI"進行詳細說明，該步驟具體流程圖請參見圖4,包括步驟：
[0054] 401、利用演化模型演化所述初始MAI以獲取閉合的演化曲線。
[0055] 其中，演化模型為GAC-GVF模型或GAC模型。
[0056] 在本實施例中，演化模型為GAC-GVF模型，其特征是GVF既可增大對邊界的捕獲范 圍，同時降低對初始演化曲線的要求。GAC-GVF模型數(shù)學(xué)表達式為：
【主權(quán)項】
1. 一種基于超聲圖像的頸動脈內(nèi)中膜厚度測量方法，其特征在于，包括： 獲取包含內(nèi)中膜的超聲子圖像； 利用數(shù)字圖像處理技術(shù)從所述超聲子圖像中獲取所述內(nèi)中膜的管腔內(nèi)膜邊界LII ; 根據(jù)所述LII和圖像特征獲取初始中膜外膜邊界MAI ; 通過演化所述初始MI獲取目標MI ; 根據(jù)所述LII和所述目標MAI計算內(nèi)中膜厚度MT。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用數(shù)字圖像處理技術(shù)從所述超聲 子圖像中獲取所述內(nèi)中膜的管腔內(nèi)膜邊界LII包括： 獲取所述超聲子圖像的二值化圖像； 對所述二值化圖像進行形態(tài)學(xué)處理以去除毛刺，所述形態(tài)學(xué)處理為開運算； 獲取所述二值化圖像中的最大連通區(qū)域，所述最大連通區(qū)域內(nèi)像素點的灰度值為 255 ； 通過掃描所述最大連通區(qū)域獲取LII。
3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述通過演化所述初始MI獲取目標 MAI包括： 利用演化模型演化所述初始MAI以獲取閉合的演化曲線，所述演化模型為GAC-GVF模 型或GAC模型； 對所述演化曲線進行后處理； 將后處理后的演化曲線作為目標MAI。
4. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述根據(jù)所述LII和圖像特征獲取初 始中膜外膜邊界MAI包括： 在所述LII上等間隔地獲取若干個采樣點； 根據(jù)預(yù)設(shè)規(guī)則獲取與采樣點對應(yīng)的偏移目標點； 將所有偏移目標點依次連結(jié)的曲線作為初始MAI。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述預(yù)設(shè)規(guī)則為： 獲取所述采樣點沿外徑向10個像素點區(qū)域內(nèi)的平均灰度值； 若所述平均灰度值小于第一閾值，則從采樣點開始依次查找偏移目標點，所述偏移目 標點滿足其后連續(xù)4個像素點的局部灰度值均大于第二閾值； 若所述平均灰度值大于第一閾值，則從第11個像素點開始依次查找偏移目標點，所述 偏移目標點滿足其局部灰度值大于其后連續(xù)3個像素點的局部灰度值。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取包含內(nèi)中膜的超聲子圖像之后 還包括： 根據(jù)圖像特征判斷所述內(nèi)中膜是否為前壁； 若判斷結(jié)果為是，則對所述超聲子圖像進行180度翻轉(zhuǎn)，若判斷結(jié)果為否，則不進行處 理。
7. -種基于超聲圖像的頸動脈內(nèi)中膜厚度測量裝置，其特征在于，包括： 第一獲取單元，用于獲取包含內(nèi)中膜的超聲子圖像； 第二獲取單元，用于利用數(shù)字圖像處理技術(shù)從所述超聲子圖像中獲取所述內(nèi)中膜的管 腔內(nèi)膜邊界LII ; 第三獲取單元，用于根據(jù)所述LII和圖像特征獲取初始中膜外膜邊界MI ; 第四獲取單元，用于通過演化所述初始MI獲取目標MI ; 計算單元，用于根據(jù)所述LII和所述目標MAI計算內(nèi)中膜厚度IMT。
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述第二獲取單元包括： 二值化子單元，用于獲取所述超聲子圖像的二值化圖像； 形態(tài)學(xué)子單元，用于對所述二值化圖像進行形態(tài)學(xué)處理以去除毛刺，所述形態(tài)學(xué)處理 為開運算； 連通域子單元，用于獲取所述二值化圖像中的最大連通區(qū)域，所述最大連通區(qū)域內(nèi)像 素點的灰度值為255 ; LII子單元，用于通過掃描所述最大連通區(qū)域獲取LII。
9. 根據(jù)權(quán)利要求7或8所述的裝置，其特征在于，所述第四獲取單元包括： 演化子單元，用于利用演化模型演化所述初始MAI以獲取閉合的演化曲線，所述演化 模型為GAC-GVF模型或GAC模型； 后處理子單元，用于對所述演化曲線進行后處理，所述第四獲取單元將后處理后的演 化曲線作為目標MAI。
10. 根據(jù)權(quán)利要求7或8所述的裝置，其特征在于，所述第三獲取單元包括： 采樣點子單元，用于在所述LII上等間隔地獲取若干個采樣點； 偏移點子單元，用于根據(jù)預(yù)設(shè)規(guī)則獲取與采樣點對應(yīng)的偏移目標點； 點連結(jié)子單元，用于將所有偏移目標點依次連結(jié)的曲線作為初始MAI。
11. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述偏移點子單元依據(jù)的預(yù)設(shè)規(guī)則為： 獲取所述采樣點沿外徑向10個像素點區(qū)域內(nèi)的平均灰度值； 若所述平均灰度值小于第一閾值，則從采樣點開始依次查找偏移目標點，所述偏移目 標點滿足其后連續(xù)4個像素點的局部灰度值均大于第二閾值； 若所述平均灰度值大于第一閾值，則從第11個像素點開始依次查找偏移目標點，所述 偏移目標點滿足其局部灰度值大于其后連續(xù)3個像素點的局部灰度值。
12. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述裝置還包括： 判斷單元，用于根據(jù)圖像特征判斷所述內(nèi)中膜是否為前壁； 翻轉(zhuǎn)單元，用于若所述判斷單元的判斷結(jié)果為是，則對所述超聲子圖像進行180度翻 轉(zhuǎn)，否則不進行處理。
【專利摘要】本發(fā)明提供了一種基于超聲圖像的頸動脈內(nèi)中膜厚度測量方法和裝置，用于精確分割頸動脈內(nèi)中膜，從而有效測量IMT。本發(fā)明技術(shù)方案包括：獲取包含內(nèi)中膜的超聲子圖像；利用數(shù)字圖像處理技術(shù)從所述超聲子圖像中獲取所述內(nèi)中膜的管腔內(nèi)膜邊界LII；根據(jù)所述LII和圖像特征獲取初始中膜外膜邊界MAI；通過演化所述初始MAI獲取目標MAI；根據(jù)所述LII和所述目標MAI計算內(nèi)中膜厚度IMT。通過實施本發(fā)明方案，能夠提高LII和MAI識別的精度，從而精確分割出內(nèi)中膜，使得IMT的測量準確度大幅提高。
【IPC分類】A61B8-00
【公開號】CN104665872
【申請?zhí)枴緾N201410841210
【發(fā)明人】高梁, 馮乃章, 黎婷婷
【申請人】深圳開立生物醫(yī)療科技股份有限公司
【公開日】2015年6月3日
【申請日】2014年12月29日