基于IVOCT的冠狀動脈粥樣硬化斑塊識別算法研究.pdf

1、冠心病已經(jīng)成為世界上的頭號死因，而引發(fā)冠心病的罪魁禍首便是冠狀動脈粥樣硬化。及時有效地識別冠狀動脈粥樣硬化斑塊的類型對于預(yù)防急性冠脈綜合癥具有重要意義。血管內(nèi)光學相干斷層(IVOCT)成像技術(shù)由于其超高的成像分辨率(10-20μm)，迅速發(fā)展成為診斷冠心病的有效手段。它通過檢測血管組織的背向散射光波來實現(xiàn)冠狀動脈的斷層成像。目前，臨床上對于IVOCT圖像的分析還局限于手動的方式，這不僅費時費力，而且由于觀察者間的差異性，往往得到不同的評

2、估結(jié)果。本課題的研究目的就是發(fā)展一種能夠自動識別冠狀動脈OCT圖像中粥樣硬化斑塊類型的算法，從而提高臨床上診斷冠心病的效率和準確率。
　　對于IVOCT圖像進行自動分析主要包含以下幾個方面。首先是對圖像進行預(yù)處理，提取血管內(nèi)腔輪廓，主要包括利用動態(tài)規(guī)劃的方法去除導(dǎo)絲偽影，采用大津算法和一系列形態(tài)學操作去除導(dǎo)管偽影等等。精確的輪廓信息是衡量管腔狹窄程度的唯一有效指標，結(jié)果顯示該方法提取結(jié)果與手動提取結(jié)果的Dice系數(shù)為0.9413，

3、準確率高。
　　然后，對不同類型的斑塊區(qū)域利用灰度共生矩陣的方法提取紋理信息，計算了7種特征值:對比度、自相關(guān)性、能量、均質(zhì)性、集群陰影、熵以及相關(guān)性信息度量。并研究了灰度共生矩陣參數(shù)影響下提取的紋理特征與斑塊類別之間的相關(guān)性。經(jīng)過分析，將紋理特征的維度降低到378維，提高了運算效率。
　　最后，利用隨機森林算法對提取的紋理特征進行建模。對于一個新的未知斑塊類別的像素點，可以在提取紋理特征的基礎(chǔ)上利用建立好的隨機森林分類器模