醫(yī)學(xué)圖像的頸動(dòng)脈內(nèi)外壁分割系統(tǒng).pdf

1、頸動(dòng)脈粥樣硬化作為一種常見的血管疾病，是引發(fā)腦血管疾病的重要原因。在頸動(dòng)脈粥樣硬化診斷中，通常頸動(dòng)脈醫(yī)學(xué)圖像中血管壁是否發(fā)生形變和有無(wú)斑塊形成是頸動(dòng)脈血管病變的重要判斷依據(jù)。因此，借助計(jì)算機(jī)圖像處理技術(shù)對(duì)頸動(dòng)脈醫(yī)學(xué)圖像進(jìn)行分析處理，提取圖像中有價(jià)值的重要數(shù)據(jù)，為頸動(dòng)脈粥樣硬化的醫(yī)療診斷提供輔助手段，成為當(dāng)前一項(xiàng)非常重要有意義的工作。
　　在傳統(tǒng)的醫(yī)療診斷中通常憑借醫(yī)生自身的臨床知識(shí)和經(jīng)驗(yàn)來(lái)進(jìn)行讀圖判斷。一名患者的一組圖像序列通常包

2、含上百?gòu)埖膱D層切片，如果僅靠人工判別診斷，將會(huì)是一件費(fèi)時(shí)費(fèi)力的浩大工程。同時(shí)，醫(yī)學(xué)圖像由于成像原理的關(guān)系，具有模糊性和不均性等特點(diǎn)，醫(yī)學(xué)圖像的自動(dòng)分割也因此成為一個(gè)技術(shù)難點(diǎn)。此外，頸動(dòng)脈外壁由于與周圍組織灰度相似，輪廓十分模糊，目前醫(yī)學(xué)分割方法中，精確的外壁輪廓分割主要依靠人工實(shí)現(xiàn)。本文充分利用頸動(dòng)脈醫(yī)學(xué)圖像序列的特點(diǎn)，通過對(duì)傳統(tǒng)的圖割方法（Graph Cuts）不同改進(jìn)分別實(shí)現(xiàn)了頸動(dòng)脈內(nèi)外壁分割以及整個(gè)圖像序列的連續(xù)自動(dòng)分割，大大提高

3、了頸動(dòng)脈醫(yī)學(xué)圖像的處理效率。本文主要完成了以下工作內(nèi)容：
　　1.提出了一種結(jié)合灰度信息與空間位置統(tǒng)計(jì)信息的內(nèi)腔區(qū)域的自動(dòng)識(shí)別方法，并引入基于形狀先驗(yàn)的gsc-cut分割方法用于實(shí)現(xiàn)頸動(dòng)脈核磁共振圖像內(nèi)壁分割，該方法只需提供一個(gè)包含頸動(dòng)脈的ROI區(qū)域就能完成內(nèi)壁較為精確的自動(dòng)分割。
　　2.提出了一種以內(nèi)壁為形狀先驗(yàn)，結(jié)合外壁自身特征的全局優(yōu)化算法來(lái)分割外壁。該方法通過回歸模型獲取外壁位置范圍，構(gòu)建高斯混合模型獲得數(shù)據(jù)項(xiàng)和平

4、滑項(xiàng)。將內(nèi)壁輪廓作為先驗(yàn)以每次一個(gè)像素點(diǎn)的距離向外擴(kuò)張輪廓曲線，根據(jù)約束條件構(gòu)建相似性約束項(xiàng)。最后將三項(xiàng)能量函數(shù)按照Graph Cuts的能量函數(shù)原理合并得到新的能量函數(shù)，當(dāng)能量函數(shù)取最小值時(shí)精確得到外壁輪廓。
　　3.根據(jù)頸動(dòng)脈MRI圖像的連續(xù)性和相鄰層相似性特點(diǎn)，采用基于主動(dòng)輪廓模型的Graph Cuts方法實(shí)現(xiàn)頸動(dòng)脈MRI圖像序列連續(xù)自動(dòng)分割。連續(xù)分割以上一層分割結(jié)果作為先驗(yàn)，為了減少連續(xù)分割累積的誤差，加入輪廓曲線優(yōu)化算法