一种基于血管内超声图像的血管外膜自动检测方法技术

本发明专利技术公开了一种基于血管内超声图像的血管外膜自动检测方法，包括一个将血管内超声图像从直角坐标转换到极坐标的过程；包括一个确定快速行进(FastMarching)算法所需种子点的过程；包括一个根据图像灰度和梯度确定快速行进(FastMarching)算法所需的每个像素点处行进速度的过程；包括一个利用快速行进(FastMarching)算法自动检测血管外膜的过程。本发明专利技术通过自动确定种子点、终止点和有效的行进速度函数，保证了检测过程的自动性，基于快速行进算法的处理方法，不仅保证了检测方法的简单、有效性，而且避免了现有算法模型的复杂性和对成像条件的依赖性。

【技术实现步骤摘要】

本专利技术涉及医学图像处理领域，特别是涉及一种快速行进（Fast Marching）算法、应用于血管内超声（IVUS：Intravascular ultrasound）图像的血管内外膜自动检测方法。 
技术介绍
血管内超声（IVUS: Intravascular Ultrasound）图像对动脉粥样硬化等心血管疾病的诊断和治疗具有非常重要的临床应用价值。基于IVUS图像诊断动脉粥样硬化需要粥样硬化图像的特征如血管内腔面积、斑块面积等量化指标，这些量化指标的准确提取依赖于有效的血管边缘检测。人工检测即由医生手动勾画血管内腔、外膜边界等，不仅费时费力，而且受医生经验等主观性的限制。因此，用计算机算法准确、快速、自动地检测IVUS图像中的血管边缘就显得很有必要。目前，基于IVUS图像的血管边缘计算机自动检测（分割）算法主要有三类：第一类为统计学方法（G. Mendizabal-Ruiz, M. Rivera, et al., “A probabilistic segmentation method for the identification of luminal borders in intravascular ultrasound images”, IEEE Conference on Computer Vision and Pattern Recognition, pp.1-8, 2008.），对图像的灰度分布进行统计学建模实现IVUS图像分割，从而检测出血管边缘，但是IVUS图像中的伪影、钙化等复杂的图像特征将大大降低统计建模的准确性；第二类是机器学习的方法(1.E. G. Bovenkamp, J. Dijkstra, J. G. Bosch, et al., “Multi-agent segmentation of IVUS images”, Patten Recognition, Vol.37, No.4, pp.647-663, 2004; 2. G. Unal, S. Bucher, S. Carlier, et al., “Shape-driven segmentation of the arterial wall in intravascular ultrasound images”, IEEE Trans. On information technology in biomedicine, Vol.12, No.3, pp.335-346, 2008.)，该类方法模型复杂，实际应用时受到诸多限制；第三类是基于活动轮廓线模型的方法(1. 张麒，汪源源等，“活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像”，光学精密工程， Vol.16, No.11, pp.2301-311, 2008; 2. X. Zhu, P. Zhang, J. Shao, et al., “A snake-based method for segmentation of intravascular ultrasound images and its in vivo validation”, Ultrasonics, Vol.51, pp.181-189, 2011.)，该类方法简单易行，但是往往需要给定初始轮廓线，而且，检测结果易受噪声等复杂图像特征的影响。上述几类基于IVUS图像的血管边缘检测方法都预先设定相应的模型，如图像灰度分布模型、形状模型等，而这些模型往往依赖于具体的成像条件。为更好地实现对IVUS图像中血管外膜的有效检测，本专利技术提出一种基于快速行进(Fast Marching)算法的IVUS图像血管外膜自动检测算法。 
技术实现思路
本专利技术的目的在于针对现有技术的不足，提供一种更简单、更有效、更通用的IVUS图像血管外膜自动检测方法。本专利技术的技术解决方案如下：一种基于血管内超声图像的血管外膜自动检测方法，该方法包括一个将血管内超声图像从直角坐标转换到极坐标的过程；包括一个确定快速行进(Fast Marching)算法所需种子点的过程；包括一个根据图像灰度和梯度确定快速行进(Fast Marching)算法所需的每个像素点处行进速度的过程；包括一个利用快速行进(Fast Marching)算法自动检测血管外膜的过程。进一步的，在一个将血管内超声图像从直角坐标转换到极坐标的过程中，以原始图像（直角坐标系）的中心点为极坐标之原点，将原始图像转换为极坐标图像。转换后的极坐标图像，纵向为径向采样，横向为扫描角度采样。进一步的，在确定快速行进(Fast Marching)算法所需种子点的过程中，直接将某一扫描角度，即极坐标图像的某一列（如第一列）像素作为种子点。进一步的，在一个根据图像灰度和梯度确定快速行进(Fast Marching)算法所需的每个像素点处行进速度的过程中，首先计算血管内超声图像每一像素点（i, j）的梯度Gij，然后结合每一像素点（i, j）的灰度Iij得到像素点（i, j）处的行进速度Fij=Gij*Iij，即速度函数为Fij=Gij*Iij。进一步的，在一个利用快速行进(Fast Marching)算法自动检测血管外膜的过程中，首先根据所确定的种子点和行进速度，使边界按相应的行进速度不断行进，直到边界行进到极坐标图像边缘列（如最后一列）像素中的任一像素点为止，然后以边界最先行进到的图像边缘列（如最后一列）像素中的像素点为终点，反向跟踪出最短路径（连续,且时间最少），即血管外膜边界。    与现有技术相比，本专利技术的有益效果如下：本专利技术和已有技术相比，其效果是积极的和明显的。通过自动确定种子点、终止点和有效的行进速度函数，本专利技术保证了检测过程的自动性。基于快速行进算法的处理方法，不仅保证了检测方法的简单、有效性，而且避免了现有算法模型的复杂性和对成像条件的依赖性。 附图说明图1是本专利技术基于血管内超声图像的血管外膜自动检测流程图；图2是本专利技术血管内超声图像示意图；图3是本专利技术极坐标变换后的血管内超声图像示意图;图4 是本专利技术快速行进初始种子点示意图;图5 是本专利技术图像梯度示意图；图6 是本专利技术终止快速行进时每像素点的时间（没到的像素置0）示意图；图7 是本专利技术反向跟踪所得最优路径示意图；图8 是本专利技术血管外膜检测结果示意图（极坐标）；图9 是本专利技术血管外膜检测结果示意图（原始直角坐标）。 具体实施方式下面结合实施案例和附图对本专利技术作进一步说明，但不应以此限制本专利技术的保护范围。图1是本专利技术一种基于血管内超声图像的血管外膜自动检测方法的流程图。如图所示，一种基于血管内超声（IVUS：Intravascular Ultrasound）图像的血管外膜自动检测方法，包括一个将血管内超声图像从直角坐标转换到极坐标的过程；包括一个确定快速行进(Fast Marching)算法所需种子点的过程；包括一个根据图像灰度和梯度确定快速行进(Fast本文档来自技高网...

【技术保护点】
一种基于血管内超声图像的血管外膜自动检测方法，其特征在于，该方法包括一个将血管内超声图像从直角坐标转换到极坐标的过程；包括一个确定快速行进算法所需种子点的过程；包括一个根据图像灰度和梯度确定快速行进算法所需的每个像素点处行进速度的过程；包括一个利用快速行进算法自动检测血管外膜的过程。

【技术特征摘要】
1. 一种基于血管内超声图像的血管外膜自动检测方法，其特征在于，该方法包括一个将血管内超声图像从直角坐标转换到极坐标的过程；包括一个确定快速行进算法所需种子点的过程；包括一个根据图像灰度和梯度确定快速行进算法所需的每个像素点处行进速度的过程；包括一个利用快速行进算法自动检测血管外膜的过程。
2. 根据权利要求1所述的一种基于血管内超声图像的血管外膜自动检测方法，其特征在于：在确定快速行进算法所需种子点的过程中，直接将某一扫描角度，即极坐标图像的第一列像素作为种子点。
3. 根据权利要求1所述的一种基于血管内超声图像的血管外膜自动检测方法，其特征在于：在一个根据图像灰度和梯度确定快速行进算法所需的每个像素点处行进速度的过程中，首先计算血管内超声图像每一像素点（i, j）的梯度Gij，然后结...

【专利技术属性】
技术研发人员：严加勇，向永嘉，崔崤峣，简小华，韩志乐，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：江苏;32