【技术实现步骤摘要】
钙化斑块及其声影的超声图像提取系统
本专利技术涉及生物信息
,特别是涉及一种钙化斑块及其声影的超声图像提取系统。
技术介绍
心脑血管疾病已成为人类健康的头号杀手。动脉粥样硬化及其并发症引起心脑血管疾病的常见原因。钙化斑块的大小与形状是临床诊断中衡量动脉粥样硬化程度的重要指标。为了方便获知钙化斑块的位置信息,常通过超声检查进行拍摄图像。传统的提取钙化斑块图像的方法是通过人工观察,由富有经验的医生在拍摄的血管内超声(Intravascularultrasound,IVUS)图像中判断出钙化斑块的位置和大小。由于为同一个病人拍摄的血管内超声图像经常包含上千幅图像,因而由医生人工观察的方法不但耗时,而且重复性差,容易受到医生经验和主观因素的影响。
技术实现思路
基于此,有必要由人工从血管内超声图像中判断出钙化斑块的位置效率低的问题,提供一种钙化斑块及其声影的超声图像提取系统。一种钙化斑块及其声影的超声图像提取系统,所述系统包括:血管内超声图像获取模块,用于获取血管内超声图像;感兴趣区域确定模块,用于根据所述血管内超声图像确定包含血管组织图像的感兴趣区域;第一图像获取模块,用于以所述感兴趣区域的中心像素为直角坐标系的坐标原点,将所述感兴趣区域变换到极坐标系下,获得第一图像;第一区域获取模块,用于根据所述第一图像判断包括钙化斑块和声影的图像的区域作为第一区域;提取模块,用于根据所述第一区域提取钙化斑块及其声影的图像。上述钙化斑块及其声影的超声图像提取系统,在血管内超声图像中确定包含血管组织图像的感兴趣区域In1后,将感兴趣区域In1变换到极坐标系下,获得第一图像I。 ...
【技术保护点】
一种钙化斑块及其声影的超声图像提取系统,其特征在于,所述系统包括: 血管内超声图像获取模块,用于获取血管内超声图像; 感兴趣区域确定模块,用于根据所述血管内超声图像确定包含血管组织图像的感兴趣区域; 第一图像获取模块,用于以所述感兴趣区域的中心像素为直角坐标系的坐标原点,将所述感兴趣区域变换到极坐标系下,获得第一图像; 第一区域获取模块,用于根据所述第一图像判断包括钙化斑块和声影的图像的区域作为第一区域; 提取模块,用于根据所述第一区域提取钙化斑块及其声影的图像。
【技术特征摘要】
1.一种钙化斑块及其声影的超声图像提取系统,其特征在于,所述系统包括:血管内超声图像获取模块,用于获取血管内超声图像;感兴趣区域确定模块,用于根据所述血管内超声图像确定包含血管组织图像的感兴趣区域;第一图像获取模块,用于以所述感兴趣区域的中心像素为直角坐标系的坐标原点,将所述感兴趣区域变换到极坐标系下,获得第一图像;最大值线获取模块,用于确定所述第一图像每列的像素中灰度值最大的像素,获得最大值线;聚类模块,用于对所述感兴趣区域的像素进行聚类;聚类图像获取模块,用于将聚类结果中属于同一聚类簇的像素的灰度值置为相同的值,且属于不同聚类簇的像素的灰度值不同,获得聚类图像;第二图像获取模块,用于以所述聚类图像的中心像素为直角坐标系的坐标原点,将所述聚类图像变换到极坐标系,获得第二图像;第二区域确定模块,用于计算所述第二图像中每个聚类簇对应的感兴趣区域中的像素的灰度值均值,找到灰度值均值最小的预设个数的聚类簇,将所述找到的聚类簇中的像素构成的区域作为第二区域;第三图像生成模块,用于生成与所述第二图像尺寸相同的第三图像,将所述第三图像中属于第二区域的像素的灰度值和不属于第二区域的像素的灰度值分别设置为不同的值;第二区域上边界确定模块,用于在所述第三图像中确定第二区域的上边界;特征参数获取模块,用于计算所述第三图像每列的底部与所述第二区域的上边界的距离、所述第三图像每列对应的第二区域的上边界与所述最大值线的距离以及所述第一图像的每列对应的所述第二区域的上边界和所述最大值线之间的像素的平均灰度值;特征计算模块,用于根据所述第三图像每列的底部与所述第二区域的上边界的距离、所述第三图像每列对应的第二区域的上边界与所述最大值线的距离以及所述第一图像的每列对应的所述第二区域的上边界和所述最大值线之间的像素的平均灰度值确定所述第一图像每列的特征;分类模块,用于根据所述第一图像中每列的特征将所述第一图像中的各列分为含有钙化斑块和声影的图像的列以及不含有钙化斑块和声影的图像的列两类;区域确定模块,用于将所述第一图像中连续的含有钙化斑块和声影的图像的列构成的区域判断为包括钙化斑块和声影的图像的第一区域;提取模块,用于根据所述第一区域提取钙化斑块及其声影的图像。2.根据权利要求1所述的系统,其特征在于,所述聚类模块包括:概率分布描述模块,用于使用瑞利混合分布模型描述感兴趣区域的每个像素的概率分布;参数求解模块,用于使用最大期望算法求解所述瑞利混合模型的参数;聚类执行模块,用于使用最大后验概率准则对所述感兴趣区域的像素进行聚类。3.根据权利要求2所述的系统,其特征在于,所述感兴趣区域的每个像素的概率分布为:其中,yi表示感兴趣区域的第i个像素的灰度值,θj={aj,σj,cj,bj,α}是参数向量,aj表示第j个瑞利分布在横轴上的平移量,σj表示瑞利分布的众数,cj和bj是计算参数,α表示控制变量;πj表示瑞利混合分布中每个分量的权重,K表示瑞利混合分布中混合分量的个数,p(yi)表示第i个像素的混合概率,p(yi|θj)表示第i个像素属于第j类的概率。4.根据权利要求3所述的系统,其特征在于,所述瑞利混合分布的似然函数为:其中,N表示感兴趣区域中的像素总数,Θ表示参数集;所述参数求解模块包括:似然函数最大化模块,用于最大化所述似然函数,即得到目标函数:P(θj|yi;Θ(t))是后验概率,P(yi|θj;Θ)是类条件概率密度,Θ(t)表示第t次迭代中已知的参数集,Θ表示第t次迭代中未知的参数集,Θ*表示计算获得的最终参数集;参数集初始化模块,用于初始化参数集Θ为Θ(0);参数集计算模块,用于根据初始化的参数集Θ(0)计算参数向量,并使用最速下降算法更新所述参数向量,直到最大期望算法收敛,获得最终参数集Θ*。5.根据权利要求1所述的系统,其特征在于,所述第一图像每列的特征为:其中h1,h2,h3是权重,表示所述第三图像每列的底部与所述第二区域的上边界的距离,表示所述第三图像每列对应的第二区域的上边界与所述最大值线的距离,表示所述第一图像的每列对应的所述第二区域的上边界和所述最大值线之间的像素的平均灰度值。...
【专利技术属性】
技术研发人员:高智凡,侯江涛,刘欣,林宛华,杨平,张贺晔,张元亭,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。