一种基于混合算法的血管内超声参数提取方法及系统技术方案

本公开提供了基于混合算法的血管内超声参数提取方法及系统。其中，血管内超声参数提取方法，包括对原始血管内超声图像进行标注内外膜分割，获得血管内超声内外膜标注图像；将原始血管内超声图像与血管内超声内外膜标注图像进行扣减融合，获取原始血管内超声图像中仅存在标注区域的图像，记为扣减图像；对扣减图像进行预处理，得到边缘图像；运用最小误差距离算法对边缘图像进行处理，获取内膜及外模之间的斑块厚度，再根据双线性覆盖算法，得到当前斑块对应的内膜矩阵和外膜矩阵；求取当前血管面积和当前内腔面积；根据血管面积与内腔面积之差再与血管面积的比值，得到当前斑块对应的斑块负荷指标。

A Hybrid Algorithms-based Intravascular Ultrasound Parameter Extraction Method and System

【技术实现步骤摘要】
一种基于混合算法的血管内超声参数提取方法及系统
本公开属于计算机医学图像处理分析领域，尤其涉及一种基于混合算法的血管内超声参数提取方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。IVUS：血管内超声(intravenousultrasound，IVUS)是无创性的超声技术和有创性的导管技术相结合的一种新的诊断方法。IVUS目前已经是临床医学检测血管内病变的重要影像信息，并且已经成为诊断中的黄金标准。但是目前的医学仪器仅能提取部分特征信息，并且精准度也相对较低，同时不能达到拍完图像后即时获取参数。大部分更多的IVUS影像信息需要专业医生进行进一步手动测量，耗时耗力，所以需要一种新的分析检测手段提取更多的图像信息，同时达到瞬时的参数计算与获取，在此基础的前提下仍要保证精准度的计算。目前IVUS图像分割算法已经逐渐完善，运用已有的自动分割算法作为本算法的前提，可以实现IVUS全自动参数提取。专利技术人发现，现有的IVUS仪器获取的参数太少，并且无法完成实时性参数检测，并且所需图片格式大部分需要严格的规定格式，不利于二次图像处理分析。
技术实现思路
为了解决上述问题，本公开的第一个方面提供一种基于混合算法的血管内超声参数提取方法，其能够改善IVUS机器提供参数少的问题，同时保证IVUS参数计算速度快、计算精度高，这可以极大的减轻医生的工作量。为了实现上述目的，本公开采用如下技术方案：一种基于混合算法的血管内超声参数提取方法，包括：对原始血管内超声图像进行标注内外膜分割，获得血管内超声内外膜标注图像；将原始血管内超声图像与血管内超声内外膜标注图像进行扣减融合，获取原始血管内超声图像中仅存在标注区域的图像，记为扣减图像；对扣减图像进行预处理，得到边缘图像；运用最小误差距离算法对边缘图像进行处理，获取内膜及外模之间的斑块厚度，再根据双线性覆盖算法，得到当前斑块对应的内膜矩阵和外膜矩阵；其中，外膜矩阵为血管外膜边界区域，内膜矩阵为血管内膜边界区域；求取当前斑块对应的内膜矩阵和外膜矩阵中所有大于0的元素之和与预设计量单位转化率的平方比值，得到当前血管面积和当前内腔面积；根据血管面积与内腔面积之差再与血管面积的比值，得到当前斑块对应的斑块负荷指标。为了解决上述问题，本公开的第二个方面提供一种基于混合算法的血管内超声参数提取系统，其能够改善IVUS机器提供参数少的问题，同时保证IVUS参数计算速度快、计算精度高，这可以极大的减轻医生的工作量。为了实现上述目的，本公开采用如下技术方案：一种基于混合算法的血管内超声参数提取系统，包括：内外膜标注模块，其用于对原始血管内超声图像进行标注内外膜分割，获得血管内超声内外膜标注图像；扣减图像计算模块，其用于将原始血管内超声图像与血管内超声内外膜标注图像进行扣减融合，获取原始血管内超声图像中仅存在标注区域的图像，记为扣减图像；边缘图像计算模块，其用于对扣减图像进行预处理，得到边缘图像；内外膜矩阵获取模块，其用于运用最小误差距离算法对边缘图像进行处理，获取内膜及外模之间的斑块厚度，再根据双线性覆盖算法，得到当前斑块对应的内膜矩阵和外膜矩阵；其中，外膜矩阵为血管外膜边界区域，内膜矩阵为血管内膜边界区域；当前血管面积和当前内腔面积获取模块，其用于求取当前斑块对应的内膜矩阵和外膜矩阵中所有大于0的元素之和与预设计量单位转化率的平方比值，得到当前血管面积和当前内腔面积；斑块负荷指标获取模块，其用于根据血管面积与内腔面积之差再与血管面积的比值，得到当前斑块对应的斑块负荷指标。为了解决上述问题，本公开的第三个方面提供一种计算机可读存储介质，其能够改善IVUS机器提供参数少的问题，同时保证IVUS参数计算速度快、计算精度高，这可以极大的减轻医生的工作量。为了实现上述目的，本公开采用如下技术方案：一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述的基于混合算法的血管内超声参数提取方法中的步骤。为了解决上述问题，本公开的第四个方面提供一种计算机设备，其能够改善IVUS机器提供参数少的问题，同时保证IVUS参数计算速度快、计算精度高，这可以极大的减轻医生的工作量。为了实现上述目的，本公开采用如下技术方案：一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述所述的基于混合算法的血管内超声参数提取方法中的步骤。本公开的有益效果是：(1)本公开便于实施操作，并且不需要更多的外部设备，经济性好，以Python系统语言并运用本公开的该方法即可进行运算操作。(2)本公开不需要特定的DICOMDIR图像格式，以常用的图像格式即可以完成参数计算与提取。(3)本公开的实时速度非常快，不计算标签图像的获取速度，达到每秒处理4.7388张图像。(4)本公开的准确性好，与医生手动计算的结果相比，对于非连续图像的主要参数平均相对误差为4.87％，对于连续图像的主要参数平均相对误差为3.12％。(5)本公开可拓展性强，基于更好的内外膜分割算法，可以更高的提升准确率。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1是本公开实施例提供的一种基于混合算法的血管内超声参数提取方法流程图。具体实施方式下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。图1是本公开实施例提供的一种基于混合算法的血管内超声参数提取方法流程图。如图1所示，本实施例的一种基于混合算法的血管内超声参数提取方法，包括：S101：对原始血管内超声图像进行标注内外膜分割，获得血管内超声内外膜标注图像。在具体实施中，原始血管内超声图像进行标注内外膜分割的过程为：首先通过IVUS仪器经由医生获取原始血管内超声图像；通过医生手工标注内外膜分割或经由目前已有的内外膜分割算法进行自动分割，获取血管内超声内外膜标注图像。S102：将原始血管内超声图像与血管内超声内外膜标注图像进行扣减融合，获取原始血管内超声图像中仅存在标注区域的图像，记为扣减图像；S103：对扣减图像进行预滤波处理，得到边缘图像；具体地，对扣减图像进行预滤波处理的过程包括：对扣减图像进行二值化与膨胀算法。经由边缘图像，此时图像中以将内膜与外膜分开，可获得内膜矩阵与外膜矩阵。S104：运用最小误差距离算法对边缘图像进行处理，获取内膜及外模之间的斑块厚度，再根据双线性覆盖算法，得到当前斑块对应的内膜矩阵和外膜矩阵；其中，外膜矩阵为血管外膜边界区域，内膜矩阵为血管内膜边界区域。边缘图像中，包含了内膜矩阵和外膜矩阵，即为包括了血管内膜与血管本文档来自技高网...

【技术保护点】
1.一种基于混合算法的血管内超声参数提取方法，其特征在于，包括：对原始血管内超声图像进行标注内外膜分割，获得血管内超声内外膜标注图像；将原始血管内超声图像与血管内超声内外膜标注图像进行扣减融合，获取原始血管内超声图像中仅存在标注区域的图像，记为扣减图像；对扣减图像进行预处理，得到边缘图像；运用最小误差距离算法对边缘图像进行处理，获取内膜及外模之间的斑块厚度，再根据双线性覆盖算法，得到当前斑块对应的内膜矩阵和外膜矩阵；其中，外膜矩阵为血管外膜边界区域，内膜矩阵为血管内膜边界区域；求取当前斑块对应的内膜矩阵和外膜矩阵中所有大于0的元素之和与预设计量单位转化率的平方比值，得到当前血管面积和当前内腔面积；根据血管面积与内腔面积之差再与血管面积的比值，得到当前斑块对应的斑块负荷指标。

【技术特征摘要】
1.一种基于混合算法的血管内超声参数提取方法，其特征在于，包括：对原始血管内超声图像进行标注内外膜分割，获得血管内超声内外膜标注图像；将原始血管内超声图像与血管内超声内外膜标注图像进行扣减融合，获取原始血管内超声图像中仅存在标注区域的图像，记为扣减图像；对扣减图像进行预处理，得到边缘图像；运用最小误差距离算法对边缘图像进行处理，获取内膜及外模之间的斑块厚度，再根据双线性覆盖算法，得到当前斑块对应的内膜矩阵和外膜矩阵；其中，外膜矩阵为血管外膜边界区域，内膜矩阵为血管内膜边界区域；求取当前斑块对应的内膜矩阵和外膜矩阵中所有大于0的元素之和与预设计量单位转化率的平方比值，得到当前血管面积和当前内腔面积；根据血管面积与内腔面积之差再与血管面积的比值，得到当前斑块对应的斑块负荷指标。2.如权利要求1所述的一种基于混合算法的血管内超声参数提取方法，其特征在于，根据当前血管面积与预设参考血管面积求比值，得到当前斑块对应的重构指数指标。3.如权利要求1所述的一种基于混合算法的血管内超声参数提取方法，其特征在于，根据预设参考内腔面积与所有斑块对应的内腔面积的最小值作差，再与预设参考内腔面积求比值，得到内腔狭窄率指标。4.如权利要求1所述的一种基于混合算法的血管内超声参数提取方法，其特征在于，筛选出斑块厚度的最大值和最小值，两者作差并与斑块厚度的最大值求比值，得到动脉粥样硬化偏心率指标。5.一种基于混合算法的血管内超声参数提取系统，其特征在于，包括：内外膜标注模块，其用于对原始血管内超声图像进行标注内外膜分割，获得血管内超声内外膜标注图像；扣减图像计算模块，其用于将原始血管内超声图像与血管内超声内外膜标注图像进行扣减融合，获取原始血管内超声图像中仅存在标注区域的图像，记为扣减图像；边缘图像计算模块，其用于对...

【专利技术属性】
技术研发人员：刘治，王子樵，张鹏飞，曹艳坤，杨美君，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37