一种颈动脉血管内中膜测量与斑块检测方法技术

本发明专利技术公开了一种颈动脉血管内中膜测量与斑块检测方法，涉及图像处理技术领域，针对颈动脉超声扫查图像，分别获取该颈动脉超声扫查图像中的原始血管分割图、原始内中膜分割图、原始斑块检测框；对原始血管分割图进行血管分割后处理，得到优化血管分割图；基于优化血管分割图，对原始斑块检测框进行斑块检测框后处理得到优化斑块检测框；基于优化血管分割图，对原始内中膜分割图进行内中膜分割后处理得到优化内中膜分割图；对优化内中膜分割图中的内中膜区域进行内中膜厚度测量。本发明专利技术基于内中膜和斑块存在于血管中的特点，过滤掉与血管重合过少或没有重合的斑块检测框和内中膜分割区域，降低模型的假阳性误报，提高测量效率和测量准确率。率和测量准确率。率和测量准确率。

【技术实现步骤摘要】
一种颈动脉血管内中膜测量与斑块检测方法


[0001]本专利技术涉及图像处理
，尤其是一种颈动脉血管内中膜测量与斑块检测方法。

技术介绍

[0002]在动脉粥样硬化病变基础上发生的心脑血管疾病是现代人类的主要杀手之一。而动脉粥样硬化是一个长期的，30～40年隐藏的发展过程。颈动脉硬化即颈动脉粥样硬化，是全身动脉粥样硬化在颈动脉的表现，通常在青少年时期发生，随着年龄增长而逐渐加重。目前认为颈动脉硬化与老年人缺血性脑卒中的发生密切相关。颈动脉硬化早期首先表现为内膜
‑
中膜增厚，然后逐渐形成粥样硬化斑块，在此基础上出现斑块内出血、斑块破裂脱落、附壁血栓形成及继发血管狭窄等，引起相应的血流动力学改变，导致缺血性脑血管事件的发生。近年来的研究提示：颈动脉内中膜厚度与心肌梗塞的发生有着明显的相关性；内中膜厚度每增加0.1mm，心肌梗塞发生的危险性上升11%。
[0003]B型超声是目前唯一的可以动态实时、无损的观察和测量颈动脉内中膜厚度的仪器。在超声图像上，正常的颈动脉及股动脉壁结构表现为典型的“双线征”。近管腔侧回声线由血液
‑
内膜界面形成，近管壁侧回声线由中膜及外膜之间的界面形成,两条回声线之间的距离即为内膜
‑
中膜层厚度(IMT)。正常由于内膜较薄，难于进行测量，而动脉粥样硬化发生于内膜，中膜厚度变化较小，因此常测量内膜
‑
中膜层厚度观察动脉粥样硬化病变情况。超声成像中颈动脉血管壁的内中膜厚度(Intima Media Thickness，IMT)可以作为评估心血管疾病的早期病变程度的重要指标，对突发心肌梗塞、中风的诊断和预防有很重要的价值。
[0004]传统方法中，颈动脉超声图像的内中膜厚度通常由人工手动测量获得，测量者手工描绘图像中的管腔
‑
内膜边界(Lumen
‑
Intima Interface，LII)和中膜
‑
外膜边界(Media
‑
Adventitia Interface，MAI)，然后通过计算得出两边界间的距离获得IMT。正常IMT应小于1.0mm，IMT在1.0～1.2mm间为内膜增厚，1.2至1.4mm之间为斑块形成，IMT大于1.4mm为颈动脉狭窄。然而这种手动测量方式工作量大，非常耗时，并且最终获得的结果受测试者所受训练、个人经历及其主观判断的影响。
[0005]另外，超声下根据形态和回声特点，斑块可分为：1、低回声脂质性软斑；2、中等回声富含胶原组织的纤维性扁平斑块；3、强回声伴声影的钙化性硬斑块；4、回声强弱不等的溃疡性混合型斑块。其中，软斑、扁平斑和混合斑属于不稳定斑块，是引起缺血性脑卒中的重要原因之一。
[0006]对于同时出现斑块和内中膜情况时，现有方式为选择避开斑块进行内中膜测量。

技术实现思路

[0007]为了克服上述现有技术中的缺陷，本专利技术提供一种颈动脉血管内中膜测量与斑块检测方法，降低模型的假阳性误报，提高测量准确率和测量效率。
[0008]为实现上述目的，本专利技术采用以下技术方案，包括：
一种颈动脉血管内中膜测量与斑块检测方法，包括以下步骤：S1，针对颈动脉超声扫查图像，分别获取该颈动脉超声扫查图像中的原始血管分割图、原始内中膜分割图、原始斑块检测框。
[0009]S2，对步骤S1所获取的原始血管分割图进行血管分割后处理，得到优化血管分割图；S3，基于优化血管分割图，对步骤S1所获取的原始斑块检测框进行斑块检测框后处理，得到优化斑块检测框；S4，基于优化血管分割图，对步骤S1所获取的原始内中膜分割图进行内中膜分割后处理，得到优化内中膜分割图；S5，对优化内中膜分割图中的内中膜区域进行内中膜厚度测量。
[0010]优选的，步骤S4中，所述内中膜分割后处理的方式为：S41，提取原始内中膜分割图中的各个内中膜区域的外轮廓，分别计算各个内中膜区域的外轮廓面积，剔除外轮廓面积小于设定阈值intima_area_thr的内中膜区域；S42，针对步骤S41剩下的未被剔除的内中膜区域，先分别计算该内中膜区域与优化血管分割图中的各个血管区域的交集面积，再分别计算各个交集面积与该内中膜区域的比值，剔除所有比值小于设定阈值intima_thr的内中膜区域；S43，步骤S42剩下的未被剔除的内中膜区域即构成优化内中膜分割图。
[0011]优选的，步骤S3中，所述斑块检测框后处理的方式为：针对每个原始斑块检测框，先分别计算该原始斑块检测框与优化血管分割图中的各个血管区域的交集面积，再分别计算各个交集面积与该原始斑块检测框面积的比值，剔除所有比值均小于设定阈值plaque_thr的原始斑块检测框，剩下的未被剔除的原始斑块检测框即为优化斑块检测框。
[0012]优选的，步骤S2中，所述血管分割后处理的方式为：提取原始血管分割图中的各个血管区域的外轮廓，分别计算各个血管区域的外轮廓面积，剔除外轮廓面积小于设定阈值vessel_area_thr的血管区域，剩下未被剔除的血管区域即构成优化血管分割图。
[0013]优选的，步骤S5中，所述内中膜厚度测量的具体方式为：S51，提取内中膜区域的外轮廓，得到内中膜区域外轮廓上的轮廓像素点坐标；其中，坐标横轴即X轴方向与内中膜的延长方向一致；S52，从所有的轮廓像素点坐标中，提取横轴坐标的最大值Xmax和最小值Xmin；S53，从最小值Xmin至最大值Xmax，遍历各个横轴坐标上的轮廓像素点，若两个或两个以上的轮廓像素点具有相同横轴坐标，则将纵轴坐标为最大的轮廓像素点作为上轮廓像素点，将纵轴坐标为最小的轮廓像素点作为下轮廓像素点；S54，针对每个上轮廓像素点，分别计算该上轮廓像素点到每个下轮廓像素点的距离，选取最小的距离作为该上轮廓像素点的向下距离，且该最小的距离所对应的下轮廓像素点即为该上轮廓像素点的下测量点；S55，根据每个上轮廓像素点的向下距离，选取最大的向下距离作为该内中膜区域的内中膜厚度；该最大的向下距离所对应的上轮廓像素点即为内中膜厚度的上测量点，该上轮廓像素点的下测量点即为内中膜厚度的下测量点。
[0014]优选的，所述颈动脉超声扫查图像为颈动脉超声扫查视频的帧图像。
[0015]优选的，利用多任务网络对颈动脉超声扫查图像进行处理，将颈动脉超声扫查图
像输入多任务网络中，多任务网络分别获取该颈动脉超声扫查图像中的原始斑块检测框、原始血管分割图与原始内中膜分割图，并处理得到优化血管分割图、优化内中膜分割图、优化斑块检测框，以及输出内中膜区域的内中膜厚度。
[0016]优选的，所述多任务网络为利用颈动脉超声扫查图像的样本数据进行训练生成的；所述颈动脉超声扫查图像的样本数据包括：颈动脉超声扫查图像，以及该颈动脉超声扫查图像的斑块检测框、血管分割图、内中膜分割图、内中膜区域的内中膜厚度。
[0017]本专利技术的优点在于：（1）本专利技术基于内中膜和斑块存在于血管中的特点，过滤掉与血管重合过少或没有重合的斑块检测框和内中膜分割区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种颈动脉血管内中膜测量与斑块检测方法，其特征在于，包括以下步骤：S1，针对颈动脉超声扫查图像，分别获取该颈动脉超声扫查图像中的原始血管分割图、原始内中膜分割图、原始斑块检测框；S2，对步骤S1所获取的原始血管分割图进行血管分割后处理，得到优化血管分割图；S3，基于优化血管分割图，对步骤S1所获取的原始斑块检测框进行斑块检测框后处理，得到优化斑块检测框；S4，基于优化血管分割图，对步骤S1所获取的原始内中膜分割图进行内中膜分割后处理，得到优化内中膜分割图；S5，对优化内中膜分割图中的内中膜区域进行内中膜厚度测量。2.根据权利要求1所述的一种颈动脉血管内中膜测量与斑块检测方法，其特征在于，步骤S4中，所述内中膜分割后处理的方式为：S41，提取原始内中膜分割图中的各个内中膜区域的外轮廓，分别计算各个内中膜区域的外轮廓面积，剔除外轮廓面积小于设定阈值intima_area_thr的内中膜区域；S42，针对步骤S41剩下的未被剔除的内中膜区域，先分别计算该内中膜区域与优化血管分割图中的各个血管区域的交集面积，再分别计算各个交集面积与该内中膜区域的比值，剔除所有比值小于设定阈值intima_thr的内中膜区域；S43，步骤S42剩下的未被剔除的内中膜区域即构成优化内中膜分割图。3.根据权利要求1所述的一种颈动脉血管内中膜测量与斑块检测方法，其特征在于，步骤S3中，所述斑块检测框后处理的方式为：针对每个原始斑块检测框，先分别计算该原始斑块检测框与优化血管分割图中的各个血管区域的交集面积，再分别计算各个交集面积与该原始斑块检测框面积的比值，剔除所有比值均小于设定阈值plaque_thr的原始斑块检测框，剩下的未被剔除的原始斑块检测框即为优化斑块检测框。4.根据权利要求1或2或3所述的一种颈动脉血管内中膜测量与斑块检测方法，其特征在于，步骤S2中，所述血管分割后处理的方式为：提取原始血管分割图中的各个血管区域的外轮廓，分别计算各个血管区域的外轮廓面积，剔除外轮廓面积小于设定阈值vessel_area_thr的血管区域，剩下未...

【专利技术属性】
技术研发人员：程栋梁，刘振，洪洋，
申请(专利权)人：合肥合滨智能机器人有限公司，
类型：发明
国别省市：