基于水平集分割的超声下颈动脉斑块检测方法及系统技术方案

本发明专利技术涉及一种基于水平集分割的超声下颈动脉斑块检测方法及系统

【技术实现步骤摘要】
基于水平集分割的超声下颈动脉斑块检测方法及系统


[0001]本专利技术涉及一种斑块检测方法及系统，尤其是一种基于水平集分割的超声下颈动脉斑块检测方法及系统
。

技术介绍

[0002]近年，随着互联网技术与人工智能的发展，远程诊疗系统随之应用而生，医生可以在线上为病人的超声图像数据做出诊断并给出诊断报告
。
由于病人的数量巨大，为了减轻医生庞大繁重的重复工作，超声图像系统中的算法会代替医生做出诊断，例如对病人的颈部扫查得到一系列颈部的横断面图像，超声图像系统内部的算法会对每一帧图像做出分析，其中，对图像的分析包括颈动脉血管壁的分割和
/
或颈动脉斑块的分割
。
[0003]由于超声图像的灰度分布均匀性很差，图像噪声强，不同质区域之间的灰度对比度较低，因此，对超声图像做图像分割往往是个难题
。
[0004]随着深度学习在计算机视觉领域的不断发展，对大多数医学图像分割的任务，都可以在标注数据量充裕且标注质量较高的前提下得到很好的解决，但是仍然有一些情况更适合用传统算法去解决，比如超声颈动脉斑块的分割，因此，如何有效实现对超声颈动脉斑块分割与检测是目前急需解决的技术难题
。

技术实现思路

[0005]本专利技术的目的是克服现有技术中存在的不足，提供一种基于水平集分割的超声下颈动脉斑块检测方法及系统，其能有效实现对超声颈动脉斑块的分割与检测，提高颈动脉斑块检测的精度与可靠性
。
[0006]按照本专利技术提供的技术方案，一种基于水平集分割的超声下颈动脉斑块检测方法，所述超声下颈动脉斑块检测方法包括：
[0007]提供颈动脉超声图像，并获取所提供颈动脉超声图像的颈动脉
ROI
图像以及所述颈动脉
ROI
图像的颈动脉血管轮廓图像；
[0008]对获取的颈动脉
ROI
图像，构建与所述颈动脉
ROI
图像适配的水平集能量泛函；
[0009]对水平集能量泛函进行能量最小化运算，以基于能量最小的水平集能量泛函确定图像分割用的水平集函数，利用所确定的水平集函数对颈动脉
ROI
图像进行二值分割，以得到水平集分割二值
ROI
图像；
[0010]对上述得到的水平集分割二值
ROI
图像进行形态学处理，以在形态学处理后得到若干候选连通区域；
[0011]在颈动脉
ROI
图像内，计算与每个候选连通区域正对应子区域的子区域灰度均值，将子区域灰度均值与灰度阈值
otsu_threshold
比较，保留子区域灰度均值不小于灰度阈值
otsu_threshold
的子区域，其中，所保留的子区域为颈动脉斑块所在颈动脉
ROI
图像内的位置
。
[0012]获取得到颈动脉
ROI
图像后，先对所述颈动脉
ROI
图像进行平滑预处理，并基于颈
动脉
ROI
图像或平滑预处理后的颈动脉
ROI
图像构建初始水平集函数，其中，
[0013]对颈动脉
ROI
图像平滑预处理的方法包括各向异性扩散平滑处理
。
[0014]基于各向异性扩散平滑处理对颈动脉
ROI
图像平滑预处理时，则有：
[0015][0016]其中，
I
为平滑处理前的颈动脉
ROI
图像，
I
m
为平滑后的颈动脉
ROI
图像，为梯度运算符，
div(
•
)
为散度运算符，
h
为与颈动脉
ROI
图像尺寸相同的扩散系数矩阵，
*
为卷积运算符，
g(
•
)
为边缘停止函数，
G
σ
为一个标准差为
σ1的高斯核；
R
为与颈动脉
ROI
图像尺寸相同的常数矩阵，常数矩阵
R
内的所有元素值均相同
。
[0017]对构建的水平集能量泛函，则有：
[0018][0019]其中，
F(
φ
,c,b)
为水平集能量泛函，
φ
为水平集函数，
c
＝
[c1,c2]，
c1、c2为常数，
b
为与颈动脉
ROI
图像尺寸相一致的矩阵，
x
为颈动脉
ROI
图像上一像素的像素值，为梯度运算符，
ε
(
φ
,c,b)
为水平集数据项，
L(
φ
)
为水平集内零水平集轮廓的弧长项，
R
P
(
φ
)
为水平集内的正则化项；
H(
φ
)
为
Heaviside
函数，1K
为与颈动脉
ROI
图像尺寸相一致的矩阵，矩阵1K
内每个元素的值均为1，
K
为高斯核函数，
b*K
为将高斯核函数
K
在矩阵
b
上做卷积运算，
v
，
μ
均为超参数
。
[0020]采用梯度下降法对水平集能量泛函
F(
φ
,c,b)
进行能量最小化运算，其中，
[0021]当水平集能量泛函
F(
φ
,c,b)
的能量最小时，更新得到的水平集函数
φ
即为图像分割用的水平集函数
φ
fin
(x)
；
[0022]对水平集函数
φ
fin
(x)
，令
φ
fin
(x)
＝0，以得到零水平集轮廓，并将
φ
fin
(x)
＝0作为水平集分割阈值；
[0023]利用水平集分割阈值进行图像分割时，遍历水平集函数
φ
fin
(x)
内的每个元素，当一元素的元素值为正时，令其为
255
，当一元素的元素值为负时，令其为0，以在遍历完成后对颈动脉
ROI
图像进行分割并得到水平集分割二值
ROI
图像
。
[0024]采用梯度下降法对水平集能量泛函
F(
φ
,c,b)
进行能量最小化运算时，梯度流方程为：
[0025][0026]对水平集能量泛函
F(
φ
,c,b)...

【技术保护点】

【技术特征摘要】
1.
一种基于水平集分割的超声下颈动脉斑块检测方法，其特征是，所述超声下颈动脉斑块检测方法包括：提供颈动脉超声图像，并获取所提供颈动脉超声图像的颈动脉
ROI
图像以及所述颈动脉
ROI
图像的颈动脉血管轮廓图像；对获取的颈动脉
ROI
图像，构建与所述颈动脉
ROI
图像适配的水平集能量泛函；对水平集能量泛函进行能量最小化运算，以基于能量最小的水平集能量泛函确定图像分割用的水平集函数，利用所确定的水平集函数对颈动脉
ROI
图像进行二值分割，以得到水平集分割二值
ROI
图像；对上述得到的水平集分割二值
ROI
图像进行形态学处理，以在形态学处理后得到若干候选连通区域；在颈动脉
ROI
图像内，计算与每个候选连通区域正对应子区域的子区域灰度均值，将子区域灰度均值与灰度阈值
otsu_threshold
比较，保留子区域灰度均值不小于灰度阈值
otsu_threshold
的子区域，其中，所保留的子区域为颈动脉斑块所在颈动脉
ROI
图像内的位置
。2.
根据权利要求1所述基于水平集分割的超声下颈动脉斑块检测方法，其特征是，获取得到颈动脉
ROI
图像后，先对所述颈动脉
ROI
图像进行平滑预处理，并基于颈动脉
ROI
图像或平滑预处理后的颈动脉
ROI
图像构建初始水平集函数，其中，对颈动脉
ROI
图像平滑预处理的方法包括各向异性扩散平滑处理
。3.
根据权利要求2所述基于水平集分割的超声下颈动脉斑块检测方法，其特征是，基于各向异性扩散平滑处理对颈动脉
ROI
图像平滑预处理时，则有：其中，
I
为平滑处理前的颈动脉
ROI
图像，
I
m
为平滑后的颈动脉
ROI
图像，为梯度运算符，
div(
·
)
为散度运算符，
h
为与颈动脉
ROI
图像尺寸相同的扩散系数矩阵，
*
为卷积运算符，
g(
•
)
为边缘停止函数，
G
σ
为一个标准差为
σ1的高斯核；
R
为与颈动脉
ROI
图像尺寸相同的常数矩阵，常数矩阵
R
内的所有元素值均相同
。4.
根据权利要求1至3任一项所述基于水平集分割的超声下颈动脉斑块检测方法，其特征是，对构建的水平集能量泛函，则有：
其中，
F(
φ
,c,b)
为水平集能量泛函，
φ
为水平集函数，
c
＝
[c1,c2]
，
c1、c2为常数，
b
为与颈动脉
ROI
图像尺寸相一致的矩阵，
x
为颈动脉
ROI
图像上一像素的像素值，为梯度运算符，
ε
(
φ
,c,b)
为水平集数据项，
L(
φ
)
为水平集内零水平集轮廓的弧长项，
R
P
(
φ
)
为水平集内的正则化项；
H(
φ
)
为
Heaviside
函数，1K
为与颈动脉
ROI
图像尺寸相一致的矩阵，矩阵1K
内每个元素的值均为1，
K
为高斯核函数，
b*K
为将高斯核函数
K
在矩阵
b
上做卷积运算，
v
，
μ
均为超参数
。5.
根据权利要求4所述基于水平集分割的超声下颈动脉斑块检测方法，其特征是，采用梯度下降法对水平集能量泛函
F(
φ
,c,b)
进行能量最小化运算，其中，当水平集能量泛函
F(
φ
,c,b)
的能量最小时，更新得到的水平集函数
φ
即为图像分割用的水平集函数
φ
fin
(x)
；对水平集函数
φ
fin
(x)
，令
φ
fin
(x)
＝0，以得到零水平集轮廓，并将
φ
...

【专利技术属性】
技术研发人员：李焰驹，谷晓林，
申请(专利权)人：聆数医疗科技苏州有限公司，
类型：发明
国别省市：