【技术实现步骤摘要】
本专利技术属于血管内超声图像处理分析领域，特别涉及一种血管内超声图像的血管内膜自动识别方法。
技术介绍
1、血管内超声图像中血管内膜识别常用方法有三种：
2、（1）基于统计学的血管内膜识别方法，其主要是通过对血管内超声图像的灰度进行统计建模，以实现血管内膜边缘的识别。但建模的精度容易受到图像中的导丝伪影，组织钙化等复杂特征的影响。
3、（2）基于深度学习模型的血管内膜识别方法，需要建立复杂的深度学习模型，并且需要进行大量的数据标记，在实际运用中受到较多限制。
4、（3）基于活动轮廓模型算法的血管内膜识别方法，首先需要建立和求解复杂的能量泛函方程，求解过程繁琐；其次，利用活动轮廓模型识别血管内膜，需要给定初始轮廓。现有初始轮廓提取方法中，有一类方法是对超声图像进行聚类分割，并提取符合条件的闭合区域，再对区域进行极坐标展开，结合插值算法，将原本可能断开的边缘转换为闭合的曲线，作为初始轮廓。
5、在利用活动轮廓模型进行血管内膜识别的方法中，通过基于聚类的方法提取初始轮廓的做法存在如下不足：（1）...
【技术保护点】
1.一种血管内超声图像的血管内膜自动识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的血管内超声图像的血管内膜自动识别方法，其特征在于，步骤5中，利用随机采样一致性算法结合最小二乘法得到一次拟合椭圆包括：
3.根据权利要求2所述的血管内超声图像的血管内膜自动识别方法，其特征在于，步骤5中，利用随机采样一致性算法结合最小二乘法得到一次拟合椭圆还包括：
4.根据权利要求3所述的血管内超声图像的血管内膜自动识别方法，其特征在于，步骤7中利用随机采样一致性算法结合最小二乘法得到二次拟合椭圆的方法与步骤5中利用随机采样一致性算法结...
【技术特征摘要】
1.一种血管内超声图像的血管内膜自动识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的血管内超声图像的血管内膜自动识别方法，其特征在于，步骤5中，利用随机采样一致性算法结合最小二乘法得到一次拟合椭圆包括：
3.根据权利要求2所述的血管内超声图像的血管内膜自动识别方法，其特征在于，步骤5中，利用随机采样一致性算法结合最小二乘法得到一次拟合椭圆还包括：
4.根据权利要求3所述的血管内超声图像的血管内膜自动识别方法，其特征在于，步骤7中利用随机采样一致性算法结合最小二乘法得到二次拟合椭圆的方法与步骤5中利用随机采样一致性算法结合最小二乘法得到一次拟合椭圆的方法相同。
5.根据权利要求1所述的血管内超声图像的血管内膜自动识别方法，其特征在于，步骤6中，提取点集mingradpoints中与一次拟合椭圆之间最为匹配的点，包括：计算点集mingradpoints中各点到一次拟合椭圆...
【专利技术属性】
技术研发人员：胡鹏辉，林钟源，
申请(专利权)人：深圳纯和医药有限公司，
类型：发明
国别省市：
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。