一种血管内外膜识别、描记和测量的方法技术

本发明专利技术涉及超声检测，公开了一种血管内外膜识别、描记和测量的方法，包括以下步骤：S1、获取感兴趣区域数据；S3、对感兴趣区域图像进行灰度数据聚类，用于得到各目标区域；S4、识别血管内、外膜的边界并进行描记；S6、计算血管厚度。本发明专利技术具有提高了血管内外膜与介质的标定精度和不规则血管功能检测指标计算的可信度的优点。

【技术实现步骤摘要】

本专利技术涉及超声检测，尤其是涉及。
技术介绍
血管动脉粥样硬化可引起动脉窄化，即冠心病，该病能引起呼吸短促、心绞痛，甚至是心脏病等多种疾病，严重时更会导致动脉破裂，因此，动脉粥样硬化严重危害人类的生命财产。动脉粥样硬化程度的测量比较困难，且存在一定的风险，而颈动脉则被证明能有效反映动脉硬化程度。由于B型超声扫描技术能提供分辨率较高的颈动脉血管图像，该扫描不会对人体造成伤害，且成本较低。超声图像能提供清晰的颈动脉壁的多层数字图像数据，通过对该数据的测量分析，可估算出动脉硬化程度，因此，硬化程度测量准确度直接影响了疾病的诊断、预防和治疗效果。颈动脉感兴趣区域的超声回波数据主要包括血管腔中的血液数据，血管内膜数据，血管内外膜间介质数据，血管外膜数据，噪声数据。因此，血管内膜-介质厚度 (Intima-Media Thickness, IMT),即内膜与外膜之间的厚度，其测量能准确反映血管动脉硬化的情况，对硬化疾病有较为精确的识别。在MT计算方面，典型的技术是沿垂直于血管壁的方向计算内膜与外膜之间的像素距离，最后用尺度因子转化为实际中的厚度。这种技术对走势水平，规则的血管MT计算较准确，但对用户使用技巧要求很高。在实际应用中感兴趣区域中的血管并不总是水平走势，而是伴随着一定的倾斜和不规则，因此，该MT计算不够精确。
技术实现思路
为克服现有技术中进行超声图像组织结构边界测量不够精确的缺点，本专利技术的目的在于提供一种能提高血管内外膜与介质的标定精度和不规则血管功能检测指标计算可信度的血管内外膜识别、描记和测量的方法。本专利技术的目的是通过以下技术措施实现的，，其包括以下步骤SI、获取感兴趣区域数据，用于在血管数字超声图像中选择感兴趣区域图像并贮存；S3、对感兴趣区域图像进行灰度数据聚类，用于得到各目标区域；S4、识别血管内、外膜的边界并进行描记；S6、计算血管厚度。作为一种优选方式，所述步骤SI与步骤S3之间还有步骤S2、图像数据预处理，用于消除感兴趣区域图像中包含的噪声和血液信息。作为一种优选方式，所述步骤S6之前还有步骤S5、可信度检验，对系列血管数字超声图像的样本数据进行图像质量统计，所述图像质量包括样本数据中的最大值、最小值、标准差及平均值；并对相继两幅血管数字超声图像的图像质量通过结构相似度指标进行计算，只有在图像质量结构相似度指标达到一定时才对厚度进行计算，以确保计算的可信度。具体的，所述图像数据预处理方法为高斯滤波、均值滤波或中值滤波中的一种或多种的结合。 作为一种优选方式，所述对感兴趣区域图像进行灰度数据聚类包括S31、各聚类中心的初始化，根据灰度数据取值范围和各组织结构灰度值间的差另IJ，将整个灰度取值分为多段，即聚类个数，并取出各段的中间灰度值作为算法的初始聚类中心，根据对应的灰度分布特点将图像分为若干块；S32、数据初分类，针对每块数据，统计各灰度特征个数，并给出统计直方图，在该块中每个灰度数据仅需计算一次，即该值与各个聚类中心灰度值间的欧式距离，同时比较得出该数据样本所属的聚类中心进行数据分类，其中，设样本X=U1, X2,, Xn)与聚类中心Y=G1, y2,. . . , yn)之间的欧氏距离定义为(KX' V)=抓-J1)2 +(X2 -V2)2 +■ ■ -+(Xb -Jh)2 ；S33、数据终分类，首先进行灰度特征值处理，其次计算各灰度值与每个聚类中心的距离，来重新进行数据分类，最后根据不同类别中灰度数据取平均值，得到下次迭代的聚类中心，并采用迭代法进行更新；当聚类中心不再发生变化时，迭代结束，此时得到的各数据样本类别为不同组织结构的类型，即完成灰度数据的分类。作为一种优选方式，所述识别血管内、外膜的边界包括以下步骤S41、外膜、内膜边界识别；S42、描记数据平滑处理；S43、描记数据输出。具体的，所述外膜、内膜边界识别为基于梯度的邻域搜索模型来确定的，在已获取数据中，设探头得到的每条扫描线为算法处理的一个数据向量，其大小为探头深度方向上的扫描点数，在算法实现过程中，分类后数据的处理单元大小不变，处理对象则为灰度数据的类别信息；梯度方向与取最大方向导数的方向一致，其模为函数在该点方向导数的最大值；该算法模型中用到一维梯度定义为该维数上的最大方向导数，表示如下式grad (x) = (f (x+ A x) -f (x)) / Ax其中，grad (X)表示在x处的梯度，f (x)为灰度数据取值，Ax表示在该方向上的变化量；利用基于灰度直方图统计的分块K-Means聚类算法得到的数据类别信息，求出对应的极值点，所有的极值点所处位置组成了各组织结构的边界，且血管内膜、外膜均由部分极值点对应的位置组成；采用邻域搜索法来求得准确血管内膜、外膜各组织结构边界的极值点位置，其中邻域定义为以a为中心的任何开区间称为点a的邻域，记作U(a);设6是任一正数，则开区间(a- S，a+ S )就是点a的一个邻域，这个邻域称为点a的8邻域。具体的，所述描记数据平滑处理为对获得的一维内膜和外膜的位置数据做高斯平滑以消除毛刺。作为一种优选方式，首先利用拟合数据采集模块进行拟合数据采集，然后利用直线拟合及角度计算模块对采集的数据进行直线拟合和角度计算，再利用厚度计算模块进行厚度计算，最后利用统计模块进行统计计算。具体的，所述拟合数据采集模块对标记后的内外膜数据进行采集，因兴趣区域图像第一列向左并无数据，其最初几列向右采集，而最后几列向左采集；在向左采集时为了防止与向右采集的数据符号相反还对向左采集到的数据进行反转；采集方向的选择是在所计算列小于兴趣区域图像宽度的一半时向右采集，大于兴趣区域图像一半时向左采集；根据计算位置P，确定数据采集方向dr 权利要求1.，其特征在于包括以下步骤 Si、获取感兴趣区域数据，用于在血管数字超声图像中选择感兴趣区域图像并贮存； 53、对感兴趣区域图像进行灰度数据聚类，用于得到各目标区域； 54、识别血管内、外膜的边界并进行描记； S6、计算血管厚度。2.根据权利要求1所述的方法，其特征在于所述步骤SI与步骤S3之间还有步骤S2、图像数据预处理，用于消除感兴趣区域图像中包含的噪声和血液信息。3.根据权利要求1所述的方法，其特征在于所述步骤S6之前还有步骤S5、可信度检验，对系列血管数字超声图像的样本数据进行图像质量统计，所述图像质量包括样本数据中的最大值、最小值、标准差及平均值；并对相继两幅血管数字超声图像的图像质量通过结构相似度指标进行计算，只有在图像质量结构相似度指标达到一定时才对厚度进行计算，以确保计算的可信度。4.根据权利要求2所述的方法，其特征在于所述图像数据预处理方法为高斯滤波、均值滤波或中值滤波中的一种或多种的结合。5.根据权利要求1-3所述的任一方法，其特征在于所述步骤S3对感兴趣区域图像进行灰度数据聚类包括 531、各聚类中心的初始化，根据灰度数据取值范围和各组织结构灰度值间的差别，将整个灰度取值分为多段，即聚类个数，并取出各段的中间灰度值作为算法的初始聚类中心，根据对应的灰度分布特点将图像分为若干块； 532、数据初分类，针对每块数据，统计各灰度特征个数，并给出统计直方图，在该块中每个灰度数据仅需计算一次，即该值与各个聚类中心灰度值间的欧式距离本文档来自技高网...

【技术保护点】
一种血管内外膜识别、描记和测量的方法，其特征在于包括以下步骤：S1、获取感兴趣区域数据，用于在血管数字超声图像中选择感兴趣区域图像并贮存；S3、对感兴趣区域图像进行灰度数据聚类，用于得到各目标区域；S4、识别血管内、外膜的边界并进行描记；S6、计算血管厚度。

【技术特征摘要】

【专利技术属性】
技术研发人员：周传涛，马景辉，刘秀坚，
申请(专利权)人：深圳市恩普电子技术有限公司，
类型：发明
国别省市：