10.11896/j.issn.1002-137X.2018.05.045
基于血管内超声图像的心血管动脉粥样硬化斑块组织自动定征的研究
为了获取患者心血管内斑块特征的准确信息,并辅助临床医生对动脉粥样硬化区域进行判断和识别,文中进行了基于血管内超声(IVUS)图像的心血管粥样硬化斑块组织自动定征的研究.本研究收集了10个心血管疾病患者的IVUS图像,共207块斑块样本.首先,确定滑动邻域块的尺寸,令其中心像素遍历斑块区域,遍历过程中计算每个滑动邻域块的灰度均值和熵,并沿4个方向运用灰度共生矩阵法求出共生矩阵的10个局部特征;然后,对IVUS图像进行Gabor滤波和局部二值模式(LBP)处理,获得了更多的图像纹理特征;最后,通过线性分类器Liblinear、随机森林分类器(Random Forests)和调和最小值-广义学习向量量化分类器(H2M-GLVQ)对降维后的特征数据进行分类判决.将医生人工标记的结果作为金标准,自动定征的实验结果表明,随机森林和H2M-GLVQ分类器总体上对斑块组织的识别准确率均达到80%以上,其中随机森林分类器识别纤维化、脂质和钙化样本斑块的平均识别准确率分别为89.04%,80.23%和73.77%.
血管内超声图像、自动定征、纹理特征、分类判决
45
TN919.85
广东省自然科学基金2014A030313329;国家自然科学基金81371560;广东省省级科技计划基金2013B021800039
2018-06-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
260-265