结合极值区域检测的血管内超声图像并行分割
目的 血管内超声(IVUS)图像动脉壁边界分割不仅对血管壁和斑块特征的定量分析至关重要,而且对血管弹性定性分析和重建动脉3维模型也是必需的.针对IVUS图像传统分割方法建模复杂、运算量大且需分别设计算法串行提取内膜和外膜的缺点,本文提出基于极值区域检测的IVUS图像并行分割方法.方法 本文方法包含极值区域检测、极值区域筛选以及轮廓拟合3部分.对单帧IVUS图像提取极值区域,经面积筛选后得到候选区域,并将区域的局部二值模式(LBP)特征、灰度差异和边缘周长的乘积作为筛选矢量在候选区域中提取代表管腔和介质的两个极值区域,并进行轮廓的椭圆拟合化,完成分割.结果 在包含326幅20 MHz的IVUS(intravascular ultrasound)B模式图像的标准公开数据集上,定性展示极值区域轮廓和椭圆拟合轮廓,并与专家手动绘制的结果进行对比;然后使用DC(dice coefficient)、JI (jaccard index)、PAD (percentage of area difference)指标以及HD(hausdorff distance)对本文算法做鲁棒性测试和泛化测试,实验中内膜各指标值分别为0.94±0.02,0.90±0.04,0.05±0.05,0.28±0.14 mm,外膜各指标值分别为0.91±0.07,0.87±0.11,0.11±0.11,0.41±0.31 mm,与相关文献的定量对比实验结果表明本文算法提取的内外膜性能均有所提高.此外,本文方法在临床数据集上的测试效果也很好,与专家手动描绘十分接近.结论 结合极值区域检测的IVUS图像并行分割,算法在精度和鲁棒性方面均得到了改善.
IVUS图像、内外膜分割、边缘检测、极值区域、轮廓拟合
25
TP391(计算技术、计算机技术)
北京工业大学第十七届研究生科技基金重点项目ykj-2018-00292
2020-06-22(万方平台首次上网日期,不代表论文的发表时间)
共13页
378-390