頸動脈超聲序列圖像運動分析.pdf

1、動脈粥樣硬化(Atherosclerosis)等心腦血管疾病(Cerebral-cardio VascularDiseases)嚴重地威脅到人體的健康，而心腦血管疾病與頸動脈(Carotid)的特征有著密切的聯(lián)系。本文對頸動脈的運動特征進行研究，期望它能夠間接地反應(yīng)出頸動脈內(nèi)壁是否出現(xiàn)硬化，收縮是否正常等狀況，從而為心腦血管疾病診斷提供定量的依據(jù)。
　　 超聲檢測由于具有非侵入，價格低廉等優(yōu)點而被廣泛使用，然而超聲圖像具有其特

2、有的斑點噪聲(Speckle Pattern)。雖然斑點作為噪聲存在而影響圖像質(zhì)量，但是由于斑點具有穩(wěn)定性和唯一性，卻可以通過對這些斑點噪聲進行跟蹤來獲取頸動脈的運動和其它與頸動脈運動特征相關(guān)的信息。本文在現(xiàn)有的斑點運動跟蹤方法基礎(chǔ)上進行了算法改進，給出了一個分析頸動脈運動相關(guān)特征的完整方案。所完成的主要工作和創(chuàng)新點如下：
　　 (1)超聲圖像中斑點運動跟蹤算法常用的有兩種：光流法(Optical Flow)和塊匹配算法(Bl

3、ock Matching)。塊匹配算法方法簡單且容易實現(xiàn)，不需要像光流法那樣復雜的迭代過程。我們選用塊匹配算法作為斑點運動跟蹤方法。在利用塊匹配算法對實際的超聲圖像進行斑點運動跟蹤前，先利用超聲線性模型生成模擬的超聲圖像驗證了塊匹配算法的正確性。
　　 (2)塊匹配算法包括搜索策略和匹配準則兩個方面。搜索策略有全搜索法，菱形搜索法，三步搜索法等。通過分析頸動脈超聲序列圖像的運動分布特征，發(fā)現(xiàn)頸動脈超聲序列圖像同樣滿足快速搜索算

4、法的條件。本文利用改進后的三步搜索法(New Three Step Search)作為搜索策略，對比分析改進前后的三步搜索法發(fā)現(xiàn)改進后的三步搜索法能有效地減少匹配塊的數(shù)量從而減少運動估計所需要的運算量。匹配準則有NCC(normalized cross correlation)，MAD(MAD，mean absoluteof differences)，MSD(mean square of differences)等，我們采用不涉及到復雜

5、乘除運算的MAD準則。利用MAD準則比較模板塊和候選塊時，可以采用塊和金字塔算法(Block Sum Pyramid)這一快速算法。本文對塊和金字塔算法進行改進，增加了若干MAD閡值。仿真結(jié)果表明改進后的塊和金字塔算法和原先的塊和金字塔算法有著相同的準確度，而且改進后的算法在效率上有一定程序的提高。最后分析了結(jié)合新三步搜索法和改進的塊和金字塔算法的塊匹配算法。
　　 (3)利用上述準確而快速的斑點運動跟蹤算法，可為醫(yī)學輔助診斷

6、頸動脈運動相關(guān)特征提供定性和定量的手段。定性的手段是指將運動矢量以合適的比例進行放大，然后將興趣點的運動矢量疊加在原先的序列圖像上進行同步動態(tài)地顯示。通過該定性手段，醫(yī)生可以通過肉眼直觀地對所研究的短軸或者長軸視頻上具有代表特征的興趣點進行運動觀察。定量的手段為提供給醫(yī)生他們所選取的各個興趣區(qū)域的運動向量，應(yīng)變及應(yīng)變率(Strain and Strain Rate)等曲線。提取這些不同曲線在整個心電周期內(nèi)各曲線中的運動，應(yīng)變及應(yīng)變率峰值

7、。這些峰值能夠反應(yīng)頸動脈的彈性特征，然后從醫(yī)院采集到的不同組別(控制組，內(nèi)中膜厚增厚組，斑塊組)的頸動脈序列圖像中提取各個峰值，利用統(tǒng)計學進行分析，判斷這些組別之間的運動，應(yīng)變及應(yīng)變率等峰值等平均值是否有顯著差異。
　　 本文對現(xiàn)有的斑點運動跟蹤算法進行了改進，然后將其用于頸動脈超聲序列圖像的運動特征提取，結(jié)果表明改進后的斑點運動跟蹤算法效率有較為明顯的提高。在提取運動特征之后給出了輔助醫(yī)學分析診斷的定性和定量手段，為以后進一