基于無重初始化的HGVF-測地線模型的頸動脈超聲圖像分割算法.pdf

1、心腦血管疾病是危害人類健康的主要疾病之一。根據(jù)世界衛(wèi)生組織統(tǒng)計的數(shù)據(jù)，每年心血管疾病導(dǎo)致的死亡人數(shù)約占全世界死亡人數(shù)的三分之一。相關(guān)研究表明，頸動脈粥樣硬化與心腦血管疾病密切相關(guān)，頸動脈壁狀況的評價在提前判斷無癥狀病人的危險狀況的過程中起著非常重要的作用。
　　 超聲成像作為最常用的頸動脈斑塊檢測的影像學(xué)方法之一，具有方便、無創(chuàng)等優(yōu)點。且隨著高頻超聲的發(fā)展，超聲圖像的分辨率越來越高，超聲成像的臨床應(yīng)用變得更為廣泛。這帶來另一個問

2、題：導(dǎo)致讀片醫(yī)師的工作負(fù)荷加重，最終影響疾病的漏診率。于是學(xué)者們提出了計算機輔助診斷技術(shù)。一個完整的基于灰階超聲圖像的計算機輔助診斷系統(tǒng)將依次由邊緣提取、特征提取、分類判斷三個部分組成，本文主要的研究內(nèi)容是頸動脈斑塊的邊緣提取，以期提出一種性能更好的能用于臨床診斷的頸動脈斑塊超聲圖像分割算法。所完成的主要研究工作和創(chuàng)新點描述如下：
　　 (1)針對GVF-Snake主動輪廓模型在進行頸動脈超聲圖像分割時存在的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)問題以及

3、輪廓可能沿著錯誤方向演化問題，Paragios等提出了GVF-測地線模型。該模型利用了測地線主動輪廓模型具有的優(yōu)勢：與水平集方法結(jié)合的GVF-測地線模型能夠解決網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)問題；由于測地線模型的輪廓沿著法線方向演化，因此GVF-測地線模型不存在輪廓可能沿著錯誤方向演化問題。但該模型可移植性不好，因此本文修改了該模型的邊緣圖矩陣以使其嚴(yán)格滿足與邊緣檢測函數(shù)之間的線性反比關(guān)系，并且改進了該模型的部分算子，得到更接近測地線主動輪廓模型的改進的

4、GVF-測地線模型。
　　 (2)由于改進的GVF-測地線模型不能解決深度凹陷區(qū)域問題，Wang.Y等提出的HGVF-Snake主動輪廓模型能夠有效解決該問題，因此本文在HGVF-Snake模型的基礎(chǔ)上增加弱邊緣檢測算子，并將改進的HGVF-Snake模型與改進的GVF-測地線模型相結(jié)合，提出改進的HGVF-測地線模型。實驗已論證改進的HGVF-測地線模型能夠有效解決深度凹陷區(qū)域問題以及弱邊緣檢測問題，其性能相對于改進的GVF-

5、測地線模型有所提升。
　　 (3)針對改進的HGVF-測地線模型存在的耗時過長、效率測度不好問題，文章在模型處理對象以及水平集函數(shù)的重初始化兩方面進行改進，提出無需重初始化的改進的HGVF-測地線模型。該模型在曲線演化過程中節(jié)省了重復(fù)初始化時間；另外本文進一步提出了一種改進的子圖作為模型分割對象，實驗表明，該方法能進一步縮減程序運行時間，且能解決通用子圖中存在的效率測度不穩(wěn)定以及給FPF和TNF的計算結(jié)果帶來額外誤差等問題。