活動(dòng)輪廓模型及其在血管內(nèi)超聲圖像邊緣提取中的應(yīng)用研究.pdf

1、　　諸如脈粥樣硬化之類(lèi)的冠狀動(dòng)脈疾病是以動(dòng)脈血管壁上斑塊的累積為特點(diǎn)的,它能引起動(dòng)脈的部分或全部障礙,必須對(duì)其進(jìn)行早期診斷和準(zhǔn)確評(píng)價(jià)。血管內(nèi)超聲(Intravascular Ultrasound,IVUS)是這種診斷和評(píng)價(jià)的常用工具,它具有安全、實(shí)時(shí)、無(wú)損和廉價(jià)等優(yōu)點(diǎn)。提取IVUS圖像邊緣并作進(jìn)一步的圖像分析處理,不僅可以對(duì)血管腔的面積進(jìn)行精確測(cè)量,而且還可以發(fā)現(xiàn)早期冠狀動(dòng)脈粥樣硬化斑塊,并對(duì)斑塊的形態(tài)結(jié)構(gòu)實(shí)時(shí)顯示,對(duì)斑塊成分和偏心距、

2、壁厚等參數(shù)實(shí)時(shí)檢測(cè)。所以,IVUS圖像的邊緣提取對(duì)冠狀動(dòng)脈疾病的診治有著重要的臨床應(yīng)用價(jià)值。
　　由于血管內(nèi)超聲圖像的內(nèi)、外膜邊緣屬于強(qiáng)噪聲環(huán)境下的彈性體弱邊緣,而常規(guī)的邊緣檢測(cè)算子對(duì)噪聲非常敏感,并且更適宜于處理剛體圖像。本文利用活動(dòng)輪廓模型(Active Contour Model)理論上能夠提取任意復(fù)雜輪廓的優(yōu)勢(shì)來(lái)解決血管內(nèi)超聲圖像內(nèi)、外膜邊緣提取問(wèn)題,以克服經(jīng)典方法的不足?；顒?dòng)輪廓模型,也稱(chēng)為Snake模型,被定義為能量達(dá)

3、到最小值的曲線,而基于Snake模型的邊緣提取問(wèn)題就是使目標(biāo)函數(shù)極小化的最優(yōu)化計(jì)算問(wèn)題。針對(duì)傳統(tǒng)Snake模型抗噪性能差的缺點(diǎn),本文改進(jìn)傳統(tǒng)Snake模型用邊緣對(duì)比度特征量代替了梯度能量,該特征量不僅考慮了圖像的灰階梯度信息,還考慮了背景亮度信息,克服了傳統(tǒng)Snake模型易受圖像噪聲干擾的缺點(diǎn),增強(qiáng)了算法的可靠性。在能量函數(shù)的最優(yōu)化計(jì)算中,本文通過(guò)訓(xùn)練Hopfield神經(jīng)該網(wǎng)絡(luò)來(lái)改變能量函數(shù)使之極小化,并結(jié)合模擬退火算法確保函數(shù)收斂到全

4、局最優(yōu),從而達(dá)到精確提取IVUS圖像的內(nèi)、外膜邊緣的目的。實(shí)驗(yàn)結(jié)果表明,和以往的提取方法相比,本文方法準(zhǔn)確性和可靠性較高,對(duì)序列圖像處理的可重復(fù)性和魯棒性較好,是一種較好的自動(dòng)邊緣提取算法。
　　超聲成像技術(shù)的特點(diǎn)決定了血管內(nèi)超聲圖像存在嚴(yán)重的Speckle噪聲,它們降低了圖像的空間分辨率和對(duì)比度分辨率,模糊了血管邊緣,從而對(duì)邊緣提取等后續(xù)圖像分析處理工作造成不利影響。因此,有效地抑制血管內(nèi)超聲圖像的Speckle噪聲是成功進(jìn)行邊