-
题名序列血管内超声图像的管腔内膜自动分割算法
被引量：3
- 1
-
-
作者
汪友生
王雨婷
夏章涛
叶红梅
-
机构
北京工业大学信息学部信息与通信工程学院
-
出处
《图学学报》
CSCD
北大核心
2019年第1期173-180,共8页
-
文摘
针对序列血管内超声(IVUS)图像相邻两帧具有很大相似性的特点,提出一种基于序列IVUS图像配准的自动提取管腔内膜的方法。首先利用形态学运算以及连通分量法提取初始帧的大致管腔内膜边缘,然后采用前景和背景像素的颜色直方图特征对相邻两帧图像进行建模并进行配准:利用巴氏系数度量相邻两帧图像之间的相似性,建立仿射变换模型,优化模型并计算模型参数,从而将轮廓相对准确地定位到管腔内膜附近;最后通过变分法、最速上升法使目标轮廓曲线准确地收敛到管腔内膜处。以经验医师提取的管腔内膜作为评价标准,分别与文献[17]和[4]相比,该方法的均方根误差分别平均减少了0.124和0.063,相对差异度上分别平均减少了0.51%和0.16%。实验结果证明,该方法可以准确地提取到序列IVUS图像的管腔内膜。
-
关键词
血管内超声图像
图像分割
图像配准
仿射变换
管腔内膜
-
Keywords
intravascular ultrasound image(IVUS)
image segmentation
image registration
affine transformation
lumen
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名结合极值区域检测的血管内超声图像并行分割
被引量：1
- 2
-
-
作者
叶红梅
汪友生
夏章涛
刘继荣
-
机构
北京工业大学信息与通信工程学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2020年第2期378-390,共13页
-
基金
北京工业大学第十七届研究生科技基金重点项目(ykj-2018-00292).
-
文摘
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。
-
关键词
IVUS图像
内外膜分割
边缘检测
极值区域
轮廓拟合
-
Keywords
intravascular ultrasound(IVUS)images
inner and outer borders segmentation
edge detection
extreme region
contour fitting
-
分类号
R445.1
[医药卫生—影像医学与核医学]
TP391.41
[医药卫生—诊断学]
-
