專利名稱：一種血管內(nèi)外膜識(shí)別、描記和測(cè)量的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及超聲檢測(cè)，尤其是涉及一種血管內(nèi)外膜識(shí)別、描記和測(cè)量的方法。
背景技術(shù)：
血管動(dòng)脈粥樣硬化可引起動(dòng)脈窄化，即冠心病，該病能引起呼吸短促、心絞痛，甚至是心臟病等多種疾病，嚴(yán)重時(shí)更會(huì)導(dǎo)致動(dòng)脈破裂，因此，動(dòng)脈粥樣硬化嚴(yán)重危害人類的生命財(cái)產(chǎn)。動(dòng)脈粥樣硬化程度的測(cè)量比較困難，且存在一定的風(fēng)險(xiǎn)，而頸動(dòng)脈則被證明能有效反映動(dòng)脈硬化程度。
由于B型超聲掃描技術(shù)能提供分辨率較高的頸動(dòng)脈血管圖像，該掃描不會(huì)對(duì)人體造成傷害，且成本較低。超聲圖像能提供清晰的頸動(dòng)脈壁的多層數(shù)字圖像數(shù)據(jù)，通過(guò)對(duì)該數(shù)據(jù)的測(cè)量分析，可估算出動(dòng)脈硬化程度，因此，硬化程度測(cè)量準(zhǔn)確度直接影響了疾病的診斷、預(yù)防和治療效果。
頸動(dòng)脈感興趣區(qū)域的超聲回波數(shù)據(jù)主要包括血管腔中的血液數(shù)據(jù)，血管內(nèi)膜數(shù)據(jù)，血管內(nèi)外膜間介質(zhì)數(shù)據(jù)，血管外膜數(shù)據(jù)，噪聲數(shù)據(jù)。因此，血管內(nèi)膜-介質(zhì)厚度 (Intima-Media Thickness, IMT),即內(nèi)膜與外膜之間的厚度，其測(cè)量能準(zhǔn)確反映血管動(dòng)脈硬化的情況，對(duì)硬化疾病有較為精確的識(shí)別。
在MT計(jì)算方面，典型的技術(shù)是沿垂直于血管壁的方向計(jì)算內(nèi)膜與外膜之間的像素距離，最后用尺度因子轉(zhuǎn)化為實(shí)際中的厚度。這種技術(shù)對(duì)走勢(shì)水平，規(guī)則的血管MT計(jì)算較準(zhǔn)確，但對(duì)用戶使用技巧要求很高。在實(shí)際應(yīng)用中感興趣區(qū)域中的血管并不總是水平走勢(shì)，而是伴隨著一定的傾斜和不規(guī)則，因此，該MT計(jì)算不夠精確。發(fā)明內(nèi)容
為克服現(xiàn)有技術(shù)中進(jìn)行超聲圖像組織結(jié)構(gòu)邊界測(cè)量不夠精確的缺點(diǎn)，本發(fā)明的目的在于提供一種能提高血管內(nèi)外膜與介質(zhì)的標(biāo)定精度和不規(guī)則血管功能檢測(cè)指標(biāo)計(jì)算可信度的血管內(nèi)外膜識(shí)別、描記和測(cè)量的方法。
本發(fā)明的目的是通過(guò)以下技術(shù)措施實(shí)現(xiàn)的，一種血管內(nèi)外膜識(shí)別、描記和測(cè)量的方法，其包括以下步驟
SI、獲取感興趣區(qū)域數(shù)據(jù)，用于在血管數(shù)字超聲圖像中選擇感興趣區(qū)域圖像并貯存；
S3、對(duì)感興趣區(qū)域圖像進(jìn)行灰度數(shù)據(jù)聚類，用于得到各目標(biāo)區(qū)域；
S4、識(shí)別血管內(nèi)、外膜的邊界并進(jìn)行描記；
S6、計(jì)算血管厚度。
作為一種優(yōu)選方式，所述步驟SI與步驟S3之間還有步驟S2、圖像數(shù)據(jù)預(yù)處理，用于消除感興趣區(qū)域圖像中包含的噪聲和血液信息。
作為一種優(yōu)選方式，所述步驟S6之前還有步驟S5、可信度檢驗(yàn)，對(duì)系列血管數(shù)字超聲圖像的樣本數(shù)據(jù)進(jìn)行圖像質(zhì)量統(tǒng)計(jì)，所述圖像質(zhì)量包括樣本數(shù)據(jù)中的最大值、最小值、標(biāo)準(zhǔn)差及平均值；并對(duì)相繼兩幅血管數(shù)字超聲圖像的圖像質(zhì)量通過(guò)結(jié)構(gòu)相似度指標(biāo)進(jìn)行計(jì)算，只有在圖像質(zhì)量結(jié)構(gòu)相似度指標(biāo)達(dá)到一定時(shí)才對(duì)厚度進(jìn)行計(jì)算，以確保計(jì)算的可信度。具體的，所述圖像數(shù)據(jù)預(yù)處理方法為高斯濾波、均值濾波或中值濾波中的一種或多種的結(jié)合。
作為一種優(yōu)選方式，所述對(duì)感興趣區(qū)域圖像進(jìn)行灰度數(shù)據(jù)聚類包括S31、各聚類中心的初始化，根據(jù)灰度數(shù)據(jù)取值范圍和各組織結(jié)構(gòu)灰度值間的差另IJ，將整個(gè)灰度取值分為多段，即聚類個(gè)數(shù)，并取出各段的中間灰度值作為算法的初始聚類中心，根據(jù)對(duì)應(yīng)的灰度分布特點(diǎn)將圖像分為若干塊；S32、數(shù)據(jù)初分類，針對(duì)每塊數(shù)據(jù)，統(tǒng)計(jì)各灰度特征個(gè)數(shù)，并給出統(tǒng)計(jì)直方圖，在該塊中每個(gè)灰度數(shù)據(jù)僅需計(jì)算一次，即該值與各個(gè)聚類中心灰度值間的歐式距離，同時(shí)比較得出該數(shù)據(jù)樣本所屬的聚類中心進(jìn)行數(shù)據(jù)分類，其中，設(shè)樣本X=U1, X2,, Xn)與聚類中心Y=G1, y2,. . . , yn)之間的歐氏距離定義為
(KX' V)=抓-J1)2 +(X2 -V2)2 +■ ■ -+(Xb -Jh)2 ；S33、數(shù)據(jù)終分類，首先進(jìn)行灰度特征值處理，其次計(jì)算各灰度值與每個(gè)聚類中心的距離，來(lái)重新進(jìn)行數(shù)據(jù)分類，最后根據(jù)不同類別中灰度數(shù)據(jù)取平均值，得到下次迭代的聚類中心，并采用迭代法進(jìn)行更新；當(dāng)聚類中心不再發(fā)生變化時(shí)，迭代結(jié)束，此時(shí)得到的各數(shù)據(jù)樣本類別為不同組織結(jié)構(gòu)的類型，即完成灰度數(shù)據(jù)的分類。作為一種優(yōu)選方式，所述識(shí)別血管內(nèi)、外膜的邊界包括以下步驟S41、外膜、內(nèi)膜邊界識(shí)別；S42、描記數(shù)據(jù)平滑處理；S43、描記數(shù)據(jù)輸出。具體的，所述外膜、內(nèi)膜邊界識(shí)別為基于梯度的鄰域搜索模型來(lái)確定的，在已獲取數(shù)據(jù)中，設(shè)探頭得到的每條掃描線為算法處理的一個(gè)數(shù)據(jù)向量，其大小為探頭深度方向上的掃描點(diǎn)數(shù)，在算法實(shí)現(xiàn)過(guò)程中，分類后數(shù)據(jù)的處理單元大小不變，處理對(duì)象則為灰度數(shù)據(jù)的類別信息；梯度方向與取最大方向?qū)?shù)的方向一致，其模為函數(shù)在該點(diǎn)方向?qū)?shù)的最大值；該算法模型中用到一維梯度定義為該維數(shù)上的最大方向?qū)?shù)，表示如下式grad (x) = (f (x+ A x) -f (x)) / Ax其中，grad (X)表示在x處的梯度，f (x)為灰度數(shù)據(jù)取值，Ax表示在該方向上的變化量；利用基于灰度直方圖統(tǒng)計(jì)的分塊K-Means聚類算法得到的數(shù)據(jù)類別信息，求出對(duì)應(yīng)的極值點(diǎn)，所有的極值點(diǎn)所處位置組成了各組織結(jié)構(gòu)的邊界，且血管內(nèi)膜、外膜均由部分極值點(diǎn)對(duì)應(yīng)的位置組成；采用鄰域搜索法來(lái)求得準(zhǔn)確血管內(nèi)膜、外膜各組織結(jié)構(gòu)邊界的極值點(diǎn)位置，其中鄰域定義為以a為中心的任何開(kāi)區(qū)間稱為點(diǎn)a的鄰域，記作U(a);設(shè)6是任一正數(shù)，則開(kāi)區(qū)間(a- S，a+ S )就是點(diǎn)a的一個(gè)鄰域，這個(gè)鄰域稱為點(diǎn)a的8鄰域。具體的，所述描記數(shù)據(jù)平滑處理為對(duì)獲得的一維內(nèi)膜和外膜的位置數(shù)據(jù)做高斯平滑以消除毛刺。作為一種優(yōu)選方式，首先利用擬合數(shù)據(jù)采集模塊進(jìn)行擬合數(shù)據(jù)采集，然后利用直線擬合及角度計(jì)算模塊對(duì)采集的數(shù)據(jù)進(jìn)行直線擬合和角度計(jì)算，再利用厚度計(jì)算模塊進(jìn)行厚度計(jì)算，最后利用統(tǒng)計(jì)模塊進(jìn)行統(tǒng)計(jì)計(jì)算。
具體的，所述擬合數(shù)據(jù)采集模塊對(duì)標(biāo)記后的內(nèi)外膜數(shù)據(jù)進(jìn)行采集，因興趣區(qū)域圖像第一列向左并無(wú)數(shù)據(jù)，其最初幾列向右采集，而最后幾列向左采集；在向左采集時(shí)為了防止與向右采集的數(shù)據(jù)符號(hào)相反還對(duì)向左采集到的數(shù)據(jù)進(jìn)行反轉(zhuǎn)；采集方向的選擇是在所計(jì)算列小于興趣區(qū)域圖像寬度的一半時(shí)向右采集，大于興趣區(qū)域圖像一半時(shí)向左采集；
根據(jù)計(jì)算位置P，確定數(shù)據(jù)采集方向dr
權(quán)利要求
1.一種血管內(nèi)外膜識(shí)別、描記和測(cè)量的方法，其特征在于包括以下步驟 Si、獲取感興趣區(qū)域數(shù)據(jù)，用于在血管數(shù)字超聲圖像中選擇感興趣區(qū)域圖像并貯存； 53、對(duì)感興趣區(qū)域圖像進(jìn)行灰度數(shù)據(jù)聚類，用于得到各目標(biāo)區(qū)域； 54、識(shí)別血管內(nèi)、外膜的邊界并進(jìn)行描記； S6、計(jì)算血管厚度。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟SI與步驟S3之間還有步驟S2、圖像數(shù)據(jù)預(yù)處理，用于消除感興趣區(qū)域圖像中包含的噪聲和血液信息。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟S6之前還有步驟S5、可信度檢驗(yàn)，對(duì)系列血管數(shù)字超聲圖像的樣本數(shù)據(jù)進(jìn)行圖像質(zhì)量統(tǒng)計(jì)，所述圖像質(zhì)量包括樣本數(shù)據(jù)中的最大值、最小值、標(biāo)準(zhǔn)差及平均值；并對(duì)相繼兩幅血管數(shù)字超聲圖像的圖像質(zhì)量通過(guò)結(jié)構(gòu)相似度指標(biāo)進(jìn)行計(jì)算，只有在圖像質(zhì)量結(jié)構(gòu)相似度指標(biāo)達(dá)到一定時(shí)才對(duì)厚度進(jìn)行計(jì)算，以確保計(jì)算的可信度。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于所述圖像數(shù)據(jù)預(yù)處理方法為高斯濾波、均值濾波或中值濾波中的一種或多種的結(jié)合。
5.根據(jù)權(quán)利要求1-3所述的任一方法，其特征在于所述步驟S3對(duì)感興趣區(qū)域圖像進(jìn)行灰度數(shù)據(jù)聚類包括 531、各聚類中心的初始化，根據(jù)灰度數(shù)據(jù)取值范圍和各組織結(jié)構(gòu)灰度值間的差別，將整個(gè)灰度取值分為多段，即聚類個(gè)數(shù)，并取出各段的中間灰度值作為算法的初始聚類中心，根據(jù)對(duì)應(yīng)的灰度分布特點(diǎn)將圖像分為若干塊； 532、數(shù)據(jù)初分類，針對(duì)每塊數(shù)據(jù)，統(tǒng)計(jì)各灰度特征個(gè)數(shù)，并給出統(tǒng)計(jì)直方圖，在該塊中每個(gè)灰度數(shù)據(jù)僅需計(jì)算一次，即該值與各個(gè)聚類中心灰度值間的歐式距離，同時(shí)比較得出該數(shù)據(jù)樣本所屬的聚類中心進(jìn)行數(shù)據(jù)分類，其中，設(shè)樣本X=U1, X2,, χη)與聚類中心Y=G1, y2,..., yn)之間的歐氏距離定義為
6.根據(jù)權(quán)利要求1所述的方法，其特征在于所述步驟S4識(shí)別血管內(nèi)、外膜的邊界包括以下步驟 541、外膜、內(nèi)膜邊界識(shí)別； 542、描記數(shù)據(jù)平滑處理； 543、描記數(shù)據(jù)輸出。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于所述外膜、內(nèi)膜邊界識(shí)別為基于梯度的鄰域搜索模型來(lái)確定的， 在已獲取數(shù)據(jù)中，設(shè)探頭得到的每條掃描線為算法處理的一個(gè)數(shù)據(jù)向量，其大小為探頭深度方向上的掃描點(diǎn)數(shù)，在算法實(shí)現(xiàn)過(guò)程中，分類后數(shù)據(jù)的處理單元大小不變，處理對(duì)象則為灰度數(shù)據(jù)的類別信息；梯度方向與取最大方向?qū)?shù)的方向一致，其模為函數(shù)在該點(diǎn)方向?qū)?shù)的最大值；該算法模型中用到一維梯度定義為該維數(shù)上的最大方向?qū)?shù)，表示如下式 grad (X) = (f (X+ Δ x) -f (χ)) / Δ χ 其中，grad (χ)表示在χ處的梯度，f (χ)為灰度數(shù)據(jù)取值，Δχ表示在該方向上的變化量; 利用基于灰度直方圖統(tǒng)計(jì)的分塊K-Means聚類算法得到的數(shù)據(jù)類別信息，求出對(duì)應(yīng)的極值點(diǎn)，所有的極值點(diǎn)所處位置組成了各組織結(jié)構(gòu)的邊界，且血管內(nèi)膜、外膜均由部分極值點(diǎn)對(duì)應(yīng)的位置組成； 采用鄰域搜索法來(lái)求得準(zhǔn)確血管內(nèi)膜、外膜各組織結(jié)構(gòu)邊界的極值點(diǎn)位置，其中鄰域定義為以a為中心的任何開(kāi)區(qū)間稱為點(diǎn)a的鄰域，記作U(a);設(shè)δ是任一正數(shù)，則開(kāi)區(qū)間(a_ δ，a+ δ )就是點(diǎn)a的一個(gè)鄰域,這個(gè)鄰域稱為點(diǎn)a的δ鄰域。
8.根據(jù)權(quán)利要求6所述的方法，其特征在于所述描記數(shù)據(jù)平滑處理為對(duì)獲得的一維內(nèi)膜和外膜的位置數(shù)據(jù)做高斯平滑以消除毛刺。
9.根據(jù)權(quán)利要求1-3所述的任一方法，其特征在于所述步驟S6計(jì)算血管厚度包括首先利用擬合數(shù)據(jù)采集模塊進(jìn)行擬合數(shù)據(jù)采集，然后利用直線擬合及角度計(jì)算模塊對(duì)采集的數(shù)據(jù)進(jìn)行直線擬合和角度計(jì)算，再利用厚度計(jì)算模塊進(jìn)行厚度計(jì)算，最后利用統(tǒng)計(jì)模塊進(jìn)行統(tǒng)計(jì)計(jì)算。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于所述擬合數(shù)據(jù)采集模塊對(duì)標(biāo)記后的內(nèi)外膜數(shù)據(jù)進(jìn)行采集，其最初幾列向右采集，而最后幾列向左采集；在向左采集時(shí)為了防止與向右采集的數(shù)據(jù)符號(hào)相反還對(duì)向左采集到的數(shù)據(jù)進(jìn)行反轉(zhuǎn)；采集方向的選擇是在所計(jì)算列小于興趣區(qū)域圖像寬度的一半時(shí)向右采集，大于興趣區(qū)域圖像一半時(shí)向左采集； 根據(jù)計(jì)算位置P，確定數(shù)據(jù)采集方向dr
全文摘要
本發(fā)明涉及超聲檢測(cè)，公開(kāi)了一種血管內(nèi)外膜識(shí)別、描記和測(cè)量的方法，包括以下步驟S1、獲取感興趣區(qū)域數(shù)據(jù)；S3、對(duì)感興趣區(qū)域圖像進(jìn)行灰度數(shù)據(jù)聚類，用于得到各目標(biāo)區(qū)域；S4、識(shí)別血管內(nèi)、外膜的邊界并進(jìn)行描記；S6、計(jì)算血管厚度。本發(fā)明具有提高了血管內(nèi)外膜與介質(zhì)的標(biāo)定精度和不規(guī)則血管功能檢測(cè)指標(biāo)計(jì)算的可信度的優(yōu)點(diǎn)。
文檔編號(hào)A61B8/08GK102982314SQ201210436130
公開(kāi)日2013年3月20日 申請(qǐng)日期2012年11月5日 優(yōu)先權(quán)日2012年11月5日
發(fā)明者周傳濤, 馬景輝, 劉秀堅(jiān) 申請(qǐng)人:深圳市恩普電子技術(shù)有限公司