[发明专利]一种基于Snake改进算法的IVUS图像外膜边缘分割方法

说明书

本发明公开了一种基于Snake改进算法的IVUS图像外膜边缘分割方法，属于计算机医学图像处理分析领域。首先，利用大津阈值分割、开闭运算以及连通分量法提取IVUS图像第一帧的大致轮廓边缘，将得到的大致轮廓作为Snake算法的初始轮廓，其次，对结构张量进行扩展，并将其和初始化的轮廓信息应用到外力与Snake算法结合。该方法能有效地提高边缘提取的精确度，对于图像边缘模糊或者小部分缺失的情况也能够较为准确地收敛到边缘。通过本发明的分割能够得到了连续4帧IVUS图像的外膜，且结果较为准确；对于存在边缘模糊或者有小部分缺失的IVUS图像也有良好的提取效果。应用该方法对IVUS图像进行外膜的提取，结果准确靠近真实边缘，为图像分析奠定了良好的基础。

技术领域

本发明涉及计算机医学图像处理分析领域，特别涉及一种基于Snake改进算法的IVUS(Intravascular Ultrasound)图像外膜边缘分割方法。

背景技术

随着人们生活水平的提高，心血管疾病成为严重威胁人类健康的疾病之一。动脉粥样硬化是造成心血管疾病发生的重要原因。血管内超声(IVUS)技术应用于临床已有超过二十年的历史，它可以提供冠状动脉血管腔和血管壁的重要影像信息，进而能够计算血管腔径、管腔横截面积、血管弹性等重要病理信息，辅助医生更好地进行心血管疾病的临床诊断。

临床中，通过血管内超声诊断仪得到的IVUS图像可以显示血管壁、血管腔以及斑块的形态，但是只通过医生的肉眼进行观察或者根据经验确定内外膜的边缘以及斑块厚度是不具有客观性的，不同的医生进行判断可能会导致细微的偏差，因此，通过计算机对IVUS图像进行准确自动地分割是很有必要的。

活动轮廓模型(Active Contour Model)，又称为Snake模型，近年来在医学图像分割中得到了广泛的应用，对于存在噪声和对比度不敏感的图像，它能将目标从复杂背景中分割出来，是背景复杂图像分割的基础算法。在具体应用中，需要根据处理对象的特点和实际要求作相应的调整。如用B样条曲线表示轮廓线的B-Snake模型算法，解决了Snake模型参数化后计算精度不高的问题，但它要求初始轮廓要在边缘附近。Xu和Prince提出了GVF(Gradient Vector Flow)方法，以梯度矢量流作为活动轮廓模型的外力场，外力场捕获面明显增加，也不依赖于轮廓的初始位置，但对于噪声明显的图像往往得不到精确的边缘。文献1(毕晓君，肖婧.差分进化算法GVF Snake模型在PET图像分割中的应用[J].中国图象图形学报，2011，16(3)：382—388.)利用差分进化算法的全局优化特征对GVF Snake模型分割结果进行优化，但是算法相对较为复杂；文献2(Mahfuzah Mustafa,NurAzwa Omar Rashid,and Rosdiyana Samad.Breast Cancer Segmentation Based on GVF Snake[J].IEEEConference on Biomedical Engineering and Sciences(IECBES)，2014：928-931.)提出先将图像通过高斯低通滤波器进行滤波并进行增强，再利用GVF Snake算法进行分割，但是初始轮廓不容易确定，从而影响分割结果。

发明内容

本发明的目的在于提供一种全自动分割血管内超声图像外膜的方法。首先，利用大津阈值分割、开闭运算以及连通分量法提取IVUS图像第一帧的大致轮廓边缘，将得到的大致轮廓作为Snake算法的初始轮廓，其次，对结构张量进行扩展，并将其和初始化的轮廓信息应用到外力与Snake算法结合。该方法能有效地提高边缘提取的精确度，对于图像边缘模糊或者小部分缺失的情况也能够较为准确地收敛到边缘。

该方法的实施流程如下，

步骤1，对血管内超声视频影像进行初步提取，将视频影像导入至计算机中，计算机随机截取多帧连续的序列图像作为样本，序列图像大小为384*384像素。

步骤2，采用改进的Snake算法对IVUS图像进行外膜的提取，首先获取IVUS图像的初始轮廓。