[发明专利]一种冠状动脉OCT图像自动分割方法

说明书

本发明公开了一种冠状动脉OCT图像自动分割方法，其步骤包括：对OCT图像进行去除中心斜线、导管圆环和外围文字标注的预处理，得到预处理后的图像；二值化并进一步获取血管内膜图像，然后与所得预处理图像叠加，得去噪图像；调整二值化图像的权重并与去噪图像叠加，得增强高信号区域能量的叠加图像；利用k‑means法将叠加图像聚类，然后利用径向基函数变换到高维空间，再构建GraphCuts能量函数进一步处理，得分割结果。本发明的涉及冠状动脉区域OCT图像自动分割方法能够较好地实现三种斑块区域的自动区域分割，分割效果明显优于传统方法，能够较好的保存图像斑块区域，分割损失较小，且通过多次实验发现，本文方法具有较强的鲁棒性。

技术领域

本发明涉及医学影像分割方法，具体的说是一种冠状动脉OCT图像自动分割方法。

背景技术

医学影像是图像处理中极为重要的一部分，特别是随着光学干涉断层成像(optical coherence tomography，OCT)技术的出现，使得直接观察冠状动脉粥样硬化的形态成为可能。然而，对OCT图像的准确解读需要花费医生大量的时间，且不同的医生个体之间具有较强的主观性和个体差异性，为此计算机自动识别影像中不同成分成为关键。

关于冠状动脉OCT影像粥样硬化区域主要有三种类型。纤维化斑块是冠状动脉硬化中最普遍的一种斑块，表现为同质、高信号和弱衰减的区域；脂质斑块表现为边缘模糊、高背反射和强衰减区域，在低信号区域的表面有高信号带的纤维帽，是造成冠脉破裂的主要因素之一；钙化斑块表现为边缘锐利的低信号或不均匀区域，对心脏支架放置影响极大。因此，精准的分割斑块位置及大小是及其重要的。

目前针对OCT影像分割的主要方法是利用选取出来的目标区域，使用k-means方法进行聚类得到其中一种斑块区域或利用水平集梯度方法得到斑块区域；或使用A-line模型对OCT图像进行分析，从而确定斑块区域。这两种方法或是只能识别其中某一种斑块，或是对斑块分割精度不高，不能达到所需要求。

发明内容

本发明的目的是提供一种冠状动脉OCT图像中斑块区域的自动分割方法，以实现冠状动脉血管上三种斑块区域同时且高精度的自动分割，解决现有分割方法分割斑块类型单一或分割精度低的问题。

本发明的目的是按照下述的技术方案实现的：

一种冠状动脉OCT图像自动分割方法，包括如下步骤：

A)以一组包含纤维化斑块、钙化斑块和脂质斑块的冠状动脉OCT原始图像作为处理对象，对OCT原始图像进行去除中心斜线、导管圆环和外围文字标注的预处理，得到预处理后的图像；

B)将所述预处理后的图像转化成极坐标形式，然后进行二值化，得到二值化图像；

对所得二值化图像的组内方差求出最小值，然后提取该二值化图像的每一列第一个非零像素并组成一条连续的直线，再转化为直角坐标系形式，得到血管内膜图像；

将所得血管内膜图像置入A)步所得预处理后的图像中，然后将内膜内部区域像素值设置为0，得到去除内膜内部噪音的去噪图像；

C)调整B)步所述二值化图像的二值化权重为0.3，然后叠加到B)步所得去噪图像中，得到高信号区域能量增强的叠加的图像；

D)利用k-means法将所述叠加的图像依据颜色分布分成不同的聚类，并使用欧式距离作为最小化函数以确定聚类中心；

E)利用径向基函数将D)步所得聚类之后的图像变换到高维空间；

F)构建GraphCuts能量函数对经E)步处理图像进行处理，通过最小化该能量函数达到每一个像素点的最优配置，实现将钙化斑块、纤维化斑块和脂质斑块分割出来的目的，得到分割结果。