[发明专利]一种血管内光学相干层析成像血管壁内轮廓自动识别方法

说明书

本发明涉及一种血管内光学相干层析成像血管壁内轮廓自动识别方法，包括下列步骤：(1)对原始图像Ori进行预处理；(2)血管壁内轮廓识别，方法如下：第一步：腐蚀运算；第二步：面积排序；第三步：形态学方向与面积检测；第四步：导丝存在与否条件判断；第五步：导丝识别纠正；第六步：重建残缺轮廓。

技术领域

本发明涉及内窥光学相干层析成像(Intravascular Optical CoherenceTomography,IV-OCT)覆盖心血管、脑血管等内窥OCT成像领域，尤其涉及一种基于形态学方向特征提取的IV-OCT血管图像的管腔轮廓的全自动识别方法。

背景技术

血管内窥光学相干层析成像技术(IV-OCT)是一种基于导管的检查方法，它利用近黑外光，可获取分辨率为十倍于血管内超声(IVUS)的体内血管壁微结构的高分辨率成像。血管管腔轮廓信息对评价血管的狭窄程度，获取支架植入的最佳位置，评价支架的贴壁状况都有很大的应用价值。因此，血管管腔轮廓的准确识别及识别在冠状动脉疾病的治疗中显得尤为重要。

目前，血管管腔轮廓的识别及识别方法主要可以分为半自动识别和全自动识别。而全自动识别相对于半自动识别来说更为快速和便捷。近年来，不断有学者提出全自动识别血管管腔轮廓的方法，其中：Bourezak等人通过利用A-scan的强度图找到组织与背景有差异的地方，再利用组织的厚度信息确定出内边界的轮廓；Macedo等人通过Otsu二值化和数学形态学腐蚀膨胀运算相结合的方法划定感兴趣区域获取血管管腔边界；Zhao Wang等人通过动态规划算法实现了血管管腔及导丝的自动识别；Junedh等人通过利用K均值聚类的方法实现了管腔的轮廓检测及支架的识别；Kenji Sihan等人利用固定阈值的Canny算子对管腔进行成功识别；另外还有利用水平集等主动轮廓以及深度学习的方法识别管腔轮廓的相关报道。

上述方法对于较为规则的血管轮廓的识别效果较为显著，但对于血管轮廓不规则，导管与导丝距离血管管腔距离过近的IV-OCT血管管腔轮廓的识别和提取，出现受环境噪声干扰或者迭代次数过多，过程繁琐的问题。Huishuo Zhao等人提出了基于形态学特征的血管管腔轮廓的识别和提取方法，但该方法中，由于采用形态学闭运算造成容易造成导管、导丝与血管壁相连，在相连时无法对血管管腔轮廓识别；无法处理存在残余血液的血管管腔轮廓识别；难以对不规则管腔轮廓进行识别。基于上述问题，本专利提出了一种血管内光学相干层析成像血管壁内轮廓自动识别方法，相比于其他血管轮廓的识别方法，本方法的优点主要在于能够正确提取出低信噪比、形状不规则、受残余血液、导丝和导管影响较为严重而难以识别和提取血管轮廓。

发明内容

本发明的目的是提供一种IV-OCT血管图像的管腔轮廓全自动识别方法，以克服现有的IV-OCT血管图像的管腔轮廓识别和分割的过程中，因导丝和导管距离血管管腔过近、残余血液影响或者管腔轮廓过于复杂而提取的管腔轮廓出现识别困难的问题。本发明在整个识别过程使用了图像对比度增强、二值化、形态学开运算、连通域方向与面积特征筛选、动态切割方法等步骤能够正确提取出低信噪比、形状不规则、受残余血液、导丝和导管影响较为严重的血管轮廓。技术方案如下：

一种血管内光学相干层析成像血管壁内轮廓自动识别方法，所处理的原始图像为IVOCT极坐标下图像，记为Ori，图像左下角为极坐标零点，其中m为图像行数，n为图像列数，包括下列步骤：

(1)对原始图像Ori进行处理，方法如下：

第一步：图像对比度增强；

第二步：二值化处理，采用最佳阈值法确定二值化阈值。

将图像目标和背景点分布看成正态分布，选取阈值T的初始估计值，用T分割图像，得到两组像素，分别计算这两组像素的平均灰度值u1和u2，取新的T值为u1与u2的平均值，再重复以上步骤，迭代足够多的次数，直到逐次所得的T值之差小于10^-4，以此T值作为最佳阈值进行二值化处理，得到二值化图像BW；