內(nèi)、中膜厚度是臨床上用于評價動脈粥樣硬化發(fā)展程度的主要指標。目前,基于B超圖像測量內(nèi)、中膜厚度通常由專業(yè)醫(yī)生手動標記內(nèi)、中膜邊界來實現(xiàn),過程繁瑣耗時,人為影響因素多。本文提出了一種基于高斯混合模型（GMM）的聚類灰度閾值法,以檢測B超圖像中頸動脈內(nèi)、中膜厚度。首先基于GMM對頸動脈圖像灰度聚類,然后用灰度閾值法檢測血管壁內(nèi)、中膜的分界,最后測量二者的厚度。與直接使用灰度閾值法的測量技術(shù)相比,頸動脈B超圖像的聚類解決了內(nèi)、中膜灰度邊界模糊的問題,從而提高了灰度閾值法的穩(wěn)定性與檢測精度。本研究選取120例健康頸動脈臨床試驗數(shù)據(jù),以兩名專家分別手動精細測量4次的內(nèi)、中膜厚度的均值作為參考值,最終研究結(jié)果顯示,經(jīng)GMM聚類后估計的內(nèi)、中膜厚度的歸一化均方根誤差（NRMSE）分別為0.104 7±0.076 2和0.097 4±0.068 3;與直接進行灰度閾值估計的結(jié)果相比,NRMSE的均值分別減小19.6%和22.4%,表明本文所提方法測量精度有所提高;標準差分別減小17.0%和21.7%,表明所提方法穩(wěn)定性增加。綜上,本文方法有助于動脈粥樣硬化等血管疾病的早期診斷和病程監(jiān)測。 

【文章來源】：生物醫(yī)學(xué)工程學(xué)雜志. 2020,37(06)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

GMM聚類閾值法測量頸動脈內(nèi)、中膜各自厚度的流程圖

為了評估GMM對頸動脈B超圖像聚類處理的性能，本研究對比了GMM聚類前后的B超圖像及血管壁三層膜的灰度變化曲線，分析血管壁邊緣對比度及清晰度。本文分別使用直接閾值法和GMM聚類閾值法檢測不同閾值下的內(nèi)、中膜厚度，以分析GMM聚類處理對閾值法穩(wěn)定性的改進。另外，考慮到專家手動精細分割測量是目前臨床上評估內(nèi)、中膜厚度測量精度的金標準，本文以兩名專家手動精細分割4次結(jié)果的均值作為參考值，計算直接閾值法和GMM聚類閾值法對內(nèi)、中膜厚度檢測結(jié)果的歸一化均方根誤差，定量分析GMM聚類處理對閾值法檢測精度的影響。試驗在4 GB內(nèi)存及中央處理器（i5-5200U,Intel Inc.，美國）上利用數(shù)據(jù)分析軟件MATLAB R2016a(MathWorks.，美國）編程實現(xiàn)。3 實驗結(jié)果與分析

如圖5和圖6所示為另一例32歲健康女性頸動脈近分叉處B超原始圖像及3個不同位置（黃色虛線）的血管壁（紅線）灰度變化曲線，由圖5、圖6可見，經(jīng)GMM聚類處理后的結(jié)果整體呈現(xiàn)與圖3、圖4所示26歲男性案例一致的變化趨勢和特征。圖4 26歲男性頸動脈GMM處理前后不同位置灰度變化曲線

【參考文獻】：
期刊論文
[1]深度全卷積網(wǎng)絡(luò)的IVUS圖像內(nèi)膜與中—外膜邊界檢測[J]. 袁紹鋒,楊豐,徐琳,劉樹杰,季飛,黃靖.  中國圖象圖形學(xué)報. 2018(09)
[2]血管內(nèi)超聲斑點的概率模型建立及應(yīng)用[J]. 柴五一,楊豐,袁紹鋒,梁淑君,黃靖.  南方醫(yī)科大學(xué)學(xué)報. 2017(11)
[3]基于深度學(xué)習(xí)的頸動脈超聲圖像內(nèi)中膜厚度測量[J]. 孫萍,李鏘,關(guān)欣,滕建輔.  國際生物醫(yī)學(xué)工程雜志. 2016 (05)
[4]灰度不均的弱邊界血管圖像分割方法[J]. 吳杰,朱家明,張輝.  計算機應(yīng)用. 2016(S1)
[5]基于支持向量機的頸動脈超聲圖像內(nèi)中膜厚度測量[J]. 劉一學(xué),李鏘,關(guān)欣,白煜.  中國醫(yī)學(xué)物理學(xué)雜志. 2016(05)
[6]頸動脈內(nèi)膜增厚檢測對防治顱內(nèi)動脈硬化的臨床意義[J]. 陳欣,郝軍,李彥青.  當代醫(yī)學(xué). 2015(36)
[7]頸動脈內(nèi)中膜厚度及彈性定量指標對冠狀動脈粥樣硬化性心臟病診斷的預(yù)測價值[J]. 王怡,段云友,張莉,袁麗君,許磊,楊一林,曹鐵生.  中華醫(yī)學(xué)超聲雜志(電子版). 2013(09)
[8]個體行為數(shù)據(jù)聚類的雙重混合高斯模型算法[J]. 戴濤,駱科東,李春平.  計算機應(yīng)用. 2004(08)



本文編號：3313437