動(dòng)脈粥樣硬化（atherosclerosis）是心血管疾病的一個(gè)主要成因，導(dǎo)致全球每年多人死亡。動(dòng)脈粥樣硬化在頸動(dòng)脈，尤其是在頸動(dòng)脈分岔處（bifurcation）很容易發(fā)生，這也使其成為近年來研究的熱點(diǎn)。頸動(dòng)脈粥樣硬化始于血管壁增厚，然后產(chǎn)生斑塊；斑塊的累積導(dǎo)致頸動(dòng)脈血管逐漸狹窄，造成栓塞，使斑塊分裂并隨血流進(jìn)入人體腦部，并使人出現(xiàn)中風(fēng)等突發(fā)性疾病。因此，對頸動(dòng)脈粥樣硬化進(jìn)行早期檢測，對防止突然性死亡具有重要意義。 醫(yī)學(xué)圖像處理，包括圖像分割（image segmentation）在內(nèi)，是對粥樣硬化進(jìn)行早期檢測的重要手段，尤其在用超聲成像監(jiān)控粥樣硬化病變情況時(shí)，非常需要一種自動(dòng)或半自動(dòng)的頸動(dòng)脈分割方法來幫助醫(yī)生對粥樣硬化進(jìn)行輔助診斷或治療。然而，超聲圖像分割存在很多困難，容易受超聲圖像的斑點(diǎn)噪聲、偽影及弱邊界等因素影響，導(dǎo)致分割失敗。設(shè)計(jì)魯棒性好的超聲圖像分割方法應(yīng)綜合考慮上述難點(diǎn)。 為解決上述問題，本文提出一種全新的方法，對頸動(dòng)脈中外膜邊界（MAB，media-adventitia boundary）和血管腔-內(nèi)膜邊界（LIB，lumen-intima boundary）進(jìn)行分割。本文采用一種分割—跟蹤—分割的框架，其中分割過程采用水平集方法（levelset method），將多種不同信息融入到能量項(xiàng)中，并不斷演化計(jì)算得到準(zhǔn)確的分割結(jié)果；跟蹤（tracking）過程利用相鄰幀間組織灰度分布相似的特點(diǎn)，能夠很方便地利用上一幀分割的輪廓對當(dāng)前幀上的輪廓進(jìn)行預(yù)測跟蹤，并啟動(dòng)當(dāng)前幀上的輪廓分割。 本文在大量的由三維體數(shù)據(jù)切分得到的二維圖像上對上述方法進(jìn)行了測試，得到了較為滿意的結(jié)果。對這些結(jié)果的統(tǒng)計(jì)學(xué)檢驗(yàn)表明本文提出的方法得到的結(jié)果與作為金標(biāo)準(zhǔn)的手工分割得到的結(jié)果之間不存在顯著性差異。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2013
【中圖分類】：R310
【部分圖文】：

波必須通過介質(zhì)進(jìn)行傳播，傳播速度因介質(zhì)不同而異，一般來說在固體介質(zhì)中傳播速度最快，在液體介質(zhì)中速度次之，在氣體介質(zhì)中最慢。研究表明超聲波的傳播速圖1-1 頸動(dòng)脈分岔處的位置及粥樣硬化斑塊的堆積

超聲波的傳播特點(diǎn)：（a）在大而光滑的交界面上發(fā)生鏡面反射現(xiàn)象；（b）在小物體處發(fā)生散射現(xiàn)象

時(shí)反映病變的情況，因此三維超聲成像在粥樣硬化研究中有著更為廣闊的應(yīng)用前景。本文所采用的實(shí)驗(yàn)數(shù)據(jù)也都來自于三維的頸動(dòng)脈體數(shù)據(jù)（如圖 1-5 所示）。圖1-4 沿軸向方向的頸動(dòng)脈二維超聲圖片，其中兩條白色細(xì)線之間的距離即為內(nèi)中膜厚度IMT。

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張鶴;董彥麟;;一種改進(jìn)的變分水平集車輛檢測技術(shù)[J];遼寧科技大學(xué)學(xué)報(bào);2011年03期

2 錢華明;姜波;;一種基于多通道衛(wèi)星云圖的臺風(fēng)分割方法[J];北京航空航天大學(xué)學(xué)報(bào);2011年04期

3 周翔;郇中丹;黃海洋;李寶聚;;基于邊緣信息和先驗(yàn)形狀的水平集圖像分割方法及其在病原菌識別中的應(yīng)用[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

4 趙宇;吳立竹;;改進(jìn)的ChanVese活動(dòng)輪廓模型[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年03期

5 陳鴻;董文明;陳杰;;基于改進(jìn)Mumfold-Shah模型的圖像分割算法[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年04期

6 王升;謝立;劉軍;;基于水平集的測地主動(dòng)輪廓模型研究[J];傳感技術(shù)學(xué)報(bào);2008年09期

7 唐曉芬;侯迪波;俞丞;潘強(qiáng);張光新;周澤魁;;基于改進(jìn)水平集方法的高分辨率遙感圖像道路提取[J];傳感技術(shù)學(xué)報(bào);2010年02期

8 馬寶英;曹忠;;基于醫(yī)學(xué)影像數(shù)據(jù)的圖像分割方法研究述評[J];昌吉學(xué)院學(xué)報(bào);2012年03期

9 崔華;高立群;;輔以CV-GVF方法的測地線活動(dòng)輪廓模型[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

10 崔華;高立群;;適應(yīng)復(fù)雜背景的C-V模型[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

相關(guān)會(huì)議論文 前10條

1 周佳男;;一種拓?fù)浼y理圖像的相位場模型分割算法[A];第二十七屆中國控制會(huì)議論文集[C];2008年

2 曾理;劉玲慧;向才兵;;X射線圖像缺陷提取方法研究[A];2010年重慶市機(jī)械工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2010年

3 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

4 王斐;趙杰煜;;基于多重網(wǎng)格的水平集圖像分割方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 王國棟;潘振寬;趙希梅;劉存良;王鈺;;基于圖像分解和活動(dòng)輪廓模型的紋理分割[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

6 羅志宏;馮國燦;楊關(guān);;一個(gè)新變分模型在噪聲圖像分割中的應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

7 岳安志;趙忠明;汪承義;;基于主動(dòng)形狀模型的受電弓自動(dòng)檢測方法[A];第十三屆中國體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2013年

8 Gai Pan;Liqun Gao;Zhaohua Cui;;Active contour driven by local entropy energy function for segmentation and bias correction[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

9 鄒國鋒;王科俊;原蕾;傅桂霞;;人臉表情識別研究新進(jìn)展[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

10 方林;于海洋;李立超;鄒嬌;;基于光照不均勻的車輛提取與恢復(fù)模型[A];第八屆中國智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 王興梅;水下聲納圖像的MRF目標(biāo)檢測與水平集的輪廓提取方法研究[D];哈爾濱工程大學(xué);2010年

2 林穎;基于水平集方法的圖像分割關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

3 韓守東;紋理建模與圖切分優(yōu)化方法研究[D];華中科技大學(xué);2010年

4 涂虬;智能視覺監(jiān)視中目標(biāo)檢測與跟蹤算法研究[D];華中科技大學(xué);2010年

5 奉小慧;音頻噪聲環(huán)境下唇動(dòng)信息在語音識別中的應(yīng)用技術(shù)研究[D];華南理工大學(xué);2010年

6 張娜;面向脊柱微創(chuàng)手術(shù)機(jī)器人的圖像處理與虛擬現(xiàn)實(shí)技術(shù)研究[D];南開大學(xué);2010年

7 任明藝;時(shí)空聯(lián)合的視頻運(yùn)動(dòng)目標(biāo)分割技術(shù)研究[D];電子科技大學(xué);2010年

8 孔丁科;幾何活動(dòng)輪廓圖像分割模型的研究[D];浙江大學(xué);2010年

9 董芳芳;圖像恢復(fù)與分割中的新模型及快速算法[D];浙江大學(xué);2010年

10 金朝陽;磁敏感加權(quán)成像技術(shù)研究[D];浙江大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王捷;數(shù)字圖像邊緣檢測方法的若干改進(jìn)與應(yīng)用研究[D];浙江理工大學(xué);2010年

2 許東濱;基于水平集和局部灰度閾值的神經(jīng)干細(xì)胞序列圖像的分割算法[D];哈爾濱工程大學(xué);2010年

3 王炎慶;基于卡爾曼濾波器的神經(jīng)元干細(xì)胞序列圖像中活躍細(xì)胞的追蹤[D];哈爾濱工程大學(xué);2010年

4 張哲會(huì);基于水平集的聲納圖像分割方法的研究[D];哈爾濱工程大學(xué);2010年

5 王勇;運(yùn)動(dòng)背景下的目標(biāo)檢測算法研究[D];哈爾濱工程大學(xué);2010年

6 朱莉莉;結(jié)合紋理特征的局域化多通道水平集分割算法的研究[D];大連理工大學(xué);2010年

7 李磊;分裂Bregman方法在圖像處理中的應(yīng)用[D];大連理工大學(xué);2010年

8 翁傳博;基于視頻的場景智能分析和人機(jī)交互技術(shù)研究[D];浙江大學(xué);2011年

9 黃苗苗;圖像分割中的數(shù)學(xué)方法[D];浙江大學(xué);2010年

10 羅山;智能視覺監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測與跟蹤的研究[D];昆明理工大學(xué);2009年

本文編號：2833954