【摘要】：腦卒中是全球范圍內(nèi)致死或致殘的三大病因之一,約2/3腦卒中是缺血性腦卒中,頸動(dòng)脈狹窄閉塞性病變是引起缺血性腦卒中的最常見原因之一,早期識別頸動(dòng)脈的血管形態(tài)對于評估腦卒中發(fā)生風(fēng)險(xiǎn)具有重要的意義。計(jì)算機(jī)斷層掃描增強(qiáng)技術(shù)(CTA)已在診斷頸動(dòng)脈狹窄得到較多應(yīng)用。基于CTA圖像的頸動(dòng)脈分割目前主要存在的困難有:(1)切片數(shù)量大;(2)CTA圖像中,頸動(dòng)脈周圍存在干擾因素(骨骼、相似血管)較多;(3)頸總動(dòng)脈在分叉階段時(shí)的形態(tài)發(fā)生較大變化,且分叉后的頸動(dòng)脈彎曲度較大。這些特征都會給分割算法加大難度�；谏鲜鰡栴},本文提出兩種快速穩(wěn)定的分割頸動(dòng)脈的方法,基于8組來自醫(yī)院的真實(shí)臨床數(shù)據(jù)進(jìn)行實(shí)驗(yàn),主要研究內(nèi)容如下:(1)基于自適應(yīng)區(qū)域特征多種子點(diǎn)的區(qū)域生長法:首先采用基于自適應(yīng)迭代CT值的方法及形態(tài)學(xué)方法去除頸動(dòng)脈周圍的軟組織和消除邊界粘連;其次基于頸動(dòng)脈在分叉時(shí)特有的特征自動(dòng)確定種子點(diǎn)的個(gè)數(shù)及位置;最后,根據(jù)種子點(diǎn)與生長準(zhǔn)則采用區(qū)域生長法獲得頸動(dòng)脈區(qū)域。實(shí)驗(yàn)結(jié)果表明,該算法在頸動(dòng)脈分叉后,依舊可以準(zhǔn)確地分割出頸內(nèi)動(dòng)脈與頸外動(dòng)脈;與其它區(qū)域生長算法相比,該方法在準(zhǔn)確度及時(shí)間方面可以更好地滿足臨床需求。(2)圖像增強(qiáng)與區(qū)域特征相結(jié)合的分割方法:首先采用感興趣區(qū)域(包含頸動(dòng)脈的區(qū)域)自動(dòng)更新方法保證待處理區(qū)域盡可能的足夠小,減少了計(jì)算量;其次采用增強(qiáng)算法突出血管區(qū)域,對增強(qiáng)后的圖像采用八鄰域邊界追蹤法獲取連通區(qū)域邊界;最后分析連通區(qū)域特征識別出頸動(dòng)脈區(qū)域。實(shí)驗(yàn)結(jié)果表明,該算法得到的分割結(jié)果精確度較高,算法運(yùn)行時(shí)間較短,且與不同的增強(qiáng)算法及邊界提取方法相比,該方法獲得的分割結(jié)果準(zhǔn)確度更高。此方法不僅避免了基于自適應(yīng)區(qū)域特征多種子點(diǎn)的區(qū)域生長法的分割結(jié)果精確度依賴于種子點(diǎn)選取的缺點(diǎn),同時(shí)還能獲得血管的近似中心線。本研究的創(chuàng)新性在于:(1)基于自適應(yīng)區(qū)域特征多種子點(diǎn)的區(qū)域生長法的種子點(diǎn)選取結(jié)合了頸動(dòng)脈在分叉階段的特征來自動(dòng)計(jì)算種子點(diǎn)的個(gè)數(shù)及位置,保證頸總動(dòng)脈在分叉后依舊可以分割出兩個(gè)頸動(dòng)脈區(qū)域(頸內(nèi)、外動(dòng)脈);(2)圖像增強(qiáng)與區(qū)域特征相結(jié)合的分割方法中在頸總動(dòng)脈和頸內(nèi)、外動(dòng)脈兩個(gè)階段采用不同的追蹤方法獲取感興趣區(qū)域的中心點(diǎn),這樣可以保證感興趣區(qū)域始終包含著頸動(dòng)脈;(3)圖像增強(qiáng)與區(qū)域特征相結(jié)合的分割方法通過判斷連通區(qū)域重心點(diǎn)與感興趣區(qū)域中心點(diǎn)之間的距離來消除其它相似血管區(qū)域,去除頸動(dòng)脈周圍的干擾因素。
【圖文】：

范圍邐０邐３０－４５邐４０－６０邐１００－３００邐７００－３０００邐－５００邐－１００－５０邐３頸動(dòng)脈解剖結(jié)構(gòu)及斷層圖像逡逑體大腦的血管主要由頸動(dòng)脈系統(tǒng)和椎－基底動(dòng)脈系統(tǒng)組成，其中頸動(dòng)脈源的３／５，頸動(dòng)脈病變是引起腦卒中的主要病因之一。頸動(dòng)脈系統(tǒng)由頸總ｍｏｎ邋ｃａｒｏｔｉｄ邋ａｒｔｅｒｙ）、頸內(nèi)動(dòng)脈（Ｉｎｔｅｒｎａｌ邋ｃａｒｏｔｉｄ邋ａｒｔｅｒｙ）和頸外動(dòng)脈（Ｅｘｔｅｒｎａｒｔｅｒｙ）三部分組成，左側(cè)頸總動(dòng)脈起自主動(dòng)脈弓，右側(cè)頸總動(dòng)脈起自頭頸部兩側(cè)上行，約在第四頸椎水平分為頸內(nèi)動(dòng)脈和頸外動(dòng)脈，頸內(nèi)動(dòng)入顱供應(yīng)大腦半球的前部，此分叉處通常出現(xiàn)動(dòng)脈走行方向的改變，且動(dòng)脈的走行迂曲（特別是在老年人群中），在影像上對其的正確識別是宄的基礎(chǔ)，因此早期識別頸動(dòng)脈血管形態(tài)對于評估腦卒中發(fā)生風(fēng)險(xiǎn)具。圖２－３呈現(xiàn)了頸動(dòng)脈形態(tài)及其在ＣＴＡ斷層圖像中對應(yīng)的形狀及位置。逡逑

ＨＵ邋＝邋ｐｉｘｅｌ邋＊邋ｓｌｏｐｅ邋＋邋ｉｎｔｅｒｃｅｐｔ邐（２－３）逡逑此時(shí)，得到的數(shù)值ＨＵ就是圖像的ＣＴ值。如圖２－６邋（ｂ）所示，可以清晰地看逡逑到相比于原圖２－６邋（ａ）血管的增強(qiáng)效果明顯。逡逑其次，，在基于ＣＴ值的優(yōu)化過程中，保留組織和去除組織之間的閾值通過迭代逡逑閾值法自動(dòng)計(jì)算。迭代閾值法是基于逼近的思想。算法步驟如下：逡逑（１）
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R816.2;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 苗加慶;;基于形態(tài)學(xué)和分水嶺算法的冠狀動(dòng)脈造影圖像分割研究[J];現(xiàn)代電子技術(shù);2015年11期

2 單玲玉;閔鋒;李延達(dá);;全局閾值與局部閾值相結(jié)合的視網(wǎng)膜血管分割方法[J];武漢工程大學(xué)學(xué)報(bào);2015年03期

3 曾雅潔;楊鑫;徐紅衛(wèi);劉洋;梁華庚;丁明躍;;基于局部Chan-Vese模型的超聲頸動(dòng)脈圖像水平集分割方法研究[J];計(jì)算機(jī)科學(xué);2013年S2期

4 王志東;汪友生;李龍;董路;李冠宇;;一種血管內(nèi)超聲圖像邊緣提取的新方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2013年09期

5 周志光;陶煜波;林海;;基于視覺感知增強(qiáng)的最大密度投影算法[J];軟件學(xué)報(bào);2013年03期

6 杜建慧;史大鵬;李春雷;廖亮;劉洲峰;黃源;吉拉德;;基于邊緣檢測的頸動(dòng)脈CT圖像分割技術(shù)研究[J];中原工學(xué)院學(xué)報(bào);2012年06期

7 趙貴軍;張大波;;PACS系統(tǒng)中的DICOM標(biāo)準(zhǔn)概述[J];微計(jì)算機(jī)信息;2006年16期

8 王成儒;倪永婧;;基于精度依據(jù)準(zhǔn)則的圖像分割算法評價(jià)[J];微計(jì)算機(jī)信息;2006年13期

相關(guān)碩士學(xué)位論文 前1條

1 申玉嶺;腦血管DSA圖像的分割與三維可視化[D];北京工業(yè)大學(xué);2015年

本文編號：2588706