论文部分内容阅读
颈动脉粥样硬化是一种常见的心脑血管疾病。临床上主要通过颈动脉狭窄程度、内中膜厚度和粥样硬化斑块的形态、血流及弹性状况来评价颈动脉粥样硬化的属性及严重程度。其中斑块的易损性是颈动脉粥样硬化的关键属性，高易损性是威胁人类健康的重要原因。研究表明斑块的易损性与斑块的力学特性有关，斑块的破损是其内在弹性状况与外在受力状态共同作用的结果。易损性高的斑块(即易损斑块)一般含有较大的脂质核与较薄的纤维帽，而易损性低的斑块(即非易损斑块)含较多的纤维。脂质核越大，纤维帽越薄，斑块就越容易破损形成血栓。同时，斑块易损性亦与斑块内部的新生血管有关，新生血管可促进动脉粥样硬化病变的进展，诱发斑块内出血和斑块破损，继而形成血栓，引起急性心脑血管事件。因此，可以从斑块弹性与新生血管两个角度，对斑块进行显影从而评价斑块的易损性。超声造影(contrast-enhanced ultrasound，CEUS)在常规超声的基础上，运用微泡造影剂对斑块进行谐波成像，能较清晰地显示斑块内新生血管的分布情况，成为分析斑块易损性的新手段。但CEUS不能评价斑块的弹性，使其不能全面综合地分析斑块易损性，制约了其在斑块研究中的深度应用。CEUS是一种实时成像模态，以视频序列的形式动态显示颈动脉斑块的形态及其内部新生血管分布情况。颈动脉的周期性搏动产生斑块应变，若能从CEUS的动态序列中估计出斑块的应变，则可从应变中提取反映斑块弹性的量化参数，从而将CEUS的功能由单一的血流成像扩展至血流与弹性的复合成像模式。医学图像处理技术为CEUS序列图像中斑块的应变估计及弹性特征提取提供了可能：首先通过图像分割方法确定斑块所在位置，接着通过图像配准方法比较序列中两帧图像的差异以估计斑块的应变、提取弹性特征。本文基于此思路，开展如下三个方面的研究工作：第一，提出一种改进的多尺度模糊聚类方法分割CEUS图像。采用斑点抑制各向异性扩散方法滤除CEUS图像中的斑点噪声并构建多尺度图像，然后通过粒子群优化算法找出每个尺度图像上的全局聚类中心点，在多尺度图像中进行模糊聚类，实现CEUS图像的分割。实验表明，相较传统聚类方法，本文方法抗噪性更强，分割效果更佳，其平均分割准确率与图像佳数分别提高5.4%和26.6%。第二，在上述多尺度模糊聚类方法基础上，提出一种结合多尺度模糊聚类与B样条方向梯度矢量流模型的CEUS图像分割方法。该方法能有效克服初始轮廓定位和目标附近伪边缘干扰两大问题，实现高精度的颈动脉血管腔及斑块边界提取。以改进的多尺度模糊聚类为粗分割方法，将其所得轮廓作为B样条方向梯度矢量流模型的初始轮廓，对轮廓进行形变演化收敛到精细的目标边界。血管腔的分割结果表明，本文方法优于传统多尺度聚类法和Chan-Vese水平集法，其中均方根误差、假阳性率分别增加19.8%、23.2%。而斑块的实验结果表明，分割特异性高达97.8%，真阳性率为83.2%，均方根误差为4.654像素点，验证了本文方法分割颈动脉斑块的准确性。第三，提出一种基于自由形态形变(free form deformation，FFD)非刚性配准的斑块弹性特征提取方法。该方法借助B样条FFD非刚性配准方法得到斑块在收缩期与舒张期间的形变场，继而从形变场中计算应变统计量作为弹性特征，最后通过统计学方法分析弹性特征与新生血管人工分级间的关系。从30个病例的51个样本中提取出46个弹性特征，其中17个特征在人工评级的高低两级间存在显著性差异(t检验，P<0.01)，表明斑块弹性特征与新生血管形成程度之间存在一定关联性，弹性特征能区分新生血管的形成程度。这将为进一步探索斑块内新生血管、斑块力学属性及其易损性三者间的关系起到铺垫作用，从而有助于易损斑块的识别与干预。