[发明专利]一种基于限制点集方法的血管壁网格划分方法

说明书

技术领域

本发明涉及计算机医学图像分析领域，特别涉及一种基于血管内超声影像的血管壁划分方法。

背景技术

心血管疾病严重威胁人类健康，而血管弹性能及时反映人体血管系统功能好坏，对心血管疾病的预防和治疗有重要的临床意义。由于血管弹性可以用一定血压下血管壁产生的应变来衡量，因此，计算血管壁的应变成为研究血管壁弹性的基础。诊断冠状动脉成像新的“金标准”的血管内超声(Intravascular Ultrasound,IVUS))技术，目前已被广泛用于冠状动脉粥样硬化病变的确定和狭窄程度的判断，指导和评价冠脉介入治疗。在IVUS临床应用中，可以获取一系列的超声图像，在此基础上研究分析血管弹性，可为手术方案的选取提供重要依据。为此需要对血管壁区域进行合理有序划分为若干简单多边形微小区域。三角形是平面图形中稳定而简单的一种，这一特性使它在医学、计算几何、科学计算可视化等众多领域有着广泛的应用。多年以来，在相关学者们的不断努力下，将多边形的三角剖分算法应用于各种学科的划分已经相对成熟。本发明在分析了已有三角形剖分算法的基础上，结合散乱点集Delaunay三角剖分算法提出了基于限制点集的血管壁网格划分，可在较少的点集基础上实现对血管壁的网格快速划分。

发明内容

本发明的目的在于，通过提供一种基于血管内超声影像的血管壁划分方法，以获得直观、精确的血管壁网格划分，本发明的特征如下：

步骤(1)由于冠状动脉开口和分叉病变处狭窄最严重的部位往往只有0.5-2mm，这种情况下为了保证能取得这些病变部位至少一个周期的完整图像，因此血管内超声仪一般以0.5mm/s的速度匀速回拉导管，获得人体冠状动脉的血管内超声视频影像；

步骤(2)将步骤(1)得到的血管内超声视频影像导入计算机，从视频中截取连续的多帧血管内超声图像作为实验图像，图像分辨率为384*384，以下简称为超声图像；

步骤(3)对上述超声图像利用改进的GVF-snake模型和B样条曲线检测血管壁内外膜边缘进行超声图像感兴趣区域(ROI)分割；

步骤(4)对步骤(3)中取得的ROI区域进行二值化，m表示已取得的IVUS图像的ROI区域，此时m是一个384*384的矩阵，取值范围0～255，经过多次实验对比，二值化的阈值设为240，即m值小于240的全部归一化为0，m值大于等于240的全部归一化为255；

步骤(5)将步骤(4)中已进行二值化处理的ROI区域提取内外膜边缘特征点；

步骤(5.1)从图像边缘上提取出有意义的n个点，使这n个点最具有代表性；首先这n个点要在图像边缘上；其次最近邻的两点之间要尽量分散开；具体做法是首先对边缘像素随机抽样，在对边缘像素随机抽样过程中检查全部点对的欧式距离：

d=(x1-x2)2+(y1-y2)2---(1)]]>

其中，d表示两相邻点之间的距离，(x₁,y₁)，(x₂,y₂)分别为两个相邻点的坐标；每次去除距离最小的点对中的一个点，直至剩下点的数量达到要取样的点的数量n；由于全部像素点的数量为384*384，数量比较庞大，一般点的总数m超过2000个即认为很多，这样的操作是很费时间的，为了减少计算量，当m>>n时，随机取3n个点，对这3n个点进行上述操作即可；如果直接对这些点进行Delaunay网格划分可以看到这种边缘定点的划分结果不是很均匀而且划分区域包括了血管腔部分，显然不合理；