1、 中国科学技术大学硕士学位论文基于超声序列图像的颈动脉内中膜分析姓名：李昕申请学位级别：硕士专业：信号与信息处理指导教师：陶进绪2011-03-01摘要摘要冠状动脉粥样硬化性心脏病 (通常简称为冠心病， Coronary Heart Disease，CHD)已经成为我国疾病死亡的重要原因。动脉粥样硬化 (Atherosclerosis)形成的斑块不稳定导致的破裂，血栓形成和血管阻塞被认为是急性心脑血管 疾病(Cardiovascular Disease, CVD)发病的主要原因。动脉粥样硬化是全身性的血管疾病，其中体表浅动脉与冠状动脉有着相同的危险因素以及病理生理学基础。对正常人颈动脉的血管内
2、中膜(Carotid Intima-Media) 进行研究，能够得到对其发生心脑血管事件的风险评估，从而进行预防性的治疗措施，在临床上具有重大意义。超声成像辅助诊断具有无损伤、无创伤、无电离辐射等优点，它已经越来越受到人们的重视，并且已发展成为临床诊断中重要的工具之一。本文的研究就是针对颈动脉超声序列图像展开，给出了一个颈动脉超声影像学诊断的完整方案。所完成的主要研究工作和创新之处如下：(1)针对颈动脉超声 图像的具体特点，分析了各种常用图像分割方法的优缺点。基于主动轮廓模型(Active Contour Model又称 Snake模型)的分割方法是一种将底层信息和高层信息融合起来，便于实现人
3、工干预的分割方法，适合对于颈动脉内中膜的提取。原始主动轮廓模型有一些方面缺陷，如对初始位置敏感、不能收敛至图像的凹陷处等等，为克服这一缺陷，本文使用了改进的 GVF(GradientVector Flow)主动轮廓模型。根据 GVF 主动轮廓模型的具体实现过程，提出了一种先手工勾画粗略边界，再进行算法收敛的半自动分割流程，不仅提高了分割的准确性，同时也进一步提高了分割的效率。(2)对于序列图 像的处理，利用光流场从前一帧图像的分割结果来预测下一帧图像的初始边界，从而降低了人为的影响并提高了效率。由于颈动脉处的血流量很大，对血管的作用较强，相邻两帧图像之间可能会出现较大的变化，导致图像中颈动脉内
4、中膜的形态发生变化，直接利用前一帧的分割结果作为主动轮廓模型的初始边界，会导致算法收敛的结果出错。光流场反映了图像中各点的瞬时运动矢量，使用光流场来预测初始边界，克服了前述缺点，增强了算法的鲁棒性。(3)从分割后的颈动脉超声图像中提取特征参数结合临床医学知识进行综合分析。本文提取的特征参数分为颈动脉内中膜的厚度及纹理特征。尽管在图像的分割步骤，本文使用的主动轮廓模型是基于图像灰度信息，没有使用纹理信息，但是分析颈动脉纹理特征是有意义的，不同的纹理反映了内中膜的组成成分的差异，这种差异性导致了致病性的不同。同时，本文还结合心电图分析了不同心动周期的血管内中膜厚度的变化，使得对颈动脉内中膜的定量分
5、析诊断更加准确，通过内中膜厚度随时间的变化可以得到弹性方面的认识，进一步可以计算组织的I摘要应变和应变率。综上所述，本文对现有的颈动脉序列图像分析方法做出了改进，提出了基于光流场预测初始位置的主动轮廓模型，实验结果表明改进后的方法能够准确的提取颈动脉超声序列图像的内中膜厚度，为心血管疾病的及早预防治疗提供诊断依据。关键词：颈动脉内中膜超声图像分割序列图像光流场主动轮廓模型IIAbstractAbstract Coronary atherosclerotic heart disease (or simply Coronary Heart Disease, CHD)has become a maj
6、or reason of Chinese disease mortality. Atherosclerosis causes theformation and rupture of the unstable plaque, the formation and shedding of arterialthrombosis, and also causes vascular occlusion; these three factors have been thoughtto be the main reason of acute Cardiovascular Disease (CVD) Event
7、s. Atherosclerosisis a systemic disease, and the carotid artery has the same risk factor andpathophysiological basis of atherosclerosis as the coronary artery. In this research, bystudying the carotid intima-media of health people, we can get the risk assessment ofCVD events, and then give proper ti
8、mely prevention and treatment; this processing isof great clinical significance.Ultrasonography diagnosis is non-invasive and non-ionizing, and has becomemore and more greatly appreciated as a clinical examination method. This research isabout sequential ultrasonic images, we propose a complete solu
9、tion for carotidultrasonography diagnosis. The main research work and contribution of thisdissertation can be summarized as follows:(1) According to the specific features of carotid ultrasonic images, several classicimage segmentation methods are discussed. The method based on active contourmodel is
10、 an effective contour extraction algorithm which combines low levelinformation and high level information and is convenient for manual intervention thatis suitable for carotid images processing. Traditional active contour model has severaldefects, such as being sensitive to initial position and unab
11、le to evolution to U-shape.So we use GVF active contour model instead of traditional active contour model, andovercome those defects. According to the implement procedure of the GVF activecontour model, we propose a semi-automatic segmentation method, in which therough contour is manual sketched fir
12、st, and then evolution is applied. This methodimproves not only the accuracy, but also the efficiency of the segmentation algorithm.(2) Processing the sequential ultrasound images. We predict the initial position byoptical flow method from the final segmentation contour of the previous frame imageto
13、 avoid error. Because of the large blood flow, successive two frame images maychange a lot, which means the carotid shapes change a lot. If we directly treat the finalsegmentation result of the previous frame image as the initial contour of the presentIIIAbstractframe image, there may be evolution e
14、rrors. Optical flow field represents the instantvelocity vector of every point in the image, which can be used to predict the initialcontour for active contour model. The usage of optical flow field eliminates humanerror，and makes the algorithm more robust.(3) Extracting the characteristic parameter
15、s of carotid artery for further analysiswith clinical knowledge. Both carotid intima-media thickness (CIMT) and texturecharacteristic parameters are extracted in this study. Although in the segmentationprocedure, we dont make use of texture information, they are of great significance.Different textu
16、re reveals different composition of carotid intima-media complex,which means different probability of causing CVD. Moreover, an analysis of CIMTperiodic variation with respect to cardiac cycle has been made combined withelectrocardiogram; this gives a more accurate understanding about CIMT. The elas
17、ticproperty, strain and strain rate can be calculated from the CIMTs periodic variation.As mentioned, we improve the segmentation algorithm of ultrasonic sequentialcarotid images in this paper, and propose a new active contour model based on opticalflow predicting initial contour. The experiment res
18、ult shows that the improvedalgorithm can extract the precise CIMT，and it could be used as supplementaryinformation in the diagnosis of carotid artery for early preventative treatment.Key Words：carotid，CIMT，ultrasound，image segmentation ，sequential images，optical flow，active contour modelIV图表目录图表目录图
19、1.1血管造影 .3图 1.2彩色多普勒超声成像 .4图 2.1颈动脉解剖图 .6图 2.2颈动脉超声成像图 .9图 3.1主动轮廓模型示意图 .16图 3.2吸引力和推斥力 .18图 3.3梯度下降法 .21图 3.4使用高斯函数对图像预处理 .28图 3.5 GVF主动轮廓模型提取颈动脉内中膜 .29表 3.1实验结果对比(单位：像素).30图 4.1孔径问题示意图 .34图 4.2光流场 .36图 4.3预测初始轮廓示意图 .37表 4.1实验结果对比(单位：像素).37表 5.1 CIMT统计数据(单位：mm).39图 5.1 GSM 相 对于年龄的分布 图.40图 6.1维纳滤波 .
20、4351中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。作者签名：_ 签字日期：_中国科学技术大学学位论文授权使用声明作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入中国学位论文全文数据库等有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、
21、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。公开 保密（_年）作者签名：_签字日期：_导师签名：_签字日期：_第 1 章绪论第1 章绪论1.1引言根据世界卫生组织(World Health Organization, WHO)最新的一期全球疾病负担对全球区域健康状况的全面调查，心血管病是全球范围造成死亡的最主要原因，与其它任何原因相比，心血管病每年造成的死亡最多。2004年估计有 1710万人死于心血管病，占全球死亡的 29%。在这些死亡中，估计有 720万死于冠心病(Coronary Heart Disease，CHD)，570万死于中风
22、(Stroke)。到 2030年，几乎有2360万人将死于心血管病，主要死于心脏病和中风。预计它们将继续成为死亡的一个主要原因。颈动脉狭窄与心脑血管疾病特别是脑中风有着十分密切的关系，但心脑血管位于人体内的深层而不易检测，所以人们试图通过检测靠近体表的颈动脉来预测心血管疾病的发生发展。约 30的缺血性脑中风(Ischemic Stroke) 是由颈动脉狭窄病变引起的，症状性颈动脉狭窄大于 70的患者 2年内脑中风的发病率可以高达 26 (符伟国等， 2010)。颈动脉狭窄的主要病因是动脉粥样硬化(Atherosclerosis)，流行病学 资料显示 90的颈动脉狭窄是由动脉粥样硬化所致。动脉粥
23、样硬化的病变形式是颈动脉形成硬化斑块造成狭窄，颅外段颈动脉狭窄的好发部位主要是颈总动脉(Common Carotid Artery, CCA) 的分叉处，特别是颈动脉膨大处(Bulb)。按病变的不同发展阶段，斑块可分 为纤维性斑块和复合性斑块两类。随着现代医学技术的发展，对血管类疾病已经有了很多有效的外科手术治疗方案，如针对颈动脉治疗的内膜剥除术(Carotid Endarteretomy, CEA)和颈动脉支架术(Carotid Artery Stent, CAS)，以及针对心脏冠状 动脉治疗的搭桥手术(HeartBypass Surgery)。但心脑血管 类疾病发作时往往非常 紧急，需要在
24、极短的时间内得到及时的手术救治，手术的过程对患者来说有一定的危险性，即使手术成功仍有很多患者会留下严重后遗症。现代科学的不断进步使得人们的健康观念也逐渐提高，开始意识到对血管类疾病的治疗并非完全取决于手术治疗手段的改善，更重要的是及早的发现问题，采取预防性的治疗手段。现代人的生活工作压力大，长期处于亚健康状态，定期的接受检查具有巨大的预防意义。1第 1 章绪论1.2颈动脉影像学诊断的现状对于人体内各器官组织的诊断方法一般可以分为影像学诊断和组织学诊断。组织学诊断是一种通过提取人体内相应部位的实体组织，进行检验和观察，明确其物理及化学性质，以便进行合理治疗的一种诊断方法。这种方法对患者是有创的，
25、不适合作为颈动脉部位的常规诊断，一般只适用于颈动脉内膜剥除术之后对分离下来的组织进行分析，此时颈动脉已经发生病变，所以这种方法只能作为一种事后的分析手段，不能够提供信息以提前对患者进行预防性的治疗。影像学诊断方法具有无创、方便等优点，在颈动脉的临床检测中广泛使用。目前，针对颈动脉的影像学诊断方法一般有血管造影、超声成像等。1.2.1 血管造影对颈动脉成像诊断的“ 金标 准” 是利用颈动脉血管造影技 术(程洁等，2004)。常用的基于 X射线的数字减影血管造影术(Digital Subtraction Angiography, DSA)是一种介入式的检测方法，这种方法的本质是 X射 线成像技术。
26、将造影剂注入血管内，由于 X射线无法穿透造影剂，造影剂在 X射线下的所显示影像就能反映出血管的形态。这种方法的成像清晰度最高，如图 1.1显示，医生能够从血管造影的成像中准确的识别出血管各个部位的细节，通过观测进一步做出正确的诊断。数字减影血管造影已经成为临床中不可替代的重要诊断方法，X 射线具有良好的穿透能力，能够对颅脑内的以及心脏周围的血管能够做出准确的成像。常用的血管造影技术除了上面提到的数字减影血管造影，还有基于磁共振成像(Magnetic Resonance Imaging，MRI)的 MR血管造影和基于计算机断层扫描(Computerized Tomography, CT)的 CT
27、血管造影，这两种造影方法借助计算机对目标血管进行三维重建成像，提供颈动脉的解剖学和形态学信息，。但血管造影目前仍然存在着一些缺点，血管造影的良好成像特性是以病人的有创伤为代价的，需要将金属细针插入动脉中，通过金属细针插入导管并移动到需要成像的位置注射造影剂，该过程有可能给患者带来医源性的血管损伤。此外还有两个方面可能会对病人产生不良的影响，一个是造影剂导致的速发型或迟发型过敏反应等副作用(卢伟等，2000)，一个是 X射 线对人体有潜在的致癌危险(Gonzalez et al. 2004；谢高强等，2005)。目前血管造影费用仍然较高，不利于重复检查，不适合对大量正常人进行测量。2第 1 章绪
28、论图 1.1血管造影1.2.2 超声成像超声波成像诊断是一种无损伤、无电离的可以透射人体组织的诊断工具(卫娜等，2004) 。超声入射到人体后，从表层到深层，将经过不同声阻抗和不同声衰减特性的器官和组织，超声波经过具有不同声阻抗的两种组织的分界面时会产生反射，并且在不同介质中传播的衰减也不同，这种不同的反射和衰减是构成超声图像的基础。超声成像设备就是将接受到的反射回波或者透射波，根据其强弱用亮度值不同的像素点加以表示，由此得到组织断面的超声图像。声波的多普勒效应也可以用于医学的诊断，通常称为彩超。简单的说，彩超就是灰度超图像再加上彩色多普勒动态显示。当超声探头和反射体之间有相对运动时，反射波的
29、频率会发生变化，这种频率的变化称为多普勒频移。由于血管内的血液是流动的物体，所以超声波探头与相对运动的血液之间就产生了多普勒频移。当血管朝向超声源运动时，反射波的波长被压缩，频率升高；当血管远离超声源运动时，反射波的波长变长，频率降低。反射波频率升高或降低的量与血液流动速度成正比，从而可根据超声波的频移量，测定血液的流速。彩色多普勒超声一般是用自相关技术进行多普勒信号处理，把自相关技术获得的血流信号经伪彩色编码后实时地叠加在二维图像上，形成彩色多普勒超声血流图像。血管内血流速度和血液流量对心脑血管的疾病诊断具有重要的价值，可见彩色多普勒超声既具有二维 B超图像的优点，又同时提供了血流动力学的丰
30、富信息，实际中3第 1 章绪论受到了广泛的重视和欢迎，在临床上被誉为“非创伤性血管造影” 。(a)B超图像 (b)血流的多普勒成像图 1.2彩色多普勒超声成像随着高频超声技术的应用，颈动脉超声图像的分辨率大大提高，可以清晰的显示颈动脉内中膜的形态，边界等细节，同时还具备血流信息，使得超声对颈动脉的诊断进入了一个新的阶段。图 1.2中图(a)显示对颈动脉超声成像得到的灰度图像，图(b)在灰度 图像基础上增加了血流的伪彩色显示。彩色多普勒超声把血液的流动显示为动态的伪彩色图像，这种方式直观，便于观察，但往往成像清晰度不如 B 超灰度图像，并且所以实际处理过程中，一般以 B超灰度图像作为主要手段，而
31、多普勒血流显示作为一种辅助手段综合处理。综上所述，本文的研究针对灰度超声序列图像展开。1.3论文的结构安排本文的研究主要针对超声序列图像，首先对单帧颈动脉超声图像进行处理，如前文所描述，人体颈动脉的早期病变主要体现在颈动脉血管内外膜的增厚导致的管腔狭窄，所以我们的主要目的是提取颈动脉内膜和外膜的边界，从而计算出内中膜厚度(Carotid Intima-Media Thickness，CIMT)。然后将单帧的图像处理推广到多帧的连续序列图像处理，从而得到一段超声记录中的每一帧图像的内中膜厚度提取结果，然后统计得到的内中膜数据并结合医学知识进行综合分析，最终得到结论。论文的整体结构安排如下：第 1
32、章绪论，主要是介绍本文的研究背景。首先简要介绍了当前影像学诊断方法在颈动脉早期诊断中的意义及其研究现状。主要介绍了血管造影和超声成像这两种目前实际中使用最广泛的颈动脉影像学诊断方法，讨论并比较了两者各自的工作原理、发展现状和优缺点。通过本章的介绍，为后续章节的描述打下认识的基础，也便于理解本文的现实意义。第 2章介绍了颈动脉超声图像分割的基本理论。首先阐述了颈动脉的生理4第 1 章绪论解剖学位置及构造，指出了本文研究的主要对象是颈动脉的内中膜。然后介绍了超声成像的基本理论，并简要分析了颈动脉超声图像的基本特征。随后回顾了数字图像处理中的几种常用的图像分割算法。第 3章主要研究单幅颈动脉超声图像
33、的分割。根据颈动脉超声图像的特征，本文决定采用基于主动轮廓模型的分割方法，并详细的分析了该模型的原理及其算法实现，针对原始主动轮廓模型的缺陷本文采用了改进的 GVF主动轮廓模型。随后比较了使用该算法自动分割的结果和手工分割的结果。第 4章把单幅图像处理推广到多幅图像处理，即连续的超声序列图像处理。本章提出了一种利用光流场预测初始轮廓的方法，能够在前一帧图像分割结果的基础上，通过光流场预测得到当前帧图像主动轮廓模型的初始位置，然后经过演化过程得到收敛结果，也就是得到图像的分割结果。本章详细讨论了光流场的计算方法，并通过仿真验证了算法的正确性。第 5章主要研究从分割之后的图像中提取特征参数。本文提
34、取的参数包括颈动脉内中膜厚度(CIMT)及纹理参数，并结合医学知识对数据进行了详细分析，使本文的研究能够服务于实际的临床诊断之中。第 6章总结全文的研究内容和创新之处，首先揭示出主动轮廓模型和光流场在数学思路上的共同点，并把这种思路扩展到一般的信号处理中。最后针对本文研究内容不够深入之处，对未来的进一步研究工作做出了展望。5第 2 章颈动脉超声图像分割基础理论第章颈动脉超声图像分割基础理论2.1颈动脉生理解剖学简介图 2.1颈动脉解剖图颈动脉(Carotid Artery)是位于颈部肌肉组织下向头 部供血的一条重要动脉。如图 2.1所示，颈总动脉(Common Carotid Artery ，
35、 CCA)分叉为两个主要分支，即颈外动脉(External Carotid Artery，ECA)和颈内动脉(Internal Carotid Artery，ICA)。 颈内动脉主要向颅内的大脑供血，而颈外动脉主要向颅外的面部各个器官供血。颈动脉窦(Carotid Bulb，or Carotid Sinus)是 CCA 末端和 ICA 起始处的膨大部分，血液在这个部位的流动较为复杂，血液中的各成分的沉积最为严重，所以颈动脉窦是颈动脉粥样硬化斑块的高发部位。6第 2 章颈动脉超声图像分割基础理论2.2颈动脉超声成像简介2.2.1 超声成像的相关基本理论现代声学的频谱范围为 10-41014Hz
36、，在这样一个广阔的频域中，可分为次声频段(10 -420Hz)，可听频段(2020KHz)和超声频段 (20KHz以上)。把 108Hz 以上的频段称为特超声，而 1081012频段与微波频段相对应，称为微波超声。超声波实质上机械振动在弹性介质中的传播，因而是一种机械波。超声波的传播必须借助于弹性介质，在真空中是不能传播的，这是它与电磁波的一个本质区别。声波与电磁波的另一个巨大差异是它在弹性媒质中的传播速度远比电磁波的传播速度小，这使得它在某些领域有着特殊的技术应用。人体内不同声特性参数的软组织和各个器官构成了大小不等、排列各异的声学界面，这是超声波分辨不同组织结构的声学基础。超声在介质中沿直
37、线传播，当遇到介质分界面时，根据分界面尺度的不同分为两种情况：如果分界面尺度与声波的波长数量级相同，发生散射；如果分界面尺度远大于超声波长，则发生反射和透射。除了反射和透射，超声在介质中传播还会有衰减效应，表现为超声波振幅与强度的减小，衰减与介质的声衰减系数成正比，与距离的平方成反比。此外超声波作为一种波动，具有多普勒应(Doppler effect)，超声波源和反射体之间的相对运动产生多普勒频移，多普勒效应使超声能够探查心脏活动以及血流状态。根据超声在介质中传播中的反射和透射现象，超声成像有回波型超声成像和透射型超声成像两大类。前者是利用超声反射波而获得物体图像的一种超声成像方法，后者是利用
38、超声透射波获得物体图像的超声成像方法。目前，在临床中实际使用的超声诊断设备都是采用回波型超声成像。根据所采用的信号显示方式、声束扫描方式不同，形成了多种超声成像种类，下面介绍在临床中应用的几种主要类型。(1)型(Amplitude Mode)超声扫描。这是最早用于医学 诊断的超声成像方式，采用幅度调制型(Amplitude Modulation) 。把探头置于需要检测的人体部位发射脉冲超声波，探头接受通过人体的脉冲回波并加以放大，并将脉冲的幅值在屏幕上显示出来。型超声得到的结果是一维的超声波形，在示波器上的纵坐标显示超声反射脉冲的幅度，横坐标为时间。脉冲之间的间隔反映了反射面的深度信息，脉冲的
39、幅度反映了反射界面两侧的声阻抗信息。A 型超声得到的一维图像不能直观的反映出人体组织，对它进行分析的结果取决于医生的临床经验，目前已经被逐渐被其他方式取代。7第 2 章颈动脉超声图像分割基础理论(2)B型 (Brightness Mode)超声扫描。一维扫描只能根据波形中脉冲的幅度和疏密进行诊断，这样一维超声即型超声在超声医学诊断上受到了很大限制。目前 B型超声 扫描利用多阵元探头向人体发射超声波，即进行二维空间扫描，再把人体反射回波信号加以放大处理后，利用亮度调制(Brightness Modulation)以光斑的方式显示，回波信号强则光点的亮度大，回波信号弱则光点的亮度低。光点的亮暗程度
40、(图像的灰度) 就表征出该点的声阻抗特性，两个光点之间的距离对应于实际距离，可见 B型超声能直观地的反映人体组织的状况。随着超声成像技术的发展，B超图像的成像精度越来越高，分辨率越来越高，本文的研究就是针对 B超 图像的处理。(3)型(Motion Mode)超声扫描仪。M 型超声是A型超声和B型超声的结合，有两者的优点，能够显示人体内脏器的运动状况，通常用于心脏的检测，又称为超声心动图(Ultrasound Cardiogram，UCG)。M型超声采用亮度调制，探头在固定位置发射和接受超声波，回波信号处理后在显示器上沿水平方向展开，即横坐标表示时间，纵坐标表示心脏各部位的运动状态。(4)D型
41、(Doppler Mode)超声。这种模式主要根据超声波的多普勒效 应设计，用于测量血流速度、确定血流方向和性质(如层流或湍流)等，获得最大速度、平均速度、压差、阻力指数等有关血流动力学的参数。2.2.2 颈动脉超声图像的基本特点(a)长轴成像及内中膜示意图8第 2 章颈动脉超声图像分割基础理论(b)短轴成像图图 2.2颈动脉超声成像图人体的颈动脉呈现一种多层的分层膜结构，相邻两层膜组织的声阻抗都有很大差异，超声波在分界面形成良好的界面反射，B型超声扫描的成像清晰完整，因此超声适合用于颈动脉的成像检测。根据在检测过程中，超声探头的操作位置不同，颈动脉超声成像通常分为两类，长轴成像和短轴成像：将
42、探头发射超声波的截面沿着血管血流方向摆放得到长轴成像，垂直血流方向摆放得到短轴成像。如图 2.2(a)所示长轴成像得到的内中膜是一条带状区域，而图 2.2(b)中短轴成像得到的内中膜是一个环形区域，长轴成像能够显示一段颈动脉从颈总动脉到颈内动脉的整体情况，而短轴成像只能显示其中的一个横截面，所以本文后面对颈动脉的分析都是使用长轴成像。图 2.2(a)显示，颈动脉长轴成像大致沿着水平方向的中线程对称分布，由于超声成像的特点，血管前壁部分即图中的 Z1、Z2 、Z3区域不如血管后壁的 Z5、Z6、Z7清晰，所以本文的研究都是针对颈动脉的后壁展开。通常情况颈动脉分为血管腔、内膜、中膜、外膜四个部分。
43、最中间的部分是血管腔，是血液流经的通道，由于血液对超声的反射很小，所以血管腔在超声图像中一般显示为较暗的区域。最靠近血管腔的一层膜称为内膜(intima layer)，内膜随年龄的增长不断增厚，刚出生婴儿的内膜只有一层组织细胞，随着年龄的增长，健康的正常人在 40岁的内膜厚度平均值为 0.25mm。紧贴内膜的是中膜(media layer)，中膜可以使超声波通过而不产生回波，在 图像中显示为一条较暗的细线，由于声阻抗的不匹配，往往显示出亮暗相间的纹理(Loizou et al，2007)。中膜主要是由封闭在内外两层弹性组织之间的平滑肌细胞组成。最近的研究发现，中膜的厚度随年龄的变化不明显，一般
44、厚度介于 0.125mm到 0.35mm之间。外膜(adventitia layer)是在中膜再往外的一 层组织，这 部分对超声的反射很强，图像中为较亮的区域，通常我们使用的内中膜厚度 (CIMT)就是以外膜为界，内膜和9第 2 章颈动脉超声图像分割基础理论中膜两部分厚度相加构成。Loizou的研究指出中膜的厚度也是一个评估患者发生CVD风险的重要参数，但由于内膜和中膜在超声图像中紧密相邻难以分割，所以本文的研究重点仍然是内中膜。一般认为动脉粥样硬化主要是由于人体血液内的胆固醇含量较高，导致脂质对血管壁的入侵和沉积增多，在内皮下形成脂点或者脂纹并逐渐发展成粥样斑块(赵云，朱文玲， 1997)
45、。在颈动脉超声图像中主要反映在 CIMT明显的增厚(Houman et al，2007)，当 CIMT增厚到一定的程度认为是形成斑块，国内外各文献报道的颈动脉粥样硬化斑块诊断标准不一，但绝大多数以 CIMT大于 1.2mm为诊断标准(Hurst et al，2007)。观察不同患者的颈动脉图像还可以发现一个直观的现象，除了 CIMT厚度值不同之外，增厚的内中膜形态学和纹理特征也是不同的，综合这两方面特征考虑，可以将斑块分为扁平斑块、硬性斑块、软性斑块和溃疡性斑块，颈动脉粥样硬化中以扁平斑块最多见，其次是软性斑块、硬性斑块，溃疡斑块最少，其中软性斑块和溃疡斑块容易破裂、出血及形成血栓，为不稳定斑
46、块(姬 智艳等，2008) 。由此可见纹理特征结合 CIMT才能准确的反映出颈动脉的健康状况，从而预测 CVD发生的风险，本文在第 5章分析了特征参数的提取。2.3常用医学图像分割综述图像分割的在医学应用中具有非常重要的意义，良好的图像分割结果是后续图像特征参数提取、分析和诊断的前提。图像分割就是把图像中具有不同特征的区域分开来的过程，这些特征包括灰度、颜色、纹理、形状等，也可以是其中几种特征的组合。Gonzalez使用集合论的数学语言，对图像分割进行了严格的定义表述，令集合 R代表整个图像区域，对 R的分割可看作将 R分成若干个满足下述条件的非空的子集(子区域) R1，R2，Rn：；2.对于
47、 ，有 ；3.每个子区域 R1，R 2，Rn都是连通的；4.对于各个子区域，有均匀性测度度量 P为真，但对其中任意两个和两个以上相邻子区域之并，其均匀性测度度量 P为假，即： 且Rj=FALSE10第 2 章颈动脉超声图像分割基础理论上面的 4个条件中，条件 1说明了分割的完备性，即分割必须是完全的，分割后的所有子区域能够组成分割前的整幅图像；条件 2说明了分割的互斥性，即分割后的各个子区域应该互相独立没有交集，或者说同一个像素不能同时属于多个子区域；条件 3说明分割之后的每个子区域内的像素都应该是连通的；条件 4涉及在分割区域内的像素必须满足的性质例如如果所有 Ri内的像素具体相同的灰度级，
48、则 ，并且不同的区域 Ri和 Rj 对于谓词 P 必须是不同的(Gonzalez et al，2003) 。由于医学图像的复杂性和多样性，图像分割这个经典的问题仍然没有彻底解决。不同的成像技术的差异和人体内各个组织特性的差异，再加上成像过程中的组织运动和噪声的影响，导致了医学图像与普通图像相比具有不均匀、模糊等特点。为了解决这一难题，近年来研究人员做了大量的工作，但目前对于所有的医学图像还没有一种普遍适用的图像分割方法。图像分割算法一般是基于图像亮度值的两个基本特征之一：不连续性和相似性。不连续性在图像分割中的应用途径是基于亮度的不连续变化分割图像，比如基于图像边缘的分割方法。相似性在图像分割
49、中的主要应用途径是按照某种准则将图像分为相似的区域，门限处理、区域生长、区域分离和聚合都是这类方法的实例。本节将简要综述各种医学图像的分割方法，按照是否使用不连续性和相似性把图像分割分为三大类：基于边缘提取的分割方法、基于区域的分割方法和其他方法。2.3.1 基于边缘提取的分割方法基于边缘提取的图像分割方法是人们最早开始研究的分割方法，因为在图像边缘处的像素灰度变化幅度一般比较大，所以可以通过检测图像中的边缘位置来进行图像分割。按照检测边缘的具体方式不同，一般把边缘检测技术分为并行边缘检测和串行边缘检测。并行边缘检测技术对目标区域的分割采取并行处理的方法，在确定图中的某点是否是边缘点时不需要考虑其他点是否边缘点。首先采用各种并行边缘算子检测边缘点，然后利用 Hough变换等方法把得到的边缘 点组成连续的边界，即分为边缘检测和边缘拟合两个步骤。常用的一阶算子有梯度算子、 Prewitt算子、Sobel算子，二阶导数算子
