基于高斯混合模型聚类的B超图像颈动脉内膜和中膜厚度检测

发布时间：2021-07-31 12:08

　　内、中膜厚度是临床上用于评价动脉粥样硬化发展程度的主要指标。目前,基于B超图像测量内、中膜厚度通常由专业医生手动标记内、中膜边界来实现,过程繁琐耗时,人为影响因素多。本文提出了一种基于高斯混合模型（GMM）的聚类灰度阈值法,以检测B超图像中颈动脉内、中膜厚度。首先基于GMM对颈动脉图像灰度聚类,然后用灰度阈值法检测血管壁内、中膜的分界,最后测量二者的厚度。与直接使用灰度阈值法的测量技术相比,颈动脉B超图像的聚类解决了内、中膜灰度边界模糊的问题,从而提高了灰度阈值法的稳定性与检测精度。本研究选取120例健康颈动脉临床试验数据,以两名专家分别手动精细测量4次的内、中膜厚度的均值作为参考值,最终研究结果显示,经GMM聚类后估计的内、中膜厚度的归一化均方根误差（NRMSE）分别为0.104 7±0.076 2和0.097 4±0.068 3;与直接进行灰度阈值估计的结果相比,NRMSE的均值分别减小19.6%和22.4%,表明本文所提方法测量精度有所提高;标准差分别减小17.0%和21.7%,表明所提方法稳定性增加。综上,本文方法有助于动脉粥样硬化等血管疾病的早期诊断和病程监测。 

【文章来源】：生物医学工程学杂志. 2020,37(06)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

GMM聚类阈值法测量颈动脉内、中膜各自厚度的流程图

为了评估GMM对颈动脉B超图像聚类处理的性能，本研究对比了GMM聚类前后的B超图像及血管壁三层膜的灰度变化曲线，分析血管壁边缘对比度及清晰度。本文分别使用直接阈值法和GMM聚类阈值法检测不同阈值下的内、中膜厚度，以分析GMM聚类处理对阈值法稳定性的改进。另外，考虑到专家手动精细分割测量是目前临床上评估内、中膜厚度测量精度的金标准，本文以两名专家手动精细分割4次结果的均值作为参考值，计算直接阈值法和GMM聚类阈值法对内、中膜厚度检测结果的归一化均方根误差，定量分析GMM聚类处理对阈值法检测精度的影响。试验在4 GB内存及中央处理器（i5-5200U,Intel Inc.，美国）上利用数据分析软件MATLAB R2016a(MathWorks.，美国）编程实现。3 实验结果与分析

如图5和图6所示为另一例32岁健康女性颈动脉近分叉处B超原始图像及3个不同位置（黄色虚线）的血管壁（红线）灰度变化曲线，由图5、图6可见，经GMM聚类处理后的结果整体呈现与图3、图4所示26岁男性案例一致的变化趋势和特征。图4 26岁男性颈动脉GMM处理前后不同位置灰度变化曲线

【参考文献】：
期刊论文
[1]深度全卷积网络的IVUS图像内膜与中—外膜边界检测[J]. 袁绍锋,杨丰,徐琳,刘树杰,季飞,黄靖.  中国图象图形学报. 2018(09)
[2]血管内超声斑点的概率模型建立及应用[J]. 柴五一,杨丰,袁绍锋,梁淑君,黄靖.  南方医科大学学报. 2017(11)
[3]基于深度学习的颈动脉超声图像内中膜厚度测量[J]. 孙萍,李锵,关欣,滕建辅.  国际生物医学工程杂志. 2016 (05)
[4]灰度不均的弱边界血管图像分割方法[J]. 吴杰,朱家明,张辉.  计算机应用. 2016(S1)
[5]基于支持向量机的颈动脉超声图像内中膜厚度测量[J]. 刘一学,李锵,关欣,白煜.  中国医学物理学杂志. 2016(05)
[6]颈动脉内膜增厚检测对防治颅内动脉硬化的临床意义[J]. 陈欣,郝军,李彦青.  当代医学. 2015(36)
[7]颈动脉内中膜厚度及弹性定量指标对冠状动脉粥样硬化性心脏病诊断的预测价值[J]. 王怡,段云友,张莉,袁丽君,许磊,杨一林,曹铁生.  中华医学超声杂志(电子版). 2013(09)
[8]个体行为数据聚类的双重混合高斯模型算法[J]. 戴涛,骆科东,李春平.  计算机应用. 2004(08)



本文编号：3313437