基于IVUS的斑块类型识别与三维重构

发布时间：2017-08-20 06:05

  本文关键词：基于IVUS的斑块类型识别与三维重构

  更多相关文章： 血管内超声 冠状动脉造影 斑块识别 支持向量机 三维重构

【摘要】：高死亡率的急性冠脉综合征常常是由不稳定斑块的破裂而引发的,而不稳定斑块一个明显特点便是其脂质斑块含量超过30%。另外对急性冠脉综合征的临床尸检结果表明50%~70%的患者血管狭窄程度小于50%,因此在急性冠脉疾病的防治上,研究斑块的组成比斑块的大小更有实践指导意义。目前临床上对于冠脉疾病的两种主要诊断方法是冠状动脉造影和血管内超声影像。冠状动脉造影可以显示血管长轴方向的二维投影信息,缺点是比较容易受到周围参考的血管段和冠脉造影系统的投影角度的影响,导致它在诊断冠脉粥样硬化疾病时有着其局限性。血管内超声成像可以提供包括斑块的分布和组成情况等血管内的横截面信息。两种图像在诊断冠脉疾病时各有优势与不足。本文结合冠脉造影图和血管内超声图,实现了两者信息融合,建立了含有斑块信息的感兴趣血管段三维模型。本文的研究内容具体分为以下步骤,先是对血管造影图进行处理,在通过预处理和形态学细化处理得到血管的中心线。接着利用同时获得的不同角度的造影图进行血管段的三维坐标求取,进而得到血管中心线的三维骨架。在得到血管中心线的三维骨架以后,接着是对血管内超声图像的处理。通过预处理去除导管及伪影信息,进而在血管内超声图像内经过改进外部力的主动轮廓模型进行内外膜轮廓分割提取感兴趣斑块区域,接着针对血管内超声图像采用灰度-梯度共生矩阵对不同类型斑块区域提取其15个纹理特征值,并且利用支持向量机模型设计分类器对不同的特征集之间关系进行分析探讨,再利用受试者工作特征(Receiver operating characteristic,ROC)曲线评价分类器的性能,选择对斑块识别时正确率较高的特征集,并用分类器性能较好的特征集对斑块进行分类标定。最后将含有斑块信息的血管内超声图像放在重建的三维骨架上,重构出了感兴趣血管段的三维模型。结果显示,在重建的血管三维模型中,不仅可以显示获得感兴趣血管段的三维形态,还有助于对血管内部的斑块信息进行分析观察,这对临床上冠脉粥样硬化疾病的诊断治疗有着重要意义。
【关键词】：血管内超声 冠状动脉造影 斑块识别 支持向量机 三维重构
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R541.4;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-15
• 1.1 课题研究背景9-11
• 1.1.1 冠脉粥样硬化斑块9-10
• 1.1.2 冠脉粥样硬化研究中的医学手段10-11
• 1.2 课题研究的目的及意义11-12
• 1.3 国内外研究现状12-13
• 1.4 论文主要研究内容13-15
• 第2章 血管超声图和冠脉造影图研究方法15-21
• 2.1 引言15
• 2.2 血管内超声成像研究方法15-18
• 2.2.1 超声成像原理15-16
• 2.2.2 IVUS图像特点16-17
• 2.2.3 IVUS图像组织描述17-18
• 2.3 X射线冠脉造影研究方法18-20
• 2.3.1 冠脉造影成像原理18-19
• 2.3.2 CAG图像预处理方法19-20
• 2.4 本章小结20-21
• 第3章 CAG图像内血管骨架的三维重建21-32
• 3.1 造影图像的预处理21-22
• 3.2 血管骨架提取22-25
• 3.2.1 提取血管部分22-24
• 3.2.2 血管二维骨架提取24-25
• 3.3 血管骨架三维重建25-30
• 3.3.1 骨架匹配点对建立25
• 3.3.2 三维坐标求取25-28
• 3.3.3 中心线三维重建28-30
• 3.4 本章小结30-32
• 第4章 IVUS内斑块识别及血管三维重建32-64
• 4.1 引言32
• 4.2 血管内超声图像的斑块区域分割32-35
• 4.2.1 IVUS预处理32-33
• 4.2.2 斑块区域轮廓分割33-35
• 4.3 斑块区域特征提取35-46
• 4.3.1 灰度-梯度共生矩阵35-39
• 4.3.2 斑块的特征提取39-43
• 4.3.3 特征值统计差异性检验43-46
• 4.4 斑块识别结果及评价46-58
• 4.4.1 基于SVM的斑块识别46-52
• 4.4.2 基于ROC曲线的分类判决评价52-58
• 4.5 血管模型三维重建58-63
• 4.5.1 斑块区域组织标定58-59
• 4.5.2 斑块信息与三维血管骨架融合59-61
• 4.5.3 血管模型重建评价61-63
• 4.6 本章小结63-64
• 结论64-66
• 参考文献66-72
• 致谢72

【参考文献】

中国期刊全文数据库 前3条

1 崔崤\，

本文编号：704941