基于血管内超声图像自动识别易损斑块

被引：8

作者：

张麒 ^{[1
]}

汪源源 ^{[2
]}

马剑英 ^{[3
]}

钱菊英 ^{[3
]}

施俊 ^{[1
]}

严壮志 ^{[1
]}

机构：

[1] 上海大学通信与信息工程学院

[2] 复旦大学电子工程系

[3] 复旦大学附属中山医院心内科

来源：

光学精密工程 | 2011年 / 19卷 / 10期

关键词：

血管内超声; 动脉粥样硬化易损斑块; 特征提取; 模式识别; 图像分割;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为克服手工判别动脉粥样硬化易损斑块耗时耗力、主观性强、重复性差等缺点,研究了基于血管内超声自动识别易损斑块的方法。首先将Contourlet变换与Snake模型相结合进行斑块的图像分割,提取内腔轮廓与外弹力膜。接着实现经典形态特征的计算机自动提取,并提取纹理、弹性两类新特征以量化斑块属性,其中纹理特征包括一阶统计量和灰度共生矩阵特征,弹性特征的提取则基于非刚性图像配准。最后设计Fisher线性判别、支撑向量机、广义相关学习矢量量化3种分类器进行分类判决。对124例斑块(36例易损,88例非易损)的实验结果表明:20个形态特征、24个纹理特征和6个弹性特征在两类斑块间存在显著性差异(P<0.05);采用三类特征由支撑向量机进行分类时效果最好,在测试集上敏感性、特异性、准确率和约登指数分别达到91.7%、97.7%、96.7%和89.4%,表明利用血管内超声图像中斑块的三类特征能自动、准确地识别易损斑块。

引用

页码：2507 / 2519

页数：13