頸總動脈超聲圖像內(nèi)中膜邊界跟蹤方法*

楊風輝 尚長浩

頸總動脈超聲圖像內(nèi)中膜邊界跟蹤方法*

楊風輝①尚長浩①

目的：研究一種頸總動脈超聲圖像內(nèi)中膜邊界識別跟蹤方法，為采用更為簡便的方法提取內(nèi)中膜邊界提供基礎。方法：規(guī)定一個代價函數(shù)，從前導程序給定的初始定位點出發(fā)，向兩側逐列延伸，在每一像素列上計算代價函數(shù)的值，尋找代價函數(shù)最小值的點的集合，直至滿足程序規(guī)定的終止條件后，代價函數(shù)的計算過程終止。程序記錄下代價函數(shù)最小值的所有點的坐標和灰度值。結果：在臨床采集的圖像中可以跟蹤得到內(nèi)中膜邊界點集合并在輸出圖形中顯示，程序后臺存儲了點集合的坐標及相應灰度數(shù)據(jù)。結論：該方法可以在較為清晰的超聲圖像中實現(xiàn)頸總動脈內(nèi)中膜邊界跟蹤。

內(nèi)中膜；邊界跟蹤；代價函數(shù)；超聲圖像

DOI∶ 10.3969/J.ISSN.1672-8270.2015.11.008

[First-author’s address] Department of Equipment Management, Changhai Hospital, the Second Military Medical University, Shanghai 200433, China.

腦卒中是當前威脅人類健康的重大疾病之一，而我國的腦卒中發(fā)病率目前位居世界第一，由于腦卒中嚴重危害人體健康，已引起醫(yī)學界的廣泛關注[1-2]。醫(yī)學研究表明，腦卒中的發(fā)病與血管病變有密切關系，在腦卒中的臨床檢查中，常以頸動脈內(nèi)中膜厚度(intima-media thickness，IMT)作為血管病變的重要指標，并利用彩色多普勒超聲儀進行檢查[3]。為提高頸動脈IMT測量的準確性，利用計算機在圖像中進行自動測量。該方法由計算機自動根據(jù)超聲圖像進行參數(shù)測量，且一次能夠測量大量圖像，測量效率高，測量結果準確。測量頸動脈IMT須在圖像中找出內(nèi)中膜圖像區(qū)域，而尋找該區(qū)域的方法之一是在圖像中定位一個初始內(nèi)中膜像素點位置，然后進行邊界跟蹤。本研究在得到初始內(nèi)中膜分界點位置的基礎上，采用一種頸動脈內(nèi)膜與管腔、中膜與外膜邊界的跟蹤方法[4]。

1 頸動脈超聲圖像特征

使用SonoSite公司生產(chǎn)的M-Turbo便攜式超聲成像儀，連接L38型5～10 MHz變頻探頭，成像深度為2.0 cm。圖像為灰度圖像，圖像色彩深度256色，空間分辨率為0.075 mm/pixel。圖中可清晰分辨動脈內(nèi)中膜影像。動脈管腔在圖中顯示低灰度區(qū)域，在圖像質量較好時，管腔區(qū)域像素灰度值為0；內(nèi)膜在圖中顯示較高灰度區(qū)域，進行內(nèi)中膜定位、跟蹤前，以圖中最低和最高灰度值為參考進行圖像標準化變換。頸動脈超聲圖像如圖1所示。

圖1 正常人頸動脈縱切圖像

圖1顯示，黃色方框區(qū)域內(nèi)的局部放大圖像清楚可見頸動脈內(nèi)膜與管腔的分界有較明顯的灰度躍變，這種灰度躍變給內(nèi)膜邊界跟蹤提供了方便，如圖2所示。

圖2 局部放大的管腔與內(nèi)膜分界面示圖

2 頸動脈內(nèi)膜邊界跟蹤算法

頸動脈內(nèi)膜邊界跟蹤是尋找圖像中內(nèi)膜與管腔分界點集合的過程，頸動脈中膜與外膜邊界跟蹤則是尋找圖像中中膜與外膜分界點集合的過程。以頸動脈內(nèi)膜與管腔邊界跟蹤為例，中膜與外膜邊界跟蹤相類似。在跟蹤時需邊界跟蹤準確，即確定的每個像素點均為頸動脈管腔與內(nèi)膜區(qū)域的分界點；同時跟蹤得到的邊界應具有連續(xù)性，即變化需有過渡，避免出現(xiàn)突然的變化而使邊界存在斷裂感。因此，根據(jù)頸動脈超聲圖像特征，采用代價函數(shù)法進行跟蹤[5]。代價函數(shù)的構成兼顧跟蹤的準確性與連續(xù)性為公式1：

式中i為圖像中像素列編號，開始跟蹤的像素列標記為第1列；j為每列像素上選擇的待測像素點的序號；Ej和Gj分別為第j列上的每個待測像素點的邊界和平滑分量。

待測像素點為備選點集合，每列像素上的管腔與內(nèi)膜分界點是從這些待測像素點中選擇而得到的，且選擇待測像素點的原則如下。

(1)以前一列像素上的分界點所在行為中點，在本列像素列向上和向下各取7個像素點，包括中點共為15個點，構成本列的待測像素點，本列的分界點即從其15個待測像素點中產(chǎn)生。

(2)邊界分量Ej的取值反映該待測像素點被選做分界點的可能性大小，由于計算結果可能出現(xiàn)相等的情況，此時平滑分量Gj來確定待測像素點最終成為本列的分界點，原則是保持本列分界點所在行與前列分界點所在行的行距最小。

(3)跟蹤的方法是尋找代價函數(shù)的最小值[6-7]。代價函數(shù)由對應于各分界點的分量組成，各分界點分量均被設定為正值，因此其整體最小值的取得需要每個分界點的分量均取最小值。在跟蹤過程中，對于每列上的15個待測像素點均計算出Ej和Gj的值，其與最小的點作為該列上的分界點。這一過程則為尋求代價函數(shù)相應分量最小值的過程。所有像素列均按照該方法選擇分界點，最終可得到內(nèi)膜的邊界[8-9]。邊界向左跟蹤時如圖3所示。

圖3 向左追蹤時分界點的選擇示圖

待測像素點Ej和Gj的計算為公式2和公式3：

式中可選點和非可選點是對每列上15個待測像素點的區(qū)分。每個待測像素點的Ej和Gj根據(jù)該點是否可選點直接賦值，并需要預先判斷該點是否可選點?？蛇x點的判斷主要以灰度躍變的大小為準，先計算待測像素點的同列上、下各2個像素點的灰度躍變值，與閾值比較得到一個或多個點，然后選擇灰度躍變最大的點為可選點，其余為非可選點。特殊情況下出現(xiàn)灰度躍變相等的點，則由Gj來確定所選擇的點[10-11]。同列上、下2個像素點的灰度躍變判斷程序片段如下：

……

max1=max(image2(ir-2：ir-1，ic))；

threshold=image2(ir，ic)-max1；

tem1=image2(ir-2：ir-1，ic)；

tem2=image2(ir+1：ir+2，ic)；

tem1=mean(tem1)；

tem2=mean(tem2)；

if tem2-tem1＜threshold || tem1＞5

……

程序中threshold為閾值，閾值是待測點灰度值與待測點上方2個像素點中的較大灰度值的差。利用閾值進行判斷所依據(jù)的思想是根據(jù)頸總動脈圖像特點，上方圖像應比下方圖像暗，分界點上、下像素點的灰度值躍變較其他區(qū)域為最大[12-13]。若某點為分界點，該點下方2個點像素平均值減去該點上方2個點像素平均值，得到的差應比該點像素值減去該點上方的2個點像素值中最大者更大[14-16]。

通過閾值篩選得到一個或多個點后，選擇兩行間灰度躍變最大的點為可選點，其余為非可選點，其程序流程如圖4所示。

圖4 跟蹤程序流程圖

3 頸動脈內(nèi)膜邊界跟蹤實驗測試

采集動脈斑塊患者圖像，將該圖像從超聲成像儀輸出至計算機工作站，如圖5所示。

圖5 頸總動脈斑塊圖像

將程序輸入坐標，模擬實際操作中的截取操作。截取圖中第295～410行，第565～780列的圖像，如圖6所示。

圖6 截取測試部分圖像

在圖像該部分進行驗證，內(nèi)膜分界點初始坐標為(364，668)，中膜分界點初始坐標為(373，668)。將截取圖像坐標和初始點坐標輸入程序，得到如圖7所示的結果。

圖7 跟蹤結果圖像

4 結論

跟蹤程序是動脈內(nèi)中膜厚度檢測和斑塊成份分析程序的組成部分。在確定圖像后，先由動脈管壁定位程序找到正常動脈內(nèi)中膜的一對分界點，再將其中內(nèi)膜與管腔的分界點、中膜與外膜的分界點的坐標傳遞給本程序進行跟蹤。本研究在實驗測試部分中給出的初始坐標點(364，668)和(373，668)即為動脈管壁定位程序找到的正常內(nèi)中膜的分界點。中膜與外膜的跟蹤同樣從給出的初始坐標點開始，但結束是以內(nèi)膜結束點為準，因此內(nèi)膜與中膜的邊界縱向保持整齊。跟蹤結束后再將得到的所有內(nèi)中膜分界點坐標傳遞給后續(xù)的斑塊分析程序。

內(nèi)中膜邊界跟蹤是判斷動脈IMT是否異常的基礎，邊界點確定后可以計算IMT，在IMT異常部位認定為斑塊。圖像質量對跟蹤結果有較大影響，需要在取得圖像時注意控制。本研究所述方法與采用Snake算法及各類濾波算法的方法相比，較為簡單，在圖像清晰時該算法可滿足頸動脈IMT測量的準確性要求[3，7-8]。

隨著超聲成像儀硬件的不斷發(fā)展，高質量超聲圖像的取得更為容易，可為采用更為簡便的方法提取內(nèi)中膜邊界提供了基礎。

[1]方向華，王淳秀，梅麗平，等.腦卒中流行病學研究進展[J].中華流行病學雜志，2011，32(9)：847-853.

[2]Ludwig M，von Petzinger-Kruthoff A，von Buquoy M，et al.Intima media thickness of the carotid arteries： early pointer to arteriosclerosis and therapeutic endpoint[J].Ultraschall Med，2003，24(3)：162-174.

[3]Baldassarre D，Amato M，Bondioli A，et al.Carotid artery intima-media thickness measured by ultrasonography in normal clinical practice correlates well with atherosclerosis risk factors[J]. Stroke，2000，31(10)：2426-2430.

[4]尚長浩.頸總動脈超聲圖像中內(nèi)中膜定位方法的研究[J].中國醫(yī)學裝備，2013，10(8)：18-20.

[5]Mignotte M，Meunier J.A multiscale optimization approach for the dynamic contour-basedboundarydetection issue[J].Computerized Medical Imaging and Graphics，2001，25(3)：265-275.

[6]Santhiyakumari N，Madheswaran M.Noninvasive evaluation of carotid artery wall thickness using improved dynamic programming technique[J].SIViP，2008，2(2)：183-193.

[7]郭翌，汪源源，王威琪.超聲圖像頸動脈內(nèi)中膜提取方法[J].聲學技術，2007，26(5)：1034-1035.

[8]Petroudi S，Loizou C，Pantziaris M，et al. Segmentation of the common carotid intimamedia complex in ultrasound images using active contours[J].IEEE Trans Biomed Eng，2012，59(11)：3060-3069.

[9]Loizou CP.A review of ultrasound common carotid artery image and video segmentation techniques[J]. Med Biol Eng Comput，2014，52(12)：1073-1093.

[10]李國寬，程新耀，周淵，等.超聲圖像中頸動脈血管內(nèi)外膜分割[J].華中科技大學學報，2010，38(6)：75-79.

[11]張志涌.精通Matlab R2011a[M].北京：北京航空航天大學出版社，2011.

[12]Gonzalez RC，Woods RE.Digital image processing[M].3版.北京：電子工業(yè)出版社，2010.

[13]Katakami N，Kaneto H，I Shimomura I.Carotid ultrasonography：A potent tool for better clinical practice in diagnosis of atherosclerosis in diabetic patients[J].J Diabetes Investig，2014，5(1)：3-13.

[14]Nair SB，Malik R，Khattar RS.Carotid intimamedia thickness：ultrasound measurement，prognostic value and role in clinical practice[J].Postgrad Med J，2012，88(1046)：694-699.

[15]Naik V，Gamad RS，Bansod PP.Carotid artery segmentation in ultrasound images and measurement of intima-media thickness[J]. Biomed Res Int，2013，2013(4)：801962.

[16]Li Q，Zhang W，Guan X，et al.An improved approach for accurate and efficient measurement of common carotid artery intima-media thickness in ultrasound images[J].Biomed Res Int，2014，2014(1)：90-106.

The method of IMT boundary tracking in ultrasonic image of carotid

YANG Feng-hui,SHANG Chang-hao
China Medical Equipment,2015,12(11)∶24-27.

Objective∶ Give a method for tracing boundary of inner-medium membrane in the ultrasonic image of common carotid artery. Methods∶ Giving a cost function before the programme begins to search the pixel point set whose cost function have the minimum value. The searching process starts from an initial anchor point given by the precedent programme. The calculation of cost function on each pixel point column on both sides of the initial anchor point will not stop until the terminal conditions are fulfilled. The programme will record the coordinates and pixel values of all the points with the minimum cost function value obtained from the calculation. Results∶ It can trace the boundary of inner-medium membrane in the CCA image from a clinical exam and can export the processed image with highlighted area. There is a daemon that records the coordinates and pixel values of the point set. Conclusion∶ This method can trace the boundary of inner-medium membrane in the CCA ultrasonic image when the CCA image is distinct.

Inner-medium membrane; Boundary tracing; Cost function; Ultrasonic image

楊風輝，男，(1984- )，碩士，工程師。第二軍醫(yī)大學附屬長海醫(yī)院儀器設備科，從事醫(yī)學裝備開發(fā)和管理工作。

1672-8270(2015)11-0024-04

R445.1

A

2015-06-22

上海市科委重點科技攻關項目(10441901800）“基于彩色多普勒超聲影像的腦血液循環(huán)系統(tǒng)狀態(tài)的計算機輔助診斷治療監(jiān)視系統(tǒng)的研制”

①第二軍醫(yī)大學附屬長海醫(yī)院儀器設備科 上海 200433