颈动脉内中膜识别实验报告.pdf

颈动脉内中膜识别实验报告

北京大学工学院

冯丰1300011090吴钧杰1300011036

易可欣1300011065邹宗仁1300011030

一、背景介绍

根据世界卫生组织最新一期的《全球疾病负担》对全球健康状况的调查，心

脑血管疾病是全球范围内造成死亡人数最多的疾病。直到2030年，几乎有2360

万人将死于心血管疾病。其中，颈动脉狭窄与心脑血管疾病有着非常紧密的关系，

而动脉粥样硬化是颈动脉狭窄的最重要原因，但早期的动脉粥样硬化又很难在临

床中被发现，因此，寻找一种早期动脉粥样硬化的发现方法是势在必行的。

颈动脉内中膜厚度（Intima-MediaThickness-IMT），是指颈动脉内膜和中膜平

滑肌之间的厚度。近年研究表明，血管壁内膜增厚是动脉硬化的早期标志，且颈

动脉内中膜是最早受累的部分。超声波成像诊断是一种无损伤、无电离的可以投

射人体组织的诊断工具，而相比于现在常用的CT和MRI来说，超声波诊断对人

体的损害可以忽略。因此，使用超声波测量颈动脉内中膜厚度就成为了研究的热

点。而实际操作中，颈动脉内中膜的测量一般是由医生手动测量得出的。本次实

验，我们小组尝试对内中膜进行超声图像的采集，并且用计算机自动获取内中膜

厚度。

二、实验目的

1、采集颈动脉内中膜的超声图像

2、从图像中分割内中膜

3、测定内中膜的厚度

三、实验原理和方法

1、颈动脉内中膜超声图像的采集

前往中国人民解放军三〇一医院，用vinno70超声成像仪，使用超声发射头，

得到四张颈动脉内中膜超声原始图像。（频率10MHz，焦点数目1，动态范围90dB，

线密度2，VSharpen3）

2、图像分割和厚度测量.

（1）图像预处理

超声波颈动脉内中膜厚度的测量，本质上就是提取颈动脉内中膜的边界。但

是在临床的图像获取中，由于患者说话或者吞咽等造成的影响，使得得到的原始

图像中有大量的噪声和其他的干扰。再加上限于仪器本身的限制，使得图像中颈

动脉内中膜的边界并没有那么明显。因此，在进行分割算法前，我们需要首先对

原图像进行预处理，包括图像的去噪、增强以及边缘提取。我们选取一张图片（下

图左）显示预处理效果。

①图像去噪

本实验中的图像去噪，我们主要尝试了三种方法：均值方法、高斯滤波以及

小波去噪。

a.均值方法：对于一个像素点，我们取该像素点以及周围像素点的平均值作为

该像素点去噪后的值，这样就可以在一定程度上对图像进行模糊处理，从而

达到图像去噪的目的，我们用自己编写Matlab函数的方法实现均值去噪。

b.高斯滤波：我们通过用高斯核卷积原图像的方法实现图像的去噪。高斯核选

用五阶的高斯核：

[0.00370.01470.02560.01470.0037;

0.01470.05860.09520.05860.0147;

0.02560.09520.15020.09520.0256;

0.01470.05860.09520.05860.0147;

0.00370.01470.02560.01470.0037];

用Matlab的conv2函数进行卷积。得到的图像如图

c.小波去噪：我们通过小波变换，把原图像映射到频域上，通过对频域中图像

中的频率的选取，达到去噪的效果。我们选用Matlab的函数wpdencmp实

现。得到的图像如下：

②图像增强

在得到的颈动脉内中膜原始图像中，由于超声仪器本身的条件，对比度并不

明显。我们使用Matlab函数imadjust函数对图像中某灰度值区间的部分突出，

可以使得颈动脉内中膜的边界更加明显。得到的图形如下：

③图像边缘提取

有许多对图像边缘敏感的算子，例如梯度算子、Sobel算子、Prewitt算子、高

斯拉普拉斯算子等，用这些算子对原图像进行卷积处理，可以得到图像边缘图像，

下图为用高斯拉普拉斯算子（LoG算子）卷积后的图形：

（2）内中膜