基于血管内超声图像自动识别易损斑块
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.
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
19
TB559;TP391.4(声学工程)
上海市教委“晨光计划”项目11CG45;上海市教委重点学科建设项目J50L04;上海市教委科研创新项目09YZ15,12YZ026;上海大学创新基金项目10010710007
2012-03-05(万方平台首次上网日期,不代表论文的发表时间)
共13页
2507-2519