基于Snake算法的气道内超声序列图像的边界提取

目的：气道内超声能为肺部肿瘤提供更多的诊断信息,能让医生以对病人伤害很小的方式检视患者肺部,而无需采用传统的有创手术方式。本文提出了一种能用于气道内超声边界提取的新的Snake算法模型。方法：作为非方向性指标,局部相位具有图像的亮度及对比度无关性。本文拟在Snake模型中引入局部相位,以设计其新的图像能量公式。结果：本文所提出的算法与现有的超声边界提取算法进行了提取结果对比。实验结果表明本文所提出的算法优于现有的算法。结论：本文所提出的新算法能有效地对气道内超声图像提取边界。     

血管内超声图像边缘提取方法的研究进展

血管内超声图像在心血管疾病的诊断和介入治疗中具有重要作用,超声图像的边缘提取有很强的现实意义。但超声频率的提高加大了噪声的影响,增加了血管壁内外膜边缘提取的难度。本文从预处理、检测模型以及算法实现三方面,回顾了近几年血管壁边缘提取的发展情况和研究动态,并对未来的发展方向进行了总结和展望。     

基于Transformer的血管内超声图像分割方法

目的 提出一种基于Transformer的血管内超声图像分割方法,以解决冠状动脉钙化病变血管内超声图像显影不完全导致的分割管腔、外弹力膜和钙化斑块精度不高的问题。方法 采用深度学习方法,在UNet结构的基础上用多分辨率卷积层提取不同大小类别特征,在特征编码模块与特征解码模块之间使用Transformer联系上下文信息,同时分割管腔、外弹力膜和钙化斑块。最后以34个40 MHz血管内超声序列得到的720张训练集和240张测试集为例对上述方法进行训练和测试。结果 外弹力膜分割杰卡德系数（Jaccard index,JI）为0.92,豪斯多夫距离（Hausdorff distance,HD）为0.84 mm;管腔分割JI为0.85, HD为1.44 mm;钙化斑块分割JI为0.67, HD为0.68 mm。结论 该方法能够提升血管内超声图像的分割精度,并且在钙化病变血管显影不完全时能够保持分割效果。     

基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取

血管内超声（IVUS）图像冠状动脉血管壁的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。本研究提出了一种用于自动提取IVUS序列图像冠状动脉血管壁内、外膜边缘的方法。该方法基于活动轮廓模型以及本研究所定义的边缘对比度特征量，利用Hopfield神经网络并结合模拟退火算法自动提取IVUS序列图像冠状动脉血管壁的内、外膜边缘。实验结果表明，本研究方法易于实现，而且准确性和可靠性较高，对IVUS序列图像处理的可重复性和鲁棒性较好，是一种较好的全局最优化算法。     

血管内超声图像序列分割的研究进展

血管内超声（IVUS）图像序列的分割对冠状动脉疾病的临床诊断和治疗有着重要意义,学者们为此提出了多种分割方法。本文首先分析了IVUS图像的成像过程及其特点,然后介绍了近年来提出的典型IVUS图像序列分割方法,给出了这些方法的基本原理,并对其优缺点进行分析,最后展望了该领域的研究发展方向。     

基于血管内超声图像时空相关性的血流斑点去噪方法

血管内超声成像的优越成像方式使得它越来越广泛地被应用到冠心病的诊断和介入治疗中。但随着超声频率的提高，血流分子回波信号（即血流斑点噪声）也显著增强，这会降低管腔和管壁的对比度，加大医生辨别、测量管腔和斑块几何参数及物理参数的难度。我们提出了一种新颖的去噪方法，它利用血管内超声图像在时间、空间上的相关信息，即组织在时间、空间上的变化比血流小这一事实。实验结果表明该方法能显著地去除斑点噪声，增强管腔和管壁的对比度，更好地帮助医生区别血管壁和周围组织。     

利用血管内超声视频图像获取冠状动脉截面积曲线

利用冠状动脉内超声的视频图像，依据相邻帧的连续性自动确定血管内壁的搜索范围，结合表征血管内壁平滑性的内部能量和表征超声图像灰阶分布的外部能量，采用动态规划方法通过寻找最大能量路径来检测血管内壁的最优包络，并由此计算血管的截面积。现提出了一种综合图像灰阶梯度和象素方差的外部能量表示，使得冠状动脉截面积曲线的提取方法在鲁棒性、准确性方面较仅用灰阶梯度作为外部能量有了较大的提高。     

基于区域生长超声图像分割血管边界反映血管病变

背景：通过分析超声血管图像能反映血管的病变情况。 目的：采用区域生长理论对超声图像进行图像分割,分析边界点的相对位移。 方法：先对视频图像分帧,将动态图像转换为静态图像,采用Gabor滤波、自适应直方图量化去除超声图像噪声,然后运用区域生长法对图像做分割,接着通过开闭运算、sobel算子检测图像边界,最后提取出两条血管边界。 结果与结论：通过Gabor滤波、区域生长法等手段,得到了比较好的分割结果。区域生长法在处理速度上满足了实时性要求,具有一定的通用性。并且通过分析边界点的相对位移曲线,一定程度上反映血管的病变。     

一种改进的自适应形变模型及其血管内超声图像边缘提取应用

血管内超声（IVUS）图像冠状动脉血管壁内膜的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。提出一种改进的自适应形变模型（T-Snake），该模型能够解决基本T-Snake模型中的自交（Self-collisions）问题，并有着更高的数值计算精度。同时，基于改进的T-Snake模型，给出一种用于自动提取IVUS序列图像冠状动脉血管壁内膜边缘的方法。实验结果表明，所提出方法准确性和可靠性较高，对IVUS序列图像处理的可重复性和鲁棒性较好；表明了改进T-Snake模型的有效性和可实现性。     

基于快速推进法的血管内超声图像序列的三维分割

目的血管内超声（intravascular ultrasound,IVUS）是近年来临床诊断血管病变的一项新技术。对IVUS图像进行分割,提取出图像中血管壁的内膜和中-外膜轮廓,是IVUS图像序列定量分析和三维重建的重要步骤。方法本文提出一种基于快速推进法的IVUS图像序列三维并行分割方法。在完成对原始图像的滤波去噪、抑制导管伪影等预处理后,获取IVUS序列纵向视图,并从中提取出血管壁的内膜和中-外膜轮廓,然后将该轮廓映射到每帧IVUS横向视图中,得到各IVUS帧中血管壁的内膜和中-外膜轮廓,最后采用快速推进法对初始轮廓进行演化变形,最终提取出目标轮廓。结果对临床IVUS图像数据进行实验,与逐帧处理的串行分割方法相比,本文方法明显提高了处理效率,克服了传统串行处理方法运算效率低的缺点。结论该方法对血管疾病的临床诊治具有重要意义。     

结合硬斑块特征的心血管内超声图像中-外膜边缘检测

针对心血管内超声(IVUS)图像中-外膜(media-adventitia)边缘检测中,硬斑块和声影等造成中-外膜边缘难以准确检测的问题,提出一种结合硬斑块特征的中-外膜边缘检测方法。首先,采用k均值聚类分割IVUS图像,根据图像中不同类型斑块的成像特点检测硬斑块位置;然后,计算IVUS图像方向梯度,结合斑块位置和图像灰度,获得代价矩阵;最后,利用启发式图搜索方法,实现IVUS图像的中-外膜边缘检测。对临床图像的实验结果表明,本方法能克服图像中声影和斑块干扰等问题,使检测正确率达到95.57%,提高了IVUS图像中-外膜边缘检测的准确性。     

有条件生成对抗网络的IVUS图像内膜与中-外膜边界检测

针对血管内超声(IVUS)图像中各类斑块、超声阴影和血管分支等造成内膜(LU)与中-外膜(MA)边界难以准确检测的问题,提出一种结合堆叠沙漏网络(SHGN)和有条件生成对抗网络(C-GAN)的IVUS内膜与中-外膜检测的改进方法。首先根据血管形态特点,使用旋转、缩放和Gamma变换等方法将图像训练集扩充57倍,降低网络训练过拟合风险;然后利用对抗训练思想,构建基于L1、L2重建损失的联合损失函数,学习超声图像与其对应分割图像的映射关系,将IVUS图像分割为3种不同区域:血管外周组织、斑块区域和内腔区域;最后在图像分割结果上,采用阈值处理方法,检测最终的内膜与中-外膜边界。采用国际标准IVUS图像数据集(10位病人435幅)评价所提出的算法。实验量化评价结果为:内膜计算面积交并比(JM) 93%,面积差异百分比(PAD) 3%,Hausdorff距离(HD) 0.19 mm;中-外膜JM 95%,PAD 3%,HD 0.16 mm。这些指标满足临床诊断要求,性能优于现有的、近年较好的9种算法,以及Pix2Pix模型。在临床实践应用分析中,利用南部战区总医院心血管内科所收集的100幅IVUS图像进行检验,取得较好的分割结果。这表明该方法具有较好的跨数据集泛化性能。     

Multidetector Computed Tomography for the Evaluation of Coronary Artery Disease; The Diagnostic Accuracy in Calcified Coronary Arteries,Comparing with IVUS Imaging

Purpose

Contrast enhanced multidetector computed tomography (MDCT) has been used as an alternative to coronary angiography for the assessment of coronary artery disease in the patient of the intermediate risk group. However, coronary calcium is a known limiting factor for MDCT evaluation. We investigated the diagnostic accuracy of 64-channel MDCT with each coronary artery calcium score (CACS) by compared with intravascular ultrasound (IVUS) imaging.

Materials and Methods

A total of 54 symptomatic patients with intermediate-risk (10 females, mean age 59.9±6.9 years, Framingham point scores 9-20) with 162 sites who had a culprit lesion on 64-channel MDCT before performing coronary angiography with IVUS were enrolled. Patients were divided into 4 subgroups depending on CACS: 0, 1-99, 100-399, and >400. Lesion length, external elastic membrane (EEM) cross sectional area (CSA), minimal luminal area, and plaque area were measured and compared between IVUS and MDCT.

Results

The correlation coefficients for the measurements of the EEM CSA, lumen CSA, and plaque area were r=0.514, r=0.837, and r=0.578, respectively. Furthermore, there were close correlation of plaque area between four subgroups of CACS (r=0.671, r=0.623, r=0.562, r=0.571, respectively).

Conclusion

Despite the increase in CACS, the geometric analysis of coronary arteries using with 64-channel MDCT was comparable with IVUS in symptomatic patient of the intermediate risk group.     

基于超声影像的动脉壁应变分析

对动脉壁受力而产生的应变进行分析是判断动脉弹性的基础,而动脉弹性又是评价心血管系统功能的重要依据.提出一种动脉壁应变的分析方法,以血管内超声图像为依据,采用有限变形力学理论,建立管壁应变的数学模型,并计算出相对应变.对血管壁区域进行三角形网格划分,以三角形单元为基础,求解动脉血管壁应变,从而判断血管壁的弹性.结果显示:血管壁各处产生的应变情况很复杂,既有正应变(x轴和y轴方向),又有角应变.用已知形变图像验证的结果表明,该方法能准确地找到血管壁的病变区域并分析应变状态,对动脉功能评价以及临床诊断有重要意义.     

基于Cascade Rcnn的超声甲状腺结节检测研究

甲状腺超声图像由于对比度低、边缘不清晰、高噪声和周围组织复杂难辨等问题,给医生诊断甲状腺疾病造成困难。针对此问题,采用Cascade Rcnn目标检测算法,分别以ResNet50、Resnet101以及融合压缩激励注意力模块SE-ResNet50、SE-ReNet101为主干网络,对从某三甲医院获取的1 513例 (其中良性结节832例,恶性结节681例)甲状腺超声图像,在专业超声科医生的指导下进行预处理 ,制作本次实验使用的标准coco格式数据集。采用迁移学习的方式将从Imagenet大型数据库上预训练得到的权重迁移到本次实验模型结构中,经过4个主干网络的实验结果对比,以SE-ResNet101为主干网络的Cascade Rcnn算法,在结节定位和判别方面,实现了精确率92.4%,召回率86.2%,特异性95.1%,F1值89.2%,mAP值82.4%的检测效果,对辅助医生进行甲状腺超声图像的诊断具有一定的临床指导意义。     

An Improved Tamper Detection and Localization Scheme for Volumetric DICOM Images

The development of teleradiology brings the convenience of global medical record access along with the concerns over the security of medical images transmitted over the open network. With the prevailing adoption of three-dimensional (3-D) imaging modalities, it is vital to develop a security mechanism to provide large volumes of medical images with privacy and reliability. This paper presents the development of a new and improved method of implementing tamper detection and localization based on a fully reversible digital watermarking scheme for the protection of volumetric DICOM images. This tamper detection and localization method utilizes the 3-D property of volumetric data to achieve much faster processing time at both sender and receiver sides without compromising tamper localization accuracy. The performance of the proposed scheme was evaluated by using sample volumetric DICOM images. Results show that the scheme achieved on average about 65 % and 72 % reduction in watermarking and dewatermarking processing time, respectively. For cases where the images had been tampered, it is possible to detect and localize the tampered areas with improved localization resolution in the images using the scheme.     

基于边界逼近的肺实质分割方法

肺部CT图像的分割是计算机辅助诊断系统处理的一个重要环节,其分割的结果影响到医生的诊断与进一步的分析。由于胸膜结节的灰度与肺实质外围的灰度相近,运用传统的分割方法无法正确分割出此类病灶。将胸膜结节包含肺实质一起分割出来,使计算机辅助诊断系统能够对此类病灶做进一步的分析。提出一种结合Graham算法以及边界逼近的方法,对肺实质的轮廓进行修正,进而得到修正的二值模板;将该模板与原图像做乘运算,得到包含胸膜结节的肺实质。运用所提出的方法,对公开数据库LIDC中68张含病灶的CT样本图像做处理,通过与传统方法的对比以及对算法的过分割比例、欠分割比例以及准确性的分析,得到准确率为98.5%,平均过分割比例为1.35%,平均欠分割比例为0.51%,证明了该方法的有效性。