基于血管内超声图像自动识别易损斑块

• 作者: 严壮志 张麒 施俊 汪源源 钱菊英 马剑英
• 来源期刊: 光学精密工程
• 学科: 工学
• 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
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 信息科学
• 页码范围: 2507-2519
• 分类号: TB559|TP391.4
• 字数: 9959字
• 语种: 中文
• DOI: 10.3788/OPE.20111910.2507

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严壮志	上海大学通信与信息工程学院	80	604	13.0	21.0
2	汪源源	复旦大学电子工程系	221	1554	19.0	26.0
3	钱菊英	复旦大学附属中山医院心内科	116	544	12.0	20.0
4	施俊	上海大学通信与信息工程学院	36	309	8.0	17.0
5	张麒	上海大学通信与信息工程学院	14	38	4.0	6.0
6	马剑英	复旦大学附属中山医院心内科	20	106	6.0	10.0