基于局部形状结构分类的心血管内超声图像中-外膜边界检测

• 作者: 刘树杰 季飞 杨丰 袁绍锋 黄靖
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 医学图像分析 机器学习 随机决策森林 k-均值聚类 局部形状结构 心血管内超声 中-外膜边界检测
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1601-1608
• 页数: 8页
• 分类号: TP391.4
• 字数: 6482字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.07.009

摘要

本文提出了一种基于局部形状结构分类的心血管内超声(Intravascular Ultrasound,IVUS)图像中-外膜边界检测方法.首先利用k-均值(k-means)聚类方法,确定局部形状结构类别;其次通过类别标号索引图像块,并对其进行积分通道特征和自相似性特征提取,构建多分类随机决策森林模型;最后由分类模型寻找IVUS图像的关键点,采用曲线拟合方法,实现IVUS图像中-外膜边界检测.实验结果表明,本文方法能够有效地解决IVUS图像中斑块、伪影和血管分支等造成边缘难以准确检测的问题,与已有算法相比,其JM(Jaccard Measure,JM)达到了88.9％,PAD(Percentage of Area Difference,PAD)降低了19.1％,HD(Hausdorff Distance,HD)减少了9.7％,更准确地识别目标边界的关键点,成功地检测出完整的中-外膜边界.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨丰	南方医科大学生物医学工程学院	52	330	11.0	15.0
5	季飞	华南理工大学电子与信息学院	43	182	7.0	9.0
6	袁绍锋	南方医科大学生物医学工程学院	5	13	2.0	3.0
10	刘树杰	华南理工大学电子与信息学院	2	5	2.0	2.0