基于支持向量机的颈动脉超声图像内中膜厚度测量

《基于支持向量机的颈动脉超声图像内中膜厚度测量》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于支持向量机的颈动脉超声图像内中膜厚度测量CarotidIntima-MediaThicknessMeasurementinUltrasoundImageBasedonSVM学科专业：信息与通信工程研究生：刘一学指导教师：李锵教授天津大学电子信息工程学院二零一五年十二月摘要颈动脉内中膜厚度是反映动脉粥样硬化程度的重要指标。在临床中，广泛采用超声成像技术获取颈动脉图像，并通过医生手动标定对内中膜进行厚度诊断。为解决人工标定的繁琐、非客观等问题，本文提出一种全自动分割算法（AutomaticSegmentation，AS）。内中膜分割问题可当作为图像像素的分类问题，文中采用支持向量机来解决

2、该分类问题。文中算法可分为三个阶段：（1）感兴趣区域（Regionofinterest，ROI）提取阶段；（2）特征提取与分类阶段；（3）后处理阶段。在提取感兴趣区域时，首先采用K-means算法依据像素灰度对图像像素进行聚类，根据聚类结果、聚类中心选取参考值对图像进行归一化处理，并选取分割阈值对图像进行阈值分割，提取感兴趣区域。在分类阶段，提前由训练样本训练支持向量机（SupportVectorMachine，SVM），得出分类模型，用此SVM将ROI像素分为“边界点”和“非边界点”两类。最后在后处理阶段采用启发式搜索对分类结果进行甄别，去除错分类的像素点。论文后续又对该算法进行改进，

3、使用多分类SVMs直接将ROI中像素点分为管腔内膜边界（Lumen-IntimaInterface，LII）和内膜外膜边界（Media-AdventitiaInterface，MAI），减少时间并提高准确度。采用80幅颈动脉超声图像进行实验，对比文中提出的单SVM和多SVMs方案，并将实验结果与手动测量结果进行对比分析，平均每幅图像的处理时间为0.88s。实验结果表明该算法具有快速，全自动等特点，测量结果与GT具有较高的一致性，满足在临床应用的实际要求。关键词：内中膜厚度；图像分割；支持向量机；超声图像ABSTRACTThecommoncarotidartery(CCA)intimame

4、diathickness(IMT)isawidelyacceptedandimportantmarkerofearlyatherosclerosis.Ultrasoundimagingiswidelyappliedinclinicalenvironmentforvisualizationofcarotidartery,inwhichthetraditionalmeasurementofIMTisbasedonmanualtracing.Themajordrawbackoftraditionalmeasurementishighlyuserdependentandtimeconsuming

5、.Thepurposeofthisstudyistoproposeafullyautomaticsegmentation(AS)methodfortheIMTmeasurementtosolvethedrawbacksoftraditionalmeasurement.Sinceintimamediacomplexsegmentationcanbeconsideredasaclassificationofpixels,asupportvectormachineiscarriedouttosolvetheissue.Theapproachcanbedividedintothreestages

6、:(1)theregionofinterest(ROI)detection;(2)extractthestatisticalfeaturesextractionandclassification;(3)post-processing.InthestageofROIdetection,firstly,K-meansisusedtoclusterthepixelsbasedontheintensity,consideringtheresultsofclustering,theargumentsoflinearlyadjustingandthresholdarechosentonormaliz

7、eimageandtransformitintobinaryimage.Thedetectionofregionofinterest(ROI)isoperatedbasedonthebinaryimage.Inthestageofclassification,asupportvectormachine(SVM)whichpreviouslytrainedbystatisticalintensityfeaturesisusedtocl