基于高斯混合模型聚类的B超图像颈动脉内膜和中膜厚度检测

内、中膜厚度是临床上用于评价动脉粥样硬化发展程度的主要指标。目前,基于B超图像测量内、中膜厚度通常由专业医生手动标记内、中膜边界来实现,过程繁琐耗时,人为影响因素多。本文提出了一种基于高斯混合模型(GMM)的聚类灰度阈值法,以检测B超图像中颈动脉内、中膜厚度。首先基于GMM对颈动脉图像灰度聚类,然后用灰度阈值法检测血管壁内、中膜的分界,最后测量二者的厚度。与直接使用灰度阈值法的测量技术相比,颈动脉B超图像的聚类解决了内、中膜灰度边界模糊的问题,从而提高了灰度阈值法的稳定性与检测精度。本研究选取120例健康颈动脉临床试验数据,以两名专家分别手动精细测量4次的内、中膜厚度的均值作为参考值,最终研究结果显示,经GMM聚类后估计的内、中膜厚度的归一化均方根误差(NRMSE)分别为0.1047±0.0762和0.0974±0.0683;与直接进行灰度阈值估计的结果相比,NRMSE的均值分别减小19.6%和22.4%,表明本文所提方法测量精度有所提高;标准差分别减小17.0%和21.7%,表明所提方法稳定性增加。综上,本文方法有助于动脉粥样硬化等血管疾病的早期诊断和病程监测。