基于FCM聚类算法与自适应阈值的冠脉钙化分割与量化

针对基于CTA图像进行冠脉钙化量化时存在的无法克服噪声以及阈值选择不稳定问题,提出一种基于聚类算法与自适应阈值的冠脉钙化分割与量化方法。首先根据CT值和空间位置对冠脉血管内的像素点构建特征向量,继而根据血管骨架点数目构建自适应聚类数,使用模糊C均值(FCM)聚类算法将冠脉区域划分为CT值分布相似的区域;然后使用高斯函数拟合冠脉灰度直方图,根据高斯拟合参数构造自适应阈值,对上述区域进行钙化分割;最后根据分割结果,参考Agatston钙化分量化标准进行钙化分计算。在30组人体冠脉CTA数据的测试结果中,对冠脉钙化量化的灵敏度和特异性分别达到89.5%与98.6%,计算得到的钙化体积和Agatston钙化分与标准结果的皮尔逊系数分别为0.974与0.975,远高于同类型基于一阶微分进行阈值选择方法(DBTD)对应的0.523与0.501。实验结果表明,该方法可用于冠脉钙化分割与量化,且具有全自动、鲁棒性好、能有效抗噪等特点。