基于多尺度模糊聚类与DGVF模型分割颈动脉超声造影图像

超声造影(contrast-enhanced ultrasound,CEUS)图像在血管疾病诊断与治疗中有很高的应用价值,其中通过提取颈动脉CEUS图像中的血管边界对血管形态及弹性等属性进行测量具有重要意义.由医生手工勾勒血管轮廓耗时耗力,且重复性差、主观性强,而传统计算机分割方法因受到图像中斑点噪声的干扰而存在鲁棒性差和初始化难两大问题.首先,结合多尺度模糊聚类方法与粒子群优化算法提取血管的粗略轮廓,以此作为方向梯度矢量流(directional gradient vector flow,DGVF)模型的初始轮廓;然后,对轮廓进行形变收敛至最终结果.通过分割来自14例患者的48张颈动脉CEUS图像的实验,结果表明所提出的方法优于传统方法,能自动、精确地提取颈动脉CEUS图像中的血管边界.