为克服手工判别动脉粥样硬化易损斑块耗时耗力、主观性强、重复性差等缺点,研究了基于血管内超声自动识别易损斑块的方法.首先将Contourlet变换与Snake模型相结合进行斑块的图像分割,提取内腔轮廓与外弹力膜.接着实现经典形态特征的计算机自动提取,并提取纹理、弹性两类新特征以量化斑块属性,其中纹理特征包括一阶统计量和灰度共生矩阵特征,弹性特征的提取则基于非刚性图像配准.最后设计Fisher线性判别、支撑向量机、广义相关学习矢量量化3种分类器进行分类判决.对124例斑块(36例易损,88例非易损)的实验结果表明:20个形态特征、24个纹理特征和6个弹性特征在两类斑块间存在显著性差异(P＜0.05)；采用三类特征由支撑向量机进行分类时效果最好,在测试集上敏感性、特异性、准确率和约登指数分别达到91.7％、97.7％、96.7％和89.4％,表明利用血管内超声图像中斑块的三类特征能自动、准确地识别易损斑块.
(8.0+极速模式)