1 中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室, 陕西 西安 710119
2 中国科学院大学, 北京 100049
3 中国人民解放军总医院心血管内科, 北京 100853
针对血管内光学相干断层扫描(IVOCT)影像中,使用动态规划(DP)算法进行可降解支架轮廓分割时,分割结果容易受到血液伪影和支架内部断裂的影响,而导致支架轮廓分割准确度不高的问题,利用IVOCT影像中可降解支架具有四边形外观的先验信息,提出一种使用支架的4个角点得到支架轮廓的算法。实验结果显示:所提出的支架轮廓分割算法的平均Dice系数可达到0.88,相较于DP算法提高了0.08;所提出的支架自动分割算法能够实现IVOCT影像中可降解支架的准确分割,且具有较好的稳健性,能更好地在临床应用中辅助医生进行支架贴壁情况分析。
机器视觉 角点检测 轮廓自动分割 贴壁情况分析 可降解支架 血管内光学相干断层扫描图像
1 中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室, 陕西 西安 710000
2 中国科学院大学, 北京 100049
针对血管内光学相干断层扫描(IVOCT)成像系统,提出一种改进的自适应增强(Adaboost)算法及一种基于动态规划的轮廓分割算法用于可降解支架的自动检测与分割,实现对支架贴壁情况的自动评估。在检测阶段,利用多层决策树构建Adaboost分类器,实现对支架位置和大小的检测;基于检测结果,利用动态规划算法对支架轮廓进行分割;最后,结合分割结果,对支架贴壁情况进行计算。实验结果显示,所提算法的检测召回率达到91.6%,精确率为87.2%,轮廓分割的平均Dice系数为0.80,表明所提算法能够实现IVOCT影像中可降解支架的准确检测与分割,且具有较好的稳健性。
机器视觉 自动检测与分割 自适应增强算法 可降解支架 血管内光学相干断层扫描图像
