急性心脑血管疾病是人类健康的头号杀手, 将光声成像与医学内窥技术相结合的血管内光声(IVPA)成像技术有望为心脑血管内易损斑块的检测以及指导介入治疗提供更可靠的参考指标。目前对IVPA 成像的研究尚处于起步阶段, 对其图像重建的研究也主要是借鉴其它比较成熟的成像技术的重建理论。本文在介绍IVPA 成像原理的基础上, 指出在重建IVPA 图像中亟待解决的两个问题, 并对目前可以应用到IVPA 图像重建中的主流算法进行介绍和分析。

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。