换一批基于流形学习的血管内超声图像序列关键帧的提取及应用
Key frames extraction and application in intravascular ultrasound pullback sequences based on manifold learning
摘要目的：以流形学习为基础，提出一种基于血管内超声(IVUS)图像序列的关键帧门控方法，抑制IVUS序列纵切方向上的运动伪影。方法应用流形学习方法中的拉普拉斯特征映射算法，将高维IVUS图像序列降到低维流形中，利用低维特征向量，构建一个距离函数来反映心脏运动规律，将IVUS图像分为心脏舒张末期和非心脏舒张末期两类，从而提取关键帧，组成门控序列。结果临床采集13组IVUS序列（图像915±142帧，血管长度15.24±2.37 mm），计算门控前后图像序列的血管容积、管腔容积和平均斑块负荷。统计实验结果，表明门控序列血管容积、管腔容积显著小于原始序列，门控前后序列的平均斑块负荷差异性不显著，满足临床诊断要求。血管面积方差和管腔面积的方差显著小于原始序列，表明门控序列较原始序列稳定。在IVUS图像序列的纵切图像上，门控序列减少了锯齿形状的运动伪影，与原始序列形状一致，且具有良好的连续性。并将本文方法与已有的提取门控序列方法进行对比。结论本文方法算法简单稳定，抑制了IVUS图像序列的纵向运动伪影。
更多相关知识
栏目名称
DOI
10.3969/j.issn.1673-4254.2015.04.006
发布时间
2015-05-14（万方平台首次上网日期，不代表论文的发表时间）
- 浏览168
- 被引3
- 下载9
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
