基于支持向量机的颈动脉超声图像内中膜厚度测量

为解决人工标定的繁琐、非客观等问题,本文提出一种基于支持向量机的全自动分割算法。该算法采用K-means对图像像素进行聚类,根据聚类结果和聚类中心对图像进行标准化处理,并进行图像分割提取感兴趣区域。根据训练样本训练支持向量得出分类模型,将感兴趣区域的像素分为边界点和非边界点。然后将边界点再次分类为管腔-内膜边界点和中膜-外膜边界点。最后采用启发式搜索对分类结果进行甄别,去除错分类的像素点。本文采用80幅颈动脉超声图像进行实验,比较实验结果与金标准,内中膜厚度平均绝对误差为(46.08±23.50)μm,平均每幅图像处理时间为0.88 s。实验结果表明全自动分割算法具有快速、全自动等特点,测量结果与金标准具有较高的一致性,能满足临床应用的实际要求。