孙萍 李锵 关欣 滕建辅

300072天津大学电子信息工程学院

基于深度学习的颈动脉超声图像内中膜厚度测量

孙萍 李锵 关欣 滕建辅

300072天津大学电子信息工程学院

目的 颈动脉血管内中膜厚度（IMT）是衡量动脉粥样硬化程度的重要标准。一般采用人工标定进行测量，该过程耗时且繁琐，由此提出一种总体性能较好的全自动分割（AS）算法。方法 该算法首先利用卷积神经网络（CNN）识别出颈动脉血管远端，进而提取包含颈动脉内膜、中膜部分的感兴趣区域（ROI）。采用基于堆栈式自编码器（SAE）构造的模式分类器将ROI中的像素进行分类。最后利用分类区域的面积信息和位置信息对分类结果进行甄别，运用曲线拟合提取边界完成测量任务。结果 针对本研究所用图像库中的84幅颈动脉超声图像进行实验，金标准（GT）由两名专家4次测量的平均值产生，其与AS之间的绝对误差和标准差为（13.3±20.5）μm，协方差系数为0.990 7。结论 实验结果表明，此算法总体性能较好，能够实现超声颈动脉血管内中膜全自动、快速、准确分割，从而满足临床需要。

内中膜厚度； 图像分割； 深度学习； 卷积神经网络； 堆栈式自编码器

Fund program：National Natural Science Foundation of Chine(61472163)

0 引 言

近年来，心脑血管疾病已成为危害人类健康的首要疾病。世界卫生组织的调查显示，2012年全球死于心脑血管疾病的人数高达1 750万，约占全球总死亡人数的30%[1]。动脉粥样硬化是引发心脑血管疾病的首要原因，其早期追踪诊断对于心脑血管疾病的预防极其重要。研究结果表明，颈动脉血……