基于超声心动图的二叶式主动脉瓣钙化病灶自动分割算法

作者：赵志浩; 乔爱科^*

来源：北京生物医学工程, 2023, 42(01): 21-26.

• 超声心动图
• 二叶式主动脉瓣钙化
• 图像处理
• 图像分割

目的 提出一种基于超声心动图（echocardiography, ECHO）的二叶式主动脉瓣钙化病灶（bicuspid aortic valve calcification,BAVC）自动分割算法，以提高BAVC识别效率。方法 选取BAVC患者的ECHO，应用迭代均值滤波器、一二阶全变分和指定直方图均衡化算法对其进行降噪、灰度平衡化的图像预处理；根据钙化阈值特征，应用阈值滤波器、8邻域原理获取钙化病灶的初始轮廓，并根据ECHO中主动脉瓣的大小和位置特征，自适应地选择初始轮廓作为初始种子区域；根据钙化阈值、迭代终止条件、自适应调整迭代次数等相关参数，自动分割BAVC区域。将自动分割的结果与手动分割结果进行比较，并分析ECHO中不同的椒盐噪声（salt and pepper noise,SPN）及斑点噪声（speckle noise,SN）对分割结果的影响。结果 所建立的自动分割算法的平均处理时间、平均迭代次数分别达到了4.747 s、31，像素精确度（pixel accuracy,PA）、交并比（intersection-over-union,IoU）、Dice系数（Dice coeffcient,DC）分别达到了0.9615、0.9559、0.9773。与MorphGAC半自动算法相比，自动分割算法的平均处理时间提高了45.61%，平均PA、IoU、DC分别提高了13.25%、11.02%、7.69%。结论 该算法能有效地分割出ECHO中的BAVC，并解决人工参与分割个性差异大、识别效率低且易受到噪声干扰的问题。

• 单位
  北京工业大学