第４２卷第１期２０２３年２月北京生物医学工程ＢｅｉｊｉｎｇＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＶｏｌ.４２Ｎｏ.１Ｆｅｂｒｕａｒｙ２０２３基金项目：国家自然科学基金（１１７７２０１５、１１８３２００３）资助作者单位：１北京工业大学环境与生命学部（北京１００１２４）２智能化生理测量与临床转化北京市国际科研合作基地（北京１００１２４）通信作者：乔爱科，教授。Ｅ⁃ｍａｉｌ：ｑａｋ＠ｂｊｕｔ.ｅｄｕ.ｃｎ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赵志浩１，２乔爱科１，２摘要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（ｂｉｃｕｓｐｉｄａｏｒｔｉｃｖａｌｖｅｃａｌｃｉｆｉｃａｔｉｏｎ，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（ｓａｌｔａｎｄｐｅｐｐｅｒｎｏｉｓｅ，ＳＰＮ）及斑点噪声（ｓｐｅｃｋｌｅｎｏｉｓｅ，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４.７４７ｓ、３１，像素精确度（ｐｉｘｅｌａｃｃｕｒａｃｙ，ＰＡ）、交并比（ｉｎｔｅｒｓｅｃｔｉｏｎ⁃ｏｖｅｒ⁃ｕｎｉｏｎ，ＩｏＵ）、Ｄｉｃｅ系数（Ｄｉｃｅｃｏｅｆｆｃｉｅｎｔ，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。关键词超声心动图；二叶式主动脉瓣钙化；图像处理；图像分割ＤＯＩ：１０.３９６９／ｊ．ｉｓｓｎ．１００２－３２０８.２０２３.０１.００４．中图分类号Ｒ３１８.０４文献标志码Ａ文章编号１００２－３２０８（２０２３）０１－００２１...
