استخراج مرز بافت ادونتيشياي عروق خوني در تصاوير اولتراسوند داخل رگي مبتني بر روش كمينه/بيشينه بهبود يافته و مولفه‌هاي هم بند

Adventitia Boundary Extraction of Blood Vessels in IVUS Images Based on Optimized Minimax Method and Connected Component

تصويربرداري اولتراسوند درون رگي يا IVUS روشي با حداقل تهاجم است كه در آن با تصويربرداري از مقطع رگ، اطلاعات دقيقي از درون آن بدست مي آيد. پردازش‌هايي كه روي اين تصاوير يا سيگنال هاي خام آن‌ها انجام مي‌پذيرد، مي‌تواند اطلاعات وسيعي در اختيار متخصصان و پزشكان قرار داده و براي تشخيص دقيق و اتخاذ شيوه ي مناسب درمان كمك كند. تفكيك مرزهاي بافت موجود در عروق خوني به عنوان اولين گام در اين زمينه، يكي از چالش‌هاي تحقيقات امروزي است. در اين مقاله، روشي جديد براي استخراج مرز بافت ادونتيشيا در تصاوير اولتراسوند داخل رگي پيشنهاد شده است كه براساس تكنيك كمينه/بيشينه و مولفه‌هاي هم-بند عمل مي‌كند. بدين منظور، ابتدا با تكنيك كمينه/بيشينه بهبود يافته مرز اوليه استخراج شد. سپس، با به كارگيري مولفه‌هاي هم بند در مرزهاي اوليه، مرز نهايي با دقت بالا حاصل شد. براي ارزيابي عملكرد اين روش، روي مجموعه اي از دادگان واقعي آزمايش شد. از معيار مشابهت انديس جاكارد و فاصله هاسدورف كه نشان دهنده‌ي ميزان هم پوشاني ناحيه ي بخش شده به وسيله روش پيشنهادي و تشخيص پزشك است بهره گرفته شد. نتايج به دست آمده نشان داد كه روش پيشنهادي با معيار ميانگين انديس جاكارد 95% و ميانگين فاصله هاسدورف 0/45 ميلي متري، مرزهاي دقيق تري براي بافت ادونتيشيا نسبت به روش‌هاي موجود بدست مي آورد.

IVUS imaging is a minimally invasive blood vessel cross-sectional imaging procedure in which accurate data is obtained from what is in there. Processing on these images or raw signals can provide wide range information for experts and practitioners, and can help them in making an accurate diagnosis and appropriate treatment. Extraction of tissue boundaries in the blood vessels is one of the challenging parts as a first step in this direction. In this paper a new method was proposed based on the minimax technique and connected components for extracting Adventitia tissue boundary in intravascular ultrasound images. For this purpose, initial boundary will be extracted using improved minimax technique. Then final boundary is extracted with high precision using connected components. The method was tested on a set of real data with regard to the Hausdorff distance and Jaccard index to evaluate its performance. Mean of Hausdorff distance and mean of Jaccard index were obtained 95% and 0.45 millimeter, consequently. These results show that the proposed method in this paper can extract Adventitia tissue boundaries more accurately than existing methods with regard to the distance Hausdorff distance and Jaccard index.