第十九章：超声成像中颈动脉粥样硬化斑块的分割

书名：Multi-Modality Atherosclerosis (Saba, 2013) 章节：第19章 - Atherosclerotic Carotid Plaque Segmentation in Ultrasound Imaging of the Carotid Artery 作者：Christos P. Loizou, Marios Pantzaris 笔记日期：2026年5月11日

第一节：章节概述

本章由Christos P. Loizou和Marios Pantzaris撰写，主要探讨了颈动脉粥样硬化斑块在超声成像中的分割问题。颈动脉粥样硬化是导致中风的主要原因，也是美国第三大死亡原因。本研究提出了一种集成系统，结合图像归一化、散斑噪声抑制滤波和蛇形分割（snakes segmentation）方法，对颈总动脉（CCA）纵向超声图像中的动脉粥样硬化斑块进行自动分割。

研究采用了80例B型超声纵向图像作为数据集，这些图像来自32名女性和48名男性症状性患者，年龄范围为26至95岁，平均年龄54岁。研究评估了四种不同的蛇形分割方法：Williams和Shah方法、Balloon方法、Lai和Chin方法以及梯度向量流（GVF）方法。实验结果表明，Lai和Chin方法表现最佳，虽然与其他方法的差异未达到统计学显著水平。

本章在全书的多模态动脉粥样硬化成像诊断框架中占有重要地位，专注于超声成像这一无创、实时、可重复的成像方式，为动脉粥样硬化的早期诊断和风险评估提供了技术基础。

第二节：关键问题与研究动机

2.1 核心科学问题

本章围绕以下关键问题展开研究：

问题一：如何实现颈动脉斑块的有效分割？ 颈动脉粥样硬化斑块的形成是由于脂质、蛋白质和胆固醇酯在血管壁内壁的逐渐积累导致管腔狭窄。斑块不仅减少血流，还可能导致血栓形成和栓塞，增加中风风险。准确分割斑块边界对于评估狭窄程度和制定治疗方案至关重要。

问题二：超声图像的散斑噪声如何抑制？ 超声图像本身具有固有的散斑噪声，这源于超声波在组织中的散射和干涉。散斑噪声严重影响了图像质量和斑块的视觉分析，因此开发有效的散斑抑制滤波算法是预处理的关键步骤。

问题三：如何提高分割算法的鲁棒性？ 传统的分割方法需要手动放置初始轮廓，这种方法耗时长且依赖于操作者的经验。本研究探索了利用血流图像自动初始化斑块轮廓的方法，以减少用户交互并提高可重复性。

2.2 研究动机

既往研究虽然在颈动脉斑块分割领域进行了大量探索，但存在以下不足：部分研究仅在少量受试者上进行验证（超声成像研究通常只测试1至80例，而血管内超声研究则多达200例）；多数研究未将图像归一化和散斑抑制作为预处理步骤；不同分割方法之间缺乏系统性的性能比较。本研究正是针对这些不足，提出了一种完整的集成分割系统。

2.3 临床意义

颈动脉狭窄程度是评估中风风险的唯一公认指标，也是决定是否进行颈动脉内膜切除术的标准。准确、高效的斑块分割技术不仅能显著缩短图像分析时间，还能减少人工主观性，为临床决策提供客观依据。此外，将分割系统与纹理分析相结合，可进一步构建计算机辅助诊断系统，实现中风的早期诊断和风险评估。

第三节：主要公式与推导

3.1 分割性能评估指标

本章采用受试者工作特征（ROC）分析来评估四种分割方法的特异性和敏感性，定义以下关键指标：

真正率（True Positive Fraction, TPF）： $$TPF = \frac{|AS \cap GT|}{|GT|}$$

假正率（False Positive Fraction, FPF）： $$FPF = \frac{|AS| - |GT|}{|GT|}$$

真负率（True Negative Fraction, TNF）： $$TNF = \frac{|AS \cap GT|}{|AS|}$$

假负率（False Negative Fraction, FNF）： $$FNF = \frac{|AS| - |GT|}{|AS|}$$

其中，$|GT|$表示专家手工分割区域内的像素数，$|AS|$表示蛇形分割方法得到的像素数，$\cap$表示交集运算，$|$表示集合的基数（像素数目）。

Kappa指数（Kappa Index, KI）： $$KI = \frac{2|GT \cap AS|}{|GT| + |AS|}$$

重叠指数（Overlap Index）： $$overlap = \frac{|GT \cap AS|}{|GT \cup AS|}$$

重叠指数衡量分割结果与专家手工分割之间的重合程度，取值范围为0到1，值越接近1表示分割越准确。

特异性（Specificity, Sp）： $$Sp = 1 - FPF$$

精确率（Precision, P）：定义为真正例与所有预测为正的样本之比。

有效性度量（Effectiveness, F）： $$F = 1 - E$$

其中E为错误率。

3.2 公式的物理意义

上述公式共同构成了评估斑块分割性能的完整框架。TPF衡量算法正确检测斑块的能力，FPF反映误报率，TNF和FNF则从负类角度衡量算法的准确性。Kappa指数消除了随机一致性的影响，更能反映算法的真实一致性。重叠指数直观地展示了两个分割区域的重合程度，是临床应用中重要的参考指标。

3.3 典型参数值

根据实验结果（表19.2），Lai和Chin方法表现最佳，其Kappa指数达到80.66%，重叠指数为69.30%，TPF为82.70%，TNF为80.89%。Balloon方法的FPF最低（5.40%），FNF也最低（13.90%），表明该方法在控制假阳性和假阴性方面表现突出。

第四节：关键算法与建模方法

4.1 系统总体架构

本研究提出的集成分割系统包含以下核心模块：超声图像采集、图像归一化、散斑噪声抑制滤波、斑块轮廓初始化、蛇形分割以及分割结果评估。整个流程首先对B型超声图像进行预处理，然后利用血流图像引导初始轮廓的放置，最后通过蛇形算法精确收敛至斑块边界。

4.2 图像归一化方法

图像归一化基于Elatrozy等人提出的方法，目的是减少由不同增益设置、不同操作者、不同设备导致的图像变异性。归一化通过代数（线性）缩放实现：将血液区域的灰度中值调整到0至5之间，将外膜（动脉壁）区域的灰度中值调整到180至190之间。整个灰度范围为0至255。关键要点包括：确保超声束与外膜垂直、外膜在斑块附近清晰可见、标准样本取自外膜最亮区域宽度的一半。

4.3 散斑抑制滤波

本研究采用DsFlsmv（Despeckle filter linear scaling mean variance）滤波器进行散斑抑制。该滤波器利用像素邻域的均值和方差进行加权平均计算，通过在7×7像素窗口上估计统计测量值，并迭代应用5次以达到最佳滤波效果。研究表明，DsFlsmv滤波器在颈动脉超声成像中表现优异。

4.4 斑块轮廓初始化

轮廓初始化是利用血流图像自动完成的，具体步骤如下：

从血流图像中提取血流区域（通过检测RGB分量不同的彩色像素）；
将提取的血流边缘图像与B型图像进行互相关运算；
对边缘图像进行膨胀操作以消除小间隙；
检测血流边缘轮廓，用户在轮廓上标记斑块所在区域；
对初始轮廓进行20至40个点的采样，构建插值B样条曲线；
连接首尾点形成闭合轮廓；
在B型图像上映射初始斑块轮廓。

4.5 四种蛇形分割方法

Williams和Shah方法：这是一种经典的主动轮廓模型，通过能量最小化实现轮廓演化。参数设置为：强度$\alpha_s = 0.6$，张力$\beta_s = 0.4$，刚度$\gamma_s = 2$。

Balloon方法：该方法在传统蛇形模型基础上引入气球力，使轮廓能够膨胀或收缩。参数设置参考Cohen的研究成果。

Lai和Chin方法：该方法通过正则化参数$\phi$控制轮廓的光滑性和准确性，在斑块分割中表现最优。

GVF（梯度向量流）方法：利用广义梯度向量流作为外力场，增强蛇形模型对凹陷边界的捕获能力。参数设置为：弹性$\alpha_{GVF} = 0.05$，刚性$\beta_{GVF} = 0$，正则化$\mu_{GVF} = 0.2$。

4.6 统计显著性检验

采用Wilcoxon符号秩和检验（Wilcoxon matched-pairs signed rank sum test）对各项指标进行单变量统计分析，显著性水平设为$p < 0.05$。检验结果表明，四种分割方法之间仅在FNF指标上存在Balloon方法与Lai和Chin方法之间的显著差异。

第五节：主要结论

5.1 系统性能总结

本研究提出的集成系统在80例颈动脉超声图像上进行了全面评估。实验结果显示，四种蛇形分割方法均表现出色，其中Lai和Chin方法的综合性能最佳。该方法正确检测无斑块的比例（TNF）达80.89%，正确检测有斑块的比例（TPF）达82.70%，Kappa指数为80.66%，重叠指数为69.30%。

5.2 ROC曲线分析

ROC曲线分析表明，Lai和Chin方法的曲线下面积（AUC）最大，达到0.90，明显优于GVF方法（0.83）、Balloon方法（0.79）和Williams和Shah方法（0.67）。这进一步证实了Lai和Chin方法在斑块检测中的优越性。

5.3 预处理的重要性

研究强调了图像归一化和散斑抑制滤波作为预处理步骤的重要性。研究发现，先进行图像归一化再进行散斑抑制滤波能够产生更好的图像质量；反之则可能产生边缘失真。归一化不仅有助于手工轮廓提取和蛇形分割，还能提高不同斑块类型的分类准确性。

5.4 与既往研究的比较

与既往研究相比，本研究在以下方面取得了进展：使用较大样本量（80例）进行评估；系统性地比较了四种不同的蛇形分割方法；在统一的预处理框架下评估各方法性能；引入了血流图像辅助轮廓初始化。

第六节：挑战与开放问题

6.1 当前方法的局限性

尽管本研究提出的集成系统取得了良好效果，但仍存在以下局限性：

彩色血流重叠问题：彩色血流信号有时会与组织壁或斑块区域重叠，导致轮廓初始化不准确。当血流速度较低时，彩色信号可能无法完全填充血流区域，进一步影响初始化精度。

局部极小值陷阱：蛇形轮廓可能受到局部极小值的吸引而收敛到错误位置，特别是在斑块边界模糊或存在伪影的情况下。

斑块类型限制：本研究仅考虑了II、III和IV型斑块，未涵盖I型和V型斑块。I型斑块的边界不清楚，而V型斑块存在声影遮盖，边界同样难以辨认。

初始轮廓影响：研究表明初始轮廓的放置位置会影响最终分割结果，但本研究未系统性地探讨初始轮廓对分割精度的影响程度。

6.2 未来研究方向

统计学习方法：采用统计方法初始化和训练蛇形模型，使其能够学习血流和斑块区域的统计特征，提高初始化准确性。

特殊病例处理：改进分割流程以处理完全闭塞性夹层和侧支血管等特殊情况，以及I型和V型斑块等难以分割的图像。

多模态融合：发展非侵入性的多模态斑块图像分析系统，将三维超声与MRI、CT等其他成像模态相结合，实现更全面的斑块评估。

纹理分析集成：将分割系统与纹理分析相结合，构建计算机辅助诊断系统，支持斑块的早期诊断和中风风险评估。

三维重建与运动分析：提取斑块的三维形状和结构信息用于形态学研究；分析不同斑块成分之间的相对运动，开发准确的三维和四维运动分析系统。

第七节：个人思考与批判性分析

7.1 方法论评价

本研究的一个显著优势在于其系统性和全面性。作者不仅提出了完整的分割框架，还对多种分割方法进行了公平的比较评估。这种研究范式为后续研究提供了可靠的基准数据和方法论参考。

然而，本研究在初始轮廓初始化方面仍依赖一定程度的用户交互。虽然利用血流图像自动化了初始化过程，但用户仍需在轮廓上标记斑块所在区域。这限制了系统的完全自动化程度，也引入了操作者间变异。

7.2 临床转化视角

从临床应用的角度来看，本研究提出的方法具有良好的前景。颈动脉超声成像是筛查和监测动脉粥样硬化的首选工具，因其无创、无辐射、可重复和成本较低。将自动分割系统集成到临床工作流程中，有望显著提高诊断效率和一致性。

但需要注意的是，从实验室算法到临床产品的转化仍面临诸多挑战，包括算法的实时性、与不同超声设备的兼容性、以及在多样化患者群体中的泛化能力等。

7.3 与其他成像模态的比较

本章主要关注超声成像，但书中其他章节涵盖了血管内超声（IVUS）和磁共振成像（MRI）。IVUS虽然能提供更高质量的图像，但需要将导管插入患者动脉，具有一定风险。MRI则提供出色的软组织对比度，但成本较高且设备可及性有限。超声成像的独特优势在于其无创性和实时性，因此开发更先进的超声图像分析算法具有重要的实际价值。

7.4 值得深入研究的问题

如果有机会与作者讨论，我会提出以下问题：初始轮廓的放置位置对最终分割结果的影响程度如何？不同初始化策略是否能够提高算法的鲁棒性？对于I型和V型斑块，是否可以考虑采用多模态信息融合来提高分割准确性？三维超声成像的发展将如何影响斑块分割和评估的未来方向？

7.5 方法论启示

本研究采用的预处理-分割-后处理流程为其他医学图像分析任务提供了参考框架。特别值得注意的是，归一化和散斑抑制的顺序选择对最终结果有显著影响，这一发现对于其他超声图像处理应用具有指导意义。

此外，本研究采用的评估框架——结合多种指标（TPF、FPF、TNF、FNF、Kappa指数、重叠指数）进行综合评估——值得在其他分割任务中借鉴。单一指标难以全面反映算法性能，而多维度评估能够提供更全面的性能画像。

公式汇总表

编号	名称	公式	物理意义	类型
(19.1)	真正率 (TPF)	$TPF = \frac{	AS \cap GT	}{
(19.1)	假正率 (FPF)	$FPF = \frac{	AS	-
(19.1)	真负率 (TNF)	$TNF = \frac{	AS \cap GT	}{
(19.1)	假负率 (FNF)	$FNF = \frac{	AS	-
(19.1)	Kappa指数 (KI)	$KI = \frac{2	GT \cap AS	}{
(19.1)	重叠指数	$overlap = \frac{	GT \cap AS	}{
(19.1)	特异性 (Sp)	$Sp = 1 - FPF$	正确识别负例的能力	(E)

注：(E) 表示经验公式，基于专家手工分割建立的评估指标。

参考文献

本章主要参考了Loizou等人于2007年发表在IEEE Transactions on Information Technology in Biomedicine上的论文"An integrated system for the segmentation of atherosclerotic carotid plaque"，以及该团队在散斑抑制滤波和蛇形分割方面的系列研究成果。