IV-OCT图像可清晰显示血管腔内膜的轮廓，对IV-OCT图像进行分割，提取出血管腔内膜的轮廓，是对血管形态参数进行定量测量、三维重建血管和确定管腔狭窄程度等的重要步骤。在临床上常由经验丰富的医生在计算机屏幕上逐帧手动勾画，不仅工作量大，而且可重复性差，提取结果在很大程度上取决于操作者的经验，对操作人员的技术水平要求较高。半自动的提取方法是借助人机交互技术提取血管腔边缘，如美国LightLab公司生产的IV-OCT成像系统自带的软件工具需要手动选图和手动修正，且只能在软件中实现，不能够对图像进行批量处理。文献［11］采用分析血管内超声图像的软件系统（CURAD vessel analysis，Netherlands）来处理IV-OCT图像，虽然同样需要人工交互，但其在所需的交互量、分析时间、成本、稳定性和可重复性方面均优于LightLab自带的软件系统。文献［12］采用经典的Canny算子检测血管壁轮廓，利用迭代的方法使检测结果与先验约束条件匹配，对于无法获取的轮廓部分，采用限定圆心和半径渐变的圆弧拟合方法予以弥补，但同样需要人工审核修正。
全自动的IV-OCT图像分割方法是目前该领域的研究热点，整个分割过程完全自动进行，不需要操作者的手动参与，可重复性好。例如，文献［13］采用期望最大化（Expecta-tion Maximization，EM）和图像分割（Graph Cut，GC）相结合的方法提取血管壁轮廓，可以去除导丝带来的伪影，但处理时间较长。文献［14］采用马尔科夫随机场（Markov Random Field，MRF）模型来描述血管区域，并利用局部强度分布和连续小波变换提取血管壁轮廓，由于需要估算概率密度函数，该方法的时间开销较大。文献［15］提出一种基于小波变换和数学形态学的自动管腔分割方法，首先利用小波分析识别管腔，然后用一个移动窗口对图像进行最大类间方差二值化，最后用数学形态学方法对得到的管腔轮廓进行校正得到精确的二值化管腔轮廓视图。文献［16］提出一种利用极坐标变换提取管腔轮廓的方法，其原理是：首先，利用相邻帧IV-OCT图像之间的相关性去除导管伪影；其次，采用射线发射法（ray shooting method）估计管腔中心，并以其作为极点对去除导管伪影的图像进行极坐标变换；再次，采用分块阈值滤波去除变换后图像的噪声并提取上边缘；最后，做逆极坐标变换得到血管壁的内轮廓。该方法能够处理包含血管分叉或导管伪影较严重的图像，而且计算效率高，在鲁棒性和处理速度上具有一定优势。文献［17］利用形态滤波器将灰度图像转换成二值图像，并提取出候选轮廓点，再应用启发式规则和控制机制对可能影响分割结果的特殊区域进行处理，应用直接推断法对血管分叉部分进行处理，最后对提取出的轮廓进行平滑得到最终提取结果。该方法能够处理包含血管分叉、支架和导管伪影的各种IV-OCT图像。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
