基于B超图像分析的脂肪肝辅助诊断方法研究

本研究为B超诊断脂肪肝建立计算机辅助诊断手段。通过分析正常肝和脂肪肝B超图像的图像特征，包括图像的近远场灰度比特征，以及灰度共生矩阵的角二阶矩、熵和反差分矩统计特征，组成特征矢量．再分别用κ-平均聚类算法、自组织特征映射人工神经网络和反向传播人工神经网络对特征矢量进行分类处理。κ-平均聚类算法对正常肝的识别率为100％，对脂肪肝的识别正确率为63．6％；自组织特征映射人工神经网络对正常肝的识别正确率达100％，对脂肪肝的识别正确率达93．94％；反向传播人工神经网络对正常肝和脂肪肝的识别率均为100％。本文建立的方法能较肉眼更精确地反映正常肝和脂肪肝B超图像的特征，如果再结合医生的临床经验能大大提高脂肪肝的诊断准确性。     

基于模糊数的乳腺肿瘤超声图像边缘快速提取方法

乳腺肿瘤边缘的准确提取在临床上对肿瘤良恶性的判别有重要的意义。本文利用三角模糊数的概念，采用重叠式窗口从图像中得到与不同隶属度对应的模糊数，从而建立以步进方格（marching square）为基本单元的模糊数平面；通过区间阈值得到步进方格上的映射区间，根据步进方格算法将对应映射区间着色绘制出肿瘤的边界。分别对恶性和良性肿瘤超声图像进行边缘提取。结果显示，本文方法相比一般提取边缘的算法具有快速准确提取乳腺肿瘤边缘的特点。实验证明本方法可以有效用于乳腺肿瘤超声图像边缘提取。     

基于超声成像的左室心肌三维节段模型研究

目的为研究心肌的机械运动提供一种直观有效的工具,服务于心血管疾病的诊疗。方法本文提出一种弱化解剖结构的左室三维标准模型,将左室心肌分成16节段,每节段分成三层。通过心肌节段在功能映射上的桥梁作用,利用图像配准的原理将心肌的组织多普勒速度图像(DTV)中的速度信息映射在标准模型上,利用三维模型多角度、多层面的特点来观察心肌的局部运动特点以及速度传播的方向等运动情况。结果通过标准模型的速度信息(颜色)映射结果分析,可以看出内层模型的颜色较亮,而中层模型则比较暗淡,根据图像的颜色编码方式,可知越靠近心内膜则心肌的速度越大,证明此模型的有效性和直观性。结论本文建立的功能映射三维标准模型能有效直观的反映出心肌局部运动情况,并能实现同一节段不同层次间的速度差异对比。     

超声造影剂微泡动力学模型的对比研究

目的从现有的模型中选出一种造影剂微泡动力学方程,利用它能较好的为造影剂的设计及其临床应用提供具有指导意义的参数。方法将三种典型的动力学模型,即修正Herring、Allen和Hoff模型,应用于造影剂Optison,并通过与实验结果作比较,分析各个模型对造影剂在二次谐波方面的预测能力,从而对模型描述微泡非线性振动的能力做出评价。结果入射超声的驱动频率为4MHz,驱动压在0.4~2.0MPa间变化时,随着声压的增大,Allen模型计算的二次谐波越来越接近于实验结果,Hoff模型对二次谐波的仿真结果的变化趋势和变化幅度与实验结果最为接近。结论Hoff模型更适合描述造影剂微泡的非线性振动,该模型可为造影剂的设计及其临床应用提供具有指导意义的参数。     

基于相似度测量的医学超声图像对比度增强

目的探求一种基于相似度测量的医学超声图像对比度增强方法。方法本文在基于相似度测量的对比度增强方法的基础上,针对医学超声图像的特点,引入了局部模糊分形维数特征,改进了相似度和对比度变换因子的计算方法,同时提出了对比度增强系数的自适应选择方法,通过改变图像局部对比度增强图像。结果大量的实验结果表明处理后的图像对比度得到了明显的提高,同时背景和噪声未出现明显改变,组织细节信息保留完整,图像可读性增强。结论本文算法在增强图像对比度的同时能够有效地保留组织细节信息并抑制噪声过度增强,是一种有效的医学超声图像对比度增强方法。     

血管回声跟踪技术对颈动脉单点脉搏波传导速度的检测及其意义

目的探讨血管回声跟踪（ET）技术对颈动脉单点脉搏波传导速度（PWVβ）的检测及其临床意义。 方法检测20～、30～、40～、50～及≥60岁5个不同年龄组健康成人145例、高血压48例、糖尿病26例、终末期肾病20例的颈动脉PWVβ；比较性别间PWVβ差异；比较各组间PWVβ值与其同龄人传统两点PWV的差异；比较上述疾病与其同龄正常人的PWVβ的差异。 结果上述5组的颈动脉PWVβ分别为4．6±0．6、5．9±1．1、6．1±1．2、6．7±1．2及（7．6±1．3）m／s；各组PWVβ均较传统的PWV值低，但二者相关性良好；不同性别间PWVβ无差异；高血压及终末期肾病患者PWVβ增高，而糖尿病患者PWVβ与同龄正常人无明显差异。 结论PWVβ随着年龄的增高而增高且与传统的PWV相关良好；PWVβ能较好地反映不同年龄及疾病的动脉弹性状态；用超声ET技术检测的PWVβ能较敏感地反映这些变化。     

基于纹理分析的脂肪肝B超图像识别

目的 为B超诊断脂肪肝建立计算机辅助诊断手段。方法 通过分析正常肝和脂肪肝B超图像的纹理特征,包括灰度共生矩阵的角二阶矩、熵和反差分矩统计特征,组成特征矢量,再用k-平均聚类算法和自组织特征映射人工神经网络算法对特征矢量进行分类处理。结果 k-平均聚类算法对正常肝的识别率为63．6％,对脂肪肝的识别正确率达90．9％;自组织特征映射人工神经网络对正常肝的识别正确率达84.8％,对脂肪肝的识别正确率达90．9％。结论 本文中建立的方法能较肉眼更精确地反映正常肝和脂肪肝B超图像的特征,如果再结合医生的临床经验能大大提高脂肪肝的诊断准确性。     

基于多模态超声图像的深度学习在鉴别诊断肝内胆管细胞癌与肝细胞癌中的应用

探讨基于单独二维超声图像（B-mode）、超声造影（CEUS）图像、联合B-mode及CEUS图像所构建的不同卷积神经网络（CNN）模型对鉴别诊断肝内胆管细胞癌（ICC）与肝细胞癌(HCC)的能力。方法 回顾性分析2011年1月—2018年5月在四川大学华西医院超声科进行肝脏占位性病变超声检查的病例,对所纳入的病例超声图像进行肿瘤范围感兴趣区标记、数据增强后,根据3种不同组合方式的图像输入进行CNN模型训练,从而建立鉴别诊断ICC与HCC的不同预测模型,并对模型的诊断效能进行评价。结果 最终共有 305 例 ICC 和 945 例 HCC 被纳入研究,共计超声图像7427幅。结果显示,基于单独 B-mode 图像所建立的 CNN 模型诊断效能均较低,其中VGG16的诊断效能相对较高,优于其它两个模型（P＜0.05）,ROC曲线下面积（AUC）为 0.672。基于CEUS图像的多图 VGG 和多图 Inception预测模型对鉴别 ICC 与 HCC 的AUC分别为 0.941 和 0.934 （P=0.803）,准确性分别为87.0%和89.0%,与基于联合B-mode 及 CEUS图像的两种 CNN 模型诊断效能相近(P＞0.05)。结论 基于多模态超声图像所建立的CNN模型能较好的用于鉴别诊断ICC与HCC     

基于人工神经网络的足月胎儿体重预测方法

对胎儿体重的预测在产科临床上具有非常重要的意义,传统上采用回归分析方法预测胎儿体重,存在可靠性差等缺点。本研究采用反向传播(BP)人工神经网络方法预测胎儿体重,实验中采用双顶径、小脑横径、腹围、肝脏长度、股骨长度、股骨皮下脂肪厚度、孕龄等参数作为BP神经网络的输入参数,网络由输入层、隐含层和输出层三部分组成。对109例临床资料进行预测,结果为:训练组预测符合率达89.77%,平均绝对误差104.22g,平均相对误差3.24%;验证组预测符合率达76.19%,平均绝对误差190.84g,平均相对误差5.60%。表明人工神经网络预测胎儿体重方法十分有效,准确性高于回归方程。     

超声医学图像非线性滤波算法研究进展

超声医学成像方法具有实时、无创、方便等优点，在临床上得到了广泛的应用。但由于超声医学成像机制的限制，超声医学图像质量不高。对图像进行滤波就是为了提高人眼和计算机对图像细节的识别能力。本研究讨论了应用于去除超声医学图像斑点噪声的非线性滤波算法的研究现状及其特点，重点介绍了基于中值滤波、小波变换、扩散方程的滤波方法，并把相关算法应用于超声医学图像的处理，直观地比较了各种滤波器的性能。最后展望了超声医学图像非线性滤波算法的发展方向。