基于对称区域生长算法的超声医学图像分割方法

提出了一种基于对称区域生长算法的超声医学图像的分割方法。该方法分为三步。首先,通过采用自适应加权中值滤波抑制超声医学图像本身固有的Speckle噪声,然后从图像的第一行开始扫描整个图像,并应用生长准则进行区域的生长与合并,生长完成之后应用种子准则标定感兴趣区域,从而得到最后的分割结果。通过图像的分割实验确定了一套对于超声医学图像适用的生长和合并准则。对心脏B型超声医学图像分割的实验结果显示,该方法具有良好的性能。     

基于Zener模型的生物组织剪切模量测量

目的克服基于Voigt模型的超声振动检测方法的不足,使用Zener模型更加准确地测量生物组织剪切模量,为组织定征提供有效的手段。方法利用基于力学模型本构关系的剪切波传播速度公式,在获得剪切波在多个频率上速度的前提下,通过数学方法估计出介质的剪切模量。实验对象为不同浓度的凝胶模型和不同程度热力学损伤的猪肝脏,通过超声辐射力振动产生剪切波,获取剪切波在不同实验介质中的传播速度。结果分别用Voigt模型和Zener模型对速度值进行拟合,结果均显示Zener模型描述的准确性更高,并且所估计出的剪切模量能够很好地区分不同浓度的凝胶模型或不同损伤程度的猪肝。结论本方法为无创测量生物组织剪切模量提供了潜在的手段,对医学上的组织定征和疾病诊断有着重要的意义。     

基于形态和灰度特征的乳腺肿瘤B超图像识别

目的为B超诊断乳腺肿瘤建立计算机辅助诊断手段,以降低活检数以及提高诊断的准确性和客观性.方法通过提取良性和恶性肿瘤B超图像的形态特征和灰度特征,包括傅立叶描述子,粗糙度和前后场回声比,组成特征矢量,再用k-均值聚类算法对特征矢量进行分类处理.结果 k-均值聚类算法对良性肿瘤的识别率为89.85%,对恶性肿瘤的识别正确率达78.26%.结论本文中建立的方法能较肉眼更精确地反映良性和恶性肿瘤B超图像的特征,如果再结合医生的临床经验能大大提高乳腺肿瘤的诊断准确性.     

一种新型求交方法在超声医学图像体绘制算法中的应用

会制算法是一种较好的三维重建显示算法,但针对超声医学图像处理时仍存在不足。本文创新的提出了一种反向旋转变化的求交算法,取代了光线与平行四边形求交的繁琐运算,通过对模拟物体和超声心脏图像的重建结果可以看出方法正确且显示的图像具有较高质量。     

基于各向异性扩散的超声医学图像滤波方法

目的将各向异性扩散方法应用于超声医学图像的去噪处理。方法采用基于各向异性扩散的偏微分方程，其初始值为输入图像，转化为差分格式迭代求解滤波结果，并通过修改方程中的噪声比例函数使方程更加适用于超声医学图像的滤波。结果通过与其他3种传统滤波方法比较，修正系数后的各向异性扩散滤波方法能够较好地平滑图像的噪声，并且图像的边缘和细节部分依然清晰可见。结论各向异性扩散方法是一种去除超声图像Speckle噪声的有效方法，为超声医学图像的滤波开辟了一条新途径。     

超声心脏电生理学的应用基础研究

本研究得到国家自然科学基金、四川省重点科学技术研究项目和卫生部优秀青年科技人才专项科研基金的资助。 1.研究目的与主要内容研究目的:通过建立心腔内超声心脏希氏束检测、定位和导航技术和方法,实现真正的生理性心脏希氏束直接靶点起搏治疗。采用心腔内超声、组织多普勒显像、人工电刺激技术、新型起搏电极和引导鞘管进行以下内容的应用基础研究。(1)     

基于二次互信息特征选择的人脸表情识别研究

针对主动表观模型(AAM)在表情识别中特征点定位不够精确以及特征数据存在冗余性的问题,本文通过对AAM拟合时初始模型的自动调整,提高了定位准确度,使获取的特征更能有效的反映表情的变化;用二次互信息解决特征矢量选择问题,减少了特征维数,再构造支持向量机(SVM)分类器进行表情识别.实验于CAS-PEAL人脸表情库的结果显示本文采用的方法能有效地提高人脸表情识别性能,最高识别率为83.33%.     

B超图像复杂性特征分析方法诊断脂肪肝

目的利用复杂性分析研究脂肪肝患者B超图像纹理改变,进而诊断脂肪肝。方法通过分析正常肝脏与脂肪肝B超图像的复杂度,近似熵和近远场灰度比特征,组成特征矢量,利用反向传播人工神经网络对脂肪肝进行计算机辅助诊断。结果用80例样本建立识别模型,用50例样本进行验证,对正常肝的识别率达到100%,脂肪肝识别率达到100%。结论复杂性分析能较好地描述脂肪肝超声图像的特征,对脂肪肝的识别有着较好的性能。     

基于卷积神经网络提取超声图像甲状腺结节钙化点的研究

超声是检测甲状腺结节的首选方法,钙化特征是甲状腺结节良恶性判别的重要特征。但是由于囊壁等结节内部结构的干扰,钙化点提取一直是医学影像处理技术中的难点。本文提出了一种基于深度学习算法的钙化点提取法,并在阿列克谢(Alexnet)卷积神经网络的基础上提出了两种改进方法:(1)通过添加逐层对应的反池化(unpooling)和反卷积层(deconv2D)使网络向着所需要的特征进行训练并最终提取出钙化特征;(2)通过修改Alexnet模型卷积模板的数量和全连接层节点的数量,使其特征提取更加精细;最终通过两种方法的结合得到改进网络。为了验证本文所提出的方法,本文从数据集中选取钙化结节图像8 416张、无钙化结节图像10 844张。改进的Alexnet卷积神经网络方法的钙化特征提取准确率为86%,较传统方法有了较大提升,为甲状腺结节的良恶性识别提供了有效的手段。     

自动测量心搏出量改进法定量评价偏心性二尖瓣反流

目的研究并证实自动心脏输出量测量法(ACOM)改进法定量评价二尖瓣偏心性反流。方法对19例患偏心性反流患者采用ACOM改进法,于收缩相对经二尖瓣反流瓣口的血流速度直接进行时间和空间双重积分,得到二尖瓣反流量,并将反流量作为评价参数,对患者的反流严重程度进行划分。最后,比较分析反流量与由实时三维彩色多普勒超声心动图测量得到的射流容积和反流狭径宽度之间的相关性。结果以反流量大小作为标准,3例患者被判定为轻度,10例患者被判定为中度,6例患者被判定为重度。ACOM改进法得到的反流量与射流容积(r=0.9371)和反流狭径宽度(r=0.8939)高度相关。结论ACOM改进法是对偏心性二尖瓣反流进行定量的有效方法。