一、医学超声数字图像的合成(论文文献综述)
赵蓬勃[1](2021)在《基于VIF自适应2D-VMD医学超声图像分频去噪算法研究》文中研究表明
张康[2](2021)在《集群式超声科研开放平台》文中指出超声扫描仪已经在临床诊断领域中取得了广泛的应用,但现有的临床超声扫描仪不能满足科研活动中对超声发射序列可控,可获取超声处理流程中各个阶段的数据以及定制化超声激励波形的需求。因此出现了专为科研活动而设计的开放式超声平台,这类超声平台应该具有如下三个核心功能:可定制激励波形、可获取超声通道数据以及可实现实时成像。使用开放式超声平台进行新型超声技术的研究,所消耗的时间和资源比重新设计超声仪器所需要的少得多。所以开放式超声平台的发展可以极大的促进医学超声技术的研发。同时,由于这类平台能够更加直观的使用户明白超声算法背后的物理意义,所以其在教学领域中也有很高的实用价值。然而在目前的开放式超声平台中,完整具备三个核心功能的都价格昂贵且体积庞大。而其余更加便携的平台都不完整的具有三个功能,它们要么无法获取超声通道数据,要么无法实现定制化任意激励波形。并且这些平台实现定制化激励波形的方式不够简洁,需要将设计的波形转为数值写入到配置文件中。另外,在国内尚无具有可定制化激励波形的开放式超声平台的相关报道。本文研究并实现了一种低成本、高便携的集群式超声科研开放平台。该平台具备完整的三个核心功能,还有完全控制超声收发模式的能力。同时,本文还实现了一种图形化设计三态任意波形的方法。本文采用模块化的设计方法实现了集群式的平台,集群中的每个超声模块都完整具有独立的超声系统,所以其每个超声模块都能作为一个低通道数的开放式超声平台单独使用,这使得该平台在实际科研活动中变得更加的灵活。同时这种模块化的实现方法,降低了平台的设计、生产难度以及花费,并进一步提升了平台的便携性和可维护性。最后,基于所研发的超声平台,本文还借助GPU实现了超声脉冲多普勒算法的实时处理。又通过该平台发射编码激励波形并获取超声通道数据,在MATLAB平台上实现了基于编码激励的脉冲多普勒算法。
蒲笑秋[3](2020)在《基于EUS的多模态消化道肿瘤图像融合技术研究》文中进行了进一步梳理众所周知,图像显示的信息是直观、具象的,所谓“百闻不如一见”。为了获得人体体内器官图像信息,超声无疑是常用的一种医学检查和诊断的手段,其应用可谓十分广泛,在消化、泌尿、妇产及心血管等科室的日常检查中均有使用。据估计,作为消化系统疾病之消化道肿瘤已成为我国最常见的恶性肿瘤,食管癌、胃癌和结直肠癌每年有超过100万人因此而死亡,对消化道肿瘤的预后做出改善的最关键也是最简单的措施就是早期治疗。有鉴于此,本文依托国家重点研发项目“数字诊疗装备研发”重点专项“电磁声光耦合式陡脉冲高压电场(s PEF)无创胃癌治疗系统研制”(项目编号:2018YFC0115300),以消化道肿瘤电磁学、光学和声学物理特征的变化规律为切入点,依据EUS检查的消化道肿瘤超声图像,开展了消化道肿瘤超声图像三维重建技术及其三维超声图像与光学内镜图像融合技术等研究工作。主要包括:(1)在广泛调研国内外文献与阅读基础上,明确了肿瘤消融程度实时评估是确保肿瘤消融安全有效的关键因素。基于此,针对消融过程中从生物形态表征上缺乏特异、明确的衡量指标,研究分析了消化道肿瘤的形态特征、位置及边界范围的确定,这对于早癌的精准治疗,其意义十分深远。(2)鉴于存在因超声图像本质特征导致的模糊不明边界,因生理运动或操作取向导致的虚假边界,以及广泛存在高水平斑点噪声等不利影响,很难直接利用现有算法实现医学超声图像的三维重建,为此,开展了超声图像滤波处理等数字图像预处理研究工作。提出了一种基于稀疏表示的图像滤波算法,其对于合成散斑图像和实际医学超声影像的去噪在主观评价和CNR等客观指标上均能取得良好效果。(3)针对可见光图像和超声影像特征信息不匹配,空间信息不对称,直接融合匹配难度大的问题,采用了三维重建后融合的思路,详细分析了面绘制和体绘制的特点,并选用光线投射算法完成了超声影像的重构。结果表明体绘制重建更具优势,与未滤波的重建效果相比,利用本文算法进行滤波后重建的三维图像能够更好的对图像信息进行展示。(4)由于常用的消化道内镜检查得到的二维可见光图像无法提供更多有用的解剖信息,为此阐述了单一模态的局限性和多模态图像的互补性,通过多模态图像配准和融合挖掘多源生物信息的内在关联性,建构了配准融合2D可见光图像和3D超声图像的原理及技术方法。即,通过从重建的3D超声体积创建2D超声投影并将其配准到光学图像来配准这两种不同的图像,配准完成后,则将可见光图像投影到3D超声上完成融合,并结合主观评价对其进行评估。研究结果表明,该程序结合肿瘤生物学信息,将可见光图像和超声图像进行有效融合,可以从宽度和深度两个维度确定肿瘤浸润范围。不仅可对肿瘤病灶实现多角度多层次的定位和分析,而且为肿瘤诊断分期以及后续治疗的肿瘤消融效果提供可靠精确的辅助判断信息。
吴小臻[4](2020)在《便携式多普勒彩超前端系统的设计》文中进行了进一步梳理超声波诊断技术因其具有无创、无伤以及实时性好等特点,被广泛应用于医学疾病的诊断。技术的发展往往需要顺应社会需求的改变,近几年,设备小型化成为了超声成像设备发展的一个分支,传统的超声成像设备体积较大,便携性差,开发成本大。因此,本文设计一种便携式超声成像前端系统。本文的主要工作内容如下:(1)设计了超声成像前端系统硬件电路,完成了电路原理图与PCB图的绘制。根据所需硬件资源,本文选择芯片型号为EP4CE30F23C8的FPGA作为主控芯片,依据功能划分,分别对各模块进行设计,主要包括电源模块、主控制器模块、高压脉冲生成模块、阵元选通模块、收发隔离模块和超声回波接收模块。利用4片HV7331芯片产生16路高压脉冲输出通道,2片AFE5805模拟前端芯片实现对16路回波信号的接收。各电路模块采用集成芯片进行搭建,从而在一定程度上缩小了前端电路的体积。(2)调试了硬件电路和编写了各模块的驱动代码。首先,依次完成电源模块、主控制器模块、其它功能模块的电路调试。其次,依据各芯片控制方式,编写SPI通信协议,实现对阵元选通芯片HV2701与回波接收芯片AFE5805的读/写操作;基于I2C通信原理,编写相应程序实现对DAC081C085芯片输出电压的控制,用于调节电压控制衰减器。最后,编写各模块的功能测试程序。(3)为了验证各模块程序的有效性,对前端系统各模块的代码进行仿真测试,仿真平台为Model Sim SE。由于AFE5805芯片以LVDS方式输出数据,所以基于FPGA与QuartusⅡ搭建LVDS接收IP核,实现LVDS数据的解串。(4)对前端系统进行测试,主要对前端系统中高压脉冲生成、阵元选通、收发隔离和LVDS信号接收过程进行测试。测试结果表明,各模块满足基本功能要求。
胡孝楠[5](2020)在《基于空气介质的二维面阵超声成像研究》文中认为超声成像具有无电离辐射、重复性好、经济实用等优势,因此被广泛应用于医学诊断、无损探伤、声纳探测等领域。与光学成像相比较,超声成像能够很好地弥补光学检测在烟雾、黑暗等视觉不利环境中的不足与缺陷,为该环境下的场景感知与重建提供了新的检测手段。目前空气中的超声成像主要使用少数超声传感器或一维线性传感阵列,这种传感方式很难获得被测物体的三维信息,且实时性较差。相对而言,二维超声阵列更高效且准确,能够确保成像实时性的同时,获取更精确的反射波信息,成为超声三维成像的有力检测工具。因此,二维超声阵列成像的研究具有重要意义。鉴于日益成熟的线性阵列成像技术,本文设计了基于16×16相控平面接收阵列且同步性良好的线性扫描成像系统;掌握超声阵列成像在固、液介质条件下的实现规律之后,提出了在空气介质中基于时域幅值信号的二维图像重建方案。本文主要研究内容如下:1.依据延时聚焦法则,本文建立了16×16相控平面接收阵列与2×2同步发射阵列的数学模型,借助Field II工具包及COMSOL软件对空气介质中的声场特性进行了仿真分析,确定相控接收阵列在1m范围内的聚焦横向分辨率低于±5°,理论上可精确识别直径大于8.4mm的特征。2.本文自主搭建了以PC为核心的超声成像系统,设计了用于参数设置和人机交互的上位机程序,并通过同步性测试实验验证了系统的可用性。之后,设计并进行了基于线性扫查模式的二维成像对照实验,各对照组的被测物与空间位置均不相同。3.本文基于反投影解析重建算法设计的数据处理方案,能够依据原始时域幅值信号还原出较高分辨率的二维图像,像素分辨率可达640×640,且重建图像能够识别基本几何体或简单组合体的反射声场分布特征。通过对照实验结果与仿真声场的对比分析,证明本文所搭建成像检测实验在深度1m、偏转角30°的范围内具备良好的二维成像能力,所提出的处理方案有效可行,对于空气介质的超声成像研究有一定参考价值。
吕金城[6](2020)在《基于滑动分解框架与剪切波变换的低剂量CT图像去噪算法》文中进行了进一步梳理医学计算机断层扫描(CT)图像已经成为现代医疗诊断评估的重要工具。现有的CT成像技术已经比较成熟,CT图像的质量在扫描剂量达到一定程度时能达到十分清晰的程度,然而,患者在接受CT检查的时候会受到较强的辐射照射从而影响患者的健康。低剂量CT能大量降低原始CT检查的辐射量,但是降低X射线电流将导致重建图像的质量退化。因此对低剂量计算机断层扫描图像的去噪研究就显得十分有意义。本文的研究集中在低剂量CT图像的去噪,在对噪声在低剂量CT图像的信号分布以及现有的各种低剂量CT图像的去噪方法进行研究后,本文提出一种将剪切波变换(Shearlet Transform,ST)与滑动分解框架结合的低剂量CT图像去噪算法。近些年来多尺度变换方法在图像信号处理中的应用一直是学者们研究的热点,跟较早被提出小波变换相比,现在在图像处理领域运用更多的剪切波变换拥有更多的可逼近方向,因而其比小波变换拥有更好的稀疏逼近能力,在对复杂的自然信号进行处理时,剪切波变换往往有着比小波变换更好的处理结果。图像在去噪过程中,最理想的结果是在去除噪声的同时,图像原来等细节部分不会被破坏,所以一些图像去噪算法就是试图将图像等细节部分与图像等低频部分分开处理。在最近几年,一种可以将图像细节与非细节部分从原图分解出来的分解框架被提出,该框架对图像逐像素滑动进行编码,分解出两个部分,因此被称作滑动分解框架(Moving Decomposition Framework,MDF)。本文提出的去噪算法结合了图像的剪切波变换和上述分解框架。该算法先将图像经分解框架分解成含有图像细节和图像近似信息的两个部分,然后对这两个部分分别使用剪切波去噪和块匹配3D滤波(BlockMatching and 3D-filtering,BM3D)去噪算法,再对剪切波变换后得到的低频图像再施加低频滤波,最终将两个去噪后的分量通过该分解框架的逆变换方法得到最终的去噪图像。将含噪声的原图经分解框架分解之后分别处理使得图像的细节和边缘能被更好的保留,剪切波的多方向性使得其在对细节部分分量去噪时能得到较好的效果,BM3D的混合域去噪算法在对图像的近似分量进行去噪时也能获得理想的去噪结果,再通过该分解框架的逆变换将这两者结合,得到的结果既能保证图像去噪的效果,又能良好地保留图像细节。在文中的实验部分,通过与现有的主流的图像去噪算法进行比较,可以证明本算法对低剂量CT图像去噪的有效性和优越性。
邓惟心[7](2019)在《多阵元超声内镜信号采集与处理系统的研究》文中研究表明医用超声内镜是检测人体消化道及其它部位病变的一种重要工具,它通过超声换能器发射和接收超声波对人体器官进行成像,具有无损伤、无电离辐射等优势。根据超声换能器阵元数目的多少,可以将医用超声内镜成像系统分为单阵元环扫式超声内镜成像系统和多阵元相控阵超声内镜成像系统。与单阵元环扫式超声内镜成像系统相比,多阵元相控阵超声内镜成像系统避免了电机旋转引入的机械噪声,且具有成像分辨率高、信噪比高等优点,成为近年来研究的热点。现阶段,多阵元相控阵超声内镜研发的主要难点是:随着超声换能器阵元的增多和对成像系统性能的更高要求,超声内镜成像系统的成像信号采集和处理过程更为复杂,硬件设计难度增大;同时现有合成孔径超声成像算法仍然具有较大的旁瓣噪声,需要设计新的成像算法来提高图像的空间分辨率和信噪比。针对上述难点,本文设计了一套多阵元超声内镜信号采集和处理系统,主要包括信号发射子系统和接收处理子系统,完成了超声波的延时发射、回波信号转换与处理等功能,并利用USB3.0接口将回波数据传输到上位机;同时提出了一种基于编码激励技术和相干系数的超声成像算法,该算法提高了超声内镜成像系统生成的图像的空间分辨率和信噪比。本文的主要工作如下:1.设计了多阵元相控阵超声内镜的系统整体方案:选择FPGA芯片作为信号发射和接收处理的主控芯片;采用AD9272芯片进行回波信号处理;采用USB3.0接口将数据上传至上位机;最后通过GPU进行超声回波数据的处理。2.完成多阵元相控阵超声内镜信号发射子系统设计:以FPGA芯片为核心,控制信号实现延时发射、高压脉冲激励等功能。3.设计了超声回波信号接收处理电路:以集成模拟前端AD9272为核心,完成模拟信号放大、带通滤波、模数转换等功能;利用USB3.0接口上传回波数据。4.搭建多阵元相控阵超声内镜信号采集与处理实验系统,完成信号发射系统和接收处理系统的功能验证,证明了二者的可行性。5.提出了一种基于编码激励和相干系数的内镜超声成像算法,并用仿真实验验证了该算法提高超声成像空间分辨率和信噪比的可行性。
易心一[8](2019)在《面向小样本及数据不平衡问题的超声图像自动分类》文中指出超声作为临床中最常用的筛查诊断工具之一,已被公认为是乳腺癌、甲状腺癌的首选影像学检查方法。随着深度学习技术的发展,将计算机视觉、模式识别技术的成果应用于临床超声的计算机辅助诊断分析中成为当前国际医疗影像领域的研究热点。由于超声数据成像质量低:存在大量斑点噪声、边缘细节不清晰,以及现有公开数据集少且规模小,数据集中阳性样本与阴性样本数量级差异明显等问题,利用计算机辅助诊断手段进行超声图像自动分类颇具挑战。首先,为解决超声图像数据集的小样本问题,本文探索了标注样本稀缺的情况下进行迁移学习的有效性,分别从自然图像领域及人脸图像领域将模型参数迁移至医疗超声领域,选取经典的分类网络AlexNet、医疗影像分类任务中的常用网络VGG-16、人脸识别领域中性能先进的SphereFace进行迁移学习实验,其中基于AlexNet、VGG-16和SphereFace进行跨领域迁移的网络在甲状腺超声数据集上的分类准确率分别为89.3%、91.33%和93.54%。另外,本文研究基于GAN网络的样本扩增,首先以传统数据增强方式进行数据增广,增广后的数据集输入GAN进行特征学习,以生成高质量的超声图像样本作为新的增广数据集,实验结果表明,使用GAN样本生成的增广数据集在良恶性分类实验中效果最优,比原始未扩增的乳腺超声数据集分类准确率提高了14.29%、敏感性提高了17.94%、特异性提高了12.87%,比传统数据增强方式增广的数据集准确率提高了3.57%、敏感性提高了2.56%、特异性提高了3.96%,证明了利用GAN进行样本生成能够丰富数据的多样性,进而提升有限样本数据集的分类效果。另一方面,针对超声图像数据中良、恶性类别不平衡的问题,本文使用SMOTE算法进行少数类样本的过采样,实现样本的再均衡,有效提高了少数类样本的检出率,在乳腺超声数据集上的准确率提高了2.82%,敏感性提高了10.61%,特异性提高了0.46%;在甲状腺超声数据集上的准确率提高了3.14%,敏感性提高了1.72%,特异性提高了10%。而由于超声图像识别通常为简单的二分类问题,仅对病灶的良、恶性进行区分,为进一步提升其分类效果,本文研究了结合深度特征的SVM分类方法,与传统神经网络分类方法相比,在乳腺超声数据上的准确率提升了0.14%,在甲状腺超声数据上的准确率提升了0.86%。最后,实验结果表明,本文算法在乳腺超声数据和甲状腺超声数据中均能有效解决小样本以及类不平衡问题。其中,本文算法与使用同一个甲状腺开源超声数据集的算法相比准确率提高了4.71%,敏感性提高了8.02%,证明了本文算法在解决小样本及类不平衡问题上的有效性。
易玮玮[9](2019)在《基于卷积神经网络的医学超声图像质量评价方法研究》文中研究说明超声图像的质量是医学超声成像设备和图像处理算法优良性的重要指标,其评价方法具有重要的应用价值,但由于图像质量的评价主观性强,目前并没有统一的评价标准。本文对基于卷积神经网络(convolutional neural network,CNN)的医学超声图像质量评价进行了尝试研究,利用构建的CNN模型模拟专业医生对超声图像质量的评价过程,通过模型的客观评价达到与医生主观评价一致的目的。本文在分析医学超声图像质量评价的研究背景、意义和现状的基础上,对CNN在光学图像质量评价领域中的应用做了简要介绍,并尝试将其应用于医学超声图像的质量评价中。本文的主要工作:超声图像数据库的建立、三种用于超声图像质量评价CNN模型的训练、数据实验与分析。首先,收集高质量医学超声图像,经过人工降质后得到包含1063幅原始超声图像数据库;经医生评价、分数处理、异常值筛选和分数分布平衡后,将478幅带有主观分数标签值的超声图像作为训练和测试样本;在建立数据库的基础上,利用超声图像对浅层CNN网络、深层CNN网络以及调整结构的残差网络分别进行了训练,建立了图像质量评价模型。此外,通过迁移学习将基于自然图像训练的网络用于超声图像的质量评价。在测试中,模型的预测分数与主观质量分数的线性相关系数达到0.832,斯波尔曼秩相关系数达到0.797,该结果远优于峰值信噪比、结构相似度指数等与主观感受一致性差的传统评价方法。本文的研究表明卷积神经网络对于超声图像主观质量评价的学习是可行且有效的,并有望在后续研究中达到实际应用的目的。
陈红[10](2018)在《基于变分水平集活动轮廓模型的医学图像分割方法研究》文中研究指明自医学影像应用到临床医学以来,随着数字图像处理技术的发展,医生从不同模态的医学图像中获取信息的内容和方式也发生了变化。从单纯的观察组织结构和解剖结构,发展到利用去噪、分割、配准、分析和重建等图像处理方法对器官组织或病灶进行定位、分割、参数分析以及提取特征等多方面。在从低层到高层的数字图像处理技术中,图像分割是医学图像处理中的关键技术。基于变分水平集方法活动轮廓模型具有便于处理拓扑结构变化、计算精度高、稳定性强等优势。本文对基于变分水平集活动轮廓模型医学图像分割存在的主要问题进行研究,主要研究内容和创新性成果有以下方面:(1)提出一种基于多描述子的活动轮廓模型,有效地解决灰度不均带噪医学图像的高精度分割问题。研究了医学图像局部灰度分布的描述方式,在均值和方差的基础上引入局部熵,提高图像灰度分布描述的准确性。研究了抗噪问题,由多个像素共同确定的局部熵,对单个噪声点不敏感,具有一定的滤波作用。研究了图像的灰度偏移场问题,利用偏移场因子表征图像的全局灰度不均现象。在带噪的医学图像上对算法性能进行了测试,实验结果表明,本章算法的分割精度高于一些传统算法,体现了多描述子方案的有效性;完成分割同时纠正图像偏移场,改善了图像的视觉质量,促进分割精度的提高。(2)提出一种初始化鲁棒的基于图像全局和局部信息的活动轮廓模型,有效地解决医学图像分割中初始化敏感的问题。研究了图像全局信息拟合问题,针对现有全局活动轮廓模型的局限性,定义了分区熵,设计了基于分区熵的全局模型。研究了局部活动轮廓模型的初始化敏感问题,利用基于分区熵的全局信息作为补充以改善局部模型的初始轮廓敏感性。研究了全局信息和局部信息在能量最小化过程中的权重分配问题,使用自适应参数分配方案,在演化初期全局信息主导,加速收敛并防止初始轮廓敏感;在演化后期局部信息主导,保证分割的精度。基于医学图像、人工图像和自然场景图像对算法的有效性和初始化鲁棒性进行了测试。实验结果表明,新算法具有更强的初始化鲁棒性和分割精度,在解决了初始轮廓敏感问题的同时加快了收敛速度。(3)提出一种基于参数水平集活动轮廓模型的医学超声图像快速分割算法,有效地解决医学超声图像分割的实时性问题。研究了算法计算开销大、耗时的问题,设计了参数化水平集函数,克服了传统水平集函数需要附加正则项或重新初始化程序的缺点。研究了水平集方法计算复杂度高的问题,利用参数化水平集函数,在无需提高维度的情况下将拓扑变化自然融入到曲线演化过程中。研究了算法的初始化问题,设计了密集初始化方式,自动获取复杂形状,检测小区域,加快收敛速度。另外,本章算法不受CFL条件限制,可以选择较大步长。实验结果表明,对大量医学超声图像进行分割时,新算法具有较快的收敛速度,优于一些经典活动轮廓模型和复合算法。(4)提出一种基于变分水平集多相脑MRI分割算法,有效地解决了脑图像多相分割问题。研究了脑MRI的多相表达问题,设计了成员函数分别表示脑白质、脑灰质、脑脊液及背景四个区域,保证算法实现多相分割。研究了算法分割精度和抗噪问题,设计了多角度的局部灰度描述方法。研究了图像视觉效果问题,在能量泛函中引入偏移因子,完成图像偏移场的纠正。实验结果表明,新算法成功地实现了脑MRI的多相分割,在分割精度和抗噪性能方面优于传统方法,算法满足临床提出的多相分割、强抗噪性、克服灰度不均保证高精度、实现偏移场估计等四个必要条件。
二、医学超声数字图像的合成(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、医学超声数字图像的合成(论文提纲范文)
(2)集群式超声科研开放平台(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.1.1 医学超声技术的发展与限制 |
1.1.2 开放式超声平台的研发意义 |
1.2 开放式超声平台的国内外研究历史与现状 |
1.2.1 国外研究历史与现状 |
1.2.2 国内研究历史与现状 |
1.3 本文的主要研究内容与创新 |
1.4 本文的结构与安排 |
第二章 开放式超声平台 |
2.1 开放式超声平台的一般架构 |
2.1.1 基于软件的平台 |
2.1.2 基于硬件的平台 |
2.2 不同架构的一般性比较 |
2.3 集群式超声科研开放平台 |
2.3.1 超声模块 |
2.3.2 集群化结构 |
2.4 本章小结 |
第三章 集群式超声科研开放平台实现 |
3.1 实现路线 |
3.2 集群化实现 |
3.3 软件设计 |
3.3.1 嵌入式实现 |
3.3.2 应用程序实现 |
3.3.3 信号处理 |
3.4 本章小结 |
第四章 平台功能测试 |
4.1 定制化激励波形 |
4.1.1 单通道发射分析 |
4.1.2 多通道发射分析 |
4.2 同步性 |
4.3 超声数据验证 |
4.3.1 超声A模式验证 |
4.3.2 超声M模式验证 |
4.4 测试总结 |
4.5 本章小结 |
第五章 应用实现 |
5.1 超声脉冲多普勒 |
5.1.1 多普勒效应 |
5.1.2 脉冲多普勒算法 |
5.2 脉冲多普勒算法实现 |
5.2.1 MATLAB平台实现 |
5.2.2 应用程序中的实现 |
5.2.3 并行实时处理 |
5.2.4 结果分析 |
5.3 基于编码激励的超声脉冲多普勒 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(3)基于EUS的多模态消化道肿瘤图像融合技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 消化道肿瘤 |
1.1.2 内镜超声检查 |
1.1.3 图像融合概述 |
1.2 国内外研究现状 |
1.3 本课题的研究目的和意义 |
1.4 本文的主要研究内容及章节安排 |
1.4.1 主要研究内容 |
1.4.2 章节安排 |
第2章 超声图像预处理技术研究 |
2.1 引言 |
2.2 超声成像系统 |
2.2.1 超声成像原理及特征 |
2.2.2 斑点噪声 |
2.2.3 成像系统的组成 |
2.3 超声图像去噪 |
2.3.1 常见的超声图像去噪算法 |
2.3.2 基于稀疏表示的超声图像去噪算法 |
2.3.3 实验结果与分析 |
2.4 本章小结 |
第3章 超声图像三维重建技术研究 |
3.1 引言 |
3.2 VTK概述及原理 |
3.3 基于面绘制的超声图像三维重建 |
3.3.1 面绘制概述 |
3.3.2 移动立方体算法 |
3.4 基于体绘制的超声图像三维重建 |
3.4.1 体绘制概述 |
3.4.2 光线投射算法 |
3.5 两种绘制算法的比较 |
3.6 胃部超声图像三维重建的实现 |
3.6.1 算法实现 |
3.6.2 实验结果与分析 |
3.7 本章小结 |
第4章 超声图像与光学内镜图像融合技术研究 |
4.1 引言 |
4.2 图像配准 |
4.2.1 配准算法及分类 |
4.2.2 几何变换 |
4.2.3 优化策略 |
4.3 图像融合 |
4.3.1 融合算法及分类 |
4.3.2 三维医学图像融合 |
4.4 实验结果与分析 |
4.5 本章小结 |
第5章 总结和展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(4)便携式多普勒彩超前端系统的设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.2 超声成像系统发展概况与发展趋势 |
1.2.1 超声成像系统发展概况 |
1.2.2 超声成像系统发展趋势 |
1.3 本文的主要研究目的与内容 |
1.3.1 研究目的 |
1.3.2 研究内容 |
1.4 论文的结构安排 |
1.5 本章小结 |
第二章 便携式彩超前端系统总体方案设计 |
2.1 数字化超声成像基本原理及组成部分 |
2.2 探头及阵元选通方式的选择 |
2.2.1 超声探头的选择 |
2.2.2 超声扫描方式的选择 |
2.3 超声波束形成方式的选择 |
2.4 主控制器的选择 |
2.4.1 ARM控制器 |
2.4.2 FPGA控制器 |
2.5 总体方案 |
2.6 本章小结 |
第三章 便携式彩超前端系统硬件电路的设计 |
3.1 主控芯片电路 |
3.2 高压脉冲生成电路 |
3.2.1 单元式高压脉冲生成电路 |
3.2.2 基于集成芯片的高压脉冲生成电路 |
3.3 阵元选通电路 |
3.4 收发隔离电路 |
3.5 电源模块 |
3.6 超声回波接收电路 |
3.6.1 回波接收芯片AFE5805 |
3.6.2 时间增益控制电路 |
3.6.3 差分时钟电路 |
3.7 本章小节 |
第四章 便携式彩超前端系统的软件设计 |
4.1 总体流程设计 |
4.2 高压脉冲生成及阵元选通控制 |
4.2.1 高压脉冲生成程序 |
4.2.2 阵元选通程序 |
4.3 超声回波信号接收控制与程序设计 |
4.3.1 AFE5805芯片的控制方式 |
4.3.2 AFE5805芯片的控制程序 |
4.3.3 LVDS数据接收程序 |
4.4 数字波束形成器的程序设计 |
4.4.1 数字波束形成的原理 |
4.4.2 基于FieldⅡ的超声数字波束形成仿真 |
4.4.3 波束形成聚焦延时参数的计算 |
4.5 本章小节 |
第五章 超声成像前端系统的功能测试 |
5.1 前端系统主控板和测试仪器 |
5.2 电源模块的测试 |
5.3 高压脉冲生成电路的测试 |
5.4 阵元选通电路测试 |
5.5 收发隔离电路测试 |
5.6 回波接收端模块测试 |
5.7 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间申请的专利 |
致谢 |
附录1 部分原理图 |
附录2 PCB图 |
(5)基于空气介质的二维面阵超声成像研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 超声成像原理的研究现状 |
1.2.2 图像重建算法的研究现状 |
1.3 论文的研究内容 |
1.4 论文的结构安排 |
第2章 超声成像理论与仿真 |
2.1 相控阵成像理论概述 |
2.2 线性相控阵列的成像算法 |
2.2.1 线性相控阵列的发射与接收原理 |
2.2.2 聚焦延时的计算方法 |
2.3 二维超声阵列的成像规律 |
2.3.1 基本扫查方式概述 |
2.3.2 二维相控平面阵列的成像规律分析 |
2.4 基于二维超声阵列的声场仿真与分析 |
2.4.1 超声成像的声学特性 |
2.4.2 聚焦接收声场的仿真与分析 |
2.4.3 合成发射声场的仿真与分析 |
2.5 本章小结 |
第3章 超声成像系统构建与实验设计 |
3.1 超声成像系统的搭建 |
3.1.1 硬件系统的组成 |
3.1.2 软件系统的组成 |
3.2 同步性测试实验与分析 |
3.2.1 同步性测试实验方案设计 |
3.2.2 同步性测试实验结果及分析 |
3.3 基于延时控制的超声成像实验 |
3.3.1 实验环境概述 |
3.3.2 超声成像实验 |
3.4 本章小结 |
第4章 空气介质条件下的图像重建算法与实现 |
4.1 数据结构分析与处理方案设计 |
4.1.1 数据存储结构概述 |
4.1.2 数据处理方案设计 |
4.2 数据集标准化与预处理 |
4.2.1 均匀分布提取 |
4.2.2 一次线性拟合 |
4.2.3 数据封装与传递 |
4.3 基于幅值的反投影解析法 |
4.3.1 声压与幅值矩阵的映射关系 |
4.3.2 图像重建算法的实现 |
4.3.3 幅值归一化与渲染成像 |
4.4 重建图像的优化处理 |
4.4.1 数字多波束逐点聚焦理论概述 |
4.4.2 像素扩容与数字图像插值 |
4.5 本章小结 |
第5章 声场分布特性与实验结果分析 |
5.1 基本几何体的反射声场仿真 |
5.1.1 方体的反射声场仿真 |
5.1.2 球体与圆柱体的反射声场仿真 |
5.2 对照实验成像结果与分析 |
5.2.1 被测体对成像结果的影响分析 |
5.2.2 偏转角对成像结果的影响分析 |
5.3 延时聚焦对成像结果的影响分析 |
5.4 本章小结 |
第6章 总结和展望 |
6.1 工作总结 |
6.2 工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间参加项目与取得成果 |
(6)基于滑动分解框架与剪切波变换的低剂量CT图像去噪算法(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题的背景与意义 |
1.2 CT成像的基础知识 |
1.2.1 CT图像的成像原理 |
1.2.2 CT成像的发展 |
1.3 目前低剂量医学CT图像去噪算法研究现状 |
1.3.1 低剂量CT图像的噪声分布 |
1.3.2 去噪算法的分类 |
1.4 本文研究内容及结构安排 |
1.4.1 研究内容 |
1.4.2 论文结构 |
1.5 本章小结 |
第二章 基本理论背景 |
2.1 稀疏表示 |
2.1.1 稀疏表示的基本原理 |
2.1.2 稀疏表示在图像去噪中的应用 |
2.2 框架理论 |
2.2.1 框架理论的定义 |
2.3 小波变换 |
2.3.1 小波变换的特性 |
2.3.2 小波变换的理论框架 |
2.3.3 二维小波变换的主要执行步骤 |
2.4 剪切波变换 |
2.4.1 连续剪切波变换 |
2.4.2 离散剪切波变换 |
2.5 本章小结 |
第三章 基于滑动分解框架与剪切波变换的低剂量CT图像去噪算法 |
3.1 剪切波阈值去噪 |
3.1.1 紧支撑剪切波框架 |
3.1.2 基于傅里叶函数的剪切波变换的实现 |
3.1.3 基于傅里叶函数的剪切波逆变换的实现 |
3.1.4 改进的剪切波阈值函数 |
3.1.5 剪切波低频滤波 |
3.1.6 基于剪切波变换的去噪算法实现步骤 |
3.2 滑动分解框架 |
3.2.1 滑动分解框架的处理步骤 |
3.3 3-D块匹配协同滤波 |
3.4 剪切波、BM3D、滑动分解框架结合算法 |
3.4.1 算法思路 |
3.4.2 本文集成算法的实现步骤 |
3.5 本章小结 |
第四章 集成算法性能的实验验证 |
4.1 性能评价指标介绍 |
4.1.1 峰值信噪比(PSNR) |
4.1.2 结构相似性(SSIM) |
4.1.3 普拉特的品质因数(FOM) |
4.1.4 无参考图像质量指标(NIQE) |
4.2 在合成图上的实验 |
4.3 在临床低剂量医学CT图像上的实验 |
4.3.1 在临床医学低剂量CT图像上的实验 |
4.3.2 临床医学低剂量CT图像去噪后的噪声残差分析 |
4.4 本文滤波算法在医学超声图像中的应用 |
4.4.1 在临床医学超声图像上的实验 |
4.4.2 临床医学超声图像去噪后的噪声残差分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
1 作者简历 |
2 发明专利 |
学位论文数据集 |
(7)多阵元超声内镜信号采集与处理系统的研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 超声内镜成像系统 |
1.2.2 超声内镜成像算法 |
1.2.3 研究难点 |
1.3 本文主要研究内容 |
1.4 本章小结 |
第2章 超声内镜成像原理及系统整体方案 |
2.1 超声成像原理 |
2.1.1 超声波传播特性 |
2.1.2 超声内镜成像原理 |
2.2 相控阵超声内镜 |
2.2.1 超声相控阵检测技术原理 |
2.2.2 多阵元相控阵超声内镜成像原理 |
2.3 相控阵超声内镜成像系统设计要求 |
2.3.1 系统功能要求 |
2.3.2 系统性能指标 |
2.4 相控阵超声内镜成像系统整体方案 |
2.4.1 信号发射子系统 |
2.4.2 接收处理子系统 |
2.4.3 成像显示子系统 |
2.5 本章小结 |
第3章 信号发射和接收处理子系统设计 |
3.1 信号发射子系统电路设计 |
3.1.1 信号发射子系统电路结构 |
3.1.2 激励脉冲产生电路 |
3.1.3 高压电路 |
3.1.4 精确延时电路 |
3.1.5 系统供电电路 |
3.2 信号发射子系统程序设计 |
3.2.1 程序设计框架 |
3.2.2 程序各模块设计 |
3.3 接收处理子系统电路设计 |
3.3.1 接收处理子系统电路架构 |
3.3.2 回波限幅电路 |
3.3.3 信号预处理电路 |
3.3.4 数据传输电路 |
3.4 接收处理子系统程序设计 |
3.4.1 串并转换模块 |
3.4.2 数据通道标志模块 |
3.4.3 DDR2 模块 |
3.4.4 USB3.0 控制模块 |
3.5 本章小结 |
第4章 基于编码激励和相干系数的内镜超声成像算法 |
4.1 算法基本原理 |
4.1.1 合成孔径算法 |
4.1.2 编码激励技术 |
4.1.3 相干系数 |
4.2 算法流程 |
4.3 仿真实验验证 |
4.3.1 仿真实验平台 |
4.3.2 超声图像评价指标 |
4.3.3 实验结果 |
4.4 本章小结 |
第5章 实验结果与分析 |
5.1 实验平台 |
5.2 实验结果 |
5.2.1 信号发射实验结果 |
5.2.2 接收处理实验结果 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(8)面向小样本及数据不平衡问题的超声图像自动分类(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 深度学习在医疗影像中的应用 |
1.2.2 超声图像分类识别研究现状 |
1.2.3 超声图像分类识别的难点与挑战 |
1.3 本文主要研究内容 |
1.4 本文章节结构安排 |
1.4.1 本文技术路线 |
1.4.2 本文章节安排 |
第2章 相关技术理论 |
2.1 引言 |
2.2 GAN网络 |
2.3 迁移学习 |
2.4 类不平衡问题 |
2.5 本章小结 |
第3章 超声图像数据集及预处理 |
3.1 引言 |
3.2 超声图像数据集 |
3.2.1 BUS1 数据集 |
3.2.2 BUS2 数据集 |
3.2.3 TUS1 数据集 |
3.2.4 TUS2 数据集 |
3.3 实验运行环境配置 |
3.4 超声数据预处理 |
3.4.1 基于EEAD的超声图像去噪 |
3.4.2 基于MSRCP的超声图像增强 |
3.5 实验设计与结果分析 |
3.5.1超声图像去噪对比实验 |
3.5.2超声图像增强对比实验 |
3.6 本章小结 |
第4章 面向小样本问题的数据增广及迁移学习 |
4.1 引言 |
4.2 基于GAN的超声数据增广 |
4.3 跨领域迁移学习 |
4.4 实验设计与结果分析 |
4.4.1迁移学习良恶性分类实验 |
4.4.2应用不同增广方案的良恶性分类实验 |
4.5 本章小结 |
第5章 面向数据不平衡问题的超声图像分类 |
5.1 引言 |
5.2 面向类不平衡问题的超声图像良恶性分类 |
5.2.1 基于SMOTE的少数类样本过采样 |
5.2.2 结合深度特征的SVM良恶性分类 |
5.3 实验设计与结果分析 |
5.3.1基于SMOTE过采样的良恶性分类实验 |
5.3.2基于SVM特征分类的良恶性分类实验 |
5.3.3 与其他算法对比 |
5.4 本章小结 |
总结与展望 |
本人工作总结 |
未来工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文及科研成果 |
(9)基于卷积神经网络的医学超声图像质量评价方法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 图像质量评价国内外研究现状 |
1.3 本文主要内容与结构安排 |
2 基于卷积神经网络的图像质量评价方法 |
2.1 神经网络简介 |
2.2 基于卷积神经网络的图像质量评价方法 |
2.3 小样本数据集的深度卷积神经网络学习 |
2.4 本章小结 |
3 超声图像质量评价数据库的建立 |
3.1 原始图像的获取和降质 |
3.2 主观分数的获取和处理 |
3.3 异常值筛选和分布平衡 |
3.4 本章小结 |
4 实验设计与结果分析 |
4.1 浅层卷积神经网络IQA |
4.2 深层卷积神经网络IQA |
4.3 基于迁移学习的IQA |
4.4 残差网络的尝试应用 |
4.5 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 攻读学位期间学术成果 |
(10)基于变分水平集活动轮廓模型的医学图像分割方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 本文研究的问题 |
1.2.1 图像分割 |
1.2.2 医学图像分割 |
1.2.3 基于变分水平集活动轮廓模型 |
1.3 国内外研究现状 |
1.3.1 常用图像分割方法 |
1.3.2 变分水平集活动轮廓模型 |
1.3.3 基于水平集活动轮廓模型的医学图像分割方法 |
1.4 本文组织结构和章节安排 |
第2章 水平集活动轮廓模型综述 |
2.1 相关数学理论 |
2.1.1 偏微分方程 |
2.1.2 变分法 |
2.1.3 梯度下降流 |
2.2 曲线演化理论 |
2.2.1 切矢量 |
2.2.2 法矢量与曲率 |
2.2.3 曲线几何演化的一般方程 |
2.3 水平集方法及曲线曲面的隐式表达 |
2.4 水平集函数的初始化及重新初始化 |
2.5 水平集方法的数值计算 |
2.6 变分水平集方法 |
2.7 本章小结 |
第3章 基于多描述子活动轮廓模型医学图像分割方法研究 |
3.1 引言 |
3.2 典型模型描述 |
3.2.1 LIC模型 |
3.2.2 LGDF模型 |
3.3 基于多描述子活动轮廓模型 |
3.3.1 图像的局部熵 |
3.3.2 数据拟合能量的定义 |
3.3.3 水平集算法 |
3.3.4 能量最小化 |
3.3.5 算法计算步骤 |
3.4 实验结果及分析 |
3.4.1 MDAC算法有效性验证实验 |
3.4.2 与LIC模型和LGDF模型的比较实验 |
3.5 本章小结 |
第4章 基于全局和局部拟合信息的活动轮廓模型 |
4.1 引言 |
4.2 典型模型分析 |
4.2.1 C-V模型 |
4.2.2 LBF模型 |
4.2.3 LGIF模型 |
4.3 基于分区熵全局信息和LBF局部信息的活动轮廓模型 |
4.3.1 基于分区熵全局信息拟合能量的定义 |
4.3.2 基于全局和局部信息能量泛函的建立 |
4.3.3 能量泛函最小化算法 |
4.3.4 算法的计算过程 |
4.4 实验结果及分析 |
4.4.1 初始轮廓鲁棒性验证实验 |
4.4.2 与LBF和LGIF模型的比较实验 |
4.5 本章小结 |
第5章 基于参数化水平集医学超声图像快速分割算法研究 |
5.1 引言 |
5.2 背景知识 |
5.2.1 传统水平集函数选用 |
5.2.2 水平集函数正则化 |
5.2.3 局部高斯分布拟合能量模型 |
5.2.4 MSLCV模型 |
5.3 参数化水平集活动轮廓模型建立 |
5.3.1 参数水平集函数 |
5.3.2 能量泛函的建立 |
5.3.3 参数初始化 |
5.3.4 能量最小化方法 |
5.4 实验结果及分析 |
5.4.1 多面体个数选择实验 |
5.4.2 分割精度测试对比实验 |
5.4.3 分割效率测试对比实验 |
5.5 本章小结 |
第6章 基于变分水平集多相脑MRI分割算法研究 |
6.1 引言 |
6.2 背景知识 |
6.2.1 成员函数 |
6.2.2 灰度不均匀图像模型 |
6.3 多相分割模型建立 |
6.3.1 能量泛函的建立 |
6.3.2 水平集形式能量泛函 |
6.3.3 能量最小化方法 |
6.3.4 算法计算步骤 |
6.4 实验结果及分析 |
6.4.1 算法的有效性验证实验 |
6.4.2 与多相LBF和LIC模型的对比实验 |
6.4.3 抗噪性能测试实验 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
攻读博士期间发表的论文 |
作者简介 |
四、医学超声数字图像的合成(论文参考文献)
- [1]基于VIF自适应2D-VMD医学超声图像分频去噪算法研究[D]. 赵蓬勃. 内蒙古科技大学, 2021
- [2]集群式超声科研开放平台[D]. 张康. 电子科技大学, 2021(01)
- [3]基于EUS的多模态消化道肿瘤图像融合技术研究[D]. 蒲笑秋. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [4]便携式多普勒彩超前端系统的设计[D]. 吴小臻. 广东工业大学, 2020(02)
- [5]基于空气介质的二维面阵超声成像研究[D]. 胡孝楠. 武汉理工大学, 2020(08)
- [6]基于滑动分解框架与剪切波变换的低剂量CT图像去噪算法[D]. 吕金城. 浙江工业大学, 2020(08)
- [7]多阵元超声内镜信号采集与处理系统的研究[D]. 邓惟心. 天津大学, 2019(01)
- [8]面向小样本及数据不平衡问题的超声图像自动分类[D]. 易心一. 西南交通大学, 2019(04)
- [9]基于卷积神经网络的医学超声图像质量评价方法研究[D]. 易玮玮. 华中科技大学, 2019(03)
- [10]基于变分水平集活动轮廓模型的医学图像分割方法研究[D]. 陈红. 东北大学, 2018(12)