基于阈值区间的水平集算法在耳蜗分割中的应

为了获取独立的三维耳蜗模型，提出了一种交互式、半自动、由粗到细、结合三维显示反馈的耳蜗分割方法.浏览二维切片,调节图像强度区间并选取感兴趣区域,从颞骨螺旋CT(computed tomography)图像中对耳蜗进行粗分割;采用基于阈值区间的三维水平集（level set）分割算法对耳蜗进行细分割.应用可视化技术,对分割结果进行实时显示,显示结果作为用户进行参数调节的参考依据,经过多次人机交互,直至获得满意的分割结果.利用临床颞骨螺旋CT图像进行耳蜗分割实验,结果表明该方法适合于分割结构复杂且表面光滑的目标.     

超声编码激励在瞬时弹性成像检测中的应用

瞬时弹性(Transient Elastography,TE)成像广泛应用于肝硬化研究。然而,在临床应用中,对于肥胖病人,该方法很难实现对深度位置的瞬时剪切波进行检测。研究了将超声编码激励应用于瞬时弹性成像剪切波检测的可行性,选用7位巴克码进行编码检测研究。通过剪切波信噪比和检测穿透力两个指标对编码检测与传统短脉冲检测结果进行量化和对比。弹性仿体实验表明,编码检测可以提供比传统短脉冲检测更高的剪切波信噪比和检测深度。离体猪肝实验表明将编码激励应用于组织检测时同样可以实现高信噪比剪切波检测。这些结果表明编码检测应用于瞬时弹性成像检测是可行的,可以增加其检测深度。     

浅谈频域和时域

1频域和时域概念 我们经常讲的信号时域分析就是分析信号随时间的变化,比如24小时体温监测图即体温随时间变化,如图1.1;24小时动态血压监测图即血压随时间的变化,如图1.2;心电图即心电信号随收缩期,舒张期的时间变化,如图1.3;超声多普勒频谱图即血流速度随收缩期、舒张期的时间变化,如图1.4.      

三维窄带水平集算法在内耳分割中的应用

为减少从颞骨螺旋CT（computed tomography）图像中分割内耳的手动交互量，阐述了基于区域竞争的窄带水平集算法的基本原理及其特点，构造了合适的速度函数来控制水平集函数的演化，并将该算法应用于颞骨螺旋CT图像中内耳的分割.通过建立三维模型表面上的点与3个正交截面的对应关系，可以快速确定弱边界所在的位置，然后在正交截面上手动编辑以去除多余的组织，得到完整的内耳.对3个病人的5例颞骨图像进行内耳分割实验，实现了4例内耳的完整分割、1例严重畸形内耳的不完整分割.分割1例内耳约需10 min.该方法具有分割速度快、手动交互少、结果表面均匀的优点.     

超声逆散射成像问题中的正则化方法研究

为提高成像质量,需反复地求解不适定逆散射方程,而不适定方程的求解需要正则化处理.将截断完全最小二乘正则化方法应用到迭代过程中,该方法同时考虑逆散射方程的系数矩阵和数据项均存在误差的情况,不仅适合于不适定性较弱的情况,而且适合于不适定性较强的情况,提高了算法的收敛性以及成像的质量.对不同结构以及不同对比度图像的数值仿真结果显示,截断完全最小二乘正则化方法,较只考虑数据项存在误差的Tikhonov正则化方法成像质量高,且适用范围广.     

基于改进Snake模型的超声乳腺肿瘤轮廓提取

二维超声影像中肿瘤轮廓特征是判断乳腺肿瘤的良恶性的重要依据。针对超声医学图像的特点,本研究对经典的Snake模型进行了改进:内部能量中加入轮廓平均长度项的控制;外部能量由基于图像统计特征的区域能量以及梯度方向势能决定,并提出了基于贪婪算法求解模型最小值的快速算法。实验结果显示本算法在噪声强度较大的模拟图像和超声医学图像中均取得了同人工分割近似的结果,而经典的Snake模型和GVF模型受噪声干扰较大。大量的实验证明本算法有效地克服了散斑噪声对分割结果的影响,可准确高效地提取超声图像中的乳腺肿瘤轮廓。     

X射线光声成像的信号检测与仿真

通过理论仿真和实验检测结果,分析由医用直线加速器产生的X射线照射铅块所产生的光声信号特性.使用光电二极管搭建一个光电检测电路,检测到医用直线加速器所产生的脉冲X射线的光脉冲宽度约为4μs.采用K-wave工具包仿真分析脉冲宽度为几个微秒的光脉冲所产生的光声信号.搭建了一个光声信号检测系统,对比分析分别使用Olypus V301商用探头与自制的PZT-4陶瓷换能器时的检测性能.结果表明,两款探头都检测到了光声信号,V301商用探头检测结果与理论仿真波形一致性较好,但信噪比低,而本研究设计的PZT-4检测灵敏度高,但检测到的信号波形与理论仿真结果偏差较大.两款探头在检测脉冲宽度为4μs的X射线脉冲所产生的声信号时都存在不足,为更好的检测该光声信号,需设计一款中心频率在70 kHz附近、带宽较宽、检测灵敏度较高的探头.     

基于改进Snake模型的超声乳腺肿瘤轮廓提取

二维超声影像中肿瘤轮廓特征是判断乳腺肿瘤的良恶性的重要依据。针对超声医学图像的特点,本研究对经典的Snake模型进行了改进:内部能量中加入轮廓平均长度项的控制;外部能量由基于图像统计特征的区域能量以及梯度方向势能决定,并提出了基于贪婪算法求解模型最小值的快速算法。实验结果显示本算法在噪声强度较大的模拟图像和超声医学图像中均取得了同人工分割近似的结果,而经典的Snake模型和GVF模型受噪声干扰较大。大量的实验证明本算法有效地克服了散斑噪声对分割结果的影响,可准确高效地提取超声图像中的乳腺肿瘤轮廓。