总体经验模态细分法提取血流超声多普勒信号的研究

提出基于总体经验模态分解（EEMD）血流细分法提高血流超声多普勒信号提取精度.首先估计辅助分析所需的白噪声幅度,进而用EEMD得到无模态混叠的本征模态函数（IMF）组,最后分离出血流信号的IMF.将本方法应用于计算机仿真和人体实测超声多普勒信号,并与高通滤波器法、原EMD法和EMD细分法比较.结果表明本文方法,提取的血流信号精度最高,特别对WBSR=70dB的混合信号,其精度比上述方法分别提高35%、38%及17%.     

颈动脉B超估计血管壁搏动位移的干扰抑制

超声检测时,由于测量者把握探头的不稳定、受试者的呼吸运动等造成的干扰,将对通过B超图像进行斑点跟踪提取到的动脉壁位移的精度造成影响.为此,本文提出基于B超序列相位图像的全局刚性特征进行配准消除干扰.相位特征通过对B超图像进行Riesz变换,再采用高斯差分法提取得到.为了更快地完成寻优,减少配准误差,采用了基于位置加权的主轴质心法与互信息相结合的分阶段的配准方法.结果表明,与直接对B超或相位图采用斑点跟踪的方法相比,该方法有效去除了干扰,管壁位移提取的精度有显著提高.本文方法还可用于心脑等医学图像的配准.     

基于多尺度小波边缘检测改进GVF snake的颈部淋巴结超声图像轮廓提取

提取超声图像的轮廓对医学诊断有着积极意义。然而,由于超声图像具有目标与背景间对比度低、信噪比低等特点,以往的边缘检测算法在解决图像噪声、精确定位边缘以及获得连续光滑的边缘线之间的矛盾均未得到理想的效果。GVF snake能较好地解决以上矛盾,且具有更大的捕获范围和更强的凹陷域收敛性。但GVF snake初始轮廓线需手工勾勒,不仅比较繁琐,而且目标提取的结果在很大程度上受人工初始化的影响。为此,提出一种多尺度小波变换模极大值与GVF snake算法结合的方法来提取颈部淋巴结超声图像轮廓。该方法首先运用小波变换模极大值多尺度边缘检测算法得到目标图像的边缘图,再在边缘图上分别选取上、下、左、右四个不同方向若干个特征点,即可自动获得较为客观的初始轮廓线,最后利用GVF snake模型提取图像的精确轮廓。实验表明该方法能得到目标图像连续光滑的轮廓线,同时比GVF snake提取的轮廓更加精确,更能反映轮廓的局部细节。此外,由于初始轮廓更加接近给定图像的真实边缘,从而减少了梯度矢量流力场迭代(GVF)次数,提高了轮廓的收敛速度。     

组织超声谐波特性的Nakagami分布统计特征研究

研究了超声回波信号中二次谐波包络信号的Nakagami分布参数与非线性系数之间的对应关系,以获得更准确的组织非线性定量特征.将超声回波射频信号的基/谐波成分进行分离,获取基波和二次谐波成分的包络信号,分别计算并比较信号的Nakagami分布参数.仿真结果表明,对于不同的非线性系数,二次谐波包络信号的分布参数相互分离,特别是非线性系数β在3~6的范围内具有显著的差异,而对应的基波的差异性不显著.离体组织实验中,与脂肪相比,肝和脑的基波的平均功率ω和形状因子μ的相对差异分别为7.3%和0.03%及2.0%和4.3%;谐波的ω和μ的相对差异分别为8.3%和19.4%及7.0%和34.0%.结果进一步验证了仿真结果的有效性和正确性.综上所述,不同非线性组织超声回波信号中,二次谐波包络信号的Nakagami分布参数具有显著差异,可据此定量分析生物组织的非线性特征.     

经验模态分解及其模态混叠消除的研究进展

由Huang提出的经验模态分解(Empirical Mode Decomposition,EMD)算法是一种数据驱动的自适应非线性时变信号分析方法,可以把数据分解成具有物理意义的少数几个固有模态函数(Intrinsic Mode Function,IMF)分量。然而模态混叠会导致错假的时频分布,使IMF失去物理意义,严重影响了EMD分解的准确性与实用性。分别针对一维和多维EMD抑制模态混叠,总结归纳了相关研究取得的主要成果,指出了各方法抑制效果的改进及仍有的不足。最后讨论了相关研究及应用未来的发展趋势。     

心电检测的安全隔离方案

本文讨论了电源隔离与信号隔离两种安全隔离方法 ,设计了一种心电检测电路达到对被测者的安全保护 ,方案满足医用电子仪器的安全使用规范     

针对减少多普勒信号时频分布斑点的研究

基于短时傅立叶变换(STFT)的商用多普勒分析仪所得出的多普勒信号谱存在较大的随机噪声和随机抖动(形成多普勒斑点)；为了减少或抑制这些多普勒斑点，我们利用维纳辛钦定理先对信号进行自相关，消除其电噪声，然后再对去噪后的信号加上一个高斯窗函数做傅立叶变换抑制其谱的随机抖动，最终得出了较好的信号谱形，减少了多普勒斑点．