碩士畢業(yè)論文醫(yī)學(xué)超聲斑點的分布分析及去噪
無論在學(xué)習(xí)或是工作中，許多人都寫過論文吧，論文是學(xué)術(shù)界進(jìn)行成果交流的工具。還是對論文一籌莫展嗎？下面是小編幫大家整理的碩士畢業(yè)論文醫(yī)學(xué)超聲斑點的分布分析及去噪，歡迎閱讀與收藏。
第一章導(dǎo)言
隨著計算機(jī)技術(shù)的飛速發(fā)展，醫(yī)學(xué)超聲成像技術(shù)日益成熟，并廣泛應(yīng)用于各種疾病的診斷。超聲成像技術(shù)是20世紀(jì)50年代后期發(fā)展起來的一種新型無創(chuàng)診斷臨床醫(yī)學(xué)技術(shù)。研究和應(yīng)用超聲聲學(xué)特征、光學(xué)特征、成像原理、人體組織器官的解剖、生理和病理特征以及臨床醫(yī)學(xué)基礎(chǔ)知識，觀察人體組織器官形態(tài)和功能變化的超聲表現(xiàn)，然后進(jìn)行分析和總結(jié)，探索疾病的發(fā)生發(fā)展規(guī)律，實現(xiàn)疾病的診斷和治療。
1.1選題的目的和意義
超聲檢測技術(shù)在現(xiàn)代臨床醫(yī)學(xué)中應(yīng)用廣泛。超聲圖像的醫(yī)學(xué)診斷問題往往是針對特定的目標(biāo)而提出的。因此，在超聲圖像的分析和處理中，需要解決的主要問題之一是如何有效地描述這一目標(biāo)，以幫助醫(yī)生做出診斷。醫(yī)用超聲波檢測利用超聲波的反射和衍射特性，通過觀察超聲波檢測器上顯示的超聲波的位置和強(qiáng)度的變化，來確定待測器官的內(nèi)部和表面是否存在異常。超聲波檢測具有無創(chuàng)傷、成像實時傳輸?shù)葍?yōu)點。在超聲波檢測中，我們利用超聲波回波的反射特性。然而，在使用回波反射技術(shù)時，由于回波的干涉效應(yīng)和散射超聲波束之間的相互干涉，當(dāng)相關(guān)反射源反射的兩個回波重疊時，會在超聲圖像中產(chǎn)生不同明暗的粒子，這就是本文所討論的超聲散斑噪聲。這大大降低了超聲圖像的質(zhì)量，并且使得識別和分析圖像細(xì)節(jié)更加困難。更重要的是，醫(yī)學(xué)超聲圖像包含大量的圖像信息，圖像的低對比度會增加醫(yī)學(xué)診斷醫(yī)師區(qū)分病變部位和背景區(qū)域的難度，這可能導(dǎo)致對特定病變部位的錯誤判斷ra，從而導(dǎo)致醫(yī)療事故。因此，研究這一特殊點的特征，并在此基礎(chǔ)上進(jìn)一步研究如何抑制這一點，保持和增強(qiáng)圖像邊緣和細(xì)節(jié)特征，進(jìn)而準(zhǔn)確地進(jìn)行邊緣檢測、圖像識別、分割和定位等后續(xù)工作，具有重要的現(xiàn)實意義。如今，隨著信息技術(shù)的飛速發(fā)展，各種基于計算機(jī)的應(yīng)用得到了廣泛而迅速的應(yīng)用。計算機(jī)存在于我們生活的每個領(lǐng)域。借助于計算機(jī)，超聲波檢測可以實時顯示并快速成像。通過對超聲圖像的計算機(jī)處理，散斑抑制算法的研究可以有效提高獲取診斷信息的準(zhǔn)確性。計算機(jī)模擬散斑噪聲模型，為散斑抑制算法的研究和驗證提供了客觀的研究對象。本文就是以此為研究對象。通過對超聲散斑的產(chǎn)生原理、統(tǒng)計特性和分布特性的研究，利用計算機(jī)仿真軟件生成了一個具有實際意義且易于實現(xiàn)的散斑模型，并將其添加到模擬的b超圖像中。采用有效的濾波算法觀察其噪聲抑制效果。
1.2醫(yī)學(xué)超聲成像知識
1.2.1超聲波成像原理
超聲波是物體機(jī)械振動產(chǎn)生的機(jī)械波。它的物理參數(shù)包括波長、頻率和傳播速度。醫(yī)學(xué)上使用的超聲波頻率范圍是2.5LOMHz，常用于2.55兆赫之間的超聲波。人體的結(jié)構(gòu)非常復(fù)雜。各種器官和組織，包括病理組織，都有其特定的聲阻抗和衰減特性。當(dāng)超聲波進(jìn)入人體時，它從淺到深穿過具有不同聲阻抗和衰減特性的器官和組織，導(dǎo)致超聲波束的不同反射和衰減。我們將接收回波，根據(jù)回波的強(qiáng)度，在屏幕上用不同的明暗斑點顯示，可以獲得人體的橫斷面超聲圖像。由于人體的器官表面被膜與其下組織之間聲阻抗的巨大差異，可以形成極好的界面反射和完整清晰的外周回聲，從而顯示器官的輪廊。通過周圍的回聲，可以確定器官的形狀和大小。當(dāng)超聲波通過不同的人體組織時，有三種不同程度的內(nèi)部回聲，即無回聲、低回聲或強(qiáng)回聲。超聲波成像使用高頻聲波作為其成像聲源，并且接收到的聲波是被檢查的人體組織結(jié)構(gòu)的反射聲波。作為電聲換能器，超聲波探頭可以通過探頭晶體的振動將高頻電信號轉(zhuǎn)換成超聲波。當(dāng)超聲波進(jìn)入人體組織時，超聲波探頭將反射的超聲波轉(zhuǎn)換成高頻電信號并顯示在顯示屏上，從而獲得人體組織的真實圖像。隨著超聲波技術(shù)的不斷進(jìn)步和發(fā)展，其應(yīng)用范圍已經(jīng)大大擴(kuò)大，如血管、心臟、乳房和囊腫的'識別以及各種外科手術(shù)的應(yīng)用。
第二章超聲圖像的散斑分析
超聲成像是一個復(fù)雜的過程。因為位于分辨率單元中的散射體是隨機(jī)分布的，所以它們的反向散射能量也是隨機(jī)的。因此，這種回波信號具有一定的統(tǒng)計特征。散射數(shù)密度是指單位分辨率單位中散射信號的數(shù)量。最理想的情況是每個分辨率單元包含大量的點散射體，而任何一個點散射體都不會產(chǎn)生強(qiáng)反射信號，這些散射體散射信號的交叉部分在單元范圍內(nèi)完全一致。此時，斑點遵循瑞利分布，如正常心臟和腎臟。在超聲成像過程中，為了使回波輸入信號匹配顯示設(shè)備的動態(tài)范圍，信號被對數(shù)壓縮�？紤]到信號的對數(shù)壓縮特性，散射體的分布也發(fā)生了很大變化。這樣我們可以得到更真實的光斑分布特征。通過計算機(jī)仿真軟件，可以得到符合條件的光斑仿真圖像和添加光斑后的仿真b超圖像。
2.1超聲圖像散斑產(chǎn)生原理
在實際的超聲成像系統(tǒng)中，根據(jù)人體組織和器官的聲學(xué)特性，換能器發(fā)射超聲脈沖，并通過人體的器官和組織的聲學(xué)界面形成不同的折射和反射波。部分能量返回?fù)Q能器，換能器將聲能轉(zhuǎn)換成電能，并在處理后在屏幕上顯示器官形態(tài)。發(fā)射的超聲波通過介質(zhì)散射和反射形成的回波信號實際上是反向散射信號的連續(xù)累積。超聲回波反射技術(shù)是超聲檢測中最常用的技術(shù)之一。同時，超聲成像也利用超聲反射后的回波進(jìn)行成像。
第三章超聲圖像散斑去噪.........30
3.1全變分圖像去噪算法........30
3.2自適應(yīng)中值濾波器(AMF)……37
3.2.1自適應(yīng)中值濾波算法設(shè)計........38
3.2.2 Matlab仿真........38
3.3，小波軟閾值濾波(WSTF).......39 [/BR/] 3.3.1小波去噪原理........39 [/BR/] 3.3.2小波去噪閾值函數(shù)計算........40[/溴40[/溴/]3.3.3 Matlab仿真........41 [/BR/] 3.4圖像質(zhì)量評估........42 [/BR/] 3.4.1圖像的客觀評價方法........42
3.4.2圖像的主觀評價方法........43
3.4.3算法質(zhì)量評價指標(biāo)........43
3.5本章摘要........45
第4章實驗與分析........46
4.1實驗方案........46
4.1.1實驗儀器介紹........46
4.1.2實驗步驟........46
4.2實驗結(jié)果圖........47
4.3實驗結(jié)果的灰度剖面分析........48
4.4本章摘要........51
第五章總結(jié)和展望........52
5.1概述........52
5.2展望........57
結(jié)論
本文以超聲圖像的散斑分析和去噪為主要研究目標(biāo)，研究了散斑噪聲的產(chǎn)生原理和統(tǒng)計特性，超聲圖像的散斑模擬，最后利用去噪算法對模擬超聲圖像和含有散斑噪聲的臨床超聲圖像進(jìn)行去噪。
1。散斑噪聲的形成和統(tǒng)計特征首先解釋了超聲醫(yī)學(xué)成像的原理和超聲散斑的起源。其次，分析了超聲斑點的分布，發(fā)現(xiàn)它們服從瑞利分布，得到了它們的概率密度和分布函數(shù)。最后，由于成像過程受到電信號的對數(shù)壓縮，我們得到了對數(shù)壓縮后的分布函數(shù)。利用Matlab軟件編程將瑞利分布的散斑噪聲加入到x光手骨圖中，得到帶有散斑噪聲的圖像。
2。超聲圖像散斑模擬首先，對超聲線性成像系統(tǒng)進(jìn)行了理論研究，如發(fā)射聲場、散射聲場、衰減、接收聲場和空之間脈沖響應(yīng)函數(shù)的計算。然后我學(xué)習(xí)了如何使用場二線性模擬軟件包中的換能器設(shè)置功能、聲場計算功能和系統(tǒng)調(diào)節(jié)功能。根據(jù)b超模擬的流程，模擬了超聲聲場、發(fā)射聲束和接收回波。通過與仿真體模的交互，實現(xiàn)了超聲散斑噪聲的仿真和人體腎臟的B型仿真。
3。針對超聲散斑去噪中常用經(jīng)典算法的不足，提出了一種ROF算法，對圖像進(jìn)行全局全變差變換，求解ROF歐拉-拉格朗日方程，實現(xiàn)數(shù)值算法。通過對獲得的含散斑模擬腎臟b超圖像和添加散斑的x光手骨圖像進(jìn)行去噪，利用ROF總變分算法、小波軟閾值濾波算法和自適應(yīng)中值濾波算法對成像圖像去噪，利用峰值信噪比(PSNR)和邊緣保持系數(shù)(P)來評價圖像質(zhì)量，從而得到ROF算法能夠很好地平衡去噪效果和細(xì)節(jié)信息保持兩個矛盾。在臨床實踐中，實際超聲成像與模擬之間仍然存在一定的差異，因此我們使用實驗室現(xiàn)有的超聲掃描儀Focus2202對人體的器官進(jìn)行超聲成像。然后，利用ROF算法、WSTF算法和AMF算法對圖像進(jìn)行推導(dǎo)和去噪。最后，在灰度變化為特征的范圍內(nèi)，取灰度輪廓曲線，對臨床超聲圖像和各種算法處理的圖像進(jìn)行分析。ROF全變分算法在噪聲抑制和邊緣細(xì)節(jié)信息保持方面有很好的效果。同時，也表明Field建立的散斑模型更接近真實散斑噪聲，可以作為研究散斑去噪算法的客觀研究對象。這對醫(yī)學(xué)超聲圖像散斑去噪的研究具有現(xiàn)實意義。
參考
[1]王燕丹，高尚凱。新超聲成像技術(shù)及其臨床應(yīng)用[。北京生物醫(yī)學(xué)工程。2006年，25(5):553-556。
[2]陳陶藝。醫(yī)學(xué)超聲圖像去噪方法的研究。哈爾濱:哈爾濱工業(yè)大學(xué)，2008。
[3]主編馮若。超聲診斷設(shè)備的原理和設(shè)計。北京:中國醫(yī)學(xué)科學(xué)技術(shù)出版社，1993。
[4]約翰·j·懷爾德。約翰·里德。關(guān)于活的完整人類乳房腫瘤組織結(jié)構(gòu)的進(jìn)一步的飛行員回波描記研究[雜志，美國病理雜志1952，28 (5): 839-861。
[5] Bomn等人，Circ，1973年。，[6]胡兵。超聲成像診斷技術(shù)進(jìn)展。《世界科學(xué)》，1996 (10)，27-28。
[7]麥克東肯·W·n，薩瑟蘭·g·r，莫蘭·C·M..心臟的彩色多普勒速度成像。醫(yī)學(xué)和生物學(xué)中的超聲波，第18卷，第6-7期，1992年。第651-654頁。
[8]許張之。超聲造影成像[。上海醫(yī)學(xué)影像。2005年，14: 75-80。
[9]伯恩斯，辛普森，阿弗基歐，非線性成像[。醫(yī)學(xué)與生物學(xué)中的超聲波，2000，26(1):19-22。
[10]安奎爾·R·格雷尼爾·N，埃德爾·V，等.超聲組織諧波成像的臨床應(yīng)用[，醫(yī)學(xué)與生物學(xué)中的超聲，1999，25(6):889-894 .
【碩士畢業(yè)論文醫(yī)學(xué)超聲斑點的分布分析及去噪】相關(guān)文章：