超声图像处理新方法及其在产前诊断中的应用

论文摘要

超声诊断具有无损、价廉、实时的优点,是现代临床医学必不可少的影像诊断技术之一。由于超声成像的相干特性,超声图像的信噪比低,给定量分析和诊断带来了不利影响。实际应用中,超声诊断往往存在准确性因医生经验而异、图像特征提取和分析方法滞后于成像技术发展等缺陷。在超声图像分析中引入自动特征提取和分析方法具有重要的意义,但要先解决图像降噪和图像分割两个关键问题。产科超声诊断是评价胎儿宫内生长发育的重要手段,对降低孕产妇和胎儿死亡率、确保优生优育具有重要意义。临床产科检查中,通过超声成像测量胎儿各径线长度从而预测胎儿体重是衡量胎儿宫内生长发育的重要指标之一。然而,目前临床胎重预测的准确性不尽人意,其主要原因有手动测量胎儿径线带来的随机误差和回归分析本身的系统误差。本文抓住降噪和分割这两个超声图像分析中的关键问题,以产科超声图像分析和辅助诊断为目标,在以下几个方面进行了研究和探讨:在图像降噪中,以各向异性扩散为主要研究对象。为高强度背景噪声中的噪声抑制和边缘检测提出核各向异性扩散模型;为增强斑点噪声抑制各向异性扩散滤波器SRAD的灵活性和稳定性,提出一种基于EM算法混合分布分解的扩散参数自适应选取方法;将非降采样Contourlet变换在几何结构捕捉方面的优势引入斑点噪声降噪中,提出一种称为Contourlet域复扩散的多尺度各向异性扩散模型。针对超声图像中造成图像信噪比低的斑点噪声和亮度不均匀,提出一种基于二维模糊聚类融合斑点噪声抑制和亮度补偿的超声图像分割方法,该方法可用于形状复杂的空腔和液体充盈组织的分割。将二维模糊聚类的思想进行扩展,提出针对脉冲噪声的快速二维模糊聚类算法和针对高斯噪声和亮度不均匀的多信息模糊聚类,分别用于自然图像和分子成像图的分割。针对超声图像中大量目标大体形状已知且变化不大的特点,提出一种融合边缘检测、模糊聚类、霍夫变换和形变模型的超声图像分割方法。该方法能够充分发挥每类算法的优势并避免它们的不足,可主要用于胎儿双顶径、头围、腹围和股骨长度的超声图像分割和参数测量。为抑制不准确测量数据对胎重预测模型训练的影响,将模糊逻辑引入支持向量回归中;为保证模糊支持向量回归的范化能力,引入遗传算法优化选取模型参数。将所提出的模型分别用于正常体重儿和低体重儿的胎重预测,与现有的回归方程法和人工神经网络模型进行对比,说明所提出模型的优越性。将胎儿参数自动分割与胎重预测模型结合起来,从参数获取和模型设计两方面避免临床胎重预测中存在的问题,建立一套完整的基于超声图像的胎重预测系统。该系统能提供较现有方法更准确的胎重预测,有潜力将预测误差降低40到70克。最后开发了一个产科超声图像辅助诊断系统。该系统具有数据库管理能力,并集成了论文中提出的所有图像降噪、图像分割和胎重预测方法。

论文目录

• 摘要
• Abstract
• 缩略语
• 第1章 绪论
• 1.1.医学超声诊断技术
• 1.1.1.医学超声诊断技术现状
• 1.1.2.临床医学超声诊断中存在的问题
• 1.1.3.医学超声图像分析中的关键问题
• 1.2.产科超声诊断技术
• 1.2.1.产科超声诊断技术现状
• 1.2.2.产科超声诊断中存在的问题及研究热点
• 1.3.研究目标和意义
• 1.4.论文创新点
• 1.5.论文结构
• 第2章 基于各向异性扩散的图像降噪
• 2.1.各向异性扩散降噪方法概述
• 2.1.1.Perona-Malik模型
• 2.1.2.针对普通噪声的改进模型
• 2.1.3.针对斑点噪声的改进模型
• 2.2.核各向异性扩散模型
• 2.2.1.核方法
• 2.2.2.KAD原理
• 2.2.3.KAD实现
• 2.2.4.实验结果及讨论
• 2.3.基于EM算法的SRAD参数估计
• 2.3.1.EM算法原理
• 2.3.2.二状态瑞利、高斯混合模型
• 2.3.3.基于EM算法的二状态瑞利、高斯混合分布分解
• 2.3.4.实验结果及讨论
• 2.4.Contourlet域的复扩散模型（CTCD）
• 2.4.1.非降采样Contourlet变换
• 2.4.2.基于Contourlet变换的复扩散
• 2.4.3.实验结果及讨论
• 2.5.讨论及小结
• 第3章 基于模糊聚类的图像分割
• 3.1.基于模糊聚类的图像分割方法概述
• 3.1.1.FCM聚类算法
• 3.1.2.改进的FCM算法
• 3.2.结合斑点噪声滤波和亮度不均匀补偿的二维模糊聚类超声图像分割方法
• 3.2.1.二维模糊聚类2DFCM
• 3.2.2.二维匀质模糊聚类2DHFCM
• 3.2.3.2DHFCM算法实现
• 3.2.4.实验结果及讨论
• 3.3.基于模糊聚类的其它自然和医学图像分割新方法
• 3.3.1.针对脉冲噪声的快速二维模糊聚类
• 3.3.2.结合噪声滤波及纹理特征的多信息模糊聚类分子成像图分割方法
• 3.4.讨论及小结
• 第4章 胎重预测方法
• 4.1.胎重预测意义及现状
• 4.2.现有的预测胎重方法概述
• 4.2.1.回归分析法
• 4.2.2.基于神经网络的方法
• 4.3.基于模糊支持向量回归的胎重预测新方法
• 4.3.1.支持向量回归SVR
• 4.3.2.模糊支持向量回归FSVR
• 4.3.3.模糊策略
• 4.3.4.基于遗传算法的FSVR模型优化
• 4.3.5.FSVR胎重预测的实现
• 4.4.胎重预测结果的评价与比较
• 4.4.1.胎重预测结果评价标准
• 4.4.2.对标准数据集胎重预测结果的比较
• 4.4.3.对低体重儿数据集胎重预测结果的比较
• 4.5.讨论及小结
• 第5章 产科超声图像自动测量及胎重预测
• 5.1.数据分析
• 5.2.技术背景
• 5.3.产科超声图像自动测量系统
• 5.3.1.头部参数和腹围的测量
• 5.3.2.股骨测量
• 5.4.程序测量与手动测量的系统比较
• 5.5.基于程序测量及手动测量的胎重预测比较
• 5.6.讨论及小结
• 第6章 产前超声辅助诊断系统
• 6.1.系统的总体设计
• 6.2.系统设计的关键技术
• 6.3.讨论及小结
• 第7章 讨论和展望
• 参考文献
• 攻读学位期间发表论文及申请专利
• 致谢