三维超声成像系统体数据重建算法的应用研究

三维超声成像系统体数据重建算法的应用研究

论文摘要

由于超声成像具有无创伤性、应用面广、操作方便灵活、安全可靠而又价格低廉等优点,超声成像是继X射线成像之后发展最迅速、推广应用普及最快的一种医学成像技术。常规二维超声有很多临床应用局限性:医生在诊断时只能把许多二维超声图像在头脑中想象出三维的器官,如此会导致工作效率低甚至误诊;二维超声图像只从一个角度描绘器官,临床医生难以获得最优化的成像平面用于诊断;二维超声不能表达器官表面曲率的变化,如在胎儿面部结构的诊断中,需要操作者有非常丰富的临床经验,且受操作者主观因素的影响较大。三维超声技术具有众多临床应用优势:形象直观,能直观地显示感兴趣区的立体结构;空间定位准确,三维成像能更客观地显示器官的整体结构,医生据此可准确、迅速的判断出病灶位置;多角度观察,准确判断各脏器的位置关系及体积变化。基于以上原因,三维超声成像技术一直是临床用户和工程学术领域关注的焦点。经过近二十年的发展历程,数字化医学影像设备市场上出现了四种类型的3DUS系统:机械臂3D US系统、传感器定位自由臂3D US系统、无传感器定位自由臂3D US系统、二维面阵探头自由臂3D US系统。相比较而言,传感器定位自由臂3D US系统有着突出的优势:使用常规的一维线阵探头(成本低)、图像空间方位信息精准(这是实现图像测量或图像定量分析技术的基本前提)。自由臂3D US成像系统中有一个至关重要的步骤,就是三维体数据重建,也可称为三维体数据插值,它是通过超声诊断系统从人体某一部位(脏器)的几个不同位置获取若干数量的二维图像,然后将这些二维图像以及它们之间关系的位置和角度信息一起输入计算机,由计算机进行相应的组合和处理(包括对相邻切面之间的空隙进行像素插补平滑,形成一个规则三维体数据),二维图像经计算机处理形成规则三维体数据这一过程称为数据的三维重建。重建算法的计算量非常大,因此,体数据重建的关键为:如何在保证重建质量的前提下,提高重建速度。本文在多核CPU环境下,基于OpenMP实现了体数据重建算法的并行处理,大大提高了重建速度,有利于自由臂3D US成像系统的实时显示。径向基函数(Radial Basis Functions,RBFs)在插值散乱数据领域有着广泛得应用,并一直是这一领域的研究热点,因为即使待插值数据点排列非常无序它都能保证相应的线性方程组系数矩阵可逆且有着较好的重建效果。传感器定位自由臂超声成像中,探测器的移动是由医师控制的,因此所获取的B超图像的相对距离和方向是任意的。这意味着像素在体素阵列中是不规则排列的。因此,插值问题可归类为非结构、离散的散乱数据插值。为了进一步提高重建质量,利于可视化分析,提高诊断水平,本文较为深入和全面的研究了径向基函数原理并实现了径向基函数插值算法,取得了较好的重建效果。

论文目录

  • 中文摘要
  • ABSTRACT
  • 符号说明
  • 第一章 绪论
  • 第一节 课题的来源及背景
  • 第二节 课题研究内容和论文结构
  • 第三节 课题的创新点
  • 第二章 3D US成像技术
  • 第一节 概述
  • 第二节 3D US成像系统组成部分
  • 2.1 数据采集
  • 2.2 体数据重建
  • 2.3 可视化显示
  • 第三章 体数据插值算法及其并行实现
  • 第一节 经典算法
  • 1.1 VNN插值算法
  • 1.2 PNN插值算法
  • 1.3 DW插值算法
  • 第二节 ASDW算法
  • 2.1 算法原理
  • 2.2 算法流程
  • 第三节 多核CPU的并行机制
  • 3.1 引言
  • 3.2 OpenMP并行编程
  • 第四节 插值算法的并行实现
  • 4.1 并行分析
  • 4.2 实验方法描述
  • 4.3 实验结果
  • 第四章 径向基函数插值
  • 第一节 引言
  • 第二节 径向基函数
  • 2.1 RBF插值算法的原理
  • 2.2 常用的径向基函数
  • 第三节 实验方法及结果讨论
  • 3.1 实验方法描述
  • 3.2 八叉树数据结构
  • 3.3 算法流程
  • 3.4 实验结果
  • 第五章 结论与展望
  • 参考文献
  • 致谢
  • 硕士期间发表论文
  • 学位论文评阅及答辩情况表
  • 相关论文文献

    • [1].基于小波和非局部的全变差中值先验重建算法[J]. 计算机工程与设计 2015(08)
    • [2].一种适用于小视野的快速精确重建算法[J]. 东北大学学报(自然科学版) 2012(12)
    • [3].基于字典学习的稠密光场重建算法[J]. 物理学报 2020(06)
    • [4].螺旋锥束精确重建算法优化[J]. 三明学院学报 2012(04)
    • [5].基于全息干涉图的物体三维面形重建算法[J]. 电子技术与软件工程 2019(24)
    • [6].基于压缩感知的双视角气泡重建算法[J]. 计算机与应用化学 2017(03)
    • [7].迭代重建算法的对比研究[J]. 信息技术与信息化 2015(10)
    • [8].基于差分吸收光谱技术的大气痕量气体重建算法[J]. 仪器仪表学报 2015(02)
    • [9].基于微位移的超分辨率重建算法研究[J]. 微计算机信息 2010(24)
    • [10].基于智能单粒子的联合代数重建算法[J]. 深圳大学学报(理工版) 2009(02)
    • [11].深度学习框架下压缩感知重建算法综述[J]. 计算机工程与应用 2019(17)
    • [12].基于滤波反投影的脑磁感应迭代重建算法研究[J]. 仪器仪表学报 2016(11)
    • [13].一种基于压缩感知的迭代重建算法[J]. 电子科技 2016(11)
    • [14].基于联合总变分最小化的视频压缩感知重建算法[J]. 电子学报 2014(12)
    • [15].一种改进的极大验后估计序列超分辨率重建算法[J]. 测绘通报 2011(05)
    • [16].代数重建算法在重建运动弧根电流密度分布中的应用[J]. 中国电机工程学报 2009(10)
    • [17].一种改进的代数重建算法及其实现[J]. 吉林大学学报(工学版) 2009(S2)
    • [18].磁共振图像处理中部分傅里叶重建算法的比较[J]. 重庆医学 2016(20)
    • [19].基于相关系数和双向扩散结合的优质正电子发射断层重建算法[J]. 计算机应用 2014(05)
    • [20].基于穿越长度权重迭代重建算法的研究[J]. 中国医学物理学杂志 2013(02)
    • [21].基于穿越长度权重反投影重建算法的初步研究[J]. 中国医学物理学杂志 2012(02)
    • [22].红外成像系统微扫描成像重建算法研究[J]. 光电工程 2012(12)
    • [23].重建算法和层厚对肺结节容积定量的影响[J]. 中国医学影像技术 2010(05)
    • [24].数字合成X射线体层成像的小波-伽辽金重建算法[J]. CT理论与应用研究 2010(03)
    • [25].基于稀疏编码的红外显著区域超分重建算法[J]. 红外与毫米波学报 2020(03)
    • [26].基于三维点云的重建算法[J]. 现代计算机(专业版) 2017(02)
    • [27].一种基于L_(1/2)正则约束的超分辨率重建算法[J]. 华中科技大学学报(自然科学版) 2017(06)
    • [28].基于实时检测的扰码重建算法[J]. 电子与信息学报 2016(07)
    • [29].不同重建算法对帕金森病相关脑功能网络的影响[J]. 中国医学计算机成像杂志 2013(06)
    • [30].电阻抗成像的稀疏重建算法[J]. 西安邮电大学学报 2013(02)

    标签:;  ;  ;  ;  

    三维超声成像系统体数据重建算法的应用研究
    下载Doc文档

    猜你喜欢