基于超声识别HIFU致生物组织变性

目的 探讨以超声筛选最佳特征向量，结合广义回归神经网络（GRNN）识别强度聚焦超声（HIFU）致生物组织变性的方法。方法 采用HIFU以不同剂量对300个新鲜离体猪肉组织样本进行辐照，获得变性及未变性样本各150个。于辐照前后采集超声声像图，经减影处理获得超声减影图像；以灰度-梯度共生矩阵法及灰度差分统计法提取18个特征参数，经P值显著性检测法及欧氏距离法筛选获得最佳特向量。以300个样本中的198组为训练样本，102组为测试样本。识别训练样本后，以P值显著性检测法剔除的特征向量和欧氏距离最小的2个特征向量为最佳特征向量的对照组，将其分别输入GRNN，以识别组织变性；计算特征向量结合GRNN对测试样本的正确识别率和总识别率。结果 最佳特征向量为梯度分布不均匀性和灰度分布不均匀性，其结合GRNN的总识别率分别为90.20%、91.18%，以2个最佳特征组合并结合GRNN后总识别率为98.04%。P值显著性检测法剔除的特征向量为平均值、对比度，其结合GRNN的总识别率分别为48.04%、75.49%，2以2个最佳特征组合并结合GRNN的总识别率为79.41%。欧氏距离最小的特征向量为能量、小梯度优势，结合GRNN的总识别率分别为88.24%、89.22%，以2个最佳特征组合并结合GRNN的总识别率为89.22%。最佳特征向量组合结合GRNN可明显提高对变性组织的识别率。结论 基于超声减影图像，以灰度分布不均匀性、梯度分布不均匀性与GRNN结合，均可提高对HIFU辐照所致组织变性的识别率；以2个最佳特征组合结合GRNN识别效果更佳。     

HIFU治疗中媒质特性对声聚焦影响的研究

目的:研究声衰减系数、声速、温度等媒质参数对声聚焦的影响。方法:用瑞利积分对凹球面自聚焦超声换能器进行声场模拟。结果及结论:媒质的特性参数不同,聚焦表现不同的特点。声衰减系数增大,焦斑向声源靠近,且焦斑缩短;声速越大,焦距越小,但焦区最大声压升高,焦斑的面积增大;温度变化不大时对声聚焦的影响不明显。     

用于肿瘤热疗的高强度聚焦超声换能器的研究

高强度聚焦超声用于肿瘤热疗是一种无损，有效的新型肿瘤治疗手段，正日益得到广泛的应用，而超声换能器的聚焦性能直接影响到治疗的效果，本文从理论上分别讨论了声透镜聚焦和凹球面自聚焦两种常用的聚焦方式的原理及特点，并结合实际应用比较了两者在高强度聚焦超声热疗中的优缺点，最后得出结论：凹球面镜自聚焦比声透镜聚焦更适于HIFU对肿瘤的治疗。     

基于水平集的HIFU损伤区域三维重建技术

目的：为超声引导的HIFU治疗系统设计自动检测凝固性坏死损伤区域的大小形状及位置的辅助诊断方法。方法：针对超声图像宽纹噪声较强、分辨率低且HIFU损伤区域无明显边界的的特点，提出一种基于双零水平集双速度的图像分割方法。以提取器官及其内部HIFU损伤区域的轮廓。利用“切片”B超图像的双轮廓线，对器官及其内部的损伤部位进行三维重建。结果：实验表明，基于水平集轮廓提取算法的三维重建的结果可直观反映HIFU损伤区域的形状，大小及其在器官内的相对住置。结论：作为自动检测HIFU凝固性坏死区域的辅助诊断方法，该方法具有可行性。     

凹球面聚焦超声换能器用于热疗时在人体内引起的瞬态温度场

本文引入了虚拟热源的概念,分析了边界条件对升温的影响及加热时间及温度场点位置的关系,详细研究了声源参数及生物组织特性参数对治疗区升温快慢的影响,比较了聚焦参数相同的册球面换在和高斯换能器声焦点的瞬态温度,所得结果对超声热疗的实施具有指导作用。     

基于线性判别分析与超声图像特征的组织损伤检测方法

目的 探讨根据超声图像特征对高强度聚焦超声（HIFU）治疗中组织损伤情况进行无损检测的方法。方法 对HIFU辐照新鲜离体猪肉组织前后获取的超声图像进行特征参量提取,并对其用线性判别分析（LDA）方法进行处理,再用处理后的参量结合LIBSVM进行识别。结果 用LDA方法对减影图像的灰度均值和标准差处理后的参量进行识别,总识别率为86.07%;用LDA方法对HIFU辐照前后超声图像间的条件熵和相关系数处理后的参量进行识别,总识别率为92.62%。这两种方法所得到的识别率高于未用LDA方法。结论 基于LDA方法的识别率要高于仅依据单个图像特征参量或将两个不同特征参量直接结合的识别方法,单参量识别时相关系数具有较明显优势。     

骨科诊断客观化的研究

本文对骨科诊断客观化研究的三个方面：骨病诊断，关节病诊断，骨折愈合程度估计进行了综述。主要总结了超声方法，关节声发射信号分析法，振动响应分析，机械阻抗法在研究中的应用，并对各种类型测量方法的特点与存在的问题进行了讨论。     

基于超声图像处理的HIFU所致组织损伤自动检测方法:实验研究

目的 探讨基于超声图像处理的HIFU所致组织损伤的自动检测方法。方法 针对HIFU辐照后新鲜离体猪肉声像图中的ROI,通过搜索灰度极大区域自动定位图像中的所有亮斑,结合数学形态学、连通域标记和Canny边缘检测算法提取测试对象的边缘轮廓;根据亮斑中心至边缘轮廓的欧式距离去除边缘附近的亮斑噪声,获取HIFU损伤候选区;而后提取候选区特征参数,并结合支持向量机（SVM）识别HIFU损伤。结果 最大灰度值和矩形度两个特征参数的识别率分别为86.25%和93.33%。选用识别率更高的矩形度,可正确识别单处、多处HIFU损伤或无HIFU损伤的图像。结论 采用此法可直接分析HIFU辐照后超声声像图而自动检测HIFU损伤,无需依靠图像配准技术,可减少手动定位带来的误差。