超声医学图像滤波算法研究进展

主要讨论超声医学图像滤波算法的研究现状,几种主要的滤波方法（多方位滤波方法、自适应权值调节滤波方法、自适应窗口选取滤波方法、两步法等）面临的问题及发展的方向。作者通过实践,将有关算法应用于超声医学图像的处理,给出了处理结果,进行了几种算法的比较分析。     

基于自适应中值滤波的脑事件关联电位单次提取

提出一种基于自适应中值滤波的脑事件关联电位单次提取方法。刺激方式为odd-ball模式，直接用实测的数据进行实验。背景噪声从波形上看呈现为脉冲状形式，中值滤波可以有效地去除脉冲噪声。利用零交叉方法估计各单次记录信号中噪声的脉冲宽度，取其最大值作为基准参数，自适应地动态确定各单次滤波时所用窗口的大小。在窗口大小确定后，对各单次记录到的信号进行中值滤波器处理，最后对结果进行低通平滑。实验结果表明，本文提出的方法不但具有良好的单次提取效果，而且具有很强的适应性和稳健性。     

中值滤波法与梯度法的互补效应在CT图像处理中的应用

单独采用中值滤波法与梯度法的其中一种，不能很好地改善CT图像质量。由于这两种方法具有互补效应，可用中值滤波法与梯度法对图像多次交替处理，使CT图像在去除噪声和保护图像边缘的同时使图像边缘得到增强。     

超声医学图像非线性滤波算法研究进展

超声医学成像方法具有实时、无创、方便等优点，在临床上得到了广泛的应用。但由于超声医学成像机制的限制，超声医学图像质量不高。对图像进行滤波就是为了提高人眼和计算机对图像细节的识别能力。本研究讨论了应用于去除超声医学图像斑点噪声的非线性滤波算法的研究现状及其特点，重点介绍了基于中值滤波、小波变换、扩散方程的滤波方法，并把相关算法应用于超声医学图像的处理，直观地比较了各种滤波器的性能。最后展望了超声医学图像非线性滤波算法的发展方向。     

基于形态学重构的超声医学图像滤波方法

Speckle噪声是造成超声医学图像质量下降的最主要原因。我们通过修改形态学重构算法-Downhill算法的初始条件,使其适用于超声医学图像的去噪处理。首先在掩模图像中确定标记图像作为算法的初始化和开始区域,再使用改进的Downhill算法对超声医学图像进行滤波处理。实验结果表明,与其他3种传统滤波方法相比,该方法能快速有效地去除心脏腔室内的Speckle噪声同时保留图像的轮廓细节信息。     

一种基于自适应的新滤波技术

在心电信号的采集过程中,不可避免地会混入肌电噪声和各种干扰信号,为节获得含有较小噪声的ＥＣＧ信号,便于分析,需要对采集到的ＥＣＧ信号作消噪处理。     

基于变分法的超声图像斑点噪声自适应滤波算法

各向异性扩散模型在去除超声图像斑点噪声时不能有效保护图像细节,针对上述问题本文提出基于变分法的自适应最小能量去噪模型.首先直接将由微分方程表示的各向异性扩散模型转化为最小能量变分模型;然后引入欧拉弹性能量模型,在去除噪声的同时有效地保护和增强图像细节.同时为了解决数值求解过程中出现的迭代次数与迭代步长的矛盾,本文还提出迭代停止准则和自适应变步长去噪算法.仿真和真实超声图像的实验结果表明基于变分法的超声图像斑点噪声自适应滤波算法在去噪的同时能够很好地保护细节信息,而且能有效地减少迭代次数.     

改进Wiener滤波弥散加权磁共振图像Rician噪声复原

针对弥散加权磁共振图像噪声呈Rician分布,现有Wiener滤波基于高斯分布易于产生误差的缺陷,以及弥散加权磁共振图像多相近磁场方向数据共存特点,综合多相近磁场方向的弥散加权磁共振图像进行Wiener滤波复原,并将现有针对高斯噪声的Wiener滤波器基于Rician噪声分布进行改进,最后在估计复原参数的过程中引入各向异性概念提高复原参数估计的准确性,进一步提高复原质量.使用本方法分别在合成和真实脑部弥散加权磁共振图像上进行的仿真和实验表明,本方法能有效降低噪声对弥散加权磁共振图像的影响,提高由此计算获得弥散张量磁共振图像的大小和方向信息,在10％ Rician噪声下,弥散加权磁共振图像的峰值信噪比提高10 dB,由此计算获得弥散张量磁共振图像角度平均偏移下降5度,可保障后续应用的准确性和可靠性.     

基于RLS-ANC自适应滤波的FECG信号提取方法

本文应用RLS-ANC(recursive least squares adaptive noise canceⅡation)自适应滤波方法提取胎儿心电(FECG)信号.该方法采用RLS-ANC自适应滤波消除母亲心电,提取胎儿心电信号.实验结果表明,本方法适应非平稳信号的能力强,收敛速度快,提取效果好于NLMS(normalized least mean squares)算法.     

冠状动脉造影图像降噪处理的3种方法比较

目的 对冠状动脉造影图像降噪处理的3种方法进行比较。方法 将冠状动脉造影图像数字化并输入计算机，然后再用中值滤波法，自适应滤波法和基于小波变换的降噪处理3种方法分别处理同一图像，比较效果。结果 成功地运用了3种方法对冠状动脉造影图像进行降噪处理，图像质量均有所提高。结论 自适应降噪处理和基于小波系数的降噪处理结果较好，但自适应降噪处理的速度要快。     

基于小波变换的医学图像去噪声处理

利用中值滤波和基于小波变换的去噪声处理对同时含有高斯噪声和脉冲噪声的X线图像降噪方法进行探讨.采用PSNR评价标准分析实验结果,表明小波变换结合中值滤波方法在去除噪声的同时较好地保持了原图像所包含的边缘信息,处理效果优于单纯的小波变换或单纯的中值滤波.     

基于树状小波的超声医学图像阈值函数降噪

针对超声医学图像中存在特有的斑点噪声,利用树状小波分解比传统小波分解精度高的特点,将超声医学图像进行树状小波分解,然后分别采用硬阈值、软阈值和半软阈值函数三种方法进行降噪处理.结果表明半软阈值函数方法是较优阈值函数方法,可以有效地降低原图像的斑点噪声并保留图像细节.     

基于小波的医学超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。本文提出了一种新的去除斑点噪声的方法，这种方法结合中值滤波和多尺度非线性小波软阈值的优点，首先把原网像进行对数转换，然后把对数转换后的图像进行中值滤波处理，从而把转换后的图像分成两部分，对每一部分进行小波分析，假设小波系数服从广义高斯分布（GGD），利用小波系数的统计特性估计出各个部分各个尺度的阈值，最后用软阈值方法对上述两部分分别去噪。实验结果表明，本文提出的方法在有效去除斑点噪声方面，优于中值滤波，维纳滤波和多尺度非线性阈值算法（MSSNT-A）。     

基于血管内超声图像时空相关性的血流斑点去噪方法

血管内超声成像的优越成像方式使得它越来越广泛地被应用到冠心病的诊断和介入治疗中。但随着超声频率的提高，血流分子回波信号（即血流斑点噪声）也显著增强，这会降低管腔和管壁的对比度，加大医生辨别、测量管腔和斑块几何参数及物理参数的难度。我们提出了一种新颖的去噪方法，它利用血管内超声图像在时间、空间上的相关信息，即组织在时间、空间上的变化比血流小这一事实。实验结果表明该方法能显著地去除斑点噪声，增强管腔和管壁的对比度，更好地帮助医生区别血管壁和周围组织。     

医学超声病灶图像预处理分析

目的 分析医学超声病灶图像预处理的方法和结果。方法 选取2014年10月~12月在我院采用超声检查的632份图像,分析图像存在问题的原因,并对相应的图像预处理方法进行研究。结果 采用预处理方法后的图像较预处理前更直观、清晰、易分辨出病灶区域,降噪有效性达到78.62%。结论 对超声病灶图像进行预处理,可显著降低噪声造成的图像不清晰情况,获得更有效的诊断图像,极大提高超声诊断的准确率,为患者提供更加安全、可靠的检查诊断。     

基于非参数自适应密度估计理论的医学超声图像去噪方法

在小波变换域中去除图像中的噪声是近年来的研究热点之一。目前在小波域中对加性噪声的去除已经有了许多研究结果,比如Donoho等的处理方法都得到了很好的应用。但是由于超声图像噪声情况的复杂性,其对去噪的方法提出了更高的要求。为了在去除噪声的同时能够更好的保护边缘及有用的细节信息,本研究结合Birg-éMassart等提出的非参数自适应估计理论,提出一种在平稳小波变换域中对超声图像去噪的方法。实验证明,这种基于非参数自适应估计理论的超声图像去噪方法,与Donoho阈值去噪方法相比,去噪效果有所提高。     

基于低秩理论的超声血流壁滤波器

传统的超声血流壁滤波器采用单一的截止频率,对于心跳、呼吸等因素所产生的不同组织运动滤波效果不佳。提出一种基于低秩理论的超声血流壁滤波方法。通过分析超声血流的特点,将其公式化并建立低秩模型,模型包括一个矩阵秩的最小化和一个稀疏矩阵问题。松弛后转化为最小化核范数与1范数的线性组合,成为凸优化可解问题,从而实现低秩滤波。这种滤波的创新性在于它是自适应的,同时考虑了信号的低秩性与稀疏性两个特点,通过线性组合使得滤波效果达到最优。通过低秩滤波,超声血流仿真数据得到更加精确的血流信号。对比传统的FIR滤波,分别采用12阶、56阶和92阶的FIR滤波器,得到血流信号对比实际仿真数据的RMS误差分别约为34%、16%和12%,而低秩滤波的RMS误差则低于0.001%。低秩滤波相比传统FIR滤波,不仅提高了精度,而且滤波后的信号长度不会损失。但是低秩模型计算过于复杂,因此目前还很难应用在实时的超声系统中。