一种基于模糊均差和小波变换的医学图像去噪方法

小波阈值萎缩法能够有效地去除图像中的噪声,去噪阈值直接影响去噪的效果,而噪声标准差在去噪阈值的确定中起着至关重要的作用。针对医学图像的特点、基于寻找更合适的噪声标准差估计方法,本研究提出了一种新的利用模糊均差代替普通标准方差估计噪声标准差的方法。在各层小波分解的低频图像中利用模糊积分估计噪声标准差,然后确定每一层去噪阈值,进行图像去噪。试验结果表明,本研究算法在去除噪声的同时也较好地保持了图像的细节。     

基于Contourlet变换和非线性扩散的IVUS图像去噪

血管内超声(IVUS)图像的分割对于动脉粥样硬化疾病的研究和介入治疗具有重要的意义,但由于其自身存在斑点噪声,从而严重影响图像自动分割的准确性和速度.提出一种基于Contourlet变换和非线性扩散的斑点去除算法(CTND);利用自适应的对比度因子,在Contourlet域直接对IVUS图像各方向子带进行非线性扩散滤波,而不需要同态处理.实验结果表明,这种算法在保持IVUS图像强、弱边缘的同时,能有效地去除斑点噪声,并为图像外膜的提取奠定良好的基础.     

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。     

基于边缘流和距离图Snake模型分割淋巴结超声图像

提出一种基于边缘流的距离图Snake模型的图像分割方法，用于淋巴结超声图像的分割。首先由给定的4个标记点获得Snake模型的初始轮廓，然后综合图像灰度和纹理特征构造边缘流，由边缘流演化所得边缘图来构造距离图，通过定义基于距离图的势能函数，作为Snake模型的外部势能，来引导模型形变，实现对淋巴结超声图像的半自动分割。     

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。     

分形模型的超声图像纹理分析

采用分形模型对超声图像进行了纹理分析,提出了肝脏超声图像具有分形的特点,结合肝脏两类不同的散射体解释了超声图像的二重分形特性,并对十例正常人、三例肝癌患者、三例肝硬化患者肝脏的临床超声图像计算了分维Ｄ,结果表明分维Ｄ是区分病变的重要特性量。根据分维Ｄ和尺度ε的综合影响,进一步提出纹理分类参数Ｓ作为区分病变的定量指标,实验结果表明参数Ｓ可以有效地区分病变。     

基于Hilbert-Huang变换的医学超声信号去噪

目的:探求一种基于Hilbert-Huang变换的医学超声信号去噪方法。方法:提出了一种基于Hilbert-Huang变换的医学超声信号去噪方法。首先对含噪超声信号进行经验模式分解,得到各阶IMF分量,然后对高频的IMF分量用阈值方法进行处理,把经过阈值处理的高频的IMF分量和低频IMF分量进行叠加,得到重构的去噪信号。结果:仿真实验表明,基于Hilbert-Huang变换的医学超声信号去噪方法可以有效地降噪。结论:Hilbert-Huang变换的医学超声信号去噪方法在自适应性和先验性方面优于基于小波的去噪方法。     

基于小波统计模型的医学超声图像去噪方法研究

超声图像中固有的斑点噪声严重降低图像的可解译程度,影响了后续的图像分析和诊断.因此,抑制相干斑噪声一直是医学超声图像预处理中一个关键性问题.本研究通过对含斑图像做对数变换和冗余小波分解,提出了一种基于Bayesian估计的小波域局部自适应性去斑算法.将斑点噪声和有用信号的小波系数分别建模为瑞利分布和拉普拉斯分布,利用最大后验概率(MAP)准则得到了一种解析的Bayesian估计表达式;进一步通过邻域窗口估计模型参数,使算法具有局部自适应性.实验仿真表明,该算法简单有效,在滤除超声图像斑点噪声的同时,较好地保持了图像的细节特征,其性能优于空间域滤波和传统的小波去噪算法.     

基于自适应邻域的超声图像加权中值滤波

提出了一种自适应邻域中值滤波算法，用于医学超声内窥镜图像的噪声滤除。该方法以图像象素邻域的灰度方差为阈值，进行保持与修复窗口的自适应改变，在有效抑制Speckle噪声的同时，较好保留了图像的细节信息。对本算法与Loupas提出的加权中值滤波算法进行了比较，指出本算法在一定程度上克服了加权中值滤波器的不足并保留了它的优点，对超声内窥镜图像的滤噪有较好的效果。     

基于深度学习的低剂量CT图像去噪

目的:提出一种基于深度学习的方法用于低剂量CT（LDCT）图像的噪声去除。方法:首先进行滤波反投影重建,然后利用多尺度并行残差U-net（MPR U-net）的深度学习模型对重建后的LDCT图像进行去噪。实验数据采用LoDoPaB-CT挑战赛的医学CT数据集,其中训练集35 820张图像,验证集3 522张图像,测试集3 553张图像,并采用峰值信噪比（PSNR）与结构相似性系数（SSIM）来评估模型的去噪效果。结果:LDCT图像处理前后PSNR分别为28.80、38.22 dB,SSIM分别为0.786、0.966,平均处理时间为0.03 s。结论:MPR U-net深度学习模型能较好地去除LDCT图像噪声,提升PSNR,保留更多图像细节。     

基于局部与非局部医学图像降噪技术的研究进展

医学图像对临床诊断具有重要的参考价值,为了获得高质量的医学图像,达到清晰辨识病理区域特征的目的,降噪技术成为重要的研究领域。首先,简要介绍医用设备成像原理及产生的噪声类型。然后,以局部、非局部为分类阐述几种常用的降噪方法,重点介绍非局部均值滤波算法的原理、优缺点、改进方式及应用范围。最后,总结上述降噪技术存在的主要问题,展望今后的研究方向,非局部与局部滤波技术结合运用可能为一种通用的医学图像降噪技术带来新思路。     

基于各向异性扩散的B超图像去噪

提出了一种基于各向异性扩散方程的B超图像斑点噪声抑制的算法.斑点噪声是由超声成像机制引起的固有噪声形态,它对B超图像的特征提取、识别和分析带来极大困难.特别是对于边缘提取,斑点噪声使得传统的提取算法几乎都无法取得理想的效果.各向异性扩散方程是一种能有效抑制斑点噪声的算法,本文针对原始算法中扩散系数过饱和的问题以及斑点尺度系数选择的不足,提出了改进的方法,从而在抑制斑点噪声的同时保留甚至增强B超图像中的边缘细节信息,为下一步的边缘提取提供了有效保障.     

基于双目红外相机定位的自由式三维超声图像重建系统

目的:设计并实现自由式三维超声图像重建系统,该系统能对自由式采集的二维超声图像阵列进行三维重建与显示交互。方法:系统使用双目红外相机及其配套测量器件,在超声探头上固定定位小球,双目红外相机可以实时追踪探头的空间位置,从而获取超声图像阵列的相对关系。软件部分根据实时探头位置并计算转换矩阵,获取超声图像阵列的数据并填充三维体数据网格,使用光线投射法绘制图像。结果:该系统可以实现超声图像阵列的采集与存储、超声图像感兴趣区域勾画、三维重建与可视化功能。结论:该研究提出的基于双目红外相机定位的自由式三维超声图像重建系统对未来的临床使用以及科学研究奠定了良好基础。     

医学超声图像分析的研究进展

超声成像是四大医学影像技术之一,由于其特有的实时性、无损性、廉价性被广泛应用于医疗和诊断,因此,有必要对医学超声图像的计算机分析进行研究。从图像分割、图像配准及组织定征和生物测量三个医学超声图像分析的主要方面对国内外近年来的主要研究情况进行综述和评价,并在此基础上探讨其发展前景。     

基于反距离加权插值和改进采样点数据合成的医学影像三维重建

传统的体绘制光线投射算法虽然已成为医学影像三维重建的主流方法之一,但是其生成的三维模型质量与绘制速度仍不能满足临床医学诊断的要求。本研究提出一种基于反距离加权插值和改进采样点数据合成的医学影像三维重建算法,通过反距离加权插值方法提升绘制速度;通过增加采样点的个数提高三维重建的成像质量。实验结果表明,该算法在提高成像质量的同时可以提高绘制速度,可将圆锥绘制速度较传统方法提升20%,髋关节平均绘制速度提升18%,并且生成圆锥图像的MSE小于传统算法,SSIM大于传统算法。     

基于Golay互补序列的20 MHz眼科超声成像方法

目的研究一种新型20 MHz眼科超声扫描成像方法,可在满足临床成像分辨力和声能安全性要求的前提下,显著提高图像的探测深度,拓展20 MHz超声频段的临床应用范围。方法通过8位Golay互补序列,激励超声换能器产生超声波。回波信息经高速采集与匹配滤波后,采用相邻正、反编码扫描线数据复用的方法交替相加,完成解码运算。在保证图像扫描线数和扫描帧频的前提下,实现实时显像。最后通过钨丝靶线和仿组织超声体模实验,验证了新的成像方法在保持原有分辨能力与扫描帧频不变的前提下,提高了图像的探测深度。结果与传统单脉冲模式相比,Golay互补编码模式成像中轴向分辨率与侧向分辨率分别达到80μm和150μm,小信号探测深度增加约0.5 cm,图像信噪比也得到显著改善。结论基于Golay互补序列实现20 MHz眼部组织超声成像,相对于传统成像方式可极大改善图像质量,具有很好的临床应用前景。     

基于小波奇异点检测和阈值去噪的眨眼伪迹去除方法

目的眨眼伪迹是脑电中一种常见且影响严重的伪迹。本论文提出一种基于小波奇异点检测和阈值去噪的眨眼伪迹去除方法,无需眼电参考信号,做到自动去除单导脑电信号中的眨眼伪迹。方法首先利用小波奇异点检测特性以检测眨眼伪迹的峰值位置,然后只对眨眼伪迹区域进行小波阈值去噪。结果实验结果表明,本方法能够有效检测眨眼伪迹,避免了普通方法去噪时对非眨眼区域的影响。结论本方法使用的阈值和阈值函数优于典型的阈值和软、硬阈值函数,有效地去除了脑电中的眨眼伪迹。     

FastICA在心电信号降噪中的应用

目的研究基于峭度和负熵的Fast ICA的模型特点,分析两种算法在心电信号去噪中的应用,对ICA在信噪分离中的特点加以分析研究。方法首先利用心电数据库MIH-BIT中单独的心电信号和噪声混合对Fast ICA进行降噪测试,通过降噪后心电信号和原信号对比测试基于峭度和负熵的Fast ICA的降噪效果,然后对Da ISy数据库中的真实含噪心电信号进行降噪,分析其在真实环境中的降噪效果。结果通过多组合成混合含噪心电信号和真实含噪心电信号对两种Fast ICA进行分离测试,发现两种Fast ICA都可成功地分离心电信号和噪声,其中基于峭度的Fast ICA的降噪速度较快,而基于负熵的Fast ICA的精确度较高。结论基于峭度和负熵的Fast ICA可以应用于心电信号的降噪中,并且能够有效降低信号噪声。     

超声引导介入治疗术中图像配准技术的研究进展

超声成像因其具有实时、无创、低成本、无辐射、电磁兼容性好等优点,已普遍用于临床影像引导的介入治疗。但超声图像存在对许多病灶难以分辨的问题,很难准确显示肿瘤的空间位置和形状信息,因此将术前CT/MRI图像与术中实时超声图像进行配准,通过多模态影像相互补偿,以获得更可靠的治疗信息,而如何实时并准确地对超声和CT/MRI图像进行配准成为介入治疗中的关键问题。本文就超声引导介入治疗术中配准技术的研究进展进行综述。