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。     

一种新的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。现有的用于斑点噪声抑制的自适应滤波方法,小波软阈值方法及小波域内细节抛弃法在去除噪声的同时,不同程度地丢失了一些图像细节。针对这一问题。本文提出了一种新的结合自适应中值滤波和小波软阈值处理的超声图像斑点噪声抑制方法。对计算机仿真图像及超声图像进行处理的结果表明,本文提出的新方法在有效去除斑点噪声的同时,很好地保留了图像的细节,优于上述的其他方法。     

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）。     

眼科高频超声成像中斑点噪声抑制算法的研究

目的 斑点噪声是超声图像中存在的固有问题,而在眼科高频超声这种更为精细的超声检查中,有效地抑制斑点噪声能提高图像的质量,有助于临床医生对病情的判别.方法 提出了一种新的基于拉普拉斯（Laplacian）金字塔的多尺度斑点去噪方法.采用Laplacian金字塔,从斑点噪声中分离出临床图像特征,根据每层子带图像不同尺度及特点,从小尺度到大尺度,首先采用改进后的八方向各向异性斑点去噪（SRAD）去除图像斑点,然后增强图像的边缘、细节及对比度等方面.该方法与传统的SRAD滤波及相干增强滤波（CEDIF）进行对比,采用等效视数及算法的时间耗费对实验结果进行量化评估.结果 与传统SRAD滤波及CEDIF滤波方法相比,基于Laplacian金字塔的多尺度各向异性斑点去噪方法均高于前两种方法（1.172 3 vs 1.122 3、0.929 3及0.864 0 vs 1.396 0、1.468 3）.结论 本研究提出的基于Laplacian金字塔的多尺度各向异性斑点去噪方法在更有效地去除图像斑点噪声的同时,能很好地保存图像边缘及图像细节等.     

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.     

浅表组织超声图像的均衡化处理

均衡化算法可有效降低超声图像采样点间的相关性,提高斑点噪声的抑制效果.但根据在体图像获取均衡滤波器参数的计算量大,不利于实时实现.针对浅表超声图像,本研究提出一种效果明显同时避免大量实时计算的均衡化方法.基于射频图像成像模型,分析超声体模回波信号频谱,滤除组织反射函数频谱成分,获得点扩散函数(PSF),构建均衡滤波器,分析其用于浅表组织超声图像的均衡化处理效果.通过超声体模获取参数的均衡滤波器用于浅表超声图像,可以有效降低采样点间的相关性,预处理后的去斑滤波效果相较于直接滤波,信噪比提高约19.2％,图像去斑效果得到提高.对于浅表超声图像,可以通过超声体模预先获取均衡滤波器参数,从而减少去斑过程的计算量,容易实时实现.     

MP-PCNN超声多普勒血流信号声谱图降噪去斑方法

为有效抑制超声多普勒血流信号声谱图中的背景噪声和多普勒斑点,提出了Matching Pursuit(MP)及单向衰减阈值脉冲耦合神经网络(MP-PCNN)模型。首先将分段的多普勒超声信号进行MP循环分解,分离噪声与信号,然后用单向衰减阈值PCNN模型计算声谱图在各个灰度等级上的点火时刻图并定位斑点,用中值滤波器抑制斑点。通过对各种信噪比的仿真超声多普勒血流信号处理,实验结果表明,MP-PCNN方法可有效地滤除声谱图中的噪声与斑点,并较好地保持边缘与细节信息,在主观及客观性能比较上优于同类降噪去斑方法。     

Separation method of the Doppler ultrasound blood flow from vessel wall pulsation signals

目的针对超声多普勒血流检测中,传统的高通滤波法在滤除管壁搏动信号的同时也会滤除低频血流信号的问题,本研究提出一种以心电信号(electrocardiography,ECG)作为参考信号的自适应滤波的方法消除管壁干扰.方法 包括两方面:其一,采用心电信号作为参考信号对超声多普勒信号进行自适应滤波;其二,采用多级自适应滤波并选择不同的参考信号的滤波方案.分别使用上述方法和高通滤波法对仿真的超声多普勒信号进行处理,并将结果进行比较.结果 与传统的高通滤波法相比,该方法在有效抑制管壁搏动信号的同时保留一部分低频血流信号成分.结论 该方法能较准确地提取出完整的血流超声多普勒信号,具有一定的临床应用价值.     

微波热疗凝固区域超声回波信号的小波去噪方法

目的 针对用于监测微波热疗凝固区域的超声回波信号信噪比较低,强反射点较多,难以定位凝固区域边缘的特点,研究了一种基于小波分解的去噪方法.方法 在理论分析的基础上,对超声回波信号进行小波分解,根据不同频段信号的特征,进行局部分层小波阈值去噪,再通过小波重构得到去噪后的超声回波信号.结果 对比硬阈值去噪、软阈值去噪和本文所采用方法的效果,探讨了利用本文算法进行凝固区域边缘识别的可行性.结论 局部分层小波去噪算法可有效抑制噪声,保留信号的细节特征,达到优化超声回波信号的目的.     

A Motion Compounding Technique for Speckle Reduction in Ultrasound Images

The quality of ultrasound images is usually influenced by speckle noise and the temporal decorrelation of the speckle patterns. To reduce the speckle noise, compounding techniques have been widely applied. Partially correlated images scanned on the same subject cross-section are combined to generate a compound image with improved image quality. However, the compounding technique might introduce image blurring if the transducer or the target moves too fast. This blurring effect becomes especially critical when assessing tissue deformation in clinical motion examinations. In this paper, an ultrasound motion compounding system is proposed to improve the quality of ultrasound motion sequences. The proposed motion compounding technique uses a hierarchical adaptive feature weighted motion estimation method to realign the frames before compounding. Each frame is first registered and warped to the reference frame before being compounded to reduce the speckle noise. Experimental results showed that the motion could be assessed accurately and better visualization could be achieved for the compound images, with improved signal-to-noise and contrast-to-noise ratios.     

基于卷积神经网络的超声图像散斑去噪算法

为了提高超声图像质量,解决传统去噪算法在抑制散斑噪声和保留超声图像纹理特征方面的难题,提出一种基于卷积神经网络的超声图像散斑去噪算法DSCNN(De-speckling CNN)。本文提出的算法利用卷积神经网络强大的拟合能力来学习从超声图像到其相应的高质量图像的复杂映射,同时,通过改进损失函数的方式来减少去噪过程中纹理信息的损失和细节的模糊。不同于以往简单地假设超声散斑噪声为乘性噪声,本文利用基于超声图像采集模型和散斑噪声形成模型的模拟超声成像技术为去噪模型生成更贴合真实超声图像的训练数据,解决深度学习方法训练数据匮乏以及在临床上无法获得与超声图像空间配准作为标签的无噪声图像的难题。通过与其他具有代表性的超声图像去噪算法比较,经DSCNN去噪后的超声图像无论在视觉效果还是图像质量评价指标上都取得了更好的结果,其中SSIM达到0.856 9,在文中所有方法中最高。     

Evaluation of blood plasma coagulation dynamics by speckle analysis

Analysis of speckle dynamics is frequently used to study the motion of scattered objects or liquids. By assessing the increase in contrast on the speckle field produced by a blood plasma sample, illuminated by a laser during a coagulation test, as well as the slowing down of speckle fluctuations, we measured the time required for blood plasma coagulation in vitro and evidence the process dynamics. Then, we compared this noninvasive method with a mechanical viscosity-based detection system classically used in hematology laboratories; our results show good correlation and could provide more information about the blood clotting process.     

基于多层小波分解与稳定分布的超声图像散粒噪声抑制新方法

医学超声图像在应用中遇到的一个重要问题是如何消除图像中由于散射现象的相干本质而引起的多径乘性散粒噪声。对数超声图像的二维小波系数服从具有尖峰和拖尾的边缘分布的非高斯分布。α稳定分布可以用来描述这类重拖尾非高斯尖峰脉冲信号和噪声。本研究利用一种散粒噪声模型，通过对对数超声图像的多层小波分解的高频系数的分析与稳定分布建模，提出了一种新的基于闽值的二维小波分解系数的检测分类方法，得到一种基于多层小波分解与稳定分栉模型的超声图像散粒噪声的抑制新方法。仿真结果表明，该方法比传统的基于高斯假设下的阈值去噪方法性能更好。     

Homomorphic wavelet thresholding technique for denoising medical ultrasound images

A novel homomorphic wavelet thresholding technique for reducing speckle noise in medical ultrasound images is presented. First, we show that the speckle wavelet coefficients in the logarithmically transformed ultrasound images are best described by the Nakagami family of distributions. By exploiting this speckle model and the Laplacian signal prior, a closed form, data-driven, and spatially adaptive threshold is derived in the Bayesian framework. The spatial adaptivity allows the additional information of the image (such as identification of homogeneous or heterogeneous regions) to be incorporated into the algorithm. Further, the threshold has been extended to the redundant wavelet representation, which yields better results than the decimated wavelet transform. Experimental results demonstrate the improved performance of the proposed method over other well-known speckle reduction filters. The application of the proposed method to a realistic US test image shows that the new technique, named HomoGenThresh, outperforms the best wavelet-based denoising method reported in [1] by more than 1.6 dB, Lee filter by 3.6 dB, Kaun filter by 3.1 dB and band-adaptive soft thresholding [2] by 2.1 dB at an input signal-to-noise ratio (SNR) of 13.6 dB.