心臟占位性疾病的超聲圖像分析與處理方法研究.pdf

1、心臟占位性疾病發(fā)生在心臟腔室內(nèi)，易引起身體各臟器不同程度的梗阻，嚴(yán)重危害人類身體健康。早期的診斷和治療可以有效降低心臟手術(shù)風(fēng)險(xiǎn)，提高患者生存率。在心臟占位性疾病的各種檢查方式中，超聲心動(dòng)圖由于具有無損、實(shí)時(shí)、價(jià)廉和操作方便等優(yōu)點(diǎn)，是臨床診斷心臟疾病、評價(jià)心功能的主要手段。
　　由于超聲成像的相干特性，超聲心動(dòng)圖信噪比低，邊緣模糊，定量分析困難，醫(yī)生人工診斷準(zhǔn)確率低。因此，本論文以提高心臟占位性疾病判別準(zhǔn)確率為目標(biāo)，對超聲心動(dòng)圖分析

2、與處理中的關(guān)鍵問題進(jìn)行深入研究，建立一套心臟占位性疾病的自動(dòng)判別系統(tǒng)，為臨床診斷提供參考意見。
　　本論文在超聲圖像降噪、圖像分割、特征提取和模式識(shí)別四方面進(jìn)行了研究和探討:
　　1.在圖像降噪方面，超聲心動(dòng)圖的強(qiáng)斑點(diǎn)噪聲是影響疾病分析的主要因素。針對傳統(tǒng)的基于局部的降噪算法易丟失圖像細(xì)節(jié)信息的缺點(diǎn)，提出了基于最大似然估計(jì)和非局部平均的降噪算法，使得抑制噪聲的同時(shí)，盡量保持或增強(qiáng)圖像的細(xì)節(jié)特征;提出基于稀疏表示和非局部平均的

3、降噪算法，將稀疏表示融入非局部平均算法，兩者的有效結(jié)合降低了計(jì)算量，實(shí)現(xiàn)整幅圖像的全局降噪;針對超聲心動(dòng)圖為序列圖像的特點(diǎn)，進(jìn)一步使用運(yùn)動(dòng)估計(jì)方法，將降噪過程擴(kuò)展到時(shí)間域，提出基于運(yùn)動(dòng)估計(jì)的超聲圖像序列降噪算法，利用前后幀信息共同降噪。以上三種方法具有良好的降噪效果，為后續(xù)的超聲心動(dòng)圖分割與特征提取工作打下堅(jiān)實(shí)基礎(chǔ)。
　　2.在圖像分割方面，由于心臟結(jié)構(gòu)復(fù)雜且占位性疾病所占體積小，一般的圖像分割技術(shù)不能有效解決心臟占位性疾病的分割

4、問題。針對超聲心動(dòng)圖中心臟邊緣模糊的特點(diǎn)，提出基于選擇性集成學(xué)習(xí)和活動(dòng)輪廓模型的分割方法，采用有教師的學(xué)習(xí)模式，將心臟形狀與紋理特征有機(jī)結(jié)合，有效提取邊緣;針對活動(dòng)輪廓模型對初始輪廓敏感且外部能量單一的情況，提出基于稀疏表示和改進(jìn)活動(dòng)輪廓模型的分割方法，通過稀疏分解獲得較準(zhǔn)確的初始邊緣，并改進(jìn)外部能量，使其快速收斂至真實(shí)邊緣，從而實(shí)現(xiàn)無監(jiān)督分割。實(shí)驗(yàn)表明，這兩種方法均提高了分割的抗干擾能力和準(zhǔn)確度，實(shí)現(xiàn)了超聲心動(dòng)圖的有效分割。
　

5、　3.在特征提取方面，設(shè)計(jì)了一套超聲心動(dòng)圖的特征提取算法，共量化三類（9個(gè)）特征參數(shù)。除臨床常用的病灶運(yùn)動(dòng)特性和基底長度兩個(gè)特征外，還提出了新型的超聲心動(dòng)圖紋理參數(shù)。實(shí)驗(yàn)顯示，這些參數(shù)對心臟占位性疾病具有良好的區(qū)分能力。
　　4.在模式識(shí)別方面，采用新型的稀疏分類器，根據(jù)所提取的特征參數(shù)對心臟占位性疾病進(jìn)行分類判別。分析對比了不同特征參數(shù)組合對分類判別結(jié)果的影響和不同分類器之間的性能。
　　綜上，本論文構(gòu)建了一個(gè)完整的心臟占