本文關(guān)鍵詞： 高強度聚焦超聲 灰度均值 小波系數(shù)均值 K均值聚類 組織損傷等級　出處：《電子測量與儀器學報》2017年03期 　論文類型：期刊論文

【摘要】：利用高強度聚焦超聲(HIFU)對新鮮離體豬肉組織進行輻照,可對豬肉組織造成3個等級程度的損傷。從B超圖像處理方向出發(fā),提出一種基于K均值聚類并結(jié)合雙參數(shù)的組織損傷等級判定方法。通過B超儀器實時獲取HIFU輻照前后的134例豬肉組織圖像,并做預處理獲得焦斑區(qū)域的減影圖像。再提取減影圖像的灰度均值和小波系數(shù)均值,利用K均值聚類的方法對豬肉樣本組織的損傷等級進行分類處理。實驗結(jié)果表明,灰度均值參數(shù)能較好地區(qū)分第2、3等級程度的損傷,小波系數(shù)均值能較好地區(qū)分第1、2等級程度的損傷,而基于K均值聚類并結(jié)合雙參數(shù)的分類方法結(jié)合了前兩者的優(yōu)點,在組織損傷等級的總辨識率上分別提高了5.23%和3.43%,更能準確地判定組織的損傷等級,便于臨床醫(yī)生客觀地監(jiān)控HIFU治療過程,對提高HIFU療效有實際意義。
[Abstract]:High intensity focused ultrasound (HIFU) irradiation on fresh isolated pork tissue can cause three grades of damage to pork tissue, starting from the direction of B-ultrasound image processing. A method of judging tissue damage grade based on K-means clustering and combining with two parameters was proposed. The images of 134 pork tissues before and after HIFU irradiation were obtained by B-ultrasound in real time. The subtraction image of focal spot region is obtained by preprocessing, and the gray mean and wavelet coefficient mean of subtraction image are extracted. K-means clustering method was used to classify the damage grade of pork samples. The experimental results showed that the grayscale mean parameters could distinguish the damage of the 2nd grade and 3rd grade well. The wavelet coefficient average can distinguish the damage of the first grade better, but the classification method based on K-means clustering and combining with two parameters combines the advantages of the former two. The total identification rate of tissue injury grade was increased by 5.23% and 3.43, respectively, which can determine the injury grade of tissue more accurately, and facilitate clinicians to objectively monitor the treatment process of HIFU. It is of practical significance to improve the curative effect of HIFU.
【作者單位】： 湖南師范大學物理與信息科學學院;湖南師范大學圖像識別與計算機視覺研究所;
【基金】：國家自然科學基金(11474090,11174077) 湖南師范大學博士基金(130645)資助項目
【分類號】：R454.3;TP391.41
【正文快照】： 1引言自被提出至今,高強度聚焦超聲治療(high intensityfocused ultrasound,HIFU)經(jīng)歷了一個快速而持續(xù)的技術(shù)發(fā)展和大量的臨床研究,在臨床應用上的安全性、有效性和可行性已被證實[1]。HIFU治療腫瘤是其重要應用之一[2],其原理是利用超聲波能量使焦域內(nèi)的組織蛋白產(chǎn)生不可逆

【相似文獻】

相關(guān)期刊論文 前1條

1 廖亮;林土勝;李碧;張衛(wèi)東;;基于模糊Gibbs場和模糊C均值聚類的腦部磁共振圖像的分割[J];生物醫(yī)學工程學雜志;2008年06期

相關(guān)會議論文 前10條

1 繆曉雷;戴政國;陳建新;;基于模糊C均值聚類的冠狀動脈血管自動提取[A];中國電子學會第十六屆信息論學術(shù)年會論文集[C];2009年

2 張勇;吳文健;劉志明;;基于改進K均值聚類分析的迷彩偽裝涂料選取[A];中國化學會第26屆學術(shù)年會應用化學分會場論文集[C];2008年

3 劉元元;劉華平;高蒙;孫富春;孟麗霞;;GPU加速的在線K均值聚類粒子濾波跟蹤算法[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

4 陳彪;徐捷;;基于遺傳算子和粒子群混合的K均值聚類方法[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

5 趙雪紅;張來斌;樊建春;;基于模糊C-均值聚類分析的磨損狀態(tài)評判體系[A];第二屆全國工業(yè)摩擦學大會暨第七屆全國青年摩擦學學術(shù)會議會議論文集[C];2004年

6 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學習[A];2011'中國西部聲學學術(shù)交流會論文集[C];2011年

7 周霄鵬;齊瑞云;;一種基于改進型可能性C-均值聚類和故障向量的未知類型故障診斷方法[A];第24屆中國控制與決策會議論文集[C];2012年

8 楊春梅;萬柏坤;丁北生;;數(shù)據(jù)預處理和初始化方法對K-均值聚類的影響[A];中國儀器儀表學會第五屆青年學術(shù)會議論文集[C];2003年

9 王啟志;王曉霞;;基于模糊C均值聚類的故障診斷[A];2008中國儀器儀表與測控技術(shù)進展大會論文集（Ⅲ）[C];2008年

10 成曙;姚良;張振仁;;基于小波包分解和模糊C均值聚類的柴油機氣閥機構(gòu)故障診斷[A];設(shè)備監(jiān)測與診斷技術(shù)及其應用——第十二屆全國設(shè)備監(jiān)測與診斷學術(shù)會議論文集[C];2005年

相關(guān)碩士學位論文 前10條

1 高芬芬;基于神經(jīng)網(wǎng)絡與模糊C均值聚類的鍋爐及其輔助系統(tǒng)能效診斷[D];華北電力大學;2015年

2 王軍婷;K均值聚類分割的多特征圖像檢索方法研究[D];南昌航空大學;2011年

3 于洋;模糊聚類分析中模糊c均值聚類計算方法研究[D];沈陽工業(yè)大學;2009年

4 宋清棟;模糊c均值聚類技術(shù)研究[D];廣西師范大學;2012年

5 趙偉剛;基于數(shù)據(jù)預處理和K-均值聚類的支持向量回歸預測模型[D];蘭州大學;2012年

6 劉偉;K調(diào)和均值聚類分析原理及應用[D];山西醫(yī)科大學;2014年

7 姜麗;模糊C均值聚類的理論與應用研究[D];浙江工商大學;2010年

8 陳麗萍;模糊C-均值聚類的研究[D];燕山大學;2009年

9 于璐婧;圖能量在腫瘤特征基因提取問題中的應用[D];山東大學;2014年

10 藺立娜;基于模糊C均值聚類與支持向量機的交通標志識別研究[D];燕山大學;2013年

，

本文編號：1441750