【摘要】：高強度聚焦超聲(High-intensity focused ultrasound,HIFU)治療是一種非侵入式治療方式,能瞬間產(chǎn)生高溫,對病變組織進行消融。治療過程中,過高的溫度易損傷正常組織,過低的溫度會導致病變組織不能完全被消融,因此溫度的監(jiān)測成了治療的關鍵。因超聲成像的實時性、設備易于集成和成本低等特點,通過超聲圖像來測溫成為近年的研究熱點。本文獲取HIFU輻照前后的新鮮離體豬肉組織B超圖像并進行處理,提取能夠良好表征溫度的特征參數(shù),進行HIFU治療過程的無損測溫研究。具體工作如下:1.B超圖像預處理。包括:實驗系統(tǒng)設計、圖像灰度化處理以及圖像大小的裁剪等。2.B超圖像配準。手動選取邊緣特征點,通過SURF算法為各特征點分配方向,并計算各特征點的描述向量,獲取HIFU輻照前后的B超圖像的匹配點對,進行配準,為B超圖像的差值處理做準備。3.特征參數(shù)的提取。提取B超圖像的灰度均值、體現(xiàn)B超圖像紋理信息的灰度共生矩陣和灰度梯度共生矩陣的特征參數(shù),結合二維經(jīng)驗模態(tài)分解(Bidimensional empirical mode decomposition,BEMD)處理圖像,選擇能很好地表征溫度的特征參數(shù)。通過BEMD方法將超聲差值圖像自適應地分解為一系列的從高頻到低頻的IMF分量和一個余量,發(fā)現(xiàn)余量的灰度平均值、灰度熵和混合熵與溫度有很好的相關性。4.基于B超圖像單特征參數(shù)與多特征參數(shù)的無損測溫方法。從特征參數(shù)與溫度的近似線性關系的角度,構建單個特征參數(shù)與溫度的線性回歸模型進行測溫。從數(shù)據(jù)挖掘的角度,引入隨機森林,支持向量機和BP神經(jīng)網(wǎng)絡三種機器學習模型,分別基于三者的回歸功能,以與溫度相關性最高的三個特征參數(shù)作為解釋變量,構建基于B超圖像特征參數(shù)的溫度估計模型。研究表明:BEMD方法可以得出余量圖像的灰度均值、灰度梯度共生矩陣的灰度熵和混合熵與溫度有著很強的相關性,基于此三個參數(shù)構建隨機森林模型可以較準確地測量HIFU治療過程中組織的溫度,對無損測溫研究有著重要的意義。
【圖文】：

實驗數(shù)據(jù)采集系統(tǒng)

圖 2-2 實驗操作流程整個 HIFU 實驗系統(tǒng)由負責采集圖像信號的 B 超探頭和 B 超儀、產(chǎn)生輻照的 HIFU 換能器、采集溫度的熱電偶、底部放有吸聲橡膠的大水槽，以及配有圖像采集卡和記錄溫度數(shù)據(jù)的計算機組成，，整個實驗系統(tǒng)裝置安排如圖 2-3 所
【學位授予單位】：湖南師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R454.3;TP391.41

【相似文獻】

相關期刊論文 前10條

1 張學軍;郭建;;圖像紋理分析的方法與應用[J];黑龍江科技信息;2009年16期

2 吳濤;秦昆;;圖像紋理特征數(shù)據(jù)挖掘的理論與方法探討[J];計算機時代;2006年08期

3 王震,王執(zhí)銓;圖像紋理分析與紋理測度[J];南京理工大學學報(自然科學版);2002年S1期

4 范郭亮;李光;王春霞;;圖像紋理區(qū)檢測及分割算法研究[J];信息安全與技術;2011年09期

5 李亞春;夏德深;徐萌;;小波變換在圖像紋理分析中的研究進展[J];計算機工程與應用;2005年35期

6 孟勇,洪丹輝,毛丹;測度熵在圖像紋理分析中的應用[J];計算機應用與軟件;2000年08期

7 丁黎明;;紋理損失最小約束下跟蹤圖像陰影自動去除算法[J];自動化與儀器儀表;2019年03期

8 章華;李振璧;姜媛媛;;基于圖像紋理的煤巖識別研究[J];煤炭技術;2015年07期

9 徐孟春;王相海;;基于不完全小波樹型結構的圖像紋理特征研究[J];中國圖象圖形學報;2009年07期

10 張地;羅群;雷敏;;一種基于圖像紋理特征和支持向量機的版權保護方法[J];網(wǎng)絡安全技術與應用;2017年08期

相關會議論文 前10條

1 楊國華;周晨波;阮久忠;郭冰;王剛;;基于自相關函數(shù)的非平面表面粗糙度的圖像紋理研究[A];第十二屆全國光學測試學術討論會論文（摘要集）[C];2008年

2 王云;董增壽;卓東風;;基于圖像紋理和結構特征的燃燒指數(shù)的高溫低氧火焰燃燒穩(wěn)定性識別[A];2007北京地區(qū)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

3 張磊;朱磊;;一種綜合圖像紋理和灰度特征的分割算法[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

4 袁灼彬;鄭曉林;鄒玉堅;方少偉;張旭升;楊沛欽;;T2WI圖像紋理分析聯(lián)合多參數(shù)磁共振成像在評價前列腺癌侵襲性研究[A];中國中西醫(yī)結合學會醫(yī)學影像專業(yè)委員會第十五次全國學術大會暨上海市中西醫(yī)結合學會醫(yī)學影像專業(yè)委員會2017年學術年會暨《醫(yī)學影像新技術的臨床應用》國家級繼續(xù)教育學習班資料匯編[C];2017年

5 王鵬;吳春亞;劉德利;劉亦智;劉獻禮;;基于LabVIEW的鋼球表面缺陷圖像紋理分析與檢測[A];2007'中國儀器儀表與測控技術交流大會論文集（一）[C];2007年

6 阮久忠;周晨波;楊國華;;基于灰度共生矩陣的非平面表面粗糙度的圖像紋理研究[A];第十二屆全國光學測試學術討論會論文（摘要集）[C];2008年

7 薛晶晶;白廷柱;;基于圖像紋理特征的隱身效果評價方法研究[A];光電技術與系統(tǒng)文選——中國光學學會光電技術專業(yè)委員會成立二十周年暨第十一屆全國光電技術與系統(tǒng)學術會議論文集[C];2005年

8 陽維;張素;陳亞珠;;射頻消融組織的B超紋理分析與定征[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（上冊）[C];2007年

9 楊偉斌;朱慶勇;余懷忠;;基于SEM圖像紋理增強的巖石多孔介質滲透率計算[A];中國力學大會-2017暨慶祝中國力學學會成立60周年大會論文集（B）[C];2017年

10 劉芷蘭;高康;田野;戴思蘭;宋雪彬;;基于展開圖像LBP紋理的菊花品種識別[A];中國觀賞園藝研究進展2017[C];2017年

相關重要報紙文章 前2條

1 華凌;世界最薄泡沫屏幕可改變圖像紋理[N];科技日報;2012年

2 記者 馮衛(wèi)東;非侵入性成像可準確發(fā)現(xiàn)癌癥轉移[N];科技日報;2019年

相關博士學位論文 前10條

1 任燕;基于弱監(jiān)督學習的圖像協(xié)同分割與定位[D];西安電子科技大學;2018年

2 任逍航;基于深度學習的自然場景圖像的中文字檢測和識別算法研究[D];上海交通大學;2017年

3 寇旗旗;基于主曲率的圖像紋理特征提取方法研究[D];中國礦業(yè)大學;2019年

4 周杰;醫(yī)學圖像特征的自動獲取與基于內容檢索的方法研究[D];第一軍醫(yī)大學;2004年

5 孫蕾;醫(yī)學圖像智能挖掘關鍵技術研究[D];西北大學;2005年

6 胡廣寰;基于內容圖像檢索中圖像語義分類技術研究[D];浙江大學;2005年

7 王曙燕;醫(yī)學圖像智能分類算法研究[D];西北大學;2006年

8 段立娟;基于內容的圖像檢索與過濾關鍵技術研究[D];中國科學院研究生院（計算技術研究所）;2002年

9 唐俊華;科學數(shù)據(jù)庫中基于內容圖像檢索技術研究[D];中國科學院研究生院（計算技術研究所）;2004年

10 易文晟;圖像語義檢索和分類技術研究[D];浙江大學;2007年

相關碩士學位論文 前10條

1 彭鵬;基于CycleGAN的圖像風格轉換[D];電子科技大學;2019年

2 韓亞;圖像視覺屬性遷移的研究及應用[D];云南大學;2018年

3 郭燕;基于B超圖像多特征值的HIFU治療測溫方法研究[D];湖南師范大學;2019年

4 袁璇;基于語義特征融合的圖像聚類方法研究[D];西北大學;2019年

5 趙宜花;基于低維噪聲特征的圖像來源取證研究[D];杭州電子科技大學;2019年

6 劉迦南;基于圖像識別的煙草夜蛾科主要害蟲分類研究[D];華北水利水電大學;2019年

7 王延杰;基于深度人臉信息的身份識別[D];北方工業(yè)大學;2019年

8 朱宏晨;基于顯著點特征的水下圖像海參目標檢測[D];哈爾濱工程大學;2019年

9 鐘紹源;基于海底聲學圖像的底質分類軟件設計與實現(xiàn)[D];哈爾濱工程大學;2019年

10 周瓊;基于類別不平衡學習技術的AD醫(yī)學圖像挖掘[D];貴州大學;2019年

本文編號：2608980