橈動(dòng)脈為肱動(dòng)脈的一條終支,通過(guò)分析橈動(dòng)脈可以得到人體許多重要信息,如心率、血液流速、血管壁收縮情況等。國(guó)內(nèi)外醫(yī)護(hù)人員一般通過(guò)經(jīng)驗(yàn)來(lái)識(shí)別橈動(dòng)脈位置以進(jìn)行病情的診斷和治療,耗時(shí)長(zhǎng)且準(zhǔn)確度較低。針對(duì)此問(wèn)題,本文創(chuàng)新性的提出使用計(jì)算機(jī)視覺(jué)自動(dòng)定位超聲圖像中橈動(dòng)脈的方法,論文主要工作和創(chuàng)新點(diǎn)如下:1.對(duì)橈動(dòng)脈超聲圖像的去噪算法和形態(tài)學(xué)濾波算法展開(kāi)了研究。首先分析了超聲圖像中的噪聲種類,其次研究了多種去噪算法的基本原理,完成了相應(yīng)的實(shí)驗(yàn),并通過(guò)去噪算法評(píng)價(jià)指標(biāo)分析了不同去噪算法在橈動(dòng)脈超聲圖像去噪場(chǎng)景中的性能,得出了基于小波變換的閾值去噪算法在橈動(dòng)脈超聲圖像中去噪性能最優(yōu)的結(jié)論。同時(shí)研究了多種形態(tài)學(xué)運(yùn)算原理,結(jié)合橈動(dòng)脈超聲圖像特征,對(duì)超聲圖像進(jìn)行閉運(yùn)算,實(shí)驗(yàn)證明使用去噪算法結(jié)合閉運(yùn)算可有效去除噪聲,保留手腕組織細(xì)節(jié),為后續(xù)橈動(dòng)脈檢測(cè)算法打下基礎(chǔ)。2.對(duì)比分析了多種邊緣檢測(cè)算子原理,驗(yàn)證了不同算子在超聲圖像邊緣檢測(cè)中的性能,通過(guò)理論分析與實(shí)驗(yàn)證明了Canny算子邊緣檢測(cè)算法在超聲圖像中的有效性;研究了Freeman輪廓提取算法原理,實(shí)現(xiàn)了超聲圖像中的橈動(dòng)脈輪廓的提取。以邊緣檢測(cè)算法與輪廓提取算法為基... 

【文章頁(yè)數(shù)】：95 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外超聲波圖像處理研究現(xiàn)狀
        1.2.1 超聲波成像發(fā)展現(xiàn)狀
        1.2.2 圖像處理算法研究現(xiàn)狀
    1.3 超聲圖像在醫(yī)學(xué)檢測(cè)領(lǐng)域的研究現(xiàn)狀
        1.3.1 超聲圖像在醫(yī)學(xué)檢測(cè)領(lǐng)域的應(yīng)用和研究現(xiàn)狀
        1.3.2 超聲信號(hào)在橈動(dòng)脈檢測(cè)領(lǐng)域的應(yīng)用現(xiàn)狀
    1.4 論文的主要內(nèi)容和章節(jié)安排
第二章 超聲圖像預(yù)處理算法研究
    2.1 圖像噪聲種類及去噪指標(biāo)分析
        2.1.1 圖像噪聲種類分析
        2.1.2 超聲圖像噪聲種類分析
        2.1.3 超聲去噪效果評(píng)價(jià)指標(biāo)
    2.2 超聲圖像的基礎(chǔ)去噪算法原理及實(shí)驗(yàn)分析
        2.2.1 均值濾波算法原理分析
        2.2.2 非局部均值濾波算法原理分析
        2.2.3 基于小波變換的閾值去噪算法原理分析
        2.2.4 超聲圖像去噪基礎(chǔ)算法實(shí)驗(yàn)對(duì)比分析
    2.3 超聲圖像形態(tài)學(xué)濾波算法原理及實(shí)驗(yàn)分析
        2.3.1 二值形態(tài)學(xué)基本運(yùn)算
        2.3.2 灰度形態(tài)學(xué)運(yùn)算
        2.3.3 形態(tài)學(xué)濾波實(shí)驗(yàn)分析
    2.4 小結(jié)
第三章 基于超聲圖像的橈動(dòng)脈檢測(cè)算法研究
    3.1 橈動(dòng)脈在超聲圖像中特征分析
    3.2 橈動(dòng)脈邊緣檢測(cè)算法及實(shí)驗(yàn)分析
        3.2.1 經(jīng)典邊緣檢測(cè)算子原理分析
        3.2.2 超聲圖像的橈動(dòng)脈邊緣檢測(cè)算法對(duì)比及實(shí)驗(yàn)分析
    3.3 基于Freeman鏈碼的橈動(dòng)脈輪廓提取算法及實(shí)驗(yàn)分析
        3.3.1 Freeman鏈碼原理分析
        3.3.2 Freeman鏈碼的差分歸一化
        3.3.3 超聲圖像的橈動(dòng)脈輪廓提取實(shí)驗(yàn)分析
    3.4 基于坐標(biāo)篩選與橢圓擬合的橈動(dòng)脈檢測(cè)算法原理及實(shí)驗(yàn)分析
        3.4.1 基于最小二乘法的橢圓擬合算法原理分析
        3.4.2 基于坐標(biāo)篩選與橢圓擬合的橈動(dòng)脈檢測(cè)算法原理分析
        3.4.3 基于坐標(biāo)篩選與橢圓擬合的橈動(dòng)脈檢測(cè)實(shí)驗(yàn)結(jié)果分析
    3.5 基于幀間差與橢圓擬合的橈動(dòng)脈檢測(cè)算法原理及實(shí)驗(yàn)結(jié)果分析
        3.5.1 基于幀間差與橢圓擬合的橈動(dòng)脈檢測(cè)算法原理分析
        3.5.2 基于幀間差與橢圓擬合的橈動(dòng)脈檢測(cè)實(shí)驗(yàn)及結(jié)果分析
    3.6 小結(jié)
第四章 基于超聲圖像的橈動(dòng)脈跟蹤算法研究
    4.1 基于MeanShift算法的橈動(dòng)脈跟蹤算法研究
        4.1.1 MeanShift算法原理分析
        4.1.2 基于MeanShift算法的橈動(dòng)脈跟蹤原理分析
        4.1.3 基于MeanShift算法的橈動(dòng)脈跟蹤實(shí)驗(yàn)及結(jié)果分析
    4.2 基于卡爾曼濾波算法的橈動(dòng)脈跟蹤算法研究
        4.2.1 卡爾曼濾波算法原理分析
        4.2.2 基于卡爾曼濾波算法的橈動(dòng)脈跟蹤原理分析
        4.2.3 基于卡爾曼濾波算法的橈動(dòng)脈跟蹤算法實(shí)驗(yàn)及結(jié)果分析
    4.3 小結(jié)
第五章 超聲圖像的橈動(dòng)脈檢測(cè)及跟蹤系統(tǒng)
    5.1 超聲圖像的橈動(dòng)脈檢測(cè)及跟蹤系統(tǒng)設(shè)計(jì)
        5.1.1 超聲圖像的橈動(dòng)脈檢測(cè)及跟蹤系統(tǒng)硬件介紹
        5.1.2 超聲圖像的橈動(dòng)脈檢測(cè)及跟蹤系統(tǒng)軟件設(shè)計(jì)
    5.2 超聲圖像的橈動(dòng)脈檢測(cè)及跟蹤系統(tǒng)實(shí)驗(yàn)及結(jié)果分析
    5.3 小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]急性闌尾炎的超聲診斷[J]. 肖友林,楊冰峰,朱思該.  基層醫(yī)學(xué)論壇. 2019(01)
[2]超聲診斷甲狀腺囊性乳頭狀癌[J]. 鐘琳,馬步云.  中國(guó)醫(yī)學(xué)影像技術(shù). 2018(S1)
[3]超聲診斷肺部疾病在重癥醫(yī)學(xué)中的應(yīng)用[J]. 汪曉強(qiáng),吳彤,田婕.  醫(yī)學(xué)綜述. 2018(23)
[4]超聲生物顯微鏡對(duì)冠心病患者橈動(dòng)脈血管壁形態(tài)學(xué)的評(píng)估[J]. 張蓓蓓,周玉杰.  心肺血管病雜志. 2017(09)
[5]產(chǎn)科超聲成像技術(shù)的研究進(jìn)展[J]. 郭翠梅,劉曉巍.  中國(guó)醫(yī)療設(shè)備. 2016(07)
[6]量子衍生PDE醫(yī)學(xué)超聲圖像去斑[J]. 付曉薇,王奕,陳黎,田菁.  中國(guó)圖象圖形學(xué)報(bào). 2015(01)
[7]彩色多普勒超聲評(píng)價(jià)橈動(dòng)脈血管條件對(duì)自體動(dòng)靜脈造瘺術(shù)的臨床價(jià)值[J]. 許光瑜,祝旭飛,管敏.  局解手術(shù)學(xué)雜志. 2014(06)
[8]超聲定位法與傳統(tǒng)觸摸法在嬰兒橈動(dòng)脈穿刺置管中的比較[J]. 劉國(guó)亮,霍良紅,王小雪,鄭超,鄭鐵華.  臨床麻醉學(xué)雜志. 2014(06)
[9]基于同質(zhì)區(qū)域自動(dòng)選取的各向異性擴(kuò)散超聲圖像去噪[J]. 吳俊,汪源源,陳悅,余錦華,龐蕓.  光學(xué)精密工程. 2014(05)
[10]小波與雙邊濾波的醫(yī)學(xué)超聲圖像去噪[J]. 張聚,王陳,程蕓.  中國(guó)圖象圖形學(xué)報(bào). 2014(01)

博士論文
[1]聚焦超聲治療腫瘤的靶目標(biāo)輪廓提取方法研究[D]. 樂(lè)意.武漢大學(xué) 2015
[2]基于多普勒超聲信號(hào)的脈象分析與分類研究[D]. 劉磊.哈爾濱工業(yè)大學(xué) 2013
[3]小波理論在圖像去噪與紋理分析中的應(yīng)用研究[D]. 褚標(biāo).合肥工業(yè)大學(xué) 2008

碩士論文
[1]基于隨機(jī)森林算法的人體運(yùn)動(dòng)模式識(shí)別研究[D]. 劉玉琪.北京郵電大學(xué) 2018
[2]基于小波變換圖像去噪及邊緣檢測(cè)研究[D]. 胡志峰.東華理工大學(xué) 2018
[3]目標(biāo)跟蹤濾波方法研究[D]. 劉瑞騰.西安電子科技大學(xué) 2018
[4]基于機(jī)器視覺(jué)的前方車輛檢測(cè)與跟蹤[D]. 王寧.西南交通大學(xué) 2018
[5]基于多尺度幾何分析和各向異性擴(kuò)散的醫(yī)學(xué)超聲圖像去噪算法研究[D]. 何旭.云南大學(xué) 2016
[6]基于數(shù)學(xué)形態(tài)學(xué)的超聲圖像降噪和分割方法研究[D]. 徐雷.東北電力大學(xué) 2015



本文編號(hào)：3652589