癌癥一直威脅著人類的健康,盡早發(fā)現(xiàn)盡早治療能夠極大程度上提高患者的存活率。很多癌癥的早期階段并沒有生理和病理上的變化,只有組織硬度的變化,而傳統(tǒng)的醫(yī)學成像技術(shù)比如超聲成像（US）、X射線、磁共振成像（MRI）和計算機斷層成像（CT）等技術(shù)只能夠獲得組織內(nèi)部的結(jié)構(gòu)圖,不能直接提供組織軟硬程度的信息。彈性成像算法可以直接給出組織的彈性信息,一經(jīng)提出就得到了廣泛的關(guān)注。超聲彈性成像算法以無損傷、簡單、便宜等優(yōu)點在臨床上得到了廣泛的應(yīng)用,成為了目前醫(yī)學成像領(lǐng)域的一個研究熱點。超聲彈性成像算法按照激勵類型的不同可大致分為兩類:準靜態(tài)超聲彈性成像和動態(tài)超聲彈性成像,其中準靜態(tài)超聲成像技術(shù)因具有高分辨率、實時性、不需要額外改進傳統(tǒng)超聲設(shè)備等優(yōu)點而得到廣泛應(yīng)用。然而,準靜態(tài)超聲彈性成像算法仍然面臨著挑戰(zhàn):不正確的匹配點導致彈性成像效果差、實時性要求較高、根據(jù)經(jīng)驗設(shè)置的窗口系數(shù)不能自適應(yīng)組織等。本文詳細分析了超聲彈性成像算法的原理,介紹了超聲RF信號的采集和處理以及幾種常見的位移估計算法和應(yīng)變估計算法。針對準靜態(tài)超聲彈性成像算法中不正確的匹配點導致成像結(jié)果差的問題,本文改進了基于互信息的彈性成像算法。將... 

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 超聲彈性成像背景及意義
    1.2 超聲彈性成像概述
        1.2.1 超聲彈性成像的原理
        1.2.2 超聲彈性成像的分類
        1.2.3 超聲彈性成像在臨床上的應(yīng)用
        1.2.4 準靜態(tài)超聲彈性技術(shù)的國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容和章節(jié)安排
        1.3.1 論文的研究內(nèi)容
        1.3.2 論文的章節(jié)安排
第二章 準靜態(tài)超聲彈性成像技術(shù)
    2.1 準靜態(tài)超聲彈性成像理論簡介
        2.1.1 生物組織力學
        2.1.2 原理
    2.2 超聲RF信號處理
        2.2.1 Hilbert變換
        2.2.2 超聲RF信號采集及處理
    2.3 準靜態(tài)超聲成像算法研究
        2.3.1 位移估計算法
        2.3.2 應(yīng)變估計算法
    2.4 本章小結(jié)
第三章 基于互信息的超聲彈性成像算法
    3.1 基于互信息的改進算法
        3.1.1 互信息算法
        3.1.2 結(jié)合相位差的互信息算法
        3.1.3 結(jié)合動態(tài)規(guī)劃的互信息算法
    3.2 基于GPU并行計算的超聲彈性成像算法
        3.2.1 CUDA的概述
        3.2.2 彈性成像算法基于CUDA的實現(xiàn)
    3.3 本章小結(jié)
第四章 自適應(yīng)窗口系數(shù)的超聲彈性成像算法
    4.1 窗口系數(shù)對成像結(jié)果的影響
    4.2 互相關(guān)算法
    4.3 粒子群優(yōu)化算法
        4.3.1 粒子群算法的起源
        4.3.2 粒子群算法的原理和流程
    4.4 自適應(yīng)窗口系數(shù)的彈性成像算法
        4.4.1 基于粒子群和互相關(guān)的彈性成像算法
        4.4.2 基于粒子群和互信息的彈性成像算法
    4.5 本章小結(jié)
第五章 算法實驗結(jié)果與分析
    5.1 實驗設(shè)計
        5.1.1 實驗平臺設(shè)計
        5.1.2 實驗結(jié)果評價指標
    5.2 結(jié)合相位差的互信息算法的實驗
        5.2.1 超聲體模實驗
        5.2.2 人體組織實驗
    5.3 結(jié)合動態(tài)規(guī)劃的互信息算法的實驗
        5.3.1 超聲體模實驗
        5.3.2 人體組織實驗
        5.3.3 基于CUDA多線程的實驗
    5.4 結(jié)合粒子群和互相關(guān)的彈性成像算法的實驗
    5.5 結(jié)合粒子群和互信息的彈性成像算法的實驗
    5.6 本章小結(jié)
結(jié)論與展望
參考文獻
攻讀碩士學位期間取得的研究成果
致謝
附件


【參考文獻】：
期刊論文
[1]SWE與實時組織彈性成像技術(shù)在甲狀腺結(jié)節(jié)良惡性鑒別診斷中的價值分析[J]. 劉培青,劉增禮,吳開良,張迎春,劉歡歡.  中華普外科手術(shù)學雜志(電子版). 2017(05)
[2]基于矢量場預估的二維超聲彈性成像方法[J]. 周佳璐,王韜,楊軍.  生物醫(yī)學工程研究. 2016(04)
[3]超聲彈性成像對甲狀腺良惡性結(jié)節(jié)鑒別診斷的研究進展[J]. 馬慧娟,楊敬春.  中國全科醫(yī)學. 2015(11)
[4]常規(guī)超聲聯(lián)合超聲彈性成像在診斷乳腺占位性病變中的價值[J]. 莊艷芳.  中國實用醫(yī)藥. 2014(34)
[5]剪切波彈性成像與實時組織彈性成像技術(shù)在甲狀腺結(jié)節(jié)良惡性鑒別診斷中的應(yīng)用價值[J]. 劉保嫻,梁瑾瑜,謝曉燕,黃光亮,周路遙,徐作峰,呂明德.  中華醫(yī)學超聲雜志(電子版). 2014(11)
[6]CUDA下使用區(qū)域增長的超聲斑點噪聲抑制[J]. 何興無,李輝.  微處理機. 2013(04)
[7]基于GPU的超聲彈性成像并行實現(xiàn)研究[J]. 彭博,諶勇,劉東權(quán).  光電工程. 2013(05)

碩士論文
[1]基于機械掃描的近似實時三維超聲彈性成像技術(shù)研究[D]. 陳朝虹.華南理工大學 2015
[2]準靜態(tài)三維超聲彈性成像方法研究[D]. 謝波.華南理工大學 2013
[3]基于超聲彈性成像技術(shù)的生物組織應(yīng)變估計算法仿真研究[D]. 劉鑫.哈爾濱工業(yè)大學 2012
[4]人體組織的超聲彈性成像方法研究[D]. 劉彥.哈爾濱工業(yè)大學 2011



本文編號：3696266