高強(qiáng)度聚焦超聲（High Intensity Focused Ultrasound,HIFU）治療是一種新興的腫瘤治療技術(shù),以無(wú)毒副作用、無(wú)創(chuàng)等優(yōu)點(diǎn)應(yīng)用于臨床治療。其主要原理是將超聲波聚焦于腫瘤區(qū)域,使焦域溫度瞬間上升至65℃以上,腫瘤組織發(fā)生變性或凝固性壞死,從而達(dá)到治療腫瘤的目的。本文以新鮮離體豬肉組織作為實(shí)驗(yàn)樣本,通過B超成像儀獲取HIFU輻照前后的實(shí)時(shí)超聲圖像,研究了焦域處HIFU組織熱損傷與圖像特征的關(guān)系及HIFU組織損傷區(qū)域檢測(cè)與識(shí)別的方法,并進(jìn)一步使用水平集方法分割HIFU組織損傷區(qū)域。主要工作如下:（1）HIFU焦域處超聲圖像的紋理特征分析。由于HIFU輻照后的超聲圖像與輻照前的超聲圖像在紋理上會(huì)出現(xiàn)差異性,因而通過提取焦域處超聲圖像的灰度-梯度共生矩陣的灰度熵、混合熵等特征參數(shù)進(jìn)行模糊C均值聚類。實(shí)驗(yàn)結(jié)果表明:與傳統(tǒng)的灰度均值、圖像信息熵等特征參數(shù)相對(duì)比,其灰度熵與混合熵能更準(zhǔn)確地表征HIFU組織損傷狀況。（2）HIFU組織損傷區(qū)域檢測(cè)與識(shí)別。針對(duì)HIFU組織損傷區(qū)域難以定位,提出了利用灰度閾值初定位組織損傷區(qū)域;然后根據(jù)組織邊緣輪廓與初定位像素點(diǎn)的距離去除邊緣偽損傷... 

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與選題意義
    1.2 HIFU治療的基本原理
    1.3 超聲成像的基本原理
    1.4 HIFU技術(shù)發(fā)展及現(xiàn)狀
    1.5 研究目標(biāo)和主要內(nèi)容
        1.5.1 研究目標(biāo)
        1.5.2 主要內(nèi)容
第2章 超聲圖像采集與預(yù)處理
    2.1 超聲圖像采集
        2.1.1 實(shí)驗(yàn)系統(tǒng)
        2.1.2 實(shí)驗(yàn)方法
    2.2 超聲圖像預(yù)處理
        2.2.1 超聲圖像去噪
        2.2.2 超聲圖像灰度化
        2.2.3 感興趣區(qū)域截取
    2.3 本章小結(jié)
第3章 焦域處超聲圖像的特征參數(shù)提取與分析
    3.1 HIFU焦域處超聲圖像
    3.2 FCM聚類基本原理
    3.3 傳統(tǒng)特征參數(shù)聚類分析
        3.3.1 灰度均值
        3.3.2 圖像信息熵
    3.4 基于灰度-梯度共生矩陣的聚類分析
        3.4.1 灰度-梯度共生矩陣
        3.4.2 特征參數(shù)閾值區(qū)間
        3.4.3 FCM聚類分析
    3.5 本章小結(jié)
第4章 HIFU組織損傷區(qū)域檢測(cè)與識(shí)別
    4.1 實(shí)驗(yàn)數(shù)據(jù)處理與算法框架
        4.1.1 實(shí)驗(yàn)數(shù)據(jù)處理
        4.1.2 算法框架
    4.2 SVM算法原理
    4.3 HIFU組織損傷區(qū)域檢測(cè)
        4.3.1 組織邊緣輪廓確定
        4.3.2 HIFU損傷檢測(cè)
    4.4 HIFU組織損傷區(qū)域識(shí)別
    4.5 實(shí)驗(yàn)結(jié)果分析
    4.6 本章小結(jié)
第5章 基于水平集的HIFU組織損傷區(qū)域分割
    5.1 水平集方法理論
    5.2 基于LBF模型的組織損傷區(qū)域分割
        5.2.1 LBF模型
        5.2.2 HIFU組織損傷區(qū)域分割
    5.3 基于LGDF活動(dòng)輪廓模型的圖像分割
        5.3.1 LGDF活動(dòng)輪廓模型
        5.3.2 HIFU組織損傷區(qū)域分割
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
總結(jié)與展望
    1 總結(jié)
    2 展望
參考文獻(xiàn)
附錄 (攻讀學(xué)位期間發(fā)表的論文)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]集成多策略改進(jìn)FCM算法的旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)聚類分析研究[J]. 鄧林峰,張愛華,趙榮珍.  振動(dòng)工程學(xué)報(bào). 2019(05)
[2]基于局部高斯分布擬合的牙齒錐形束計(jì)算機(jī)斷層圖像分割方法[J]. 劉世偉,王遠(yuǎn)軍.  生物醫(yī)學(xué)工程學(xué)雜志. 2019(02)
[3]基于變分模態(tài)分解與多尺度排列熵的生物組織變性識(shí)別[J]. 劉備,胡偉鵬,鄒孝,丁亞軍,錢盛友.  物理學(xué)報(bào). 2019(02)
[4]基于超聲圖像處理的HIFU所致組織損傷自動(dòng)檢測(cè)方法:實(shí)驗(yàn)研究[J]. 田燦,錢盛友,鄒孝,劉備,王潤(rùn)民,江劍輝.  中國(guó)醫(yī)學(xué)影像技術(shù). 2018(10)
[5]基于聲異常透射效應(yīng)的高強(qiáng)度聚焦超聲換能器[J]. 章東,李成海,林洲.  數(shù)據(jù)采集與處理. 2018(04)
[6]基于Gabor變換和灰度梯度共生矩陣的超聲無(wú)損測(cè)溫研究[J]. 肖達(dá),王潤(rùn)民,鄒孝,董胡,錢盛友,江劍輝.  傳感技術(shù)學(xué)報(bào). 2017(11)
[7]基于K均值聚類的組織損傷等級(jí)判定研究[J]. 顏佩,丁亞軍,錢盛友,胡強(qiáng),盛祎,鄒孝.  電子測(cè)量與儀器學(xué)報(bào). 2017(03)
[8]基于線性判別分析與超聲圖像特征的組織損傷檢測(cè)方法[J]. 陳華,趙新民,譚喬來(lái),鄒孝,錢盛友,江劍暉.  中國(guó)醫(yī)學(xué)影像技術(shù). 2016(11)
[9]基于改進(jìn)LGDF模型的超聲圖像自動(dòng)分割方法[J]. 朱永杰,邱天爽.  大連理工大學(xué)學(xué)報(bào). 2016(01)
[10]超聲圖像熵特性的肌肉疲勞進(jìn)程評(píng)估[J]. 王前,曹霞,尹冠軍,郭建中.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2015(01)

碩士論文
[1]基于超聲圖像的HIFU損傷檢測(cè)與識(shí)別方法研究[D]. 田燦.湖南師范大學(xué) 2019
[2]醫(yī)學(xué)超聲圖像散斑去噪及邊緣增強(qiáng)算法的研究[D]. 周玲芳.西南科技大學(xué) 2015



本文編號(hào)：3732057