心臟占位性疾病的超聲圖像分析與處理方法研究.pdf

1、心臟占位性疾病發(fā)生在心臟腔室內(nèi)，易引起身體各臟器不同程度的梗阻，嚴重危害人類身體健康。早期的診斷和治療可以有效降低心臟手術(shù)風險，提高患者生存率。在心臟占位性疾病的各種檢查方式中，超聲心動圖由于具有無損、實時、價廉和操作方便等優(yōu)點，是臨床診斷心臟疾病、評價心功能的主要手段。
　　由于超聲成像的相干特性，超聲心動圖信噪比低，邊緣模糊，定量分析困難，醫(yī)生人工診斷準確率低。因此，本論文以提高心臟占位性疾病判別準確率為目標，對超聲心動圖分析

2、與處理中的關(guān)鍵問題進行深入研究，建立一套心臟占位性疾病的自動判別系統(tǒng)，為臨床診斷提供參考意見。
　　本論文在超聲圖像降噪、圖像分割、特征提取和模式識別四方面進行了研究和探討:
　　1.在圖像降噪方面，超聲心動圖的強斑點噪聲是影響疾病分析的主要因素。針對傳統(tǒng)的基于局部的降噪算法易丟失圖像細節(jié)信息的缺點，提出了基于最大似然估計和非局部平均的降噪算法，使得抑制噪聲的同時，盡量保持或增強圖像的細節(jié)特征;提出基于稀疏表示和非局部平均的

3、降噪算法，將稀疏表示融入非局部平均算法，兩者的有效結(jié)合降低了計算量，實現(xiàn)整幅圖像的全局降噪;針對超聲心動圖為序列圖像的特點，進一步使用運動估計方法，將降噪過程擴展到時間域，提出基于運動估計的超聲圖像序列降噪算法，利用前后幀信息共同降噪。以上三種方法具有良好的降噪效果，為后續(xù)的超聲心動圖分割與特征提取工作打下堅實基礎(chǔ)。
　　2.在圖像分割方面，由于心臟結(jié)構(gòu)復雜且占位性疾病所占體積小，一般的圖像分割技術(shù)不能有效解決心臟占位性疾病的分割

4、問題。針對超聲心動圖中心臟邊緣模糊的特點，提出基于選擇性集成學習和活動輪廓模型的分割方法，采用有教師的學習模式，將心臟形狀與紋理特征有機結(jié)合，有效提取邊緣;針對活動輪廓模型對初始輪廓敏感且外部能量單一的情況，提出基于稀疏表示和改進活動輪廓模型的分割方法，通過稀疏分解獲得較準確的初始邊緣，并改進外部能量，使其快速收斂至真實邊緣，從而實現(xiàn)無監(jiān)督分割。實驗表明，這兩種方法均提高了分割的抗干擾能力和準確度，實現(xiàn)了超聲心動圖的有效分割。
　

5、　3.在特征提取方面，設計了一套超聲心動圖的特征提取算法，共量化三類（9個）特征參數(shù)。除臨床常用的病灶運動特性和基底長度兩個特征外，還提出了新型的超聲心動圖紋理參數(shù)。實驗顯示，這些參數(shù)對心臟占位性疾病具有良好的區(qū)分能力。
　　4.在模式識別方面，采用新型的稀疏分類器，根據(jù)所提取的特征參數(shù)對心臟占位性疾病進行分類判別。分析對比了不同特征參數(shù)組合對分類判別結(jié)果的影響和不同分類器之間的性能。
　　綜上，本論文構(gòu)建了一個完整的心臟占