基于B超图像多特征值的HIFU治疗测温方法研究

发布时间：2020-03-31 10:52

【摘要】：高强度聚焦超声(High-intensity focused ultrasound,HIFU)治疗是一种非侵入式治疗方式,能瞬间产生高温,对病变组织进行消融。治疗过程中,过高的温度易损伤正常组织,过低的温度会导致病变组织不能完全被消融,因此温度的监测成了治疗的关键。因超声成像的实时性、设备易于集成和成本低等特点,通过超声图像来测温成为近年的研究热点。本文获取HIFU辐照前后的新鲜离体猪肉组织B超图像并进行处理,提取能够良好表征温度的特征参数,进行HIFU治疗过程的无损测温研究。具体工作如下:1.B超图像预处理。包括:实验系统设计、图像灰度化处理以及图像大小的裁剪等。2.B超图像配准。手动选取边缘特征点,通过SURF算法为各特征点分配方向,并计算各特征点的描述向量,获取HIFU辐照前后的B超图像的匹配点对,进行配准,为B超图像的差值处理做准备。3.特征参数的提取。提取B超图像的灰度均值、体现B超图像纹理信息的灰度共生矩阵和灰度梯度共生矩阵的特征参数,结合二维经验模态分解(Bidimensional empirical mode decomposition,BEMD)处理图像,选择能很好地表征温度的特征参数。通过BEMD方法将超声差值图像自适应地分解为一系列的从高频到低频的IMF分量和一个余量,发现余量的灰度平均值、灰度熵和混合熵与温度有很好的相关性。4.基于B超图像单特征参数与多特征参数的无损测温方法。从特征参数与温度的近似线性关系的角度,构建单个特征参数与温度的线性回归模型进行测温。从数据挖掘的角度,引入随机森林,支持向量机和BP神经网络三种机器学习模型,分别基于三者的回归功能,以与温度相关性最高的三个特征参数作为解释变量,构建基于B超图像特征参数的温度估计模型。研究表明:BEMD方法可以得出余量图像的灰度均值、灰度梯度共生矩阵的灰度熵和混合熵与温度有着很强的相关性,基于此三个参数构建随机森林模型可以较准确地测量HIFU治疗过程中组织的温度,对无损测温研究有着重要的意义。
【图文】：

实验数据采集系统

图 2-2 实验操作流程整个 HIFU 实验系统由负责采集图像信号的 B 超探头和 B 超仪、产生辐照的 HIFU 换能器、采集温度的热电偶、底部放有吸声橡胶的大水槽，以及配有图像采集卡和记录温度数据的计算机组成，，整个实验系统装置安排如图 2-3 所
【学位授予单位】：湖南师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R454.3;TP391.41

【相似文献】

相关期刊论文 前10条

1 张学军;郭建;;图像纹理分析的方法与应用[J];黑龙江科技信息;2009年16期

2 吴涛;秦昆;;图像纹理特征数据挖掘的理论与方法探讨[J];计算机时代;2006年08期

3 王震,王执铨;图像纹理分析与纹理测度[J];南京理工大学学报(自然科学版);2002年S1期

4 范郭亮;李光;王春霞;;图像纹理区检测及分割算法研究[J];信息安全与技术;2011年09期

5 李亚春;夏德深;徐萌;;小波变换在图像纹理分析中的研究进展[J];计算机工程与应用;2005年35期

6 孟勇,洪丹辉,毛丹;测度熵在图像纹理分析中的应用[J];计算机应用与软件;2000年08期

7 丁黎明;;纹理损失最小约束下跟踪图像阴影自动去除算法[J];自动化与仪器仪表;2019年03期

8 章华;李振璧;姜媛媛;;基于图像纹理的煤岩识别研究[J];煤炭技术;2015年07期

9 徐孟春;王相海;;基于不完全小波树型结构的图像纹理特征研究[J];中国图象图形学报;2009年07期

10 张地;罗群;雷敏;;一种基于图像纹理特征和支持向量机的版权保护方法[J];网络安全技术与应用;2017年08期

相关会议论文 前10条

1 杨国华;周晨波;阮久忠;郭冰;王刚;;基于自相关函数的非平面表面粗糙度的图像纹理研究[A];第十二届全国光学测试学术讨论会论文（摘要集）[C];2008年

2 王云;董增寿;卓东风;;基于图像纹理和结构特征的燃烧指数的高温低氧火焰燃烧稳定性识别[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

3 张磊;朱磊;;一种综合图像纹理和灰度特征的分割算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年

4 袁灼彬;郑晓林;邹玉坚;方少伟;张旭升;杨沛钦;;T2WI图像纹理分析联合多参数磁共振成像在评价前列腺癌侵袭性研究[A];中国中西医结合学会医学影像专业委员会第十五次全国学术大会暨上海市中西医结合学会医学影像专业委员会2017年学术年会暨《医学影像新技术的临床应用》国家级继续教育学习班资料汇编[C];2017年

5 王鹏;吴春亚;刘德利;刘亦智;刘献礼;;基于LabVIEW的钢球表面缺陷图像纹理分析与检测[A];2007'中国仪器仪表与测控技术交流大会论文集（一）[C];2007年

6 阮久忠;周晨波;杨国华;;基于灰度共生矩阵的非平面表面粗糙度的图像纹理研究[A];第十二届全国光学测试学术讨论会论文（摘要集）[C];2008年

7 薛晶晶;白廷柱;;基于图像纹理特征的隐身效果评价方法研究[A];光电技术与系统文选——中国光学学会光电技术专业委员会成立二十周年暨第十一届全国光电技术与系统学术会议论文集[C];2005年

8 阳维;张素;陈亚珠;;射频消融组织的B超纹理分析与定征[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

9 杨伟斌;朱庆勇;余怀忠;;基于SEM图像纹理增强的岩石多孔介质渗透率计算[A];中国力学大会-2017暨庆祝中国力学学会成立60周年大会论文集（B）[C];2017年

10 刘芷兰;高康;田野;戴思兰;宋雪彬;;基于展开图像LBP纹理的菊花品种识别[A];中国观赏园艺研究进展2017[C];2017年

相关重要报纸文章 前2条

1 华凌;世界最薄泡沫屏幕可改变图像纹理[N];科技日报;2012年

2 记者 冯卫东;非侵入性成像可准确发现癌症转移[N];科技日报;2019年

相关博士学位论文 前10条

1 任燕;基于弱监督学习的图像协同分割与定位[D];西安电子科技大学;2018年

2 任逍航;基于深度学习的自然场景图像的中文字检测和识别算法研究[D];上海交通大学;2017年

3 寇旗旗;基于主曲率的图像纹理特征提取方法研究[D];中国矿业大学;2019年

4 周杰;医学图像特征的自动获取与基于内容检索的方法研究[D];第一军医大学;2004年

5 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年

6 胡广寰;基于内容图像检索中图像语义分类技术研究[D];浙江大学;2005年

7 王曙燕;医学图像智能分类算法研究[D];西北大学;2006年

8 段立娟;基于内容的图像检索与过滤关键技术研究[D];中国科学院研究生院（计算技术研究所）;2002年

9 唐俊华;科学数据库中基于内容图像检索技术研究[D];中国科学院研究生院（计算技术研究所）;2004年

10 易文晟;图像语义检索和分类技术研究[D];浙江大学;2007年

相关硕士学位论文 前10条

1 彭鹏;基于CycleGAN的图像风格转换[D];电子科技大学;2019年

2 韩亚;图像视觉属性迁移的研究及应用[D];云南大学;2018年

3 郭燕;基于B超图像多特征值的HIFU治疗测温方法研究[D];湖南师范大学;2019年

4 袁璇;基于语义特征融合的图像聚类方法研究[D];西北大学;2019年

5 赵宜花;基于低维噪声特征的图像来源取证研究[D];杭州电子科技大学;2019年

6 刘迦南;基于图像识别的烟草夜蛾科主要害虫分类研究[D];华北水利水电大学;2019年

7 王延杰;基于深度人脸信息的身份识别[D];北方工业大学;2019年

8 朱宏晨;基于显著点特征的水下图像海参目标检测[D];哈尔滨工程大学;2019年

9 钟绍源;基于海底声学图像的底质分类软件设计与实现[D];哈尔滨工程大学;2019年

10 周琼;基于类别不平衡学习技术的AD医学图像挖掘[D];贵州大学;2019年

本文编号：2608980