基于脉冲超声的血流速度估计算法研究

《基于脉冲超声的血流速度估计算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东南大学硕士学位论文摘要血管内的血流速度信息可以反映人体器官及组织的很多特性，在临床诊断方面具有重大的意义。其中基于超声射频信号的方法具有无创性，成本低，能有效检测不透明血管内的血流流速等特点。近年来血流速度测量一直是竞相研究的热点，特别是在国内更是需要技术和理论上的突破。基于超声射频回波的血流速度估计方法主要有两大类：基于多普勒频移和基于速度——时移等的非多普勒方法。本文在这一领域其他学者研究的基础上对基于非多普勒效应的血流速度估计算法研究，并且建立了血流速度估计算法评价的系统，内容包括血流回波信号的仿真、组织及血管壁的滤波、血流速度估计算法的理论分析、算法实现和评估

2、。本文采用丹麦学者Jensen的超声仿真工具包Fieldii产生血流回波信号，用高斯白噪声作为回波信号的噪声模型，使用匹配滤波器进行滤波，针对血管壁周围组织的强回波信号，比较了FIR，自回归两种滤波器，选择FIR滤波器进行壁滤波。采用均方根误差作为评价算法效果的指标，对自相关、互相关、扩展自相关、二维自相关、极大似然估计算法实现血流速度估计进行了效果的比较分析。介绍了这几种方法的原理及参数选取对估计效果的影响。结果表明自相关方法是一种窄带的估计方法，在没有相位混叠问题时，有较好的估计效果，互相关方法是一种宽带的方法，在相同参数选取条件下，误差总体效果并没有自相关好，扩展

3、的自相关方法及二维自相关的方法弥补了自相关方法的相位混叠的问题，但是在没有相位混叠的情况下效果并没有自相关算法好。极大似然估计理论上有最好的估计效果，但必须对回波信号特征充分了解，选择好的匹配模板。各种方法各有优缺点，应根据实际的需要选择合适的估计算法及合理的参数。关键词：超声射频回波信号，多普勒效应，自相关算法，互相关算法，扩展自相关算法，二维自相关算法，最大似然估计算法东南大学硕士学位论文AbstractTheflowvelocityinformationindicatesalotofcharacteristicsofmanycerebralvascularandc

4、ardiacdiseasesandisofgreatvalueforclinicdiagnose．nenon，invasiveandconvenientultrasoundmeasurementusedtIleinbloodvdoot)，estimationisresearchedbymanypeopleinrecentandusedwidelyincommercialmedicalinstrument．TherealetwoclassesofflowvelocityestimationmethodsbasedOilultrasoundechofromblood：Dop

5、plerfrequencyshiftbasedmethodsandvelocitytimedelaybasedmethods．Basedollotherresearchworkinthisareawecategorizemesemethodsandgivetheefficientevaluation．Beforeestimatingthebloodvdocity,theflowsignalsimulinkisdonebytheFieidiisoftwaretoolkitbasedOilmatlab．Thentherightfilterischosetofilterthe

6、whitenoiseandtissuesignal．Methodsofultrasonicbloodflowmeasurementsarestudiedinthepaper．Theirinherentcharacteristics，advantagesanddisadVantagesarepointedout．Autocorrelationissaidtobeanarrowband，frequencydomainmethod．Thewiderthefrequencybandsofthesignalsare，theworsetheresultswillbe．Timedom

7、aincorrelationtechnique．thebetterestimationcomeoutwitIlwidersignalfrequencybandcomparedwithautocorrelationmethod．Extendedautocorrelationestimatorand2Dautocorrelationestimatorareusedtoovercomethedisadvantagesaboutphasealiasing．Maximumlikelihoodestimatorhasbestperformancein