B超图像处理的HIFU治疗区域确定方法的研究

《B超图像处理的HIFU治疗区域确定方法的研究》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、摘要摘要近年来，超声诊断技术的不断发展日渐成熟，超声治疗技术也逐渐发展起来。高强度聚焦超声(HIFU)治疗系统是就是近年来发展非常迅速的无创肿瘤治疗技术。该系统是集自动控制、图像处理、计算机技术等部分为一体的超声治疗系统，具有无创、无副作用等显著特点。数字图像处理子系统是HIFU肿瘤治疗系统中非常重要的部分，是术前方案制定、术中监控及术后检查的重要依据。因此，快速的采集B超图像，并对其进行图像处理，准确的勾勒出病灶区域，实时的显示术中病灶区域的组织特征，是HIFU肿瘤治疗系统的一关键技术。针对HIFU治疗系统—

2、—图像处理子系统这一特点和功能，采用B超专用的视频采集卡来实现图像处理子系统，不但可以采集单帧图像，还可以采集连续帧图像，而且满足图像子系统实时采集图像的要求，不但操作简单，而且价格经济。视频采集到的图像送人PC后，先进行图像的预处理，再对B超图像增强去噪和边缘检测确定病灶区域。通过对传统的图像去噪算法和边缘提取算法的研究，根据B超图像的模糊性和不均匀性等特点，采用新阈值函数的小波阈值化去噪算法对B超图像进行预处理。并使用Matlab7．4．0对B超图像进行仿真实验和计算信噪比证明：小波阈值化去噪算法与邻域平均

3、法和中值滤波法相比较而言，不但能很好抑制散斑噪声，而且能很好的保留图片的有效信息。在边缘提取确定病灶区时采用小波变换模极大值边缘检测与模糊算法相结合的边缘检测算子进行B超图像的边缘提取。通过大量的仿真实验与传统边缘检测算法相比较，小波变换与模糊算法的边缘检测算子在对B超图像的边缘信息提取方面具有良好边缘检测效果，提取的边缘信息也更加丰富，能够很好的检测出病灶区域的边缘。●关键字：B超图像；数字图像处理；小波变换；阈值化；模糊算法’安徽理工大学硕L学位论文Ⅱ●AbstractInrecentyears，thede

4、velopingofthetechnologyofultrasonicdiagnosistomature，ultrasoundtreatmenttechnologyalsodeveloped．Hi曲intensityfocusedultrasound(HIFU)treatmentsystemisnon-invasivetumortreatmenttechnology，itisdevelopingveryfastinrecentyears，theultrasoundtreatmentsystemcombinesa

5、utomaticcontrol，imageprocessingandcomputertechnology，晰t11noninvasive，withoutside—effects，andothernotablefeatures．HIFUtreatmentsystem-Digitalimageprocessingsubsystemisaveryimportantpart，theimportantbasisofpreoperativeandpostoperativecheckmonitoring．Therefore，

6、real—timeaccessBultrasonicimage，andtheimageprocessing，accessaccuratetumorarea,real-timedisplaytreatmentorganizationfeature，isthekeytechnologyofHIFUcancertreatment．ForthefeaturesandfunctionalityofHIFUtreatmentsystem-imageprocessingsubsystem，usingtheB—dedicate

7、dvideocapturecardtorealizeimageprocessingsubsystem，andmeettherequirementsofacquisitionreal—timeimage，itissimpleandaffordable．AVEREZCapturecapturesimagetoPC，firstlypre-processingtheimage，andthenenhancetheimageanddetectedgetodeterminelesionarea．Studyingthetrad

8、itionalimagedenoisingandedgedetectionalgorithms，combination诚mBultrasonicimage’Scharacteristics，usingthenewthresholdfunctionofthewaveletthresholddenoisingalgorithmtopreprocessBultrasonicimage．Usi