导读:本文包含了超声图像序列论文开题报告文献综述及选题提纲参考文献，主要关键词:超声图像序列,图像分割,活动轮廓模型,水平集
超声图像序列论文文献综述
张建勋,葛锦涛,代煜,姚晰童[1]（2019）在《一种用于超声图像序列分割的水平集演化方法》一文中研究指出超声图像具有低信噪比、边界模糊、边界部分缺失、灰度不均等特点,对它的分割极具挑战性.而图像分割又是图像定量、定性分析的关键环节,分割的精确性对后续的分析、处理工作影响重大.距离保持水平集演化(DRLSE)方法对超声图像中出现的弱边界、被部分遮挡边界的分割较差,容易受噪声和灰度不均的影响,因此易造成弱边界泄漏、局部最优等误分割问题;并且初始轮廓对位置敏感,这使得分割的正确性严重依赖初始轮廓位置的选择,故不能对图像进行批量处理.为此提出了一种优化策略:融合基于局部区域的灰度信息和基于边缘的梯度信息构造新的边缘停止函数和面积项权系数,使得演化曲线不仅能够自适应地改变演化方向更有利于对图像序列的处理,同时对斑点噪声和灰度不均问题也有很好的抑制能力;另外,构造了一个先验形状约束项,利用前一帧的分割结果对当前帧的分割进行约束,促进曲线正确演化至目标边界,使得对边界部分遮挡的图像也有着更精确的分割效果.通过合成图像和真实超声图像对分割算法进行了性能分析,设计了基于边缘的豪斯多夫距离和平均绝对距离对算法分割轮廓和医生分割轮廓之间的距离差异性进行度量,实验证明优化策略相比于DRLSE模型和其传统优化模型,有着更高的分割精度,分割效果更出色.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2019年06期）
刘文力[2]（2016）在《基于CUDA的血管内超声图像序列血流斑点噪声抑制方法研究》一文中研究指出随着血管内超声图像(IntravascularUltrasound, IVUS)在诊断和治疗心血管疾病过程中逐渐被广泛应用,利用数字图像处理技术对IVUS图像中的血管壁、血管内腔形态等进行分析,可以辅助医生了解病情、介入治疗和制定手术。本文结合心血管临床医学应用的需要,基于IVUS图像去噪效果以及处理时间存在的问题,研究了 IVUS图像序列血流斑点噪声抑制与加快去噪时间的关键技术。首先,对未经任何处理的IVUS图像序列进行预处理,针对IVUS图像受血管曲率变化以及心脏跳动引起的图像序列错位问题,本文利用心脏跳动周期的时间规律,对图像在同一相位下的图像数据进行重采样组成新的图像集,保证图像序列空间和时间的一致性,并对后续图像去噪的准确性提供了保证。其次,本文对IVUS图像序列血流斑点噪声抑制进行分析和研究。在基于时空相关性去噪算法基础上,提出针对血流斑点灰度值修正的算法。根据图像序列形态学的特性,即血流噪声在空间维和时间维上的变化比组织信号要大,在图像上反映是血流斑点噪声区域灰度值不一致。依据这个特点,采用二维傅立叶变换求取组织和血流的能量谱,通过高频分量与低频分量的能量比与给定的阈值判断信号是否为噪音。在确定处理点为噪声的前提下,将该信号的灰度值与时间邻域内的数据利用提出的公式求取相似度权值,并对权值进行归一化处理,将结果作为最终的血流斑点修正值。最后,本文针对改进算法计算复杂而导致处理时间慢的问题,研究将其结合CUDA并行编程,用来提高去噪处理时间,达到实时性的目的。使用CPU+GPU异构模型,针对复杂算法以及大规模数据进行并行设计。设计CUDA并行算法,包括数据传输与存储、任务分配、网格与线程块的设计以及优化并行等。(本文来源于《哈尔滨工程大学》期刊2016-06-01）
张麒,戴伟,韩红,王文平[3]（2015）在《淋巴结超声造影图像序列的特征提取》一文中研究指出区分淋巴结病变的良恶性具有积极临床意义。超声造影通过向血液中注射造影剂以动态显示组织中的新生血管及其血流灌注,是诊断淋巴结病变的新兴方法。针对病变淋巴结,提出一种从淋巴结超声造影图像中提取量化特征的方法,包括心动周期提取和子序列选择、淋巴结分割、纹理特征提取、统计学检验。对29个病人的41个淋巴结病灶的实验结果表明,提取的9个特征在良恶性淋巴结间存在显着性差异(P<0.05),有助于鉴别良恶性淋巴结。(本文来源于《自动化仪表》期刊2015年10期）
王立欣,孙正[4]（2015）在《血管内超声图像序列关键帧的自动检索》一文中研究指出针对临床采集的血管内超声(Intravascular Ultrasound,IVUS)图像序列数据量巨大,由人工逐帧检查和分析非常繁琐且客观性差的问题,本文提出两种自动检索IVUS图像序列中关键帧的方法。其一是基于血管形态的方法:首先提取图像中的血管壁轮廓,并使用符号聚集近似(SAX)算法对轮廓包围区域的面积序列进行量化编码,进而计算出相邻两帧的血管横截面积序列之间的欧氏距离,提取出关键帧;其二是基于图像灰度直方图的方法,即通过计算图像灰度直方图之间的巴氏距离提取关键帧。利用临床采集的图像数据分别验证了两种方法的可行性,定量评价结果表明基于血管形态的方法压缩比高,有效降低了图像序列的冗余度,提取关键帧的准确性更高,代表性也更强,但其效率较灰度直方图的方法低。(本文来源于《光电工程》期刊2015年10期）
毛海群,杨丰,林慕丹,黄铮,崔凯[5]（2015）在《基于流形学习的血管内超声图像序列关键帧的提取及应用》一文中研究指出目的以流形学习为基础,提出一种基于血管内超声(IVUS)图像序列的关键帧门控方法,抑制IVUS序列纵切方向上的运动伪影。方法应用流形学习方法中的拉普拉斯特征映射算法,将高维IVUS图像序列降到低维流形中,利用低维特征向量,构建一个距离函数来反映心脏运动规律,将IVUS图像分为心脏舒张末期和非心脏舒张末期两类,从而提取关键帧,组成门控序列。结果临床采集13组IVUS序列(图像915±142帧,血管长度15.24±2.37 mm),计算门控前后图像序列的血管容积、管腔容积和平均斑块负荷。统计实验结果,表明门控序列血管容积、管腔容积显着小于原始序列,门控前后序列的平均斑块负荷差异性不显着,满足临床诊断要求。血管面积方差和管腔面积的方差显着小于原始序列,表明门控序列较原始序列稳定。在IVUS图像序列的纵切图像上,门控序列减少了锯齿形状的运动伪影,与原始序列形状一致,且具有良好的连续性。并将本文方法与已有的提取门控序列方法进行对比。结论本文方法算法简单稳定,抑制了IVUS图像序列的纵向运动伪影。(本文来源于《南方医科大学学报》期刊2015年04期）
董路,汪友生,金铭[6]（2015）在《血管内超声图像序列的自动降噪方法》一文中研究指出提出一种血管内超声图像序列的自动降噪方法。首先对图像序列中每帧图像进行中值滤波,抑制图像脉冲干扰及斑点噪声,保护边缘少受模糊,然后采用图像序列均值滤波方法抑制图像加性随机噪声,提高图像信噪比,并利用小波软阈值降噪的多尺度分析特性,对均值图像的细节加以分辨,再结合算术运算得到最终降噪效果。对比中值滤波、小波软阈值降噪等传统滤波方法,提方法能得到更好的降噪效果;利用所提方法对连续不同帧数血管内超声图像进行降噪处理,当图像帧数为10时,图像序列的降噪效果更好;通过峰值信噪比、降噪时间和边缘检测效果的对比,可以发现本文所提方法能改善降噪效果、提高边缘检测的准确度,保证降噪效率。(本文来源于《电子测量技术》期刊2015年02期）
冯辅周,王鹏飞,张超省,闵庆旭[7]（2015）在《主成分分析在超声红外图像序列增强过程中的应用》一文中研究指出针对超声红外热像无损检测中图像信噪比不高、缺陷对比度低的问题,将主成分分析法运用于红外图像序列处理的增强过程中,对比分析了原始图像序列、含部分缺陷图像序列及重建图像序列在降噪及增强方面的效果。研究表明:主成分分析法可显着提高图像信噪比并有效消除热量不均效应;而缺陷位置对处理结果无影响,最终重建的图像序列中图像信噪比普遍得到提高。研究结果验证了该方法在红外图像处理方面的有效性,为后续缺陷的识别奠定了理论基础。(本文来源于《装甲兵工程学院学报》期刊2015年01期）
王立欣[8]（2014）在《血管内超声图像序列自动检索系统的设计与实现》一文中研究指出血管内超声(intravenous ultrasound,IVUS)是无创性的超声技术和有创性的导管技术相结合的一种介入影像技术,它利用导管将一个高频微型超声探头导入血管腔内进行探测,继而以恒定速度缓慢回撤超声导管,获得一系列的血管横断面图像。临床采集的IVUS图像序列数据量巨大,且图像受噪声污染比较严重,包含多种影响视觉效果的伪像。同时由于拍摄速度极快,会产生大量无诊断价值的图像。若由人来逐帧检查和分析,则是一项非常繁琐的工作,并且对操作者的专业知识要求也很高,分析结果的客观性和可重复性差。本文主要包括两方面的内容:IVUS灰阶图像序列中关键帧的全自动检索和支架及血管分叉的自动检测。分别采用两种方法实现关键帧的全自动检索,其一是基于血管的形态学描述方法,基本思想是提取图像中的血管壁轮廓,计算图像特定角度的曲率特征组成特征向量,计算出相邻两帧之间的马氏距离,采用自适应与之方法提取出关键帧;其二是基于图像灰度特征的方法,即根据相邻图像对应区域灰度直方图的巴氏距离提取关键帧。利用临床采集的图像数据分别对两种方法进行验证,定量分析实验结果和评价精度。对于支架和分叉的自动检测,分别利用Haar-like特征提取和局部二值模式(LBP)提取支架和分叉的纹理特征,并分别利用Gentle Adaboost、Modest Adaboost和Real Adaboost叁种方法训练分类器,检测是否存在支架和分叉。采用临床采集的图像数据对上述方法的可行性进行验证,并对实验检测结果进行分析比较和讨论。(本文来源于《华北电力大学》期刊2014-12-01）
马彦鑫[9]（2013）在《基于CAD和心脏超声图像序列的血栓识别方法研究》一文中研究指出心脏血栓给人类的健康造成严重威胁。而随着计算机辅助诊断技术的快速发展，其与心脏超声图像序列相结合以检测血栓成为必然趋势。模式识别研究中心早在2008年就已经与哈尔滨医科大学附属第一医院心脏超声科开展密切合作，共同研究血栓和梳状肌的判别和分类。在此基础上，本课题引入正常和带有自发显影的图像，对总共四个类别的心脏超声图像进行分类和识别。本文提出使用光流计算法将本文的分类问题转化为两个二分类问题，其一为血栓和梳状肌的分类，其二为正常和自发显影的分类。本文提出了基于光流法的合位移矩阵和叁种位移矩阵上的特征，并提出了一种简单有效的分类策略，使分类准确率达到93.27%。下一步需要对两个二分类问题进行再分类，本文从优化特征提取和改进分类方法两个方面同时进行。首先本文使用基于灰度共生矩阵和扩展的局部二值模式算子的纹理特征进行分类，其中使用支持向量机和人工神经网络的分类器对正常和自发显影两类进行分类，可以达到较高的准确率。考虑到稀疏表示的方法对特征提取方法不敏感，本文使用基于稀疏表示的分类方法解决血栓和梳状肌的分类问题，提出了两种非负约束策略和两种分类策略，对血栓和梳状肌进行分类的准确率最高为91.93%，明显高于其他分类器。(本文来源于《哈尔滨工业大学》期刊2013-07-01）
刘冰茹[10]（2012）在《血管内超声图像序列的检索与配准方法研究》一文中研究指出血管内超声（intravascular ultrasound，IVUS）是诊断血管病变，特别是冠心病的介入影像技术。目前根据IVUS图像进行冠心病进行诊断主要依靠人工进行，速度慢、效率低，因此对IVUS图像进行自动、快速的斑块检测，并对含斑块图像进行配准是对图像序列的定量分析和叁维重建的重要步骤，对血管疾病的临床诊治具有重要意义。本文提出一种根据IVUS图像径向上灰度曲线的斜率值来判断斑块是否存在的方法。首先通过各向异性扩散滤波去除图像中噪声和无用信息的干扰并突出斑块区域，根据极坐标变换法则将IVUS图像进行极坐标变换，再根据IVUS图像的极坐标视图求得图像各个角度极径上灰度的变化曲线，通过将该曲线的斜率最大值即极径上灰度跳变极值与预设的参考门限进行对比，并根据对比的结果来判断图像中是否包含斑块。针对含斑块图像的配准问题，本文提出根据血管壁轮廓采样点的匹配结果来进行精确图像配准的方法。首先，采用snake模型方法提取血管壁轮廓，通过在轮廓上采样确定标志点集合，对各标志点进行图像的二维和一维算子描述；然后分别运用最近距离点与薄板样条插值法，通过迭代退火过程使待配准点逐渐接近参考点，实现参考图像与待配准图像的特征点集各点之间的一一对应，从而完成IVUS图像的弹性配准，并对配准的结果进行了对比与分析。采用临床采集的图像序列验证了方法的可行性。(本文来源于《华北电力大学》期刊2012-12-01）
超声图像序列论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着血管内超声图像(IntravascularUltrasound, IVUS)在诊断和治疗心血管疾病过程中逐渐被广泛应用,利用数字图像处理技术对IVUS图像中的血管壁、血管内腔形态等进行分析,可以辅助医生了解病情、介入治疗和制定手术。本文结合心血管临床医学应用的需要,基于IVUS图像去噪效果以及处理时间存在的问题,研究了 IVUS图像序列血流斑点噪声抑制与加快去噪时间的关键技术。首先,对未经任何处理的IVUS图像序列进行预处理,针对IVUS图像受血管曲率变化以及心脏跳动引起的图像序列错位问题,本文利用心脏跳动周期的时间规律,对图像在同一相位下的图像数据进行重采样组成新的图像集,保证图像序列空间和时间的一致性,并对后续图像去噪的准确性提供了保证。其次,本文对IVUS图像序列血流斑点噪声抑制进行分析和研究。在基于时空相关性去噪算法基础上,提出针对血流斑点灰度值修正的算法。根据图像序列形态学的特性,即血流噪声在空间维和时间维上的变化比组织信号要大,在图像上反映是血流斑点噪声区域灰度值不一致。依据这个特点,采用二维傅立叶变换求取组织和血流的能量谱,通过高频分量与低频分量的能量比与给定的阈值判断信号是否为噪音。在确定处理点为噪声的前提下,将该信号的灰度值与时间邻域内的数据利用提出的公式求取相似度权值,并对权值进行归一化处理,将结果作为最终的血流斑点修正值。最后,本文针对改进算法计算复杂而导致处理时间慢的问题,研究将其结合CUDA并行编程,用来提高去噪处理时间,达到实时性的目的。使用CPU+GPU异构模型,针对复杂算法以及大规模数据进行并行设计。设计CUDA并行算法,包括数据传输与存储、任务分配、网格与线程块的设计以及优化并行等。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
超声图像序列论文参考文献
[1].张建勋,葛锦涛,代煜,姚晰童.一种用于超声图像序列分割的水平集演化方法[J].天津大学学报(自然科学与工程技术版).2019
[2].刘文力.基于CUDA的血管内超声图像序列血流斑点噪声抑制方法研究[D].哈尔滨工程大学.2016
[3].张麒,戴伟,韩红,王文平.淋巴结超声造影图像序列的特征提取[J].自动化仪表.2015
[4].王立欣,孙正.血管内超声图像序列关键帧的自动检索[J].光电工程.2015
[5].毛海群,杨丰,林慕丹,黄铮,崔凯.基于流形学习的血管内超声图像序列关键帧的提取及应用[J].南方医科大学学报.2015
[6].董路,汪友生,金铭.血管内超声图像序列的自动降噪方法[J].电子测量技术.2015
[7].冯辅周,王鹏飞,张超省,闵庆旭.主成分分析在超声红外图像序列增强过程中的应用[J].装甲兵工程学院学报.2015
[8].王立欣.血管内超声图像序列自动检索系统的设计与实现[D].华北电力大学.2014
[9].马彦鑫.基于CAD和心脏超声图像序列的血栓识别方法研究[D].哈尔滨工业大学.2013
[10].刘冰茹.血管内超声图像序列的检索与配准方法研究[D].华北电力大学.2012