首页 > 文献资料
-
一种改进的小方差自适应波束形成超声成像方法
目的 为提高医学超声成像过程中的对比度并改善自适应算法的鲁棒性,提出了融合相干系数(coherence factor,CF)与前后向平滑的自适应波束形成(forward-backward minimum variance,FBMV)超声成像方法.方法 首先对阵元接收数据进行延时聚焦处理,利用前后向空间平滑技术去除回波信号的相关性,然后进行小方差波束形成,同时计算回波信号的相干系数.后利用相干系数加权前后向平滑的小方差波束形成的结果,得到回波数据进行成像.结果 仿真结果表明,相对于小方差波束形成算法与传统的延时叠加波束形成算法,本文算法在对比度及鲁棒性方面均得到有效提高.结论 本算法为实现高质量的超声成像系统提供了理论依据.
-
基于改进测地线模型的前列腺超声图像分割
利用变分法,消除了测地线中的重初始化过程,使运算速度加快:结合先验知识,改进了测地线活动轮廓的边缘检测函数;使用小方差,提高了分割算法的精度.实验表明,该方法能够有效地进行分割前列腺超声图像.并且避免边界泄露问题.
-
基于幅度相位估计相干系数与幅度相位估计融合的超声成像方法
小方差(MV)波束形成算法有效提高了成像分辨率,但牺牲了成像对比度和算法稳健性.本研究提出一种融合幅度相位估计(APES)波束形成和基于幅度相位估计的相干系数的成像方法.该方法首先利用APES算法计算出初步结果,然后利用APES波束形成的输出取代相干系数中相干部分,计算相干加权系数,后对APES波束形成的结果进行加权得到成像结果.为了验证算法的有效性, 对点目标和斑目标进行了成像.结果表明提出的算法在成像对比度和稳健性方面优于APES算法和融合APES与相干系数的算法.
-
融合特征空间小方差波束形成和广义相干系数的超声成像方法
为了进一步提高超声成像的质量，提出了融合特征空间小波束形成和广义相干系数的成像方法。首先利用小方差法计算回波数据的协方差矩阵和加权向量；然后对协方差矩阵进行特征分解得到信号子空间，并将加权向量投影到信号子空间，得到特征空间方法的加权向量；同时把阵元数据变换到波束域用于广义相干系数的计算，后用广义相干系数作为加权系数对特征空间小方差波束形成的结果进行优化。为了验证算法的有效性，对医学成像上常用的点目标和斑目标进行了成像，仿真实验结果表明：与特征空间小方差算法和融合特征空间与相干系数的算法相比，本研究提出的方法提高了对比度以及稳健性，其代价是略微降低了成像分辨率。
-
基于支持向量机和自回归积分滑动平均模型组合的血糖值预测
根据动态血糖监测系统采集糖尿病患者血糖值,有效预测血糖值是治疗糖尿病的前提.为了预测糖尿病患者未来一段时间内的血糖值,本文根据小方差将支持向量机(SVM)和自回归积分滑动平均(ARIMA)进行组合得到新的预测模型.为了验证本文方法的有效性,采用多组临床实验数据进行实验,同时对比ARIMA模型、SVM模型、神经网络模型结果.实验结果表明本文方法预测血糖值精度明显提高,弥补单一预测模型方法的不足,发挥了两种模型各自优势.
-
基于小方差Snake模型的医学图像分割
传统的参数活动轮廓模型(Snake模型)难于处理自动分割医学图像的弱边界.我们在分析参数活动轮廓和几何活动轮廓模型的基础上,提出小方差参数活动轮廓模型,并成功应用于医学图像自动分割.该方法将气球力Snake模型中的恒定气球力修改为包含区域信息的变力,以目标和背景两区域具有小方差为准则,引导轮廓线演化.实验结果表明,该模型对初始轮廓位置不敏感,能实现自动分割.对于带噪声的医学图像,先进行保边界特性的曲率流滤波,然后应用该模型也能取得满意的分割效果.
-
基于平面波超声成像的自适应波束合成方法
为了提高超声成像的分辨率、对比度和帧频,需要设计一种适用于平面波超声成像的自适应波束合成方法.在传统小方差算法的基础上,在频率域综合采用子带波束合成和前后向空间平滑方法,提出了一种适用于平面波超声成像的优化后小方差算法.为了验证算法的有效性,采用matlab进行算法仿真验证.仿真结果表明:Optimized MV、Conventional MV、DAS boxcar和Linear scan方法的半高全宽和峰值旁瓣水平分别为0.08、0.36、0.92、1.42 dB和-41.1、-37.3、-16.9、-34.1 dB.该算法与传统的小方差和延时叠加法相比,能够显著提高图像分辨率和对比度,特别适用于基于平面波的超声成像.
