论文部分内容阅读
超声波经人体组织反射后的回波信号通过超声仪器处理后形成超声图像。超声波在人体中传播时,人体软组织的声阻抗是非均匀变化的,且其在空间上随机分布,由此产生许多分布随机的散射粒子,散射粒子的反射信号在传播过程中发生相干干涉和相消干涉,形成超声图像中或明或暗的斑点。斑点的统计特征与超声分辨单元内散射粒子密度、回波信号强度等联系密切,与人体器官组织的生理解剖特征直接相关。故组织的结构特征可通过分析斑点的物理特征得到。根据超声成像单元内散射粒子密度和特性可将斑点分为以下类型:部分成熟型、部分解决型、完全成熟型和完全解决型。 对斑点特征进行分析和应用的手段有许多,可概括为基于统计、基于模型、信号处理和几何方法。其中,基于统计的方法实现简单且效果显著,因此被广泛关注并取得了长足的发展。人们已分别对超声射频信号、包络信号(超声图像)展开研究,利用统计学中的参数估计:最大似然和最大后验估计,以及EM算法,对各器官的组织特征进行提取分析。斑点具备统计分布特征,IVUS斑块所产生的斑点更接近于完全成熟型斑点,学者们提出了3种模型来研究完全成熟型斑点,分别是瑞利混合模型、Nakagami混合模型和伽马混合模型。 以上学者研究表明斑点服从单一类型分布,同时验证了伽马混合模型的突出优势。本文在上述研究基础上,采用高斯和伽马这两种混合模型来估计IVUS图像中斑块与血管区域的统计特征,并对不同概率成分个数的影响进行了研究;最后,用KS检验、KL检验和相关系数等标准来评估实验效果,发现:对于血管区域和钙化斑块斑点的概率分布,高斯混合模型拟合效果更好,而对于软斑块,伽马混合模型更好。上述结论表明:实际应用中可分别采用高斯、伽马混合模型对不同组织进行描述。基于以上研究,本文构建高斯伽马混合模型,同时提出邻域平滑的概率混合模型的方法,利用最大后验概率思想,完成IVUS图像分割,并与前人方法进行比较,验证本文方法的优势。