论文部分内容阅读
高强度聚焦超声(HIFU)技术作为一种非侵入式肿瘤治疗新方法,可一次成功且无毒副作用,已成为国际超声治疗领域的研究热点。HIFU治疗中的实时监控是确保HIFU治疗安全高效的关键。目前利用B超监控治疗过程时,主要由医生凭经验依据B超图像来判定有效治疗区域及治疗程度,缺乏客观性和科学性。在HIFU与B超配合使用的实验条件下,本文利用图像处理技术,研究了HIFU治疗时生物组织损伤区域自动检测及增强方法。所做的工作主要有：1)对HIFU辐照前后获得的B超图像进行灰度变换、归一化、裁剪和减影处理,将迭代数学形态学方法应用于减影图像去噪处理。结果表明：该算法在去除“斑点”噪声的同时很好地保留了组织损伤区域信息。2)根据HIFU监控图像特点和实际应用需求,采用多种图像分割方法自动检测生物组织损伤区域。结果表明：基于灰度期望值的阈值法确定的阈值大小合适,检测到的损伤区域比LoG算子和OTSU法与实际损伤区域更加吻合,可以在临床治疗中为医生确定分割阈值提供参考；将动态灰度梯度算子用于区域生长时定位种子点,增强了定位能力,取得了较好的检测效果,该方法非常适合于多点辐照且变性区域不重合的情况；将自适应加权均值滤波应用于FCM算法,比传统FCM算法具备更强的抗噪能力,检测到的损伤区域轮廓清晰,也保留了边缘细节,大小与实际情况基本吻合。3)改进了传统空间域灰度级—彩色变换法的线形变换函数,应用于增强组织损伤区域。结果表明：该方法比传统空间域灰度级—彩色变换法分辨率更高,而且保持了图像原始灰度等级；建立灰度变化与彩色对应关系的色标图,为医生半定量直观分析B超图像提供了可靠依据。本文围绕HIFU治疗中实时监控及损伤区分析做了大量的研究工作,这些工作对推动HIFU技术的应用和发展具有重要意义。