消化粘膜下超声图像斑点的模型分析

由于超声斑点的形成依赖于底层组织结构,利用斑点建模对超声图像中的组织器官进行分割和分类已经成为一个研究热点。本文将探究最能表征消化粘膜下正常组织和肿瘤组织中斑点的概率分布模型。本文对消化粘膜下正常组织和肿瘤组织斑点的一阶灰度值进行建模。模型是通过分析从上海市第六人民医院消化内镜中心提供的197张消化道粘膜下肿瘤超声图像取而得到的。在消化粘膜下超声图像中手动截取了正常组织和肿瘤组织图像,将其灰度直方图作为斑点分布的概率密度函数,使用极大似然估计来拟合斑点分布,并利用K-S检验和R2检验来评估超声斑点与五种概率分布之间的拟合程度。在分析消化黏膜正常组织的直方图时,伽玛分布显示出比其他概率分布模型更好的适用性,具有最小的K-S统计值为0.0065和最高的R方值为0.9967。而在分析消化黏膜肿瘤组织的直方图时,威布尔分布相对于其他模型更合适,显示出最小的K-S统计值为0.0096和最大的R方值为0.9956。因此伽马分布更适合描述消化道粘膜下正常组织的斑点特征,而威布尔分布更适合描述消化道粘膜下肿瘤组织的斑点特征。

基于梯度的自适应非局部均值超声图像去噪方法

为解决医学超声图像中存在的斑点噪声问题,从而影响了为临床医生提供准确病理诊断的能力。本文提出了一种基于梯度的自适应非局部均值算法,用于去除医学超声图像中的斑点噪声。该算法利用中值滤波预处理噪声图像,并且计算噪声图像的梯度,再利用一种新的非线性二值化方法对梯度图像进行处理,以获得图像自适应的衰减参数,由此确定相似度权重。最后利用到非局部均值算法中得到去噪图像。大量实验表明,在三种不同噪声强度的仿真图像上与几种经典去噪算法的效果相比,本文提出算法的峰值信噪比(PSNR)平均提高了13%,结构相似性(SSIM)平均提高了15%;在三张真实临床医学图像上与几种经典去噪算法的效果相比,本文提出算法的等效外观数(ENL)分别提高了158%、26%和88%,对比度噪声比(CNR)分别提高了15%、25%和23%。相较于几种经典的去噪算法,本文提出的算法能更有效地抑制斑点噪声、保留小结构并增强图像对比度。