基于空洞卷积神经网络的医学超声图像去噪

散斑严重影响医学超声图像的质量,从而导致临床诊断和图像处理困难。为解决上述问题,提出一种基于空洞卷积神经网络的散斑减小方法。不同于其他的散斑抑制方法,文中通过建立超声图像和散斑图像之间的非线性映射,同时结合跳跃连接使网络不会发生梯度爆炸或消失,从而具有较好的反向传播能力。该方法可以通过超声图像预测散斑,再由超声图像与预测的散斑图像相减从而得到干净的超声图像。该方法相较于散斑减少各向异性扩散(SRAD)和细节保持各向异性扩散(DPAD),具有更好的散斑减少和结构保存性能,在对比的量化数据上提升巨大。实验结果表明,该方法在超声医学图像上具有较好的性能和鲁棒性。

基于视频多帧融合的医学超声图像超分辨率重建方法

医学超声成像是临床诊断中应用最广泛的成像方式之一。目前超声图像普遍存在分辨率和对比度较低的问题,并且成像过程易受噪声污染。图像超分辨率重建技术被广泛用于改善超声图像的质量。然而,已有的研究工作缺乏对超声视频帧之间互补信息的充分利用,因此效果并不理想。针对此问题,提出了一种基于视频多帧融合的医学超声图像超分辨率重建方法。首先,构建了一个基于卷积神经网络的无监督多帧融合模型,该模型通过对连续的多帧图像进行特征融合,得到具有丰富信息的融合特征图像;然后,建立一个基于无数据知识蒸馏的轻量级图像超分辨率重建模型,通过训练融合特征图像得到教师超分辨率网络,利用训练好的教师网络和生成对抗网络获取的训练数据得到轻量级学生超分网络,最终得到高质量的医学超声图像;最后,在大型超声数据集上进行实验,采用两种图像客观评价指标以及图像分类任务进行评估。结果表明,所提方法与8种已有的图像超分辨率重建方法相比,在提高超声图像分辨率的同时,获得了包含更多信息且具有更高对比度的超声图像。此外,所提方法得到的超分辨率图像在分类网络的识别准确率可达到97.30%,明显优于其他方法,可提高临床诊断效率与准确性。

基于阈值邻域均值的医学超声图像去噪算法

针对含有高密度椒盐和高斯噪声的医学超声图像去噪中细节信息保留不够,图像较模糊问题,提出了一种阈值邻域均值算法。该方法首先通过阈值策略法对指定邻域内像素加权均值与其中任一像素灰度值大小进行比较判断,然后将大于阈值的像素剔除,而小的作为有用信息输出,最后运用该方法对含有高密度椒盐和高斯噪声的医学影像图像进行去噪实现设计。仿真实验表明,阈值邻域均值算法对胰腺超声图像的高密度椒盐和高斯噪声抑制力强,计算速度快,峰值信噪比大于单纯的中值和均值算法,去噪后的图像质量更佳。

基于小波变换的医学超声图像去噪及增强方法

目的探求一种基于小波变换的医学超声图像去噪及增强方法。方法提出了一种基于小波分析理论的医学超声图像噪声的综合抑制方法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声;然后进行多尺度小波变换,将图像分解成一系列不同尺度上的小波系数,对变换后不同尺度的高频子图像进行非线性小波软阈值处理,阈值处理后的高频子图像进行增强;最后,经小波逆变换和指数变换恢复去噪后图像。结果原图像中斑纹噪声被有效去除,图像边缘细节得以保留。结论该方法可有效保留细节信号,极大限度地去除斑纹噪声。

基于亮度不变的医学超声图像对比度增强方法

目的探求一种基于亮度不变的医学超声图像对比度增强方法。方法在改进常规直方图均衡化算法的基础上,以最小灰度平均值误差二元直方图均衡化为基础,引入另一个有效分割点。结果实现了一种局部直方图均衡化算法亮度保持三元双向直方图均衡化。结论此算法较其他直方图增强方法更好地抑制了医学超声图像黑色背景过增强,保留了原图像细节信息,保持了原图像亮度,提高了图像对比度。

基于偏微分方程的医学超声图像去噪方法

研究了各向异性扩散方程在医学超声图像去噪中的应用。在理论上对去噪原理进行了分析,并在此基础上采用改进的针对乘性噪声的各向异性扩散算法对医学超声图像去噪,实验结果表明,该方法在有效去除噪声的同时较好地保留了医学超声图像中的重要细节信息,使图像的细节部分清晰。该方法可以有效地去除超声图像斑纹噪声,提高图像的质量。

基于动态规划的最优化医学超声图像边缘提取

动态规划 (DP)是一种解决多阶段决策过程最优化的方法 .图像边缘提取时为了使系统输出具有最小的不确定性 ,考虑最优化判据是必要的 .动态规划算法用于图像的边缘检测主要是获得一个图像的最低能量代价阵的过程 ,而图像的边缘对应于最低代价阵中的终止点和起始点之间能量梯度降低最快的路径 ,由此可以由最低代价阵勾勒出需要的边缘 .对于质量较差的图像 ,可以先用梯度算子和一种 LUM滤波器相结合进行预滤波 .实验表明 ,基于该算法用于超声图像的边缘检测可获得全局最优的稳定的边缘线 。

带预处理的双树复小波医学超声图像去斑

针对现有方法在去除医学超声图像斑点噪声上的局限,提出一种带预处理的双树复小波变换的去斑算法。先从超声I/Q图像中提取实部,并从中"盲估计"出系统的点扩散函数;然后通过维纳滤波,估计组织反射率图像;接着对该图像作同态变换将乘性噪声转化为加性,并进行噪声高斯化处理;最后采用双树复小波变换和双变量收缩函数,获得去斑后的超声图像。分别对同质和边界区域的超声仿真图像、实际超声血流图像采用本文方法和现有方法进行比较实验,结果表明,采用本文方法可将超声图像的斑点信噪比和边界保留指数平均提高2.066和4.091倍,归一化均方差平均降低3.831倍,整体性能指标优于现有方法。

基于自适应形态滤波的医学超声图像降噪

针对医学超声图像上的斑点噪声,本文提出一种基于自适应形态滤波的降噪方法。首先构造一组检测图像中不同像素值突变的结构因子;再对每个结构因子构造相应的形态滤波结构元;最后对每个像素点邻域进行结构检测,找到该点处最可能存在的突变结构,以相应的结构元完成该点的形态滤波。对不同信噪比的仿真图像和实际图像分别采用本文方法和各向异性扩散滤波、不同尺度传统形态滤波进行了比较实验,结果表明:采用本方法可将超声图像的信噪比、对比度噪声比和图像优度分别平均提高15%、37%和69%,优于其它方法。

基于数据融合及小波变换的医学超声图像去噪方法

医学超声图像固有的斑纹噪声,极大地降低了超声图像的质量,严重影响了对病灶的识别。经典的去噪方法在抑制斑纹噪声时丢失了图像中大量的细节和微弱的边缘信息。该文提出一种基于数据融合的小波变换去噪算法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声,然后对同一原始信号含噪声的两幅同源图像分别进行小波分解,对两幅图像中小波系数的低频分量作加权融合;对水平、垂直与对角方向高频分量,取两幅图像中各尺度下对应小波系数绝对值较大者各自分别融合,使高频分量中信号得以最大限度地保留,最后,经小波逆变换和指数变换得到去噪后图像。该方法在去除噪声同时能够有效保持边缘信息,较好地改善去噪后图像的视觉效果,取得了良好的效果。

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果,需先对图像进行优化检测和识别,提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法.首先,通过对原始医学超声图像进行自动标注,构建医学超声图像灰度分布矩阵,利用分布矩阵完成医学超声图像的多尺度分割;其次,构建医学超声图像多尺度边缘的轮廓模型,提取多尺度图像边缘特征;再次,构建深度残差网络结构,采用深度残差学习算法进行超声图像的底层图像信息融合;最后,对融合后的边缘图像数据进行多尺度边缘检测.实验结果表明,该算法的图像分割精度高,特征提取准确率达80%以上,图像边界中间断区检测效果较好,边缘点查全性较高,算法检测耗时短、收敛性强.

医学超声图像分割技术的研究及发展趋势

图像分割在医学超声图像的定量分析和定性分析中均扮演着十分重要的角色 ,它直接影响到后续分析和处理工作。目前 ,虽然文献中记载着大量的图像分割方法 ,但对于具有复杂特性的医学超声图像 ,这些方法往往显得无能为力。本文拟在分析医学超声图像特性的基础上 ,对医学超声图像分割方法作一综述和评价 。

基于超像素和模糊聚类的医学超声图像分割算法

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用,并直接影响到后续的分析、处理工作。针对医学超声图像对比度低和噪声强的特点,提出了一种将超像素和模糊聚类技术相结合的图像分割方法。该方法利用简单线性迭代聚类算法产生多个超像素子区域,通过比较各个子区域间特征向量的相似性,利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并,实现超声图像目标区域的有效分割。和传统的基于单像素的FCM聚类算法相比,该方法具有较强的鲁棒性,有效提高了目标区域的分割精度和分割效率,取得了较好的分割效果。

基于相似性度量的加权医学超声图像对比度增强方法

为提高医学超声图像的边缘识别水平,提出一种基于相似性度量方法的加权医学超声图像对比度增强方法。通过相似性度量方法计算围绕某一像素点的处理窗口与匹配模板的相似值,根据相似值与超声图像各部分特征的关系,对达到一定相似程度的已匹配图像通过局部增强算法进行增强,最后通过多图像加权平均法获得最终增强结果。实验结果表明,该方法不仅能有效抑制噪声,而且能准确检测出超声各特性区域图像,在增强边缘效果的同时也能较为完整的保留原有图像的细节信息,弥补了传统增强算法不能兼顾对比度增强和保持图像细节的不足。

基于像素融合的Curvelet医学超声图像降噪方法

目的探求基于Curvelet变换的医学超声图像降噪的有效方法。方法分别对超声图像进行curvelet和隐Markov树小波降噪,再采用模糊分区方法对结果图像进行像素融合。结果实现了基于像素融合的Curvelet医学超声图像降噪。结论对超声图像的降噪实例表明该方法有效提高了图像的视觉效果,明显抑制了伪影。

面向医学超声图像坐标变换的CORDIC算法优化

本文提出一种用于医学超声内窥成像坐标变换的改进坐标标定的CORDIC(MCC-CORDIC)算法.在传统CORDIC算法的基础上,重新标定直角坐标,同时通过简单的数学转换将坐标位置映射到第1象限后进行坐标变换,减少FPGA资源使用量的同时解决了算法在[0,360°]范围内收敛角度范围不足的问题;通过对数据位宽、模校正方法的优化,提高了算法的精度;基于流水线结构的硬件实现使算法满足超声实时成像的要求.经仿真与超声实时成像实验验证,极角误差由0.006 3 rad减小到0.000 5 rad,极径误差由0.082减小到0.03.

医学超声图像三域滤波去噪算法

针对视频格式的医学超声图像序列,提出了一种同时利用空间域、灰度域和时间域的相关信息的三域滤波算法。首先对每一帧图像,充分利用空间域和灰度域的相关信息构建自适应邻域,接着进行空间域和灰度域加权滤波,最后利用相邻帧之间的时域相关性进行时域加权滤波。三个域的滤波均采用高斯核函数加权,从而减小了滤波结果对阈值选取的敏感度,提高了算法的稳定性。实验结果表明,三域滤波算法能有效地抑制图像中的噪声,并保留边缘细节,有利于图像的特征提取、识别和分析。

粗集与小波在医学超声图像降噪中的应用

针对医学超声图像中的散斑噪声,提出一种基于粗集与小波的医学超声图像降噪方法。该方法利用粗集理论中的等价关系,将待处理的超声图像划分为若干子图,对子图分别进行对数变换后完成小波分解,采用自适应阈值函数处理小波系数,应用小波逆变换与指数变换得到降噪后的子图,将降噪后的子图进行叠加得到最终的降噪图像。实验结果表明:该方法在去除噪声的同时能较好地保持边缘与细节特征。

应用自适应模拟退火和多分辨率搜索实现医学超声图像的拼接

为提高图像拼接的成功率,提出了一种基于自适应模拟退火和多分辨率搜索策略的图像自动拼接新方法。该新算法先自适应地选取配准区域,再以互信息为相似度评价标准,结合自适应模拟退火和多分辨率搜索策略的思想分别进行图像平移和旋转参数的全局优化和局部搜索,最后实现图像的拼接。通过对含噪声数字图像和医学超声图像进行的24次模拟拼接实验表明,该新算法较传统的多分辨率直接搜索法有精度高、速度快和抗噪声能力强的优点。由于结合了模拟退火算法的高精度和多分辨率搜索法的高效率,改进后的图像拼接算法将拼接成功率提高了12.5%,并将运算时间控制在可接受的范围内。

模糊多尺度边缘检测在医学超声图像边缘检测中的应用

介绍了模糊多尺度边缘检测方法 ,按照多变量隶属度函数的定义构造了多尺度边缘隶属度函数 ,并将其与小波变换结合应用到医学超声图像的模糊多尺度边缘检测中。小波变换可以提供图像的多尺度描述 ,多尺度模糊集表示了图像的象素点隶属于图像边缘点集合的程度。模糊多尺度边缘检测方法可以将各个尺度的信息更有效地复合起来 。