基于曲光线跟踪算法的超声成像实时模拟研究

提出一种超声图像实时模拟新方法,通过调整曲光线参数实时改变超声扫描频率和声束聚焦位置.利用曲光线跟踪算法和基本声学模型,产生能量反射图和衰减图;运用瑞利概率分布函数产生超声斑点模式,通过高斯型点扩散函数进行显示.实验结果表明,利用图形处理器加速显示技术,超声成像模拟速度可达20帧/s.与Field Ⅱ软件的生成结果和真实超声图像的对比,验证了该方法的可行性.

医学超声成像的模拟研究

简述医学超声成像模拟研究的主要方法,探讨其研究意义和应用前景。将现有的超声成像模拟算法分为基于线性假设和基于非线性假设的两大类,介绍每类中代表方法的基本原理,并讨论两类方法的差异,其中基于数值方法求解超声波动方程的模拟算法更符合实际超声成像过程,为更好地理解超声图像中的各种现象、寻求组织特性和图像特征间的匹配关系提供了有效的研究工具。

开放式超声成像模拟前端设计

针对目前市场上的检测设备不提供原始数据,不便进行二次开发等问题,设计超声成像模拟前端电路方案,绘制相应原理图和PCB,制作了一块64通道集成超声发射与接收功能的电路板,其具有体积小、便携性好,可配合FPGA进行超声研究或者二次开发的优点。

基于卷积神经网络的超声图像散斑去噪算法

为了提高超声图像质量,解决传统去噪算法在抑制散斑噪声和保留超声图像纹理特征方面的难题,提出一种基于卷积神经网络的超声图像散斑去噪算法DSCNN(De-speckling CNN)。本文提出的算法利用卷积神经网络强大的拟合能力来学习从超声图像到其相应的高质量图像的复杂映射,同时,通过改进损失函数的方式来减少去噪过程中纹理信息的损失和细节的模糊。不同于以往简单地假设超声散斑噪声为乘性噪声,本文利用基于超声图像采集模型和散斑噪声形成模型的模拟超声成像技术为去噪模型生成更贴合真实超声图像的训练数据,解决深度学习方法训练数据匮乏以及在临床上无法获得与超声图像空间配准作为标签的无噪声图像的难题。通过与其他具有代表性的超声图像去噪算法比较,经DSCNN去噪后的超声图像无论在视觉效果还是图像质量评价指标上都取得了更好的结果,其中SSIM达到0.8569,在文中所有方法中最高。