导读:本文包含了肝脏超声图像论文开题报告文献综述及选题提纲参考文献，主要关键词:肝脏超声图像,降噪处理,中值滤波,小波阈值
肝脏超声图像论文文献综述
徐立,乔智,郑祖添,穆佳乐[1]（2019）在《肝脏超声图像降噪处理的两种方法比较》一文中研究指出医学图像是复杂图像可以反映人体内部的各个组织信息,包含的大量的医学信息,进行处理时非常困难。现代医学图像一般采用超声成像技术,其在疾病的预防、诊断、治疗中起到了很好的辅助作用;而图像在形成过程中由于受到多种不确定因素的影响会产生斑点噪声。本文在对肝脏超声图像降噪时选取中值滤波和小波阈值两种降噪方法对常见噪声如高斯噪声、椒盐噪声进行降噪处理。通过实验对比发现小波阈值降噪方法对图像降噪效果方面要优于中值滤波降噪方法。(本文来源于《电脑知识与技术》期刊2019年11期）
贾梅,张梅,杨兵,宫兵[2]（2019）在《基于超声图像的肝脏L1-RADS分类标准规范化应用及关键技术的研究》一文中研究指出肝细胞癌(HCC)是最常见的原发性肝恶性肿瘤,无创成像特异性诊断对其治疗和预后评估是必不可少。2011年美国放射学会(ACR)发布的肝脏影像报告和数据系统(LI-RADS)是目前较多国医疗机构临床工作中使用的标准化的影像数据采集和诊断方法,但多在CT和MRI检查中使用,超声检查中应用较少~([1])。而超声造影(CEUS)是原发性肝癌诊断叁大常规影像检查之一,在肝癌的早期诊断、(本文来源于《中国实验诊断学》期刊2019年01期）
李佳昕[3]（2018）在《基于超声图像的肝脏智能识别与弥漫性疾病诊断》一文中研究指出肝脏弥漫性疾病在全球范围内发病率逐年增加,肝组织活检是诊断该疾病的金标准,但是由于其侵入性和创伤性导致患者依从性较差。超声检查是当前广泛使用的肝脏弥漫性疾病诊断方法,但是利用超声成像设备获取图像并诊断病情需要医师有多年临床经验,且带有一定主观性。一种基于超声图像的端到端的肝脏弥漫性疾病智能诊断系统,即一种可在无临床超声医生参与的情况下,实现肝脏的智能识别与弥漫性疾病诊断的系统,是智能医疗发展的必然方向。为了实现这个目标,本文在基于超声图像的腹部器官分类、腹部器官精确的分割定位以及肝脏弥漫性疾病诊断这叁个方面进行了研究,具体包括以下几部分工作。首先,在腹部超声图像分类方面,在7230张标记好的6种腹部器官(11类截面)的超声图像数据集上,本文基于稠密连接原理搭建了深层Dense Net,并修改网络使之准确率不变而模型缩小近叁倍,以提高分类算法的实时性,节约显存占用,进一步应用迁移学习的方法提升了网络性能,最终分类准确率可达83.4%。在该部分本文还对深度学习提取特征的方式以及可解释性做了探究。其次,在腹部器官精确的分割定位方面,本文修改了U-Net,添加了BN层与补齐,分割效果相比原始的U-Net网络以及基于VGG的全卷积网络有了巨大的提升;基于该分割结果,本文提出了一种结合分类器结果、视频帧间信息以及医学上的器官结构先验知识等信息的修正视频分割算法,TPR与SIR可以达到0.8172与0.7971,从视觉上和评价指标上都优于同类算法。最后,在确认扫描图像为肝脏区域时,进一步实现了对肝脏弥漫性疾病的智能诊断。考虑到该种疾病的主要差异性特征在于纹理而不是结构,我们结合前期研究计算了图像的灰度共生矩阵、小波多子图共生矩阵等来用于纹理特征的提取,并将提取到的纹理特征向量与分类网络输出的全连接层向量相连接作为新的特征向量,使用一对一/分级支持向量机分类器与XGBoost分类器分别实现了肝脏弥漫性疾病的智能诊断,在测试集上的最高准确率为83.0%。基于以上研究工作的成果,完成了肝脏智能识别与弥漫性疾病诊断系统的简单界面,Tensor RT加速后可达每秒14.92帧,为后续的端到端智能诊断系统的实现奠定了基础。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
黄伟,周鸣争[4]（2017）在《融合随机森林的C-V模型肝脏超声图像分割》一文中研究指出医学图像分割是临床诊断的关键环节,分割结果将直接关系到后续对病灶的识别。C-V模型(Chan-Vese)大量应用于各种医学图像分割过程。围绕肝脏超声图像,针对传统C-V模型依赖初始轮廓及运算复杂耗时的特点,融合随机森林方法,提出一种基于边缘引导能量函数和局部约束特征的分割方法,利用随机森林节点生长和分类速度快的优势,在粗分割的基础上形成无需初始化的C-V模型,而后借助分类特征得到精准的肝脏区域及病灶分割结果。实验证明,经过优化的改进方法是可行有效的,对于图像中的组织和病灶区域能有效分割和提取(本文来源于《井冈山大学学报(自然科学版)》期刊2017年03期）
崔蕊[5]（2016）在《基于肝脏超声图像的脂肪肝计算机辅助诊断研究》一文中研究指出随着大数据时代的到来,被数字化后的医学图像数据量和数据维度越来越丰富,从而形成了庞大的医学数字图像库,如肝脏B超图像。如何使图像观察者从大量的肝脏B超图像中,快速识别出某种疾病的图像(如脂肪肝的图像),从而缩减搜索范围,在保障一定准确率的同时,大大减少观察者繁杂的工作量,是一个非常有意义的课题。首先,本研究收集了大量肝脏超声图像,所收集的超声图像是来自于淅川县第一人民医院的临床影像,并由经验丰富的影像学医生对图像进行了分类,确保了数据源的数量和质量。在收集图像的基础上,本研究还对肝脏超声检查的基本原理进行了解,并识别了典型的超声图像切面。同时,也对脂肪肝判别的医疗标准进行了说明,以此为前提条件,提出了利用计算机进行脂肪肝辅助诊断的研判标准。其次,本研究还介绍了图像的预处理方法,并通过手动选取的方法选取了图像的典型局部区域。本研究中确定了利用纹理特征来识别脂肪肝的思路,对于图像中纹理特征的表示采用了灰度共生矩阵(Gray Level Cooccurrence Matrix, GLCM)的方法,同时,本研究就从灰度共生矩阵的特征出发,对共生矩阵的角度、各种间距等参数进行了分析,从共生矩阵本身进行了纹理特征的相关讨论,并且利用零空间的方法对矩阵进行了降阶处理。再次,本研究从灰度共生矩阵中二次提取了特征值,来深刻的反应纹理的特征,并形成向量库。向量库中的每一条向量表示一个图像的纹理信息,由于灰度共生矩阵的参数的不同从而形成多种不同的特征向量模板,分为正常肝脏向量和脂肪肝向量两种类型。最后,比对测试集中的图片特征向量与特征库向量的欧式距离,最近欧式距离图像所在类即为肝脏图像类别。鉴于欧式距离方法的局限性,本文把数据挖掘分类技术中的KNN方法应用到本文,通过大量实验验证比较,这种有效的筛选方法能够解决问题并实现了86.78%以上的准确率。本文的研究成果对医学大数据背景下,在大量的肝脏B超图像中快速识别脂肪肝图像,辅助医生临床诊断,提高识别率具有十分重大的理论价值和现实意义。(本文来源于《南阳师范学院》期刊2016-10-31）
庄展鸿[6]（2016）在《肝脏超声图像病灶区域分割算法的研究》一文中研究指出肝脏患病率在国内人群中很高,对其预前的诊断吸引了越来越多研究者的关注。超声图像可以清晰显示各器官与周围组织的断面像,接近真实的结构,所以超声图像可以用于早期的诊断。随着各种计算机技术的发展,自动化分析肝脏超声图像渐渐成为可能。但是,由于肝脏超声图像的复杂性和独特性,还有不可避免的斑点噪声和纹理,所以在肝脏超声图像的自动化分析中,具有一定的难度。本文通过研究肝脏超声图像病灶区域的分割技术,实现病灶区域的有效分割,从而准确提取其的轮廓,为后续诊断分析奠定基础。本文主要的工作有：1、结合Wellner算法和粒子群优化(PSO)算法,给出一种改进的肝脏超声图像病灶区域分割算法。通过PSO算法自动寻找Wellner算法的阈值t,从而使改进算法适应不同的肝脏超声图像,最后根据优化的参数t进行图像分割。在实验中,我们总结了粒子群优化方法中参数的影响,接着评估对比算法的TPVF、FNVF与FPVF指标。实验结果证明,Wellner-PSO改进算法适用于分割肝脏超声图像的病变区域。2、给出一种针对肝脏超声图像的病灶区域,结合图论分割和PSO优化的图像分割改进算法。改进的算法利用PSO和Otsu方法,自动寻找图论分割算法中具有决定因素的参数k,然后根据优化的参数k进行图像分割。在实验中,我们分析了PSO方法中权重系数对结果的影响,接着评估对比算法的HD、MD、Dice相对系数和相对误差AERR性能指标。实验结果表明GB-PSO改进算法准确地提取图像的病变区域。(本文来源于《北京化工大学》期刊2016-06-01）
姜怡孜[7]（2016）在《基于稀疏表示的肝脏超声图像占位性病变自动检测及识别方法》一文中研究指出我国是肝癌高发地带,肝癌的发病人数和死亡人数均占全球一半以上,肝癌已经严重威胁到我国人民的健康和生命。相关研究表明,肝癌的早期诊断和治疗,能够有效地降低死亡率。超声成像技术以其无辐射、操作简单、价格低廉、无创伤等显着优点,成为临床上肝脏疾病检查的主要方法。然而超声图像含有大量斑点噪声、对比度低、边缘模糊等固有缺点,同时不同超声设备的成像质量也存在差异,导致病变区域的自动检测和良恶性判别较困难。另一方面,超声医生每天面临的工作量巨大,仅依靠医生的肉眼观察进行识别,工作负担重。随着计算机技术和医学影像的发展,计算机辅助诊断系统(Computer-Aided Diagnosis,CAD)在分析图像特征、检测病变区域、判断病变类型等方面具有不可估量的作用。本文致力于研究肝脏占位性病变超声图像的自动检测和识别,实现对病变区域的自动检测及病变类型的自动判定,为医生诊断提供有效的参考依据,减轻医生的工作负担和压力。本文主要工作有:1.实现了病变区域的自动检测。为准确地从超声图像复杂背景中提取并检测出病变区域,本文提出了一种基于多字典稀疏表示和能量最小化的区域生长超声图像自动分割方法。该方法通过设计多个字典对超声图像进行稀释表示,从而自动获取位于病变区域的种子点。并以种子点为生长起点,结合图论知识采用了一种有关病变区域内部结构和边缘信息的能量函数,在能量函数的控制下进行区域生长,勾勒出病变区域边缘,从而完成对病变区域的自动检测。与其他方法进行实验对比,结果表明本文所提方法能够精准地勾勒出病变区域边缘,实现对病变区域的准确检测,检测出的病变区域与真实病变区域非常接近。2.针对肝脏占位性病变超声图像特点,设计了新特征。考虑到图像处理技术中已有的特征没有相应的病理性质和超声表现对应,本文针对病变区域内部复杂结构,专门设计了一种新特征,并结合已有的灰度共生矩阵纹理特征和分形特征来描述肝脏占位性病变。此外,考虑到不同超声设备或不同操作者引起的超声图像质量变化,不仅仅提取了病变区域内部的纹理特征,还对病变区域内、外部进行了对比分析。实验结果表明,本文所提特征能够很好地描述肝脏占位性病变,对病变具有良好的区分能力。3.实现肝脏占位性病变超声图像的类别判断。本文采用SRC分类框架,并针对SRC字典构造存在的不足,提出了一种基于稀疏重建的字典扩展方法。该方法不仅能保证字典的冗余性,而且使得字典具有紧凑的内部结构。通过与常用的分类算法进行实验对比,结果显示本文所提方法具有更好的识别准确率,可作为肝脏占位性病变临床诊断的辅助手段。(本文来源于《华南理工大学》期刊2016-04-20）
甘露,张秋路,刘翔,陈雁秋[8]（2015）在《基于叁维连通性特征的肝脏血管超声图像分割方法》一文中研究指出针对超声图像中的肝脏血管的分割问题,提出一种基于叁维多尺度旋转不变的连通性特征进行分割的方法。该方法在多尺度空间中,提取叁维空间中血管主方向上的连通性特征,并通过随机森林分类器使用该特征进行分类。其方法充分利用了叁维图像中有限的信息,克服了现有方法在高噪声环境下效果较差的缺点,能够有效地区分出斑点噪声和肝脏血管。实验表明该方法能在超声图像的高噪声环境下准确地分割出肝脏血管组织,该方法的准确度和有效性较当前方法有显着提升。(本文来源于《微型电脑应用》期刊2015年09期）
丛伟建[9]（2015）在《应用于肝脏介入诊疗的超声图像分析与导航方法研究》一文中研究指出随着计算机技术、医学成像以及临床诊疗技术的发展,图像引导肝脏介入手术导航技术在临床疾病诊疗中发挥着越来越重要的作用。由于实时性好、无辐射等优势,超声成像成为肝脏临床手术诊疗最为重要的图像数据源之一。然而,由于受成像机理的限制,超声图像边缘较为模糊、噪声多且视野狭窄,病灶区域难以精确分辨。将术中实时采集的超声图像与术前采集的CT图像进行配准融合显示,可有效提高手术操作的精确度,减少手术时间并降低手术风险。本文针对超声成像技术特点,重点研究超声引导手术导航技术核心关键问题,包括:超声体数据重建、超声/CT图像配准等,为介入手术导航提供技术支撑,该技术的成功应用将大幅提高手术治疗的精准度,减小临床手术创伤,有效降低手术并发症发生的概率。本文的主要创新性工作包括:(1)针对超声图像模拟方法精度低、复杂度高的问题,提出一种基于CT切片的超声图像快速模拟方法。采用多尺度血管增强算法对术前采集的CT图像进行管状结构增强,基于超声的传播及成像规律,提出了一种超声图像灰度计算的相邻像素差值比重方法,求解超声在人体组织中传播的反射系数,实现对单换能器超声图像的快速模拟;采用离散窗函数Kaiser Window实现多换能器超声反射和衰减系数的快速计算及实时融合,完成基于CT切片的超声图像快速模拟。(2)针对超声体数据重建过程由于插值计算而易引起边界模糊的问题,提出一种基于全局模块最优匹配的超声体数据重建方法。构建了超声像素的特征描述方法,计算像素的最优贡献距离,实现对其相邻体素的赋值计算;针对超声体数据中空缺区域,引入数据项、平滑项和梯度项叁种体素特征构建体素赋值权重,优化搜索最优匹配模块实现空缺区域修补,同时更新空缺体素赋值权重,反复迭代以实现整个超声体数据的叁维重建。(3)针对超声/CT图像配准计算相似性测度易受噪声影响而导致配准精度降低的问题,提出了一种基于超声图像模拟计算的超声/CT图像配准方法。采用张量主成分分析方法对超声和CT图像进行滤波与增强,以待配准CT切片的超声模拟图像为中间模板,建立线性组合相关性测度,采用共轭方向加速算法优化变换矩阵从而实现超声/CT图像的精准配准。(4)基于提出的超声模拟方法、超声体数据重建方法和超声/CT图像配准方法,搭建了超声引导肝脏介入手术导航系统。引入图像网格化思想,根据图像弹性变换势能最小原理,采用共轭梯度法实现超声/CT图像弹性配准,解决呼吸心跳等因素造成的人体软组织变形的问题。建立多坐标系转换关系模型,完成术前CT图像、术中超声图像和定位系统间的空间位姿变换,同时通过电磁跟踪定位设备实时跟踪定位超声探头相对于CT图像的空间位置,并与弹性匹配后的超声/CT图像进行融合,由此搭建多模态图像引导的肝脏介入手术导航系统。(本文来源于《北京理工大学》期刊2015-06-01）
盛军辉[10]（2015）在《基于肝脏超声图像病变的分割及识别研究》一文中研究指出通过使用医学图像处理算法分析超声图像,计算机辅助诊断系统为医师提供了诊断意见,使得医师能够得出综合性的诊断,大大降低了误诊率。因此,医学超声图像处理方法的研究具有重要的应用价值。本文以肝脏病变超声图像为对象,研究了肝脏超声图像中病变区域的分割以及识别问题,主要的工作有：1、给出了一种改进的最稳极值特征区域提取算法,应用到多种肝脏病变图像的分割中。在对超声图像进行各项异性滤波及数学形态学处理的基础上,提取了广义的最稳极值特征区域,最后对二值化图像进行边缘融合并优化了分割边界。实验结果表明改进的算法仅需要对超声图像在较小的阈值区间做二值化,相较于最稳极值特征区域算法在[0,255]区间做二值化,大大降低了运算时间,并有着更好的分割准确度。2、综合了现有文献中描述感兴趣区域的纹理特征,给出了一种基于灰度共生矩阵的22个纹理特征和基于灰度运行周期矩阵的11个纹理特征的向量描述方法。依据该特征向量对脂肪肝超声图像进行了分类研究。实验结果表明在感兴趣区域尺寸为90×90像素时,选取前26个特征时达到了最好的分类效果,分类准确的达到95.86%。(本文来源于《北京化工大学》期刊2015-05-27）
肝脏超声图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
肝细胞癌(HCC)是最常见的原发性肝恶性肿瘤,无创成像特异性诊断对其治疗和预后评估是必不可少。2011年美国放射学会(ACR)发布的肝脏影像报告和数据系统(LI-RADS)是目前较多国医疗机构临床工作中使用的标准化的影像数据采集和诊断方法,但多在CT和MRI检查中使用,超声检查中应用较少~([1])。而超声造影(CEUS)是原发性肝癌诊断叁大常规影像检查之一,在肝癌的早期诊断、
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
肝脏超声图像论文参考文献
[1].徐立,乔智,郑祖添,穆佳乐.肝脏超声图像降噪处理的两种方法比较[J].电脑知识与技术.2019
[2].贾梅,张梅,杨兵,宫兵.基于超声图像的肝脏L1-RADS分类标准规范化应用及关键技术的研究[J].中国实验诊断学.2019
[3].李佳昕.基于超声图像的肝脏智能识别与弥漫性疾病诊断[D].哈尔滨工业大学.2018
[4].黄伟,周鸣争.融合随机森林的C-V模型肝脏超声图像分割[J].井冈山大学学报(自然科学版).2017
[5].崔蕊.基于肝脏超声图像的脂肪肝计算机辅助诊断研究[D].南阳师范学院.2016
[6].庄展鸿.肝脏超声图像病灶区域分割算法的研究[D].北京化工大学.2016
[7].姜怡孜.基于稀疏表示的肝脏超声图像占位性病变自动检测及识别方法[D].华南理工大学.2016
[8].甘露,张秋路,刘翔,陈雁秋.基于叁维连通性特征的肝脏血管超声图像分割方法[J].微型电脑应用.2015
[9].丛伟建.应用于肝脏介入诊疗的超声图像分析与导航方法研究[D].北京理工大学.2015
[10].盛军辉.基于肝脏超声图像病变的分割及识别研究[D].北京化工大学.2015