超聲手術(shù)導(dǎo)航系統(tǒng)中圖像去噪和呼吸信號獲取與建模.pdf

1、手術(shù)導(dǎo)航系統(tǒng)目前已經(jīng)成為計算機(jī)技術(shù)與醫(yī)學(xué)領(lǐng)域融合的理論研究和臨床應(yīng)用新熱點(diǎn)。本文研究基于超聲圖像引導(dǎo)的經(jīng)皮穿刺類手術(shù)導(dǎo)航系統(tǒng)中若干關(guān)鍵技術(shù)。眾所周知，超聲成像過程通常伴隨著嚴(yán)重的斑點(diǎn)噪聲。其對圖像細(xì)節(jié)所造成的干擾，會給進(jìn)一步進(jìn)行圖像分割和邊緣檢測帶來一定困難，進(jìn)而影響醫(yī)生進(jìn)行快速準(zhǔn)確的診斷。因此在手術(shù)導(dǎo)航過程中無論是進(jìn)行圖像配準(zhǔn)還是圖像分割，都需要先對超聲圖像進(jìn)行去噪處理。經(jīng)皮穿刺類手術(shù)的主要對象是人體軟組織器官，由于軟組織器官在人體呼

2、吸運(yùn)動時會產(chǎn)生位移，從而會影響到對術(shù)中超聲圖像和術(shù)前CT、MR圖像的配準(zhǔn)，同時影響穿刺的準(zhǔn)確性。針對以上存在的問題，本文對超聲圖像去噪和呼吸運(yùn)動的獲取與建模進(jìn)行了研究，主要內(nèi)容如下:
　　針對超聲圖像去噪問題，本文提出了基于曲率加權(quán)全變差模型的乘性噪聲去噪算法。通過引入差異曲率算子，使得本文算法能夠在去除乘性噪聲的同時有效的保留圖像邊緣和細(xì)節(jié)。針對該模型使用分裂Bregman迭代方法進(jìn)行求解，得到較為理想的效果。
　　本文在

3、Visual Studio2010和OpenCV環(huán)境下搭建了基于光學(xué)定位體外呼吸監(jiān)測系統(tǒng)，實現(xiàn)了體外呼吸信號的實時檢測，該系統(tǒng)可以檢測體外三個標(biāo)志點(diǎn)的運(yùn)動，檢測速率達(dá)到20幀/s。
　　手動選取模板，利用模板匹配的方法從超聲圖像序列中獲得體內(nèi)呼吸信號，所獲得的呼吸信號與體外呼吸信號有很好的相關(guān)性。利用Hessian矩陣自動提取模板，實現(xiàn)了從超聲圖像序列中自動獲取體內(nèi)呼吸信號。然后使用多項式模型和SVR對體內(nèi)和體外呼吸運(yùn)動進(jìn)行建模，