生物醫(yī)學(xué)工程專業(yè)畢業(yè)論文[精品論文]基于斑點追蹤技術(shù)的心臟超聲成像應(yīng)變分析

1、生物醫(yī)學(xué)工程專業(yè)畢業(yè)論文 精品論文 基于斑點追蹤技術(shù)的心臟超聲成像應(yīng)變分析關(guān)鍵詞：斑點追蹤 心血管疾病 超聲成像 應(yīng)變分析 超聲圖像 超聲診斷 心臟圖像摘要：目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短

2、軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍

3、歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。正文內(nèi)容 目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑

4、點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該

5、方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成

6、像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服

7、超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為

8、當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf sn

9、ake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得

10、到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)

11、容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標

12、記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不

13、同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好

14、地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法

15、之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模

16、型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟

17、圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形

18、狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變

19、。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心

20、室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到

21、斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超

22、聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像的灰度不均勻性。本文主要采用了基于局部高斯概率模型的方法，通過設(shè)置兩條初始化曲線，演化后得到左心室心肌區(qū)域。通過實驗結(jié)果表明，該方法在處理超聲圖像這種噪聲較大的圖像時效果較好，可以較好地克服灰度不均勻性和噪聲。 2.斑點提取。根據(jù)超聲圖像特

23、點，通過設(shè)置一個固定大小的窗口來遍歷整個圖像，比較像素灰度值，得到極值點區(qū)域來標記出斑點所在位置。 3.斑點跟蹤和應(yīng)變計算。通過配準得到斑點對應(yīng)的匹配點，從而可以得到斑點隨時間變化在不同圖像的位置變化情況，可以計算得到位移。根據(jù)彈性力學(xué)中有關(guān)位移與應(yīng)變的關(guān)系，計算得到應(yīng)變。從而可以得到心肌組織在心臟舒張期和收縮期時的運動情況。目前，心血管疾病已經(jīng)成為當前人類死亡的主要原因之一，而通過醫(yī)學(xué)影像技術(shù)來獲得心臟圖像，以進行分析、診斷心臟疾病，已經(jīng)成為重要的臨床診療手段。超聲診斷技術(shù)由于其成像迅速、對病人無痛苦等優(yōu)點已經(jīng)成為醫(yī)學(xué)影像技術(shù)的主要方法之一。而斑點追蹤技術(shù)就是在二維超聲圖像的基礎(chǔ)上，識別并提取出心肌內(nèi)的斑點，追蹤斑點的運動情況，并跟蹤其在每一幀圖像上的位置變化，標測出不同幀圖像心肌運動軌跡。 本文主要是根據(jù)心臟左心室的二維超聲圖像運動序列，通過提取和跟蹤其短軸圖像中的斑點信息，來分析心肌應(yīng)變。主要工作內(nèi)容分為3部分： 1.對心臟超聲圖像進行分割，從而得到左心室心肌的內(nèi)外輪廓，反映出心肌運動區(qū)域。本文通過比較了snake模型、gvf snake模型的分割結(jié)果，發(fā)現(xiàn)這兩個算法對于初始曲線位置和形狀要求很高，取得的分割效果并不理想；并實現(xiàn)了c-v模型算法，發(fā)現(xiàn)它不能很好的克服超聲圖像