返回
类型 应用研究 预答辩日期 2018-03-15
开始(开题)日期 2015-12-17 论文结束日期 2018-01-15
地点 东南大学四牌楼校区群贤楼2楼影像会议室 论文选题来源 973、863项目     论文字数 5.14 (万字)
题目 HIFU超声图像分割算法研究
主题词 HIFU超声图像,图像分割,有限瑞利混合模型,空间信息,主动形状模型
摘要 随着现代生活压力的不断增加,人类受到生殖类疾病的影响越来越大。子宫肌瘤、前列腺癌等疾病不仅影响了人们的生活质量,甚至影响到人们的正常生育。高强度聚焦超声(High Intensity Focus Ultrasound, HIFU)是一种无创的治疗方法,其原理是通过超声的热效应将癌细胞杀死。该治疗手段具有不需要开刀、对病人伤害小、不影响病人生育能力的优点,临床上的应用越来越广泛。然而,HIFU治疗方法面临着如何在手术治疗过程中对病灶区域进行准确、快速和自动定位的问题。一般情况下,医生需要对比核磁共振图像和病人同体位的超声图像,参考核磁共振图像上病灶位置信息确定超声图像上的病灶区域,针对一个体位实现该过程需耗时3-4分钟。整个手术过程中大致需要对几十个体位的超声图像进行病灶区域的确定,仅病灶区域定位所需的时间高达2-3个小时。长时间的手术过程加重了医生的工作负担,导致医生与患者的疲惫,不利于医疗安全。利用计算机辅助技术在手术过程中辅助医生进行病灶定位,能够极大地缩短手术时间、减轻医生工作负担,从而有效地避免因医生与患者疲惫造成的医疗安全问题。 在基于计算机视觉的HIFU手术病灶辅助定位中,超声图像分割是实现病灶定位的关键技术。超声图像分辨率低、对比度差、伪影等问题严重限制了超声图像分割技术的发展。目前主流超声图像分割算法实现过程复杂,分割耗时长,很难满足临床上对时间的要求。本文针对HIFU超声图像分割,提出了一系列超声图像分割算法,提高了超声图像的分割效率,取得了良好的分割效果。本文的工作概括如下: (1) 基于引入空间信息的瑞利混合模型的超声图像分割算法 本文基于有限混合模型方法,采用瑞利混合模型的同时引入空间信息,针对子宫超声图像发展出了一种快速、有效的超声图像分割算法。有限混合模型是应用比较广泛的图像分割模型。实验证明,利用该算法对子宫超声图像进行分割,大大降低了散斑噪声对分割效果的影响,提高了组织定位的精度。算法所需的计算量小,所消耗的计算时间少,单幅超声图像的分割时间低于1秒,完全满足临床上的需要。 (2) 基于多层混合瑞利模型的超声图像分割算法 本文提出了基于引入空间信息的多层混合瑞利模型的超声图像分割算法。多层混合瑞利模型使用多个瑞利分布对一个成分进行描述,进一步提高了拟合精度。同时,利用引入的空间信息,有效降低散斑噪声对超声图像分割效果的影响。实验证明,利用该算法对子宫超声图像进行分割,能够进一步提高组织定位的精度。多层瑞利分布算法对单幅超声图像的分割时间在2秒以内,完全满足临床上的需要。 (3) 基于加权混合瑞利模型的超声图像分割算法 本文提出了利用图像的显著特征图作为空间信息引入混合瑞利模型(加权混合瑞利模型)的图像分割算法。在该分割算法中,利用显著特征图引入空间信息可以实现对邻域像素赋予不同的权重。实验证明,将加权混合瑞利模型在子宫超声图像上进行验证,分割得到的病灶具有更加精确的组织边界和更多的细节信息,有利于医生在手术过程中对病灶进行更精准的定位。加权混合瑞利模型的超声图像分割算法中,单幅图像的显著特征图计算时间在0.5秒以内,对单幅超声图像的分割时间在2.5秒以内,完全满足临床的需求。 (4) 基于改进主动形状模型的超声图像分割算法 本文提出了一种基于改进的主动形状模型的超声图像分割算法,结合前列腺形状信息与超声图像信息实现对前列腺超声图像的分割。实验表明,利用该改进主动形状模型能够对前列腺超声图像进行有效、快速的分割,达到现阶段超声图像分割的主流水平。
英文题目 THE RESEARCH ON HIFU ULTRASOUND IMAGES SEGMENTATION
英文主题词 HIFU ultrasound image, image segmentation, finite Rayleigh mixture model, spatial information, active shape model
英文摘要 With the increasing pressure of modern life, people suffer from genital system diseases like uterine fibroid and prostate cancer. These diseases not only cause a decline in the quality of life but also the infertility issue. As a non-invasive and clinically wide-used treatment that kills cancer through heating effect, the High Intensity Focus Ultrasound (HIFU) has advantages of surgery needless, harmless to patients and without any influence on fertility. However, this approach faces the problem of how accurate, rapid, and automatic positioning of the lesion area during surgical procedures. In conventional clinical operations, the doctor needs to compare the MRI images with the ultrasound images of the same body position to confirm the position of the tumor. The procedure for one image of one body position costs 3-4 minutes. The entire surgical procedure generally requires the determination of the lesion area for dozens of ultrasound images of the position, and the time cost for locating the tumor alone is as high as 2-3 hours. The long period of surgery increased the workload of the doctor, leading to fatigue doctors and patients, is not conducive to medical safety. By using of computer-aided techniques in the surgical procedure, the operation time can be greatly shortened and the working burden on doctors is reduced, so as to effectively avoid the medical safety problems caused by the exhaustion of doctors and patients. In HIFU, computer-aided localization of lesions based on computer vision, ultrasound image segmentation is the key technology to locate the lesion. Ultrasound images with low resolution, poor contrast, artifacts and other issues severely limited the development of ultrasonic image segmentation technology. Nowadays the process of mainstream ultrasonic image segmentation algorithm is complicated and long time-consuming, resulting in the difficulty to meet the clinical requirement. Aiming at HIFU ultrasonic image segmentation, a series of ultrasonic image segmentation algorithms are proposed in this paper, which improves the segmentation efficiency of ultrasonic images and achieves accurate segmentation result. The main contributions of these works are summarized as follows. (1) Ultrasound image segmentation based on Incorporate Spatial Information into Finite Rayleigh Mixture Model The dissertation proposed a model that incorporating spatial information into Rayleigh Mixture Model for uterine ultrasound image segmentation. The Finite Mixture Model (FMM) is the common way for image classification. The experiments show that this algorithm significantly reduces the influence of speckle noise and improves the accuracy of localization. The algorithm requires a small amount of computation, which consumes less computation time and the segmentation time of a single ultrasound image is less than 1 second, which fully meets the clinical needs. (2) Ultrasound image segmentation based on Bounded Rayleigh Mixture Model The dissertation proposed a model that incorporating spatial information into Bounded Rayleigh Mixture Model (BRMM) for uterine ultrasound image segmentation. The BRMM adopt multiple Rayleigh distributions to fit the ultrasound image histogram more accurate. Meanwhile, the spatial information is incorporated into BRMM to reduce the speckle noise influence. The experiments show the model can further improve the accuracy of segmentation results. Its segmentation time of a single ultrasound image is less than 2 second, which fully meets the clinical needs. (3) Ultrasound image segmentation based on Weighted Finite Rayleigh Mixture Model The dissertation proposed a Weight Rayleigh Mixture Model (WRMM) that incorporate weight spatial information into RMM for prostate ultrasound image segmentation. The model introduces saliency map for spatial information incorporation to reveal the importance degree of each pixel. The experimental results show accurate boundary and more detail in the segmentation that is benefit for tissue location in HIFU treatment. For ultrasonic image segmentation algorithm based on the WRMM model, a single image of the significant feature of the calculation time is less than 0.5 seconds, a single ultrasound image segmentation time within 2.5 seconds, fully meet the clinical needs. (4) Ultrasound image segmentation based on Improved Active Shape Model The dissertation proposed an Improved Active Shape Model that combine prostate shape information and ultrasound image properties for prostate ultrasound image segmentation. The experiments show the proposed model achieves accurate and rapid prostate segmentation effectively and reach the level of the state of the art.
学术讨论
主办单位时间地点报告人报告主题
东南大学影像科学与技术实验室 2015年6月15日 东南大学四牌楼校区群贤楼二楼会议室 邵珠宏 Quaternion Bassel-Fourier Moments and Their Applications
东南大学影像科学与技术实验室 2014年5月14日 东南大学四牌楼校区群贤楼二楼会议室 陈滨 基于graph_cuts和主动形状轮廓的纹理感知图像分割
东南大学影像科学与技术实验室 2013年9月17日 东南大学四牌楼校区群贤楼二楼会议室 毕卉 实验室内部交流
东南大学影像科学与技术实验室 2014年5月14日 东南大学四牌楼校区群贤楼二楼会议室 毕卉 图像分割与超声图像
东南大学影像科学与技术实验室 2016年5月17日 东南大学四牌楼校区群贤楼二楼会议室 毕卉 Overview of Graph Cuts
东南大学影像科学与技术实验室 2014年3月19日 东南大学四牌楼校区群贤楼二楼会议室 左欣 基于内容的图像检索相关技术研究
东南大学影像科学与技术实验室 2014年6月17日 东南大学四牌楼校区群贤楼二楼会议室 伍家松 Deep Scattering Networks
东南大学影像科学与技术实验室 2014年12月9日 东南大学四牌楼校区群贤楼二楼会议室 毕卉 结合菱形模板的有限混合模型的超声图像分割
     
学术会议
会议名称时间地点本人报告本人报告题目
重庆医科大学“973”学术交流会议 2014年7月13日 中国,重庆 基于主动形状模型的图像分割
SPIE 8th International Conference on Graphic and Image Processing 2016年10月30日 日本,东京 Bounded Rayleigh Mixture Model for Ultrasound Image Segmentation
     
代表作
论文名称
Fast segmentation of ultrasound images by incorporating spatial information into Rayleigh mixture
基于改进主动形状模型的前列腺超声图像分割算法
 
答辩委员会组成信息
姓名职称导师类别工作单位是否主席备注
钱志余 正高 教授 博导 南京航空航天大学 主任委员
张辉 正高 教授 博导 南京审计大学
罗立民 正高 教授 博导 东南大学
鲍旭东 正高 教授 硕导 东南大学
杨冠羽 副高 副教授 博导 东南大学
      
答辩秘书信息
姓名职称工作单位备注
於文雪 副高 副教授 东南大学