高强度聚焦超声(HIFU)治疗是近二十年来兴起的一种非侵入局部治疗技术,主要用于治疗良性和恶性肿瘤。其原理是将超声波从体外聚焦到体内,在焦域处形成局部高能量,使组织瞬间达到65℃以上的高温,导致组织瞬间凝固性坏死,从而达到无创治疗肿瘤的目的。HIFU治疗基于热机制对组织的损伤,因此治疗过程中实时监测组织损伤非常重要。本文以新鲜离体猪肉为测试对象,通过B超仪获取HIFU治疗后的超声图像,再对超声图像进行去噪、灰度化以及感兴趣区域截取处理,并基于感兴趣区域的特点,研究HIFU引起组织损伤的检测与识别方法。主要工作有:(1)提出了一种基于像素点搜索算法的HIFU损伤检测与识别方法,采用粗定位和HIFU损伤识别相结合的方式。粗定位中,利用灰度极大区域的搜索算法定位图像中所有亮斑;然后利用数学形态学、Canny边缘检测算法获取测试对象的边缘轮廓,通过欧式距离判别分析法筛选出HIFU损伤候选区域;最后对HIFU损伤候选区域提取矩形度特征参数并结合SVM进行识别,确定HIFU损伤区域的位置。实验结果表明:本方法实现了HIFU损伤区域的自动检测,选取矩形度作为特征参数较最大灰度值具有更高的识别率。(2)提出了一种基于差异区块搜索算法的HIFU损伤检测与识别方法,分为了粗定位、HIFU损伤识别和区域确定三部分。首先粗定位对图像进行分区处理,再采用滑动窗口检测差异区块,相连的差异区块归类后利用其周边灰度信息滤除边界噪声,得到HIFU损伤候选区域;然后通过矩形度训练好的SVM对HIFU损伤候选区域进行识别;最后将确定的HIFU损伤区域进行分割和边缘检测得到损伤区域的实际区域。研究发现:本方法的差异区块算法对HIFU损伤区域的特征具有更好的描述能力,相比于像素点搜索算法消除了很多中间步骤且减少了计算量。本文针对HIFU治疗后超声图像进行研究,减少了图像配准的步骤,且实现了HIFU损伤区域的自动检测和识别,为HIFU治疗过程中的实时监测提供了新的方向。