论文部分内容阅读
高强度聚焦超声(HIFU)作为一种全新的治疗癌症手段,由于其无创、无副作用等优良特性,已经成为超声医疗领域的一个热点。HIFU治疗过程中的实时监控是确保治疗安全高效的关键。目前利用B超监控治疗过程时,主要由医生凭经验来制定有效治疗区域及治疗程度,缺乏客观性和准确性。本文基于图像处理的方法,利用B超和HIFU相结合的实验系统,研究了HIFU治疗区域的检测和治疗效果的评价。论文所做的主要工作包括以下几个方面：1、对HIFU照射后获得的B超图像进行预处理,在小波理论中引入新的阈值函数祛除图像中的噪声点。实验结果表明,该算法比经典的软、硬阈值函数算法能更好地降低图像噪声,并使有效信息得到较好保留。2、研究了HIFU有效治疗区域的确定。利用一些传统的边缘检测算法对实验图像中的蛋白质变性区域进行了检测,结果表明,这些算法很难准确地从B超图像中分割出有效治疗区域。在FCM算法的基础上将量子进化算法和蚁群算法相结合用于HIFU治疗区域确定,解决了FCM算法对初始参数的依赖及蚁群算法容易陷入局部极值的问题,实验结果表明,提高了检测治疗区域的准确度及速度。3、研究了HIFU治疗时B超图像特征和治疗剂量以及损伤区域受损程度之间的关系。实验结果表明,B超图像灰度能量值与治疗剂量在一定范围内呈正相关性,而当剂量达到一定大小时,灰度能量值不再随剂量的增加而增大；在一定范围内,灰度能量值随组织损伤区域的增大而增大,并且在不同等级之间具有可分辨性。本文通过大量实验研究了基于图像处理的HIFU治疗效果自动评价的方法,有助于推动HIFU技术在临床方面的应用。