多分辨超声心动图像分割模型

提出了一种新的基于水平集的多分辨空间超声心动图像分割模型，该模型在粗尺度上实现预分割，然后通过解传递方法将结果传递到细尺度上进行优化分割．在粗尺度上采用基于区域的高斯噪声模型分析图像，并和测地线模型相结合实现预分割，预分割结果表明了组合模型能自动和精确地提取边界．提出了基于数学形态学算子的尺度间快速解传递方法，该方法不需要进行插值运算，避免了常规方法效率低的问题．在细尺度上提出了一种局部活动轮廓优化模型，定义了新的基于局部亮度的目标函数．优化后的平均相似性从0．9862提高到0．9985．对左心室图像的分割实验证明了多分辨模型和常规方法相比具有更好的精确性和鲁棒性．     

多尺度非参数化水平集的超声心动图分割

针对超声心动图噪声很大、提取目标区域边界不够平滑完整的问题,将非参数技术与水平集相结合,提出了多尺度非参数化的水平集图像分割方法。利用非局域均值滤波建立尺度空间,保护图像特征,在粗尺度预分割,然后在细尺度优化分割。采用Parzen窗技术对超声心动图的亮度分布进行统计建模,不需要先验假设,引入到水平集框架中,设计了非参数化水平集分割模型。分割实验证明:预分割结果和真实边界的平均绝对距离为2.162,优化后为0.710。该方法可以精确地自动提取感兴趣区域,在图像分割鲁棒性和精确性方面优于常规分割方法。     

基于平移不变离散小波的多普勒血流信号杂波抑制

针对由血管壁和慢速运动组织产生的杂波会严重影响超声多普勒低速血流成分频谱估计的准确性问题，根据超声多普勒血流信号及杂波的特征，提出基于平移不变离散小波变换的抑制杂波方法，分别对仿真和实际超声颈动脉血流信号进行实验，并与高通滤波和离散小波变换方法进行比较，结果表明：经过平移不变离散小波变换方法抑制杂波后，信号的声谱图质量及性能指标均有明显改善，其中低速血流相对误差仅为4．86％，与高通滤波方法的相对误差10．28％和离散小波方法的相对误差7．26％相比，相对误差分别减小了5．42％和2．4％，低速血流成分频谱估计的准确性得到了提高。