基于水平集与多尺度几何分析的三维超声数据目标提取

The advanteages of three-dimensional ultrasound imaging lie in its visual capability and accurate volume measurement, etc. However, the limited segmentation and recognition capability of 3D objects with current clinical image analysis software restricts the application of the 3D imaging technique. The main difficuties for analyzing and understanding 3D ultrasonic data arise from inherent speckle noise and blurry edges. In this project, multi-scale geometric analysis tecnique is adopted to extract the edge direction of 3D ultrasonic data.By taking full advantage of 3D surface information, the influences of speckle noise and blurry or weak boundaries can be reduced. Then, by combining mean shift clustering with fast variational level set algorithm, close contours of 3D irregular object can be searched automatically, and the 3D object can be extracted effectively. The reasearch of this project will provide new scientific references for analyzing and understanding 3D ultrasonic data. It will also provide new ideas for extracting and recognizing 3D ultrasonic objects automatically.

三维医学超声成像具有显示直观、体积测量精确等优点，但是，目前临床上使用的图像分析软件对三维目标的分割与识别能力有限，制约了三维超声成像技术的实际使用。三维超声数据分析与理解的困难主要源于超声成像固有的散斑噪声和模糊边界的影响。本项目提出采用多尺度几何分析技术提取三维超声数据的边缘方向信息，克服超声图像散斑噪声、模糊边界或微弱边界的影响。然后，融合均值漂移聚类与快速变分水平集分割算法，使形变模型能够自动寻找复杂目标的封闭轮廓，实现三维目标的特征提取。本项目的研究将为三维超声数据的分析与理解提供新的理论参考，为三维超声目标的自动提取与识别提供新的思路。

本项目的研究内容属于医学计算和精准医疗领域的核心部分，对临床辅助诊断具有重要意义。主要研究内容有：1）对区域能量匹配模型和局部高斯分布拟合模型的初始轮廓设置、曲线演化控制、演化控制参数自动估算等方面进行了研究与探索。实验结果表明，该研究有效弥补了这两种水平集分割模型在实用中泛化能力差的不足。提高了分割的精确性、鲁棒性和自动化程度。2）对Surfacelet的三维数据分解与重构性能进行了分析，提出根据三维医学图像Surfacelet变换高低频子带系数的统计特性来设计不同处理策略，通过Canny算子锐化重建系数，提高了检测三维医学影像目标边缘的精确性。3）针对三维医学影像数据的冗余度及其计算量，提出基于深度词典的稀疏特征有效表示方法，并构建了级联式多组模式的分类与识别框架。同时，基于感兴趣目标的几何形状特征，提出利用主成分分析进行分层寻优的虚拟标记特征提取方法，可以有效减少处理三维医学数据的计算量。采用深度学习或神经网络技术对虚拟标记特征进行训练和学习，可以用于人体躯干和器官的自动定位。4）以原发性高血压动态动脉硬化指数为参考，研究了高血压病患者的动脉硬化与颈动脉弹性功能以及肾实质剪切波速度的相关性，发现原发性高血压病与颈动脉粥样硬化和肾功能损害存在一定程度的相关性，可以为高血压以及心脑血管疾病的治疗提供参考。