CN104688272A - 一种基于单像素tic源的超声造影灌注参量成像方法 - Google Patents

一种基于单像素tic源的超声造影灌注参量成像方法 Download PDF

Info

Publication number
CN104688272A
CN104688272A CN201510100876.8A CN201510100876A CN104688272A CN 104688272 A CN104688272 A CN 104688272A CN 201510100876 A CN201510100876 A CN 201510100876A CN 104688272 A CN104688272 A CN 104688272A
Authority
CN
China
Prior art keywords
tic
single pixel
perfusion
pixel
class
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510100876.8A
Other languages
English (en)
Other versions
CN104688272B (zh
Inventor
万明习
王弟亚
钟徽
杨萱
韩萌
肖梦楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201510100876.8A priority Critical patent/CN104688272B/zh
Publication of CN104688272A publication Critical patent/CN104688272A/zh
Application granted granted Critical
Publication of CN104688272B publication Critical patent/CN104688272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06Measuring blood flow
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48Diagnostic techniques
    • A61B8/481Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5292Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Hematology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明提供一种基于单像素TIC源的超声造影灌注参量成像方法:提取超声造影序列视频图像每像素单元下的原始TIC;对原始TIC进行有效TIC的筛选、双向加权移动平均滤波以及团式灌注模型拟合获得高SCR的单像素TIC矩阵;在单像素TIC矩阵中分别提取时间类、强度类,以及比值类的灌注参量矩阵,并进行伪彩色编码。本发明以单像素ROI提取超声造影序列视频图像的TIC,过程自动进行,双向加权移动平均滤波联合对数正态团注模型拟合大幅提高单像素ROI下的TIC的SCR并抑制杂波的干扰。相比传统灌注参量评价及成像,单像素TIC源的超声血流灌注参量成像包含了最为丰富的灌注细节信息,并更为直观。

Description

一种基于单像素TIC源的超声造影灌注参量成像方法
技术领域
本发明涉及超声造影成像技术领域,特别涉及基于单像素TIC源的超声血流灌注参量成像方法。
背景技术
超声造影微泡和造影成像方法的发展使得超声造影技术定量估计血流灌注成为可能。尽管超声造影成像的空间分辨率有限,无法识别单个毛细血管,但是造影微泡引起的回波信号强度与微泡的浓度成比例,也与组织血容量成比例,这种比例关系的发现,近年来推动了超声造影成像的重要应用,即灌注参量估计的发展。超声造影血流灌注参量成像是一种功能性成像方法,它可反映血流速度、血容量、微循环等功能性血流灌注信息的空间分布,并已初步应用于估计心肌血流灌注、区分肝脏的良性恶性病变、研究肿瘤的新生血管的血液供给情况等。它主要通过对脏器的感兴趣区域(region of interest,ROI)进行血流灌注定量评价,以直观和丰富的参量显示该ROI区域超声图像中的血流灌注信息的空间分布,以辅助临床掌握相应的生理学和病理学信息。超声造影血流灌注参量成像作为一种新兴的临床诊断和治疗评价的辅助方法具有重要的研究价值和应用前景。
超声造影灌注是一动态过程,在这过程中,计算感兴趣区域(region of interest,ROI)内视频造影图像的像素的平均强度,作为时间或图像帧数的函数,形成时间强度曲线(time-intensity curve,TIC)并进行血流灌注评价和诊断。目前文献、专利以及超声成像设备(Philips HD15,GE Logiq E9)中所涉及到的超声造影灌注估计方法或定量分析软件首先通过手动选取较大尺寸的ROI,这种方法的缺陷如下:(1)它需要富有经验的操作者选取有效的ROI,存在主观差异性;(2)这种操作不便于重复实施;(3)采用大尺寸的ROI会忽视血流灌注的空间差异性,并且分辨率低、缺乏细节信息和直观性。
然而,因ROI越小,TIC受到的杂波干扰越大,其SCR越低;而且TIC冲出相的尾部容易受到造影微泡再循环的干扰;因此,基于单像素ROI提取TIC进行超声血流灌注参量成像主要受到TIC低信杂比(signal-to-clutter,SCR)的限制。为此,需提高单像素ROI下TIC的SCR。目前文献、专利中用到的提高TIC的SCR的方法包括:加权移动平均滤波、团注模型拟合等方法。但加权移动平均滤波方法可能会导致TIC的时移的问题,造成时间类参量估计不准确;对TIC进行团注模型拟合又受TIC本身SCR的限制较大,如出现畸变的TIC,团注模型拟合将无法发挥作用。
发明内容
针对常规大ROI下提取TIC进行超声造影血流灌注参量成像存在的限制(存在主观差异性、难以重复实施、细节信息缺乏以及细节分辨率较低的问题),本发明的目的在于提供一种基于单像素TIC源的超声造影灌注参量成像方法。
为实现上述目的,本发明采用了以下技术方案:
(1)单像素TIC提取:设定组织病灶区域作为待参量成像区域;并以单像素为最小ROI,提取待参量成像区域每像素单元下的原始TIC;
(2)TIC降噪拟合:对原始TIC依次进行有效TIC的筛选、双向加权移动平均滤波以及团式灌注模型拟合,获得单像素TIC矩阵;
(3)灌注参量提取并编码成像:在单像素TIC矩阵中分别提取时间类、强度类,以及比值类的灌注参量矩阵,并进行伪彩色编码。
所述单像素TIC提取具体包括以下步骤:
(1)通过多边形ROI函数选择待参量成像区域轮廓;
(2)以单像素为最小ROI,提取待参量成像区域的每像素单元下的原始TIC。
所述有效TIC的筛选具体包括以下步骤:
(1)提取待参量成像区域的TIC,作为筛选基准TIC;
(2)对单像素下的原始TIC与筛选基准TIC做相关分析;
(3)剔除相关系数小于0.3的单像素下的原始TIC,剩余的单像素下的原始TIC为有效TIC。
所述双向加权移动平均滤波具体包括以下步骤:
(1)以有效TIC某一数据点对应的当前时刻为基准,进行加权移动平均滤波;
(2)将加权移动平均滤波后的有效TIC进行时间翻转,并再次进行加权移动平均滤波;
(3)对经过再次加权移动平均滤波后的有效TIC,以前5点的均值为基准,进行基线归零。
所述团式灌注模型拟合具体包括以下步骤:
(1)基线归零后进行对数正态团注模型拟合,得到拟合后的单像素TIC矩阵;
(2)对单像素TIC矩阵进行归一化。
所述灌注参量提取并编码成像具体包括以下步骤:
(1)分别提取单像素TIC矩阵中时间类、强度类以及比值类微泡灌注参量,形成对应的灌注参量矩阵,所述时间类微泡灌注参量包括冲入时刻WIT、冲出时刻WOT、达峰时间TTP以及平均渡越时间MTT;所述强度类微泡灌注参量包括峰值PV以及曲线下面积AUC;所述比值类微泡灌注参量包括冲入率WIR、冲出率WOR以及曲线下面积与平均渡越时间比PI;
(2)对灌注参量矩阵进行256阶次JET伪彩色编码。
本发明的优点如下:
1、本发明以单像素ROI提取超声造影序列视频图像的TIC,该过程是算法自动进行的,勿需要人工介入。
2、双向加权移动平均滤波联合对数正态团注模型拟合大幅提高单像素ROI下的TIC的SCR并抑制杂波的干扰。
3、相比传统灌注参量评价及成像,单像素TIC源的超声血流灌注参量成像包含了最为丰富的灌注细节信息。
附图说明
图1为算法整体流程框图。
图2为兔肾时间类(以MTT为例)灌注参量图。
图3为兔肾强度类(以AUC为例)灌注参量图。
图4为兔肾比值类(以WIR为例)灌注参量图。
具体实施方式
下面结合附图和实施例对本发明做详细叙述。
本发明主要提出在团式灌注下,在最小单元ROI即“单像素”下提取TIC进行超声造影血流灌注参量成像,其核心在于抑制单像素下TIC强烈的杂波干扰。为此,本发明提出对TIC的预处理方案:(1)首先对待参量成像区域单像素下提取的所有TIC进行基于相关性的有效性鉴别,以剔除无效的TIC,同时节省计算时间;(2)其次采用双向加权移动平均滤波(weighted moving average filter, WMAF)以抑制杂波对TIC的干扰的同时,避免时移的干扰;(3)最后采用团式灌注模型拟合以消除造影微泡再循环对TIC的干扰的同时,准确获得高SCR的TIC。
本发明所述基于单像素TIC源的超声造影灌注参量成像方法,包括以下步骤:
步骤一、单像素TIC提取:以超声造影序列视频图像为基础,设定组织病灶区域作为待参量成像区域,并以单像素为最小ROI,提取待参量成像区域每像素单元下的原始TIC。
步骤二、对原始TIC进行有效TIC的筛选。
步骤三、经过步骤二后,采用双向加权移动平均滤波(WMAF)以抑制杂波对原始TIC的干扰。
步骤四、经过步骤三后,采用团式灌注模型拟合以消除造影微泡再循环对TIC的干扰,获得高SCR的单像素TIC矩阵。
步骤五、在单像素TIC矩阵中分别提取时间类、强度类、以及比值类的灌注参量矩阵,并进行伪彩色编码,分别显示各灌注参量图像。
步骤一:以单像素为最小ROI,提取待参量成像区域的每像素单元下的原始TIC,其步骤如下:
(1)输入全部灌注时间序列的造影视频图像或视频;
(2)任意提取一帧图像作为显示背景图像;
(3)多边形ROI函数(Roipoly)选择大概需进行参量成像的区域轮廓;如不做操作,则默认待参量成像区域为整幅图像大小;
(4)以单像素为最小ROI,提取此序列图像或视频中待参量成像区域每像素单元下灰度值作为TIC的原始数值。
步骤二:对原始TIC进行有效TIC的筛选,其步骤如下:
(1)提取待参量成像区域的TIC,作为筛选基准TIC;
(2)对每个单像素下的原始TIC与筛选基准TIC做相关性分析;
(3)剔除相关系数小于0.3的单像素原始TIC,剩余的单像素原始TIC为有效TIC。
步骤三:双向WMAF抑制杂波对筛选后的有效TIC的干扰,其步骤依次如下:
(1)WMAF以某一TIC数据点对应的当前时刻为基准,向过去和未来推移,权重逐渐减小,使得过去时刻及未来时刻对当前时刻的TIC输出的影响最小。
WMAF步骤如下:
WMAF ( t ) = ( n + 1 ) y ( t ) + ny ( t - 1 ) + . . . + y ( t - n ) ( n + 1 ) + n + . . . + 1 , t = 1,2 , . . . , N , n < N
其中n为加权移动平均滤波器的阶数,y(t)为t时刻的原始TIC数值,WMAF(t)为t时刻的滤波后的TIC输出值。
(2)将WMAF滤波后的TIC进行时间翻转,重复WMAF滤波,实现对筛选后的有效TIC的双向WMAF滤波,以克服WMAF的相位延迟,并抑制杂波对单像素TIC干扰,提高TIC的SCR。
(3)对双向WMAF滤波后的TIC,以前5点的均值为基准,进行基线归零。
步骤四:团式灌注模型拟合以消除造影微泡再循环对TIC的干扰,其步骤如下:
(1)团式灌注模型为对数正态模型:
C ( t ) = A s 2 &pi; ( t - AT ) e - ( ln ( t - AT ) - m ) 2 / 2 s 2
其中C(t)为t时刻的微泡浓度,AT为微泡冲入时刻,A为幅度参数,m和S分别为满足正态分布的ln(t-AT)的均值和标准偏差。
AT为TIC的第一时刻值,A、m以及S通过非线性最小二乘拟合法获取:
s = - 1 / 2 P 2 opt , m = - ( 1 + P 1 opt ) / 2 P 2 opt ,
A = exp ( P 0 opt + ln ( s 2 &pi; ) + m 2 / 2 s 2 )
其中为TIC进行多元线性回归分析得到的最优系数。
(2)将AT,A,m以及S带入团式灌注模型,得到拟合后的高SCR的单像素TIC矩阵。
(3)对单像素TIC矩阵进行归一化。
步骤四中SCR评价如下:
SCR = 10 log 10 ( &Integral; 0 fc P ( f ) df &Integral; fc fs / 2 P ( f ) df )
其中,fs为采样频率或视频帧率,P(f)为TIC功率谱,fc为截止频率。低于fc的频率分量被认为是信号,而高于fc的频率分量被认为是杂波。
步骤五:单像素TIC矩阵中提取灌注参量矩阵,进行伪彩色编码并显示各参量图像,其步骤如下:
(1)分别提取单像素TIC矩阵中时间类(冲入时刻WIT,冲出时刻WOT,达峰时间TTP,平均渡越时间MTT),强度类(峰值PV,曲线下面积AUC)以及比值类(冲入率WIR,冲出率WOR,PI)微泡灌注参量,形成灌注参量矩阵。
(2)参量如下定义:WIT为TIC值第一个大于0的点的时刻;WOT为TIC值最后一个大于等于1的点的时刻;TTP为达到整段TIC曲线第一个最大值所需时间;MTT为PV为整段TIC曲线的最大值;AUC为WIR为PV/TTP;WOR为PV/(Time-TTP),Time为TIC终点对应的时刻;PI为AUC/MTT。
(3)对灌注参量矩阵进行256阶次JET伪彩色编码,并显示各灌注参量图像。
选择大白兔(2.5kG)肾脏作为目标灌注区域,在2.5MHz工作频率下,进行Sonovue造影剂团注实验,获得肾脏序列造影灌注图像。本发明涉及算法均在matlab平台上编程实现,其算法的整体流程图如图1所示;分别依次提取单像素源下TIC矩阵,进行TIC的降噪及拟合,灌注参量的提取及编码成像。最后获得单像素源下具有高灌注分辨率的灌注参量图像,包括时间类、强度类、比值类灌注参量,分别以MTT、AUC、WIR为例说明(如图2、图3、图4所示)。相比传统的灌注参量评价及成像,经双向加权移动平均滤波联合对数正态团注模型拟合大幅提高单像素ROI下的TIC的SCR并抑制杂波的干扰后,直观显示了最为丰富的灌注细节信息的空间分布,如血流供给、流量大小、微血管分布等特征。

Claims (6)

1.一种基于单像素TIC源的超声造影灌注参量成像方法,其特征在于:包括以下步骤:
(1)单像素TIC提取:设定组织病灶区域作为待参量成像区域;并以单像素为最小ROI,提取待参量成像区域每像素单元下的原始TIC;
(2)TIC降噪拟合:对原始TIC依次进行有效TIC的筛选、双向加权移动平均滤波以及团式灌注模型拟合,获得单像素TIC矩阵;
(3)灌注参量提取并编码成像:在单像素TIC矩阵中分别提取时间类、强度类,以及比值类的灌注参量矩阵,并进行伪彩色编码。
2.根据权利要求1所述一种基于单像素TIC源的超声造影灌注参量成像方法,其特征在于:所述单像素TIC提取具体包括以下步骤:
(1)通过多边形ROI函数选择待参量成像区域轮廓;
(2)以单像素为最小ROI,提取待参量成像区域的每像素单元下的原始TIC。
3.根据权利要求1所述一种基于单像素TIC源的超声造影灌注参量成像方法,其特征在于:所述有效TIC的筛选具体包括以下步骤:
(1)提取待参量成像区域的TIC,作为筛选基准TIC;
(2)对单像素下的原始TIC与筛选基准TIC做相关分析;
(3)剔除相关系数小于0.3的单像素下的原始TIC,剩余的单像素下的原始TIC为有效TIC。
4.根据权利要求1所述一种基于单像素TIC源的超声造影灌注参量成像方法,其特征在于:所述双向加权移动平均滤波具体包括以下步骤:
(1)以有效TIC某一数据点对应的当前时刻为基准,进行加权移动平均滤波;
(2)将加权移动平均滤波后的有效TIC进行时间翻转,并再次进行加权移动平均滤波;
(3)对经过再次加权移动平均滤波后的有效TIC,以前5点的均值为基准,进行基线归零。
5.根据权利要求4所述一种基于单像素TIC源的超声造影灌注参量成像方法,其特征在于:所述团式灌注模型拟合具体包括以下步骤:
(1)基线归零后进行对数正态团注模型拟合,得到拟合后的单像素TIC矩阵;
(2)对单像素TIC矩阵进行归一化。
6.根据权利要求1所述一种基于单像素TIC源的超声造影灌注参量成像方法,其特征在于:所述灌注参量提取并编码成像具体包括以下步骤:
(1)分别提取单像素TIC矩阵中时间类、强度类以及比值类微泡灌注参量,形成对应的灌注参量矩阵,所述时间类微泡灌注参量包括冲入时刻WIT、冲出时刻WOT、达峰时间TTP以及平均渡越时间MTT;所述强度类微泡灌注参量包括峰值PV以及曲线下面积AUC;所述比值类微泡灌注参量包括冲入率WIR、冲出率WOR以及曲线下面积与平均渡越时间比PI;
(2)对灌注参量矩阵进行256阶次JET伪彩色编码。
CN201510100876.8A 2015-03-06 2015-03-06 一种基于单像素tic源的超声造影灌注参量成像方法 Active CN104688272B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510100876.8A CN104688272B (zh) 2015-03-06 2015-03-06 一种基于单像素tic源的超声造影灌注参量成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510100876.8A CN104688272B (zh) 2015-03-06 2015-03-06 一种基于单像素tic源的超声造影灌注参量成像方法

Publications (2)

Publication Number Publication Date
CN104688272A true CN104688272A (zh) 2015-06-10
CN104688272B CN104688272B (zh) 2016-04-27

Family

ID=53336136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510100876.8A Active CN104688272B (zh) 2015-03-06 2015-03-06 一种基于单像素tic源的超声造影灌注参量成像方法

Country Status (1)

Country Link
CN (1) CN104688272B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105249990A (zh) * 2015-09-08 2016-01-20 西安交通大学 一种超声造影灌注参量快速成像方法
CN106056589A (zh) * 2016-05-24 2016-10-26 西安交通大学 一种呼吸运动补偿的超声造影灌注参量成像方法
CN109953773A (zh) * 2019-04-23 2019-07-02 深圳开立生物医疗科技股份有限公司 一种超声造影成像方法、装置、设备及存储介质
CN110969618A (zh) * 2019-12-18 2020-04-07 南京航空航天大学 一种基于动态超声造影的肝肿瘤血管生成定量分析方法
CN114129188A (zh) * 2021-11-18 2022-03-04 声泰特(成都)科技有限公司 一种新的超声造影灌注流向估计方法与成像系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1623506A (zh) * 2003-12-07 2005-06-08 倪蔚民 基于虹膜纹理分析的生物测定系统
CN101756713A (zh) * 2009-09-09 2010-06-30 西安交通大学 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法
CN101861728A (zh) * 2007-11-16 2010-10-13 奥林巴斯株式会社 降噪系统、降噪程序以及摄像系统
CN103381096A (zh) * 2013-04-19 2013-11-06 西安交通大学 骨表微血管血流灌注分离检测与成像方法
CN104022984A (zh) * 2014-05-16 2014-09-03 西安电子科技大学 基于双向噪声预测判决反馈的信道均衡方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1623506A (zh) * 2003-12-07 2005-06-08 倪蔚民 基于虹膜纹理分析的生物测定系统
CN101861728A (zh) * 2007-11-16 2010-10-13 奥林巴斯株式会社 降噪系统、降噪程序以及摄像系统
CN101756713A (zh) * 2009-09-09 2010-06-30 西安交通大学 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法
CN103381096A (zh) * 2013-04-19 2013-11-06 西安交通大学 骨表微血管血流灌注分离检测与成像方法
CN104022984A (zh) * 2014-05-16 2014-09-03 西安电子科技大学 基于双向噪声预测判决反馈的信道均衡方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105249990A (zh) * 2015-09-08 2016-01-20 西安交通大学 一种超声造影灌注参量快速成像方法
CN106056589A (zh) * 2016-05-24 2016-10-26 西安交通大学 一种呼吸运动补偿的超声造影灌注参量成像方法
CN106056589B (zh) * 2016-05-24 2018-12-07 西安交通大学 一种呼吸运动补偿的超声造影灌注参量成像方法
CN109953773A (zh) * 2019-04-23 2019-07-02 深圳开立生物医疗科技股份有限公司 一种超声造影成像方法、装置、设备及存储介质
CN109953773B (zh) * 2019-04-23 2022-01-07 深圳开立生物医疗科技股份有限公司 一种超声造影成像方法、装置、设备及存储介质
CN110969618A (zh) * 2019-12-18 2020-04-07 南京航空航天大学 一种基于动态超声造影的肝肿瘤血管生成定量分析方法
CN110969618B (zh) * 2019-12-18 2023-05-12 南京航空航天大学 一种基于动态超声造影的肝肿瘤血管生成定量分析方法
CN114129188A (zh) * 2021-11-18 2022-03-04 声泰特(成都)科技有限公司 一种新的超声造影灌注流向估计方法与成像系统
CN114129188B (zh) * 2021-11-18 2023-09-15 声泰特(成都)科技有限公司 一种超声造影灌注流向估计方法与成像系统

Also Published As

Publication number Publication date
CN104688272B (zh) 2016-04-27

Similar Documents

Publication Publication Date Title
CN104688272B (zh) 一种基于单像素tic源的超声造影灌注参量成像方法
Mann et al. Novel approaches to screening for breast cancer
Needles et al. Nonlinear contrast imaging with an array-based micro-ultrasound system
CN112785617B (zh) 残差UNet直肠癌肿瘤磁共振图像自动分割方法
Zhou et al. High spatial–temporal resolution reconstruction of plane-wave ultrasound images with a multichannel multiscale convolutional neural network
CN104299216B (zh) 基于多尺度各向异性分解和低秩分析的多模态医学图像融合方法
CN103985105B (zh) 基于统计建模的Contourlet域多模态医学图像融合方法
US9734584B2 (en) Segmentation in diagnostic imaging applications based on statistical analysis over time
CN104240203A (zh) 基于小波变换和快速双边滤波的医学超声图像去噪方法
Pan et al. Classification of liver tumors with CEUS based on 3D-CNN
US8634608B2 (en) Instantaneous visualization of contrast agent concentration in imaging applications
CN102999917A (zh) 基于t2-mri和dw-mri的宫颈癌图像自动分割方法
CN103860201A (zh) 一种基于宽波束造影成像及提取灌注时间强度曲线的方法
CN104657942A (zh) 基于改进阈值的小波变换和引导滤波器的医学超声图像去噪方法
CN103236062A (zh) 基于人脑肿瘤核磁库的磁共振图像血管分割方法和系统
CN105249990B (zh) 一种超声造影灌注参量快速成像方法
CN113907792B (zh) 非线性解相关融合超声多参量的热凝固检测与成像方法
Favaron et al. Building a reduced dictionary of relevant perfusion patterns from ceus data for the classification of testis lesions
US9754361B2 (en) Image processing apparatus and ultrasonic diagnosis apparatus
Zhang et al. Cross-layer connected network with adaptive attention mechanism for 3D multi-organ and tumor segmentations from CT
CN110009585A (zh) 一种多尺度图像增强方法
Tsai et al. An adaptive enhancement algorithm for CT brain images
Zhang et al. A Breast Lesion Segmentation Method Based on Radio Frequency Ultrasound Signals
Huang et al. DRCM: a disentangled representation network based on coordinate and multimodal attention for medical image fusion
CN115631175A (zh) 一种基于多尺度扩张全卷积神经网络的超声图像分割方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant