摘要
随着医学相关的科学技术不断发展以及完善，医学超声实时成像技术在医学辅助诊断中的应用越来越广泛，医学超声实时成像技术由于其具有对人体无害，廉价以及及时性等优秀特点，因此在该领域获得了普遍的研究，应用和发展，并且得到了医生和患者的认可。在临床诊断当中，医生通常需要提取特定的人体器官或组织特征来完成诊断，为了更好的对超声成像中的病灶以及人体的器官组织进行区分，增强超声图像的质量逐渐成为了一项需要重点研究的课题。 超声实时成像的质量通常取决于超声诊断设备，尽管目前对于增强超声图像相关的一些研究日益成熟，但对于超声成像中因超声探头制造上的局限性而造成的束状伪影以及低频噪声仍然难以处理，在超声探头内部的各个阵元都具有一定的宽度，因此当阵元数量较少时计算波束(Beamforming)聚集时会因时间延迟而产生较大的相位误差，此时相位误差会导致部分信号抵消因而产生沿波束方向上的伪影。超声探头内部由于工艺的限制会使超声波在探头内回响(Reverberation)因而产生低频噪声，超声波束聚焦的非准确性通常也会带来该噪声，非准确性来自于非理想点声源的阵元带来的波束栅瓣(GratingLobe)和软硬件精度限制带来的波束旁瓣(SideLobe)以及人体组织声速和仪器设定声速不匹配而导致波束间的相位误差。因此该伪影和噪声的性质相较于传统的医学图像中的噪声有较大的差异。 抑制超声实时成像中的束状伪影以及低频噪声是本课题研究的重点，对于束状伪影，它会周期性的出现在超声成像当中并且随着帧数频繁的进行偏移，其形态，位置均不固定。对于低频噪声，其通常会干扰在时间域上的数字信号并以一定的分布特征出现于超声成像当中。由于束状伪影和低频噪声在空间域上难以对其进行处理以及其在频率域上特有的属性，本文根据束状伪影和低频噪声分别提出了基于频率域的伪影抑制算法和噪声抑制算法，本文采用傅立叶变换（FourierTransform）的方式将超声图像从空间域变换到频率域，并依据超声成像中束状伪影在频域上的特性来对伪影脉冲区域进行提取并对其幅值进行降低。对于低频噪声的去除，本文根据超声成像的帧率动态的预测出噪声在图像频率域上的数值，并在此基础上提出了能够实时计算噪声分布数值的算法，最后减去噪声在频率域上的数值再通过傅立叶反变换得到噪声抑制后的超声成像。根据实验结果，两种算法均能够对超声实时成像产生良好的作用效果，并且能够保留其中代表人体病灶及器官组织的感兴趣区域（RegionofInterest，ROI）。超声实时成像的动态数据结果表明，第一种算法在保留有效医学信息的前提下能够明显的消除周期性束状伪影。正弦光栅的仿真实验结果表明第二种算法相较于传统的图像去噪算法在峰值信噪比（Peaksignal-to-noiseRatio，PSNR）以及结构相似性（StructuralSimilarity，SSIM）方面有较大的提升，并且应用于超声成像以后医学图像的质量从视觉感官上得到明显的提升。因此两种算法在临床诊断当中均具有良好的应用前景。
NETL