分形模型的超声图像纹理分析

　　(n=10)Cirrhosis

　　(n=3)Cancer

　　(n=3)S0.008～0.0240.205～0.2430.331～0.340

　　从表2数值可以看出对同一病症参数S的数值接近，对于不同的病症参数S具有很大的差别，因此本文将参数S作为超声图像纹理分类的指标。5　结　论

　　超声图像由于受各种复杂随机因素的影响，很难用定量指标来表示，因此目前临床诊断以定性描述为主。本文通过分形模型的纹理分析，提出了肝脏超声图像具有统计自相似的分形特点，结合肝脏两类不同的散射体解释了超声图像的二重分形特性，并对10例正常肝脏、3例肝癌患者、3例肝硬化患者的临床超声图像计算了分维D，结果表明分维D是区分病变的重要特征量。根据分维D和尺度ε的综合影响，我们进一步提出了纹理分类参数S作为区分组织病变的定量指标，实验结果表明可以有效区分病变，为临床诊断展示了美好前景。

　　参考文献

　　1　Burckhardt CB. Speckle in ultrasound B-mode scans. IEEE Trans,1978;su-25∶1

　　2　Insana MF, Wagner RF, Garra BS et al. Analysis of ultrasound image texture via generalized rician statistics. Opt, Eng,1986;25(6)∶743

　　3　Wagner RF, Insana MF, Brown DG. Unified approach to the detection and classification of speckle texture in diagnostic. Ultrasound, Opt, Eng,1986;25(6)∶738

　　4　Garra BS, Krasner BH, Horii SC et al. The value of sonographic texture analysis. Ultrasonic Imaging, 1993;15∶267

　　5　Bleck JS, Ranft U, Gebel M et al. Random field models in the textural analysis of ultrasonic images of the liver. IEEE Trnas on medical Imaging,1996;15(6)∶796

上一页  1 2 3 4 5 [6] 7  下一页