HIFU治疗子宫肌瘤中MRI与超声图像的融合研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (20): 135-139.

HIFU治疗子宫肌瘤中MRI与超声图像的融合研究

单鑫1，文银刚2，卢继珍2，3，林涛1，2

1.重庆医科大学生物医学工程学院，省部共建超声医学工程国家重点实验室培育基地，超声医学工程重庆市重点实验室，重庆 400016
2.超声医疗国家工程研究中心，重庆 401121
3.重庆青年职业技术学院，重庆 400712

出版日期:2015-10-15 发布日期:2015-10-30

Research of image fusion between MRI images and ultrasound images during HIFU therapy

SHAN Xin1, WEN Yingang2, LU Jizhen2，3, LIN Tao1，2

1.College of Biomedical Engineering, Chongqing Medical University, State Key Lab of Ultrasound Engineering in Medicine Co-Founded by Chongqing and the Ministry of Science and Technology, Chongqing Key Lab of Ultrasound Medical Engineering, Chongqing 400016, China
2.National Engineering Research Center of Ultrasound Medicine, Chongqing 401121, China
3.Chongqing Youth Vocational & Technical College, Chongqing 400712, China

Online:2015-10-15 Published:2015-10-30

摘要/Abstract

摘要： 超声图像是高强度聚焦超声（HIFU）消融肿瘤中应用最多的影像学监控技术，但是超声图像质量差，图像伪影明显，通常还需要借助MRI图像，基于此，提出了一种新的影像监控方案，利用从MRI图像上分割出的肿瘤边界与实时超声图像融合，共同对HIFU治疗进行监控与导航。实验结果表明，基于MRI图像可以实时获取到任意切面平滑、准确的子宫肌瘤轮廓线，并融合显示于实时超声图像上，清晰的轮廓线既不影响超声的实时监控又弥补了某些切面的超声图像中肿瘤边界不完整的缺陷，为HIFU的精确治疗打下基础。

关键词: 高强度聚焦超声（HIFU）, 子宫肌瘤, 三维轮廓, 分段光滑表面重构, 融合

Abstract: Ultrasound image is the most commonly used imaging monitoring technology during HIFU therapy, but the poor quality of ultrasound images, image artifacts, usually need to use MRI images. Based on this, it proposes a new image monitoring solution. It extracts contours of hysteromyoma based on MRI images and fuses with real-time ultrasound images collectively to monitor HIFU treatment and navigation. The experimental results show that according to MRI images, it can have access to any real-time section smooth, precise contours of hysteromyoma and fuses with real-time ultrasound image. Clear contour is a supplement to some incomplete tumor boundary section in ultrasound images without affecting real-time monitoring of ultrasound. It is the foundation for accurate HIFU treatment.

Key words: high intensity focused ultrasound, hysteromyoma, 3D contours, piecewise smooth surface reconstruction, fusion

单鑫1，文银刚2，卢继珍2，3，林涛1，2. HIFU治疗子宫肌瘤中MRI与超声图像的融合研究[J]. 计算机工程与应用, 2015, 51(20): 135-139.

SHAN Xin1, WEN Yingang2, LU Jizhen2，3, LIN Tao1，2. Research of image fusion between MRI images and ultrasound images during HIFU therapy[J]. Computer Engineering and Applications, 2015, 51(20): 135-139.

[1]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[2]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.
[3]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[4]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[5]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[6]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[7]	槐创锋，郭龙，贾雪艳，张子昊. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 244-248.
[8]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[9]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[10]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[11]	韩文静，罗晓曙，杨日星. 一种复合型手势识别方法研究[J]. 计算机工程与应用, 2021, 57(4): 108-113.
[12]	赵辉，李志伟，方禄发. 特征信息增强的单发多框检测器算法[J]. 计算机工程与应用, 2021, 57(4): 148-154.
[13]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[14]	王殿伟，赵梦影，刘颖，宋海军，谢永军. 改进的R-SSD全景视频图像车辆检测算法[J]. 计算机工程与应用, 2021, 57(3): 189-195.
[15]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.