基于B超图像处理的无损测温方法研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (32): 178-179.

基于B超图像处理的无损测温方法研究

吴熙¹,钱盛友¹,孙福成²,张激³

1．湖南师范大学物理与信息科学学院,长沙 410081
2．上海交通大学生物医学工程系,上海 200030
3．深圳普罗惠仁医学科技有限公司,广东深圳 518067

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-11 发布日期:2007-11-11
通讯作者: 吴熙

Study of noninvasive temperature measurement base on mode B ultrasonic image processing

WU Xi¹,QIAN Sheng-you¹,Sun Fu-cheng²,ZHANG Ji³

1.College of Physics and Information Science,Hunan Normal University,Changsha 410081,China
2.Department of Biomedical Engineering,Shanghai Jiaotong University,Shanghai 20030,China
3.Shenzhen Pro-hifu Medical Tech. Co. Ltd.,Shenzhen,Guangdong 518067,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-11 Published:2007-11-11
Contact: WU Xi

摘要/Abstract

摘要： 用B超和计算机设计一套实验装置,通过对B超图像分析来检测生物组织内的温度变化。用此装置对新鲜的离体猪肉进行了测温实验,并对不同温度时获得的B超图像作差值处理,在此基础上分析了数字减影结果与温度变化的关系。结果表明温度在40 ℃至85 ℃间,减影图像的相对灰度变化值与温度近似线性关系。

关键词: 高强度超聚焦声, 图像处理, 绝对差值, 测温

Abstract: An experimental setup is designed with a mode B ultrasonic equipment and a computer for detecting the temperature change in biological tissue through analyzing B ultrasonic image.Temperature of fresh vitro pork is measured using this equipment,and the grey difference of the B ultrasound images at various temperatures is calculated.Then the relationship between temperature change and the digital differential image is analyzed.The experimental results indicate that at the temperature from 40 ℃ to 85 ℃ the relative grey gradation value of digital differential image and its temperature has a approximately linear relationship.

Key words: High Intensity Focused Ultrasound（HIFU）, image processing, absolute difference, temperature measurement

吴熙¹,钱盛友¹,孙福成²,张激³. 基于B超图像处理的无损测温方法研究[J]. 计算机工程与应用, 2007, 43(32): 178-179.

WU Xi¹,QIAN Sheng-you¹,Sun Fu-cheng²,ZHANG Ji³. Study of noninvasive temperature measurement base on mode B ultrasonic image processing[J]. Computer Engineering and Applications, 2007, 43(32): 178-179.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[3]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[7]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[8]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[9]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[10]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[11]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[12]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[13]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[14]	王凡，周国清，张荣庭，刘德全. 面向FPGA的连通域快速标记方法[J]. 计算机工程与应用, 2020, 56(22): 230-235.
[15]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.