基于动态超声图像的减压病气泡检测系统设计和实现

本文详细介绍了基于动态超声图像的减压病气泡检测关键技术以及实现过程。重点介绍了检测过程中的两大关键技术：ROI轮廓提取和气泡检测。针对ROI轮廓提取，本文提出了同邻域距离判别法、同邻域轮廓曲率一致性判别法和同邻域梯度方向一致性判别法来精确定位ROI的轮廓。针对ROI区域中气泡的检测，本文提出了基于区域生长和闭合边缘路径的气泡检测方法，并分析了两种方法各自的适应情况。实际检测结果验证了本文算法的有效性。

减压病(Decompression sickness，DCS)是由于环境气压不恰当降低，使得先前溶解于体内的惰性气体出现不安全过饱和，在原地溢出形成气泡而导致的临床综合征[1]。DCS 气泡形成的确切机制尚未完全明了。通常推测气泡由其前身——所谓的“气核”发展而来。气核被认为稳定存在于内皮细胞的疏水间隙中，或是被一层类似表面活性剂的物质覆盖。在快速、大幅度减压过程中或减压后，这些气核中扩散人大量惰性气体，遂形成气泡，可出现于组织和血管中[2]。气泡可以散射和吸收入射的超声波，因此，超声仪器被广泛应用于减压病的气泡探测中。目前，主要有两类方法用于探测减压病气泡：多普勒系统探测气泡和超声成像仪探测气泡[3]。本文所要研究的内容是：基于超声成像仪获取的视频数据，设计一个能自动检测和分析减压病气泡数据的软件系统。系统框架图如图1 所示，其核心功能包括：减压病气泡二维图像序列的抽取，图像ROI 区域的自动识别，ROI 中气泡的检测和检测结果的分析。

2. 二维超声图像序列的获取 根据系统框架图1 所示， 本文设计研发的减压病气泡检测系统的原始输入数据是一段超声检测视频， 视频本质上是一帧帧时间上连续的图像的组合， 系统气泡检测主要依赖于这些视频帧所包含的图像信号。

对于超声视频帧的抽取， 我们采用的以固定时间间隔(例如：每隔一秒)抽取方法，根据具体实验对象的不同，图像帧抽取的间隔也不同，例如，人的心跳比大鼠的心跳慢得多，那么，对于人的超声视频抽取间