文摘

本研究旨在实现自动诊断子宫肌瘤的脂肪变性。在这项研究中,传统的非局部方法(NLM)算法改进的通过改变欧氏距离和引进一个余弦函数并应用于患者的超声成像智能诊断子宫肌瘤的脂肪变性。然后,改进的NLM算法的降噪效果评价是基于几个指标,如峰值信噪比(PSNR),均方误差(MSE) contrast-to-noise比率(CNR),品质因数(FOM)和结构相似度(SSIM)。的准确性、敏感性、特异性和F1分数采用评估改进NLM算法诊断脂肪变性的子宫肌瘤,和Perona-Malik (PM)算法和NLM算法被用于比较分析。后的结果表明,子宫肌瘤患者的超声图像去噪使用改进的NLM算法,PSNR, MSE,中国北车,FOM,和SSIM明显比相同指标的点的图像处理算法和NLM算法,差异具有统计学意义( )。的诊断结果脂肪变性的子宫肌瘤患者发现,只有一个病人错过了诊断超声图像处理后NLM算法,统计数据没有差异改进NLM算法和辅助诊断病理检查结果的准确性( )。平均降噪算法的时间点,NLM算法和改进的NLM算法为16.38±4.33,18.01±5.14,23.81±4.62 s,分别。改进前的诊断速度为75.0%,点的诊断准确率为79.69%,改进后85.94%。总之,改进的NLM算法表现出良好的降噪效果对子宫肌瘤患者的超声图像,可以改善脂肪变性的子宫肌瘤的诊断准确性,并可能帮助临床医生的超声成像诊断子宫肌瘤患者。

1。介绍

子宫肌瘤源于子宫平滑肌细胞,是最常见的良性肿瘤在育龄妇女的生殖系统1]。子宫肌瘤由光滑的肌肉和结缔组织。是很常见的生殖30至50岁之间的女性。临床统计数据显示,子宫肌瘤的发病率约为20 - 40%的育龄妇女,51∼60%在40到50岁妇女,其发病率有逐年增加的趋势(2]。脂肪堆积造成的肥胖会导致代谢紊乱在人体的各个器官,和心肌fatification导致心肌收缩和舒张功能不全3,4]。过量脂肪存款也将伴随着明显的变化,神经和内分泌系统的功能。近年来,研究发现,肥胖能增加子宫肌瘤的风险。肥胖可能影响子宫肌瘤的发展通过改变女性的雌激素代谢水平(5,6]。

大多数子宫肌瘤患者没有明显的临床症状,偶尔和他们经常发现在盆腔超声检查,所以通常不需要任何治疗。只有20 - 50%的患者可能有月经改变,慢性骨盆疼痛,下腹部,腰凸出,和压缩的症状。子宫肌瘤子宫切除术是目前最常见的一个原因在更年期女性。然而,子宫切除术改变妇女的生理状态,造成了极大的负面影响生理和病人生理和增加患者的经济负担和国家经济支出(7]。如果不及时治疗,子宫肌瘤脂肪变形的结果。脂肪变形是一种罕见类型的变性,占大约0.2%的子宫肌瘤。它通常发生坏死或玻璃样变性后,经常发生在透明变性或坏死后晚些时候。也可能由于肌瘤间充质转化形成脂肪组织。变形损伤相对较小,用肉眼很难发现。也有少数患者小脂肪颗粒,这主要体现在增加脂肪颗粒的细胞平滑肌瘤。肌肉细胞的液泡,脂肪染色是正的。子宫肌瘤患者脂肪变性时,应根据自己的症状,防止局势恶化,对他们的健康造成更大的伤害8]。

目前,有两种类型的治疗子宫肌瘤:非手术治疗和手术治疗。非手术治疗包括药物治疗,保守治疗,子宫动脉栓塞(UAE),高强度聚焦超声(HIFU)和射频消融术(RFA) [9]。治疗子宫肌瘤的选择很大程度上取决于病人的临床症状,但手术仍是主要的治疗。手术是目前最有效的治疗方法,包括子宫切除术、腹腔镜肌瘤切除术,宫腔镜肌瘤切除术,肌瘤切除术和开放,这是子宫肌瘤的标准治疗,但它会导致一些创伤患者(10,11]。

大多数子宫肌瘤超声图像具有明显的特征,它可以很容易地通过二维和彩色多普勒超声诊断。然而,一些子宫肌瘤的诊断是很困难的因为他们特殊的位置或复杂的形象图(12]。子宫肌瘤的发病率约为0.4 -0.8%,但变化是多样的,包括囊性变性、脂肪变性、玻璃样变性,肉瘤样的变性,红色的退化。子宫肌瘤有或没有脂肪变性临床难以区分的性能和超音波的特点,很容易导致错过了诊断术前声像的诊断,这主要取决于术后病理检查(13,14]。脂肪变性是一种非常罕见的子宫肌瘤,约占0.2%的变性子宫肌瘤。脂肪变性的损伤通常是小,用肉眼很难发现。脂肪变性的子宫肌瘤脂肪瘤的临床表现相似。手术前是不可能做出明确诊断,这很容易导致漏诊和误诊15]。目前,脂肪变性的子宫肌瘤诊断的首选方法是超声。子宫肌瘤不变性的二维超声显示图像是圆或椭圆与清晰的界限。半圆的或环形彩色血流信号可以看到彩色多普勒超声(下16]。Undenatured子宫肌瘤和脂肪子宫肌瘤显示在超声成像形态不同,所以超声诊断子宫肌瘤具有十分重要的价值。然而,超声诊断脂肪变性子宫肌瘤可以显示复杂的声音和图像特征和影响超声波检测技术及其成像机制。由于大量的离子光束的相互干扰和散射回波的叠加信号,噪声将不可避免地生成,和噪音会出现一定程度上,影响临床医生对医学图像的观察,甚至导致误诊的疾病(17]。外地意味着过滤(NLM)是一种改进的滤波算法Buades等人提出的基于社区传统过滤方法。NLM可以利用图像的自相似特性,充分利用图像的冗余信息。虽然去噪,它能保持图像的细节在最大的程度上。图像中所有的像素之间的相似度计算和当前像素。考虑的计算量和效率,两扇窗户固定大小的一般设置。一个大的搜索窗口和一个小邻域窗口,窗口附近幻灯片在搜索窗口中,相应的中心像素的影响对当前像素决定根据社区之间的相似性,和一个很好的图像像素可以输出。因此,基于超声波图像降噪算法,脂肪变性的子宫肌瘤患者的超声图像运用智能。本研究NLM算法应用于超声波图像清晰和准确的超声图像,提供一个依据超声图像降噪和成像信息分析的子宫肌瘤患者和临床诊断的理论依据子宫平滑肌瘤。

2。材料和方法

2.1。超声图像降噪方法基于改进NLM算法

二维b超是主要的超声诊断技术在中国。超声波声波的有着不同的特征。超声波传播过程中,超声波穿过结构不同的组织和器官,造成不同程度的衰减。接收端接收到不同程度的回声,这标志着光分不同的灰色的水平在屏幕上获得的切割面成像检测器官或组织(18]。超声波在返回过程中进行了建设性干涉和相消干涉。后变成了一个图像,散斑噪声不同的亮度和黑暗将出现在图像上。在超声成像中,超声回波信号的干扰位置是随机的。因此,超声图像的斑点噪声也是随机的(19]。在超声图像的分辨率单位,瑞利分布的随机变量可以应用于描述超声散射回波信号的强度。假定每一个散射点的散射信号分辨率单元米和相抵消 。然后,叠加的结果可以由下列方程表示:

假设回波信号的相位服从正态分布 和散射的解析单元的数量足够大,实部和虚部的联合分布是高斯分布,和联合概率密度可以由下列方程表示:

在哪里代表函数的方差,超声散射波信号可以表示为两个高斯密度函数的乘积,可以显示如下:

获得的概率密度函数如下所示:

一般图像的降噪、对数函数转换可以用来将系统噪声为加性噪声,最后,可以进行逆变换。如果P(我,l)代表一个真正的无噪声的图像,P′(我,l)代表一个输入噪声图像N(我,l)指一个乘法噪声信号,噪声图像中N(我,l)可以表示如下:

两边的对数(5)被同步,下列方程可以得到:

降噪上执行图像噪点时,很容易造成的破坏图像的边缘细节。各向异性扩散滤波模型(PM模型),可对处理,及其表达式可以表示如下:

我代表要处理的像素,div代表了散度算子,代表了梯度算子,t指的是迭代的数量,这意味着噪声降低的程度与时间和迭代次数。根据扩散系数之间的差异和梯度,扩散方程可以得到如下:

梯度幅值点模型中可以检测出图像的边缘区域。当接近0,当前像素的边缘图像,扩散抑制;当接近1,扩散增强,离散形式的点模型可以表示如下:

在上面的方程中,我_x代表噪声图像的离散采样,x和p代表图像的像素坐标,分别代表了自定义参数调整扩张的程度。点算法可以很好地保留图像的边缘信息,但它很容易扩散的影响在降噪阈值。当一些孤立的尖锐噪声点超声图像处理,梯度值太大,这样很容易被保留图像的边缘信息。当一些灰度图像小的地区差异是过滤,很容易导致一个街区。这种噪声去除方法是基于局部均值图像噪声。很容易忽略尖锐的噪声点的影响当图像的噪声减少或删除。像素灰度值所取代时,图像中所包含的一些尖锐的噪声点可能是社区参与中央像素灰度值的重新计算,进而导致不完整的图像降噪(20.]。

NLM算法最初是一个非局部图像降噪算法基于数字图像的特征包含大量的冗余信息。NLM算法利用图像中所有像素,所以降噪效果比当地平均算法。NLM算法带噪声图像的像素为中心,选择合适的社区形象,然后搜索整个图像邻域像素块的单元。噪声中包含的像素块的可能性高的相似性较低,所以更大的重量值可以分配给该像素块在更换。相反,较低的像素块相似性更可能含有噪声,并且很难代表中央像素块的纹理特征,因此,像素块被分配一个较小的重量值。

在嘈杂的图像,像素估计像素值计算了非局部均值算法可以表示如下:

NL (米)是由当地的平均像素值计算的算法为目标像素, 重量对应像素n,是指某一像素的价值在其他职位的形象。之间的相似性米和n可以由灰色向量和 。然后,两个灰色的水平之间的相似性可以表示由以下方程:

在哪里h表示滤波器系数,它控制图像的平滑度。平滑图像,越大h。此外,Z(米)被定义为一个归一化常数,其函数表达式写如下:

NLM算法可以充分利用图像中的冗余信息,减少噪音,同时充分保留图像的关键信息。然而,NLM算法的时间复杂度高,仍有一些工件,去噪图像,图像信息丢失的风险当图像滤波器系数大(21]。图像处理的脂肪变性的子宫肌瘤患者,不同的空间位置的边缘损伤和血管的树干NLM的重量使它困难的相似性算法充分识别相似的像素块,导致图像降噪不足。因此,NLM算法改进。传统的欧氏距离是提高使用块中值和平均值和中心像素的灰度值的两个像素块,和三个的比例是改善2:3:2:

在哪里代表像素块的中位数之间的区别米和n;代表像素块的方法之间的区别米和n;和米−n代表像素块的灰度差异为中心米和n。此外,衰减系数h也可以测量图像降噪的程度,及其函数表达式可以表示如下:

在哪里代表标准偏差,直接获得通过添加噪声,但是在实际处理过程是未知的。因此,第二种方法的噪声方差估计的基础上,采用拉普拉斯算符调整增加的梯度值,和改进的噪声方差可以计算如下:

代表了最大梯度值在每个像素的水平和垂直方向。图像纹理结构越复杂,越大 。基于(16),可以减少梯度值。因此,过高的噪声方差可能被削弱。平滑的图像纹理区域,较小的梯度值和梯度的增加体重。该方法能有效地捕捉图像上的噪声信号。同时,介绍了余弦函数来调整整个算法的灰色过渡降噪后的图像更加平衡。改进的加权函数表达式如下:

最后,整个噪声图像的降噪处理是实现在搜索窗口中,并给出改进的NLM图像降噪算法如下:

算法结合搜索窗口的大小的影响图像降噪的效果,通过函数调整重量实现平稳过渡的整个图像的灰度值,并使降噪更彻底,同时保留基本的细节图像。改进的NLM算法的计算过程如图1。

2.2。研究对象

在这项研究中,95名患者的脂肪变性子宫肌瘤被选为研究对象。所有患者从2019年6月至2020年10月在医院接受治疗。所有患者接受术后病理诊断和术前超声诊断。患者33∼69岁,平均年龄为44.8±9.36年。所有患者接受了子宫全切术或肌瘤切除术。病人的手术过程中,子宫增大,子宫形态正常,和在子宫壁结节被认为是软质量和清晰的边界。本研究经医院伦理委员会批准。

2.3。超声诊断

所有参与这项研究的95名患者进行了彩色多普勒超声诊断仪(彩色多普勒超声仪、DC-8PRO迈瑞)成像检查,和阴道探头频率设置为6.0∼8.5 MHz。考试前,病人被要求空膀胱。截石术的位置被选中,耦合剂涂在超声波探头,这是放置在阴道穹窿考试。首先,常规超声进行病人的病变观察全面通过旋转探头。的特点和规模的病变都被记录下来。在常规超声检查,病变与彩色多普勒检查描述病变的血液供应,并确定相关参数。最后,整个子宫肌瘤进行超声成像。

2.4。评估质量降噪

降噪效果是主观和客观评估所有患者子宫肌瘤的超声图像。主观评价主要是评价图像降噪的效果通过视觉观察。它是容易受到评估者的主观意识和缺乏一个量化的标准来衡量质量的降噪效果。因此,介绍了一些客观的评价指标进行评估,包括PSNR、MSE、中国北车、FOM和SSIM。它们可以表示如下:

在哪里代表图像所有像素的最大价值;h和l指图像的高度和宽度,分别;f(一个,b)是图像的每个像素的灰度值无噪声; 代表每个像素的灰度值降噪后的图像;和表示原始图像的边缘提取的结果f和去噪图像分别为3×3的拉普拉斯算符;图像处理后是边界点的数量;意味着理想图像边界点的数量;代表之间的距离c^th降噪后边界点与最接近的边界点;P和P′指原理想无噪声的图像和低噪声图像,分别;和 , ,和 指的是亮度、对比度、分别和结构。

2.5。评估诊断准确性

的准确性、敏感性、特异性和F1分数采用评估预测改进NLM算法的性能,并改善NLM算法相比,算法和NLM算法。方程如下:

森,Acc和Spe代表的准确性、敏感性,特异性,分别;TP是指积极样本正确分类的数量;TN代表负样本正确分类的数量;FP代表负样本正确分类;和FN表明积极的数量分类错误的样本。在实践中,不同的场景的准确率和召回率来衡量:

然后,F可以表示为1分

wherePre代表精确率,Rec指的召回率。的F1分是一个加权平均模型的精确率和召回率,和它的值范围是0∼1。

2.6。统计分析

在这项研究中,被处理的数据使用SPSS 19.0软件,测量数据被表示为平均值±标准偏差。分类数据表达的比较测试,数据对比组是由SNK-q测试。由皮尔森参数相关性分析, 显示数据具有统计上的显著差异。

3所示。实验结果

3.1。主观评价不同的降噪算法的降噪效果

95年疑似脂肪变性的子宫肌瘤患者参与这项研究被诊断为彩色多普勒超声检查。undenatured二维超声诊断的结果如图所示2。结果表明,二维超声的子宫肌瘤变性显示一个扩大的子宫,肌瘤较小,一个小数目。大多数患者的子宫形态是正常的。在某些患者,子宫形态改变由于肌瘤的效果。子宫壁的回声不均匀。粘膜下肌瘤与子宫腔分离,并与子宫内膜边界是明确的。内部子宫颈被打开了。浆膜下子宫肌瘤可以看到突出的子宫,表面和肿瘤只覆盖了子宫浆膜层。图2中的红色显示的小血管平滑肌瘤已经退化,形成血栓,血红蛋白渗透到肌瘤,切割面是深红色的。子宫肌瘤的急性发展透明变性,肌细胞液化,可以看到在囊性区染色浅蓝色多云,小群的肌肉细胞仍在退化肌肉细胞,肌细胞增殖。

结果超声诊断脂肪变性的子宫肌瘤图所示3。结果表明,脂肪变性的子宫肌瘤患者显示强回声的肿瘤在二维超声图像,肌肉墙是显而易见的和模糊的边界,也没有衰减。彩色血流信号减少的病人,高阻抗状态明显,子宫肌瘤表面没有覆盖的信封。圆形或半圆形的彩色血流信号周围的肿瘤周围的肌瘤可以看到,其中一些可能渗透到肌瘤的星形或short-striped形式;和一些大型肌瘤可以扩张子宫旁的血管,从而导致血流量增加。视觉效果建议3中的不同的降噪算法对噪声有一定的抑制影响病人的超声图像,但本研究中使用的改进NLM算法视觉算法和NLM算法优于点。平滑度,细节保留和细节的准确性的判断,改进NLM算法显示更好的降噪影响超声图像的病人比点算法和NLM算法。在图3中,红色代表分散小圆细胞平滑肌瘤,在显微镜下可以看到,小空泡在细胞质中。脂滴的数量大的时候,他们会收集成碎片,显示黄色区域。在蓝色所示的细胞质液泡的特殊染色。

3.2。客观评价不同的降噪算法的降噪效果

不同的降噪算法的降噪效果对子宫肌瘤患者的超声图像客观评价通过PSNR, MSE,中国北车,FOM和SSIM评价指标。每个算法的数据结果子宫肌瘤患者的超声图像处理后可以得到相关的计算。PSNR值指的是比有用信号功率和噪声功率之间的形象。PSNR值是图像失真的程度成反比。PSNR值越大,图像失真越小。降噪后图像的PSNR值根据不同的算法如图4(一个)。这项研究的结果表明,图像的PSNR值降噪前为5.338分贝。不同算法的降噪后,所有降噪图像的PSNR值大大提高,都显著地不同于原始图像( )。比较表明,优化NLM算法显示更高的PSNR值,这是大大不同于其他两种算法( ),表明改进的NLM算法减少了降噪后图像失真。

MSE反映灰度变化的程度和理想的无噪声的图像去噪图像之间。图像的均方误差值越小,越接近降噪后的图像是理想的无噪声的图像。降噪后图像的均方误差值根据不同的算法如图4(b)。这表明,降噪前图像的均方误差值为0.0112。不同算法的降噪后,所有降噪图像的均方误差值都明显改善,与原始图像相比显示出统计上的显著差异( )。与其他两种算法相比,改进的高级别算法显示一个更小的均方误差值,这表明,图像处理的改进问题算法接近理想的图像没有噪音。

中国北车的比例称为信号强度之间的差异和背景噪声的标准差的两个组织。它描述了处理降噪算法对图像的影响。中国北车越大,处理结果就越好。CNR值基于不同算法的降噪后的图像如图4(c)。这项研究的结果表明,之前的图像降噪的CNR值为19.38。由不同的算法降噪后,所有低噪声图像的CNR值是几次的原始图像,这是大大不同于原始图像的CNR值( )。然而,图像降噪后的CNR值使用改进的NLM算法远远高于NLM算法和点算法,显示显著差异( )。这样的结果表明,改进的CNR算法显示了更好的图像对比。

FOM反映了该算法对图像边缘保持的影响。FOM越大,算法的edge-keeping效果越好。如图4的FOM (d)超声图像降噪是0.5255之前,和FOM值显著增加降噪处理后的不同的降噪算法,这是明显不同于原始图像( )。在此基础上,改进NLM算法提出了研究显示FOM价值更高,表明改进的NLM算法能够更好地提高超声图像的edge-keeping效应而不影响图像降噪的效果。

SSIM是展示的结构完整性低噪声图像,它可以评估图像质量通过比较图像亮度的变化,对比,和结构。图4(e)说明了降噪后图像的PSNR值根据不同的算法。前的超声图像降噪的SSIM价值为0.4231。这是降噪后明显减少了不同算法,显示一个可观测的差异与原始图像( )。然而,NLM改善算法的SSIM价值明显高于与NLM算法和点算法降噪后,差异具有统计学意义( ),表明改进的NLM算法显示更少的图像失真和更多的降噪后的图像结构。

3.3。比较基于不同算法的图像降噪倍

不同的算法的运行时间是计算降噪上执行时子宫肌瘤患者的超声图像(图5)。结果表明,平均降噪算法的时间点,NLM算法,改进NLM算法是16.38±4.33,18.01±5.14,23.81±4.62 s,分别。虽然改进NLM算法大大提高了脂肪变性的子宫肌瘤的诊断效果,算法的降噪时间略长。

3.4。子宫肌瘤患者的超声诊断结果基于不同的降噪算法

在这项研究中,95名疑似患者的脂肪变性子宫肌瘤被手术和病理诊断,和64名患者被证实为脂肪变性,包括校内肌瘤46脂肪变性患者,15脂肪变性的浆膜下肌瘤患者,5例黏膜下肌瘤的脂肪变性。诊断结果(如图6- - - - - -9基于不同的超声成像降噪算法显示图像的降噪之前,有38例校内肌瘤(8例,漏诊),10例脂肪变性的浆膜下肌瘤(5例漏诊),和2例脂肪变性的黏膜下肌瘤(3例漏诊)。使用点算法降噪后,40例诊断为脂肪变性的壁间肌瘤(6例漏诊),11例脂肪变性的浆膜下肌瘤错失诊断患者(4),和2例脂肪变性的黏膜下肌瘤(3例漏诊)。使用NLM算法降噪后,43例诊断为脂肪变性的校内肌瘤(3例漏诊),12例确诊为脂肪变性的浆膜下肌瘤(3例漏诊),有2例黏膜下肌瘤的脂肪变性(3例漏诊)。使用改进的NLM算法降噪后,图像显示有46例脂肪变性的壁间肌瘤,15例脂肪变性的浆膜下肌瘤,和脂肪变性4例黏膜下肌瘤,其中1例漏诊。改进前的诊断速度为75.0%,诊断准确率为79.69%,下午和NLM算法诊断率为85.94%。比较表明,在这项研究中提出的算法的诊断结果更接近病理诊断结果,显示没有统计上的显著差异( )。这样的结果表明,改进的NLM算法显示出更明显的诊断效果后患者的超声图像的降噪。

4所示。讨论

子宫肌瘤是一种疾病,子宫平滑肌细胞数量激增是由于年代(22]。体内脂肪过度沉积导致妇科疾病,月经不调等症状,臃肿的身体,不方便运动,增加子宫肌瘤的概率。体内脂肪沉积有一定的关系和子宫肌瘤23]。超声检查子宫肌瘤应注意子宫内膜病变的分化和子宫肉瘤。超声检查子宫肌瘤和肉瘤可以表现为异构plaque-like高回声类似脂肪的变化平滑肌瘤。彩色多普勒超声更有利于诊断。一些学者使用磁共振成像定量区分人类器官和组织的脂肪沉积,提高脂肪的可靠性评分(24]。没有信封子宫肌瘤,血管壁外膜缺乏保护,很容易导致子宫肌瘤血供障碍当压缩,导致不同的一种退化。常见的子宫肌瘤变性包括透明变性、粘液变性,红色变性、脂肪变性、钙化、囊性变性。甚至肉瘤样的退化可能引起严重的病例(25,26]。脂肪变性仅占约0.2%的变性的子宫平滑肌瘤。大多数脂肪变性的子宫肌瘤发生玻璃样变性或坏死后。变性病变通常小,很难区分或肉眼检测,和黄点。因此,它很容易被误诊为脂肪瘤(27]。超声检查是子宫肌瘤的临床检查的首选方法。Undenatured脂肪变性子宫肌瘤和子宫肌瘤显示不同的超声成像形态。因此,脂肪变性的子宫肌瘤的超声诊断有重要的价值。太阳et al。17)提供了基于磁共振成像诊断算法,考虑形态和功能特性,包括单一和组合,优化辐射平滑肌瘤、平滑肌肉瘤之间的歧视。高强度聚焦超声治疗已经收到了越来越多的关注在治疗子宫良性肿瘤。磁共振和超声成像已经被用于目标和监测消融的过程。张等人。28)概述了背景、临床应用、治疗结果,和安全的高强度聚焦超声治疗子宫肌瘤和子宫内膜异位,包括临床试验总结比较高强度聚焦超声指导下磁共振或超声波与其他微创外科干预措施。这种治疗可以保留子宫的另一个选择女性子宫肌瘤和子宫内膜异位。李等人。29日]证明了超声引导下高强度聚焦超声消融(USgHIFU)有效治疗子宫肌瘤和子宫内膜异位,不影响卵巢储备。

本研究基于传统NLM算法,提高了欧几里得距离物体的三个方面中,块平均,中央像素灰度值的两个像素块并使用超声检测子宫肌瘤的脂肪变形。此外,NLM的梯度值算法在计算过程中减少,和整体算法调整使用余弦函数来改善NLM算法的降噪效果。之后,基于不同的降噪算法的降噪效果进行了评估,发现改进的NLM算法比点算法,NLM算法的平滑度,细节保护,和细节判断患者的超声图像。降噪后的客观评价显示,通过改进NLM算法在子宫肌瘤患者的超声图像,PSNR,中国北车,FOM,和SSIM明显高于相反的点算法和NLM算法,差异具有统计学意义( )。降噪后的均方误差的改进NLM算法远低于点算法,NLM算法,显示出统计上的显著差异( )。基于上述五个指标,改进的NLM算法图像降噪效果明显优于其他两种算法。然而,改进NLM算法减少了噪音稍微长了降噪的观点的时间。脂肪变性的诊断子宫肌瘤的超声图像处理后显示,NLM算法来减少噪音,有46例壁间肌瘤,浆膜下肌瘤的15例,4例黏膜下肌瘤。只有1例黏膜下肌瘤脂肪变性是错过了诊断,显示无显著差异与病理检查结果( )。与诊断结果基于点算法和NLM算法,改进的NLM算法显著提高脂肪变性的子宫肌瘤的诊断准确性。

5。结论

NLM算法改善了通过改变传统的梯度算法和引入余弦函数。这是应用于脂肪变性的超声成像智能诊断子宫肌瘤患者的研究。改进前的诊断速度为75.0%,点的诊断准确率为79.69%,改进后的诊断率为85.94%。

改进的NLM算法有很好的降噪影响子宫肌瘤患者的超声图像。然而,仍有一些缺点在这项研究。该算法没有分析算法的辅助作用在治疗脂肪变性的子宫肌瘤患者。因此,有一个缺乏指导意义的临床辅助治疗脂肪变性的子宫肌瘤患者,被更多的临床研究证实。超声图像与智能降噪算法值得推广临床评估脂肪变性的子宫平滑肌瘤。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持的2020年海南卫生行业科研项目(项目号20 a200006)。