Quantitative Sono-Elastographie ist eine neue Technologie für die Ultraschall Bildgebung,
die Radiologen maligne Tumoren ohne Risiko der strahlungsinduzierten Krebs
(d.h. Mammographie) zu erfassen können. Aufgrund gefunden Rechenkomplexität
in der aktuellen Algorithmen, Implementierung von Echtzeit-Anwendungen, die Prüfungsverfahren
profitieren wurde jedoch noch nicht berichtet. Zusätzlich, aktuelle
Schätzer für die Darstellung eine Elastizität Bilder vorhanden Artefakte der hohen
Schätzung Varianz, die die Techniker in die Gegenwart steifer Massen irreführen könnten
und zwar, falsch-positive Diagnose zu erzeugen.
In dieser Arbeit wird eine GPU-basierte Elastographie-System entwickelt und an
einem Forschungsultraschallgeräten implementiert. Quantitative Elastizität in Echtzeit
bei 2 FPS mit einer Verbesserung Rechenzeitfaktor aus 26 wird gezeigt. Validierung der
Systemgenauigkeit Anzeige wurde, auf Gelatinebasis Gewebe Phantome durchgeführt.,
waren niedrige Vorspannung der Elastizitätswerte berichtet wurde (4,7 %) bei geringe
Anregungsfrequenzen nachahmt. Ausserdem wird eine neue Elastizität Schätzer auf
quantitative Sono-Elastographie basiert eingeführt. Ein lineares Problem wurde entlang
der seitlichen Abmessung modelliert und eine Regularisierung Methode wurde
implementieren. Elastizität Bilder mit niedriger Vorspannung wurde darstellen (1,48
%) sowie seine Leistung in einer Brust kalibrierte Phantom mit verbesserter CNR (47,3
dB) im Vergleich mit anderen Schätzer ausgewertet sowie die Verringerung Seiten Artefakte
bereits erwähnt in der Literatur (PD: 22,7 dB, 1DH 28,7 dB) gefunden. Diese
zwei Beitrag profitieren, die Umsetzung und Entwicklung weiterer Elastographie Techniken,
die eine verbesserte Qualität der Elastizität Bilder liefern könnten und somit
eine verbesserte Genauigkeit der Diagnose. / Quantitative sonoelastography is an alternative technology for ultrasound imaging
that helps radiologist to diagnose malignant tumors with no risk of radiation-induced
cancer (i.e. mammography). However, due to the high computational complexity
found in the current algorithms, implementation of real-time systems that could benefit
examination procedures has not been yet reported. Additionally, elasticity maps
depicted from current estimators feature artifacts of high estimation variance that
could mislead the technician into the presence of stiffer masses, generating false positive
diagnosis.
In this thesis, a GPU-based elastography system was designed and implemented on
a research ultrasound equipment, displaying quantitative elasticity in real-time at 2
FPS with an improvement computational time factor of 26. Validation of the system
accuracy was conducted on gelatin-based tissue mimicking phantoms, where low bias
of elasticity values were reported (4.7%) at low excitation frequencies. Additionally,
a new elasticity estimator based on quantitative sonoelastography was developed. A
linear problem was modeled from the acquired sonolastography data along the lateral
dimension and a regularization method was implemented. The resulting elasticity
images presented low bias (1.48%), enhanced CNR and reduced lateral artifacts when
evaluating the algorithm’s performance in a breast calibrated phantom and comparing
it with other estimators found in the literature. These two contribution benefit the
implementation and development of further elastography techniques that could provide
enhanced quality of elasticity images and thus, improved accuracy of diagnosis. / Tesis
Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:123456789/9511 |
Date | 14 October 2017 |
Creators | González Bellido, Eduardo André |
Contributors | Pu, Li |
Publisher | Pontificia Universidad Católica del Perú |
Source Sets | Pontificia Universidad Católica del Perú |
Language | English |
Detected Language | English |
Type | info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | Pontificia Universidad Católica del Perú, Repositorio de Tesis - PUCP |
Rights | info:eu-repo/semantics/openAccess, Atribución-NoComercial-SinDerivadas 2.5 Perú, http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ |
Page generated in 0.0136 seconds