- Код статьи
- 10.31857/S2686954322600744-1
- DOI
- 10.31857/S2686954322600744
- Тип публикации
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 509 / Номер выпуска 1
- Страницы
- 87-93
- Аннотация
- В работе рассматривается принципиально новый подход к решению задачи определения размеров структурных образований при ультразвуковой диагностике, в основе которого лежит теоретически обоснованная возможность оценивания размеров неоднородностей исследуемой среды посредством анализа статистических характеристик рассеянного на этих неоднородностях ультразвукового сигнала. Эта возможность обусловлена тем, что статистическое распределение данных, формирующих ультразвуковое изображение, варьируется от распределения Рэлея до распределения Райса в зависимости от соотношения между размером области когерентности рассеянного сигнала и шириной луча. Работа направлена на развитие нового метода статистического анализа данных, который позволит эффективно выявлять значительную когерентную составляющую в эхо-сигнале и тем самым будет использоваться как математический инструмент оценивания размера неоднородностей среды при ультразвуковой визуализации. Такой подход к анализу ультразвуковых изображений обеспечит возможность количественного оценивания структурных образований и тем самым – существенное повышение информативности ультразвуковой диагностики и возможность выявления патологий на ранней стадии их образования, открывая перспективы повышения эффективности лечения.
- Ключевые слова
- рассеяние дифференциация тканей Релей Райс ультразвуковая диагностика
- Дата публикации
- 17.09.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 12
Библиография
- 1. Rice S.O. Mathematical Analysis of Random Noise // Bell Syst. Tech. Journal. 1944. V. 23. P. 282–322.
- 2. Cai R. Statistical Characterization of the Medical Ultrasound Echo Signals. Sci Rep. 2016. V. 6. P. 39379.
- 3. Parker K.J. Shapes and distributions of soft tissue scatterers. Physics in Medicine and Biology. Volume 64, Issue 17, 5 September 2019, article number 175022.
- 4. Mohana Shankar P. A general statistical model for ultrasonic backscattering from tissues // IEEE Trans Ultrason Ferroelectr Freq Control. 2000. V. 47. № 3. P. 727–36. https://doi.org/10.1109/58.842062
- 5. Martínez-Graullera O., Yagüe-Jiménez V., Romero M. P. and Ibáñez Rodríguez A. Improving ultrasonic medical image quality by attenuation of the secondary lobes // IEEE International Ultrasonics Symposium. 2019. P. 1286–1289. https://doi.org/10.1109/ULTSYM.2019.8926260
- 6. Physical Principles of Medical Ultrasonics, 2nd ed, C.R. Hill (Editor), J.C. Bamber (Editor), G.R. ter Haar (Editor), ISBN: 978-0-471-97002-6, 2004, 528 P.
- 7. Yakovleva T.V., Kulberg N.S. Noise and Signal Estimation in MRI: Two-Parametric Analysis of Rice-Distributed Data by Means of the Maximum Likelihood Approach. American Journal of Theoretical and Applied Statistics. 1013. V. 2. № 3. P. 67–79.
- 8. Яковлева Т.В. Теоретическое обоснование математических методов совместного оценивания параметров сигнала и шума при анализе райсовских данных // Компьютерные исследования и моделирование. 2016. Т. 8. № 3. С. 445–473.https://doi.org/10.20537/2076-7633-2016-8-3-445-473
- 9. Яковлева Т.В., Кульберг Н.С. Методы математической статистики как инструмент двухпараметрического анализа магнитно-резонансного изображения // Информатика и ее применения. 2014. Т. 8. Вып. 3. С. 79–89.
- 10. Yakovleva T. Peculiarities of the Rice Statistical Distribution: Mathematical Substantiation // Applied and Computational Mathematics. 2018. V. 7. № 4. P. 188–196. Science Publishing Group. https://doi.org/10.11648/j.acm.20180704.12
- 11. Vetsheva N.N., Reshetnikov R.V., Leonov D.V., Kulberg N.S., Mokienko O.A. Diagnostic value of lung ultrasound in COVID-19: systematic review and meta-analysis // Digital Diagnostics. 2020. V. 1. № 1. P. 13–26. https://doi.org/10.17816/DD46834
