請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/16651完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 曹建和 | |
| dc.contributor.author | Yi-Sin Wei | en |
| dc.contributor.author | 魏逸昕 | zh_TW |
| dc.date.accessioned | 2021-06-07T23:42:51Z | - |
| dc.date.copyright | 2014-07-29 | |
| dc.date.issued | 2014 | |
| dc.date.submitted | 2014-07-24 | |
| dc.identifier.citation | [1] Tranquart F, Grenier N, Eder V, Poucelot L.“Clinical use of ultrasound tissue harmonic imaging.”Ultrasound Med Biol 25:889–894,1999.
[2] Desser TS, Jeffrey RB.“ Tissue harmonic imaging techniques: physical principles and clinical applications.”Semin Ultrasound CT MR; 22:1–10. 2001. [3] Desser TS, Jeffrey RB, Lane MJ, Ralls PW. Pictorial essay:“Utility of Ultrasound in Medicine and Biology Volume 28, Number 1, 2002tissue harmonic imaging in abdominal and pelvic ultrasonography.”J Clin Ultrasound;27:135–141, 1999 [4] Burckhardt, C.B.,“Speckle in ultrasound B-mode scans,”IEEE Trans. Sonics and Ultrasonics SU-25, 1-6 ,1978. [5] T. A. Tuthil, R. H. Sperry, and K. J. Parker,“Deviation from Rayleigh statistics in ultrasonic speckle,”Ultrason. Imag., vol.10, pp. 81–89, 1988. [6] V. M. Narayanan, P. M. Shankar, and J. M. Reid,“Non-Rayleigh statistics of ultrasonic back scattered signals”IEEE Trans. Ultrason.,Ferroelect., Freq. Contr., vol. 41, no. 6, pp. 845–852,Nov. 1994. [7] P.M. Shankar,“A General Statistical Model for Ultrasonic Backscattering from Tissues,”IEEE Trans. on Ultrason. Ferr. Freq. Cont., Vol. 47, No. 3, pp. 727-736, 2000 [8] E. Jakeman and P. N. Pusey,“A model for a non-Rayleigh sea echo,”IEEE Trans. Antennas Propagat., vol. AP-24, pp. 80C814, Nov. 1976. [9] L. Weng, J. M. Reid, P. Mohana Shankar, and K. Soetanto,“Ultrasound speckle analysis based on the Ii distribution,”J. Acousf. Soc. Amer.,vol. 89, no. 6, pp. 2992-2995, June 1991. [10] PM Shankar, Reid JM, Ortega H, Piccoli CW, Goldberg BB.“ Use of non-Rayleigh statistics for the identification of tumors in the ultrasonic B scans of the breast”. IEEE Trans Med Imaging;12:687-692. 1993. [11] P. M. Shankar, R. Molthen, V. M. Narayanan, J. M. Reid, V.Genis, F. Forsberg, C. W. Piccoli, A. E. Lindenmayer, and B. B.Goldberg,“Studies on the use of non-Rayleigh statistics for ultrasonic tissue characterization,”Ultrasound Med. Biol., vol. 22,pp. 873-882, 1996. [12] Molthen RC, Shankar PM, Reid JM, et al.“Comparisons of the Rayleigh and K-distribution models using in vivo breast and liver tissue”.Ultrasound Med Biol;24:93–100,1998. [13] P. M. Shankar, V. A. Dumane, J. M. Reid, V. Genis, F. Forsberg,C. W. Piccoli, and B. B. Goldberg,“Classification of ultrasonicB mode images of breast masses using Nakagami distribution,”IEEE Trans. Ultrason., Ferroelect., Freq. Contr., vol. 48, no. 2, pp. 569–580, Mar. 2001. [14] Yamaguchi T, Hachiya H, Kamiyama N, Moriyasu F.“Examination of the spatial correlation of statistics information in the ultrasonic echo from diseased liver”. Jpn J Appl Phys;41:3585–3589. 2002. [15] Rita Phillips,Rachel Sharman,“Should Tissue Harmonic imaging be used in combined screening”.January 2011. [16] P. H. Tsui and C. C. Chang,“Imaging local scatterer concentrations by the Nakagami statistical model”, Ultrasound Med. Biol., vol. 33, pp.608 -619 2007. [17] Ho MC, Lin JJ, Shu YC, Chen CN, Chang KJ, Chang CC, Tsui PH.“Using ultra sound Nakagami imaging to assess liver fi bro sis in rats”. Ultrasonics 52, 215-222, 2012. [18] J. Cheng and N. C. Beaulieu,“Maximum-likelihood based estimation of the Nakagami m parameter,”IEEE Commun. Lett., vol. 5, pp. 101–103,Mar. 2001. [19] Fujii Y, Taniguchi N, Wang Y.“Clinical application of a new method that segments the region of interest into multiple layers for RF amplitude histogram analysis in the cirrhotic liver”. J Med Ultrason.;28:25–33. 2001. [20] Fujii Y, Taniguchi N, Itoh K, et al.“Quantitative processed images acquired by histogram-SNR imaging used to evaluate parenchymal heterogeneity in the liver”. J Med Ultrason.;30:13–9. 2003. [21] Rangeet Mitra, Amit Kumar Mishra, Tarun Choubisa,“Maximum Likelihood Estimate of Parameters of Nakagami-m Distribution”, International Conference on Communications, Devices and Intelligent Systems (CODIS),2012. [22] Wikipedia-Statistical hypothesis testing.2014. [23] Wikipedia-Non-parametric statistics.2014. [24] Wikipedia- Kolmogorov-Smirnov test.2014. [25] Matlab- Kolmogorov-Smirnov test. [26] Wikipedia- Sensitivity and specificity.2014. [27] 吳宏達,“統計學方法在醫學診斷上之應用”,中國醫藥大學生統E報，第一期。 | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/16651 | - |
| dc.description.abstract | 瀰漫性肝臟疾病如肝纖維化以及肝硬化，現行的診斷方法仍舊以超音波為主，肝穿刺雖然能夠提供較好的診斷幫助，但是因為其手術為侵入式，仍然難以普及。近年來，由於組織諧波成像的發掘與研究，臨床診斷上面不再是只有傳統的基頻影像，也包含了二次諧波影像，兩種影像皆有醫生使用。因為有兩種影像能夠作判斷，隨之而來的問題是，基頻影像與二次諧波影像是否有差異，如果有差異，何者能夠提供較好的臨床診斷幫助。因此本篇研究透過超音波基頻與二次諧波之RF訊號，用文獻中常見且已被證實能夠有效描述RF訊號的統計分佈model: Nakagami distribution，又因為文獻中已經驗證其model內的參數m-value能夠有效區分RF訊號中不同散射子的分佈，所以我們同樣採取m-value來比較基頻與二次諧波之RF訊號的差異。
由於實際ROI內的訊號比較有其困難，我們分割ROI成數個block，並且以block的m值分佈作檢定，利用K-S test檢定基頻與二次諧波block的m值分佈是否有差異，為了找出影響K-S test檢定結果的參數包含block size與顯著水準α，我們透過模擬影像來找出適合的參數設定。 而實際的肝臟影像作檢定時會面臨ROI取自不同病人，個體的差異與病情不同，使得我們很難從肝臟影像的檢定結果作統計推論，因此我們使用海綿仿體來解決臨床影像的比較問題。我們從海綿仿體發現，基頻影像與二次諧波影像確實存在差異，因此推斷臨床影像人體組織結構更複雜的情形下兩者會有差異。 因為有差異存在，我們嘗試用m值作為診斷的指標工具，以Sensitivity和Specificity來量化兩者的正常肝與肝硬化之診斷率來比較好壞。 | zh_TW |
| dc.description.provenance | Made available in DSpace on 2021-06-07T23:42:51Z (GMT). No. of bitstreams: 1 ntu-103-R00945024-1.pdf: 5592908 bytes, checksum: e5cb601934b84223be974b27e73392b0 (MD5) Previous issue date: 2014 | en |
| dc.description.tableofcontents | 摘要 I
目錄 II 圖目錄 III 表目錄 IV 第一章 緒論 1 1-1 前言 1 1-2 肝臟超音波 2 1-3 組織諧波影像 3 1-4 超音波speckle與逆散射統計模型 4 1-4.1 超音波逆散射分佈研究的歷史 5 1-5 研究動機 7 第二章 理論 9 2-1 超音波speckle訊號的散射特性與統計模型 9 2-1.1 Rayleigh distribution 9 2-1.2 Non-Rayleigh distribution 12 2-1.3 K distribution 13 2-1.4 Nakagami distribution 14 2-2 肝組織特性與統計參數 15 2-2.1 肝小葉結構與肝硬化 15 2-2.2 統計參數與肝組織特性的關係 16 2-3 組織諧波成像 17 2-3.1 組織諧波影像常見的優點 19 2-3.2 組織諧波成像在瀰漫性與局部病變影像診斷上的優劣 19 2-4 直接以影像ROI內的訊號作分析的難處與缺點 20 2-4.1 以MLE估測ROI訊號的Nakagami參數 21 2-4.2 ROI分割block降低衰減等物理參數影響m值估測 23 2-5 假設檢定(Hypothesis testing) 24 2-5.1 無母數統計 25 2-5.2 Kolmogorov–Smirnov test(K–S test) 26 2-5.3 影響K-S test檢定結果的參數 27 2-5.4 臨床影像用K-S test作統計推論的困難 28 第三章 方法 30 3-1 m值模擬影像與K-S test參數設定 30 3-1.1 選取不同的block size所產生的m值偏差 33 3-1.2 實際的block size設定與顯著水準α的範圍 35 3-1.3 不同參數設定下的第一型錯誤率 35 3-1.4 不同參數設定下的第二型錯誤率 38 3-1.5 根據不同m值範圍選取檢定參數 41 3-2 海綿仿體實驗與K-S test 42 3-2.1 實驗流程 43 3-2.2 仿體超音波影像來源與儀器介紹 45 3-2.3 海綿影像選取ROI方式 46 3-2.4 測試第一型錯誤率是否與模擬吻合 49 3-2.5 海綿影像基頻與二次諧波ROI互相作K-S test結果 50 第四章 臨床影像分析 51 4-1 臨床肝臟影像來源 51 4-2 ROI的選取原則 52 4-3 臨床影像篩選 53 4-4 K-S test檢定不同肝臟影像的ROI之H0成立比例 54 4-5 以m值比較臨床基頻影像與二次諧波影像的診斷率 55 4-5.1 Sensitivity and Specificity 57 4-5.2 基頻影像與二次諧波影像之診斷率 58 4-5.3 診斷率的結果與問題討論 61 第五章 結論與未來工作 62 5-1 結論 62 5-2 未來工作 63 第六章 Reference 64 | |
| dc.language.iso | zh-TW | |
| dc.subject | 二次諧波影像 | zh_TW |
| dc.subject | 肝臟超音波 | zh_TW |
| dc.subject | 肝硬化 | zh_TW |
| dc.subject | Nakagami分佈 | zh_TW |
| dc.subject | K-S test | zh_TW |
| dc.subject | Liver Ultrasound | en |
| dc.subject | K-S test | en |
| dc.subject | Nakagami Distribution | en |
| dc.subject | Second Harmonic Imaging | en |
| dc.subject | Liver Cirrhosis | en |
| dc.title | 以Nakagami m value比較肝臟超音波之基頻灰階與二次諧波影像 | zh_TW |
| dc.title | Use Nakagami m value to caompare Fundamental Gray-Scale and Second Harmonic Ultrasound Liver Images | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 102-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 曹勝凱,楊培銘 | |
| dc.subject.keyword | 肝臟超音波,肝硬化,二次諧波影像,Nakagami分佈,K-S test, | zh_TW |
| dc.subject.keyword | Liver Ultrasound,Liver Cirrhosis,Second Harmonic Imaging,Nakagami Distribution,K-S test, | en |
| dc.relation.page | 66 | |
| dc.rights.note | 未授權 | |
| dc.date.accepted | 2014-07-24 | |
| dc.contributor.author-college | 電機資訊學院 | zh_TW |
| dc.contributor.author-dept | 生醫電子與資訊學研究所 | zh_TW |
| 顯示於系所單位： | 生醫電子與資訊學研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-103-1.pdf 未授權公開取用 | 5.46 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。