Bernhard Zagar, Florian Maier,
"Vergleich von Signalverarbeitungsalgorithmen für medizinische Ultraschall Flow-Meter"
: XVIII. Messtechnisches Symposium des AHMT e.V., Shaker Verlag, Seite(n) 23-32, 10-2004
Original Titel:
Vergleich von Signalverarbeitungsalgorithmen für medizinische Ultraschall Flow-Meter
Sprache des Titels:
Deutsch
Original Buchtitel:
XVIII. Messtechnisches Symposium des AHMT e.V.
Original Kurzfassung:
Im medizinischen Bereich wird Ultraschall zur Diagnose seit über 40 Jahren eingesetzt. Die stetige Weiterentwicklung der für Blutgeschwindigkeitsmessungen notwendigen Hardwarekomponenten und Signalverarbeitungs-algorithmen machte es möglich, dass heute derartige Ultraschallmessgeräte zur Standardausstattung eines jeden Krankenhauses gehören. Grundsätzlich werden zwei Ultraschallmessverfahren unterschieden einerseits das Doppler-Flowmeter, welches den Doppler-Effekt ausnützt, und andererseits das Pulsed-Wave-Flowmeter, das Laufzeitunterschiede aufeinanderfolgender Ultraschallechos ermittelt und eine Messung der Blutgeschwindigkeit mit einer wesentlich besseren räumlichen Auflösung gestattet, als es mit dem Doppler-Flowmeter möglich ist.
Um bösartiges Gewebe in einem früheren Stadium detektieren zu können, als es mit den heute üblichen Geräten möglich ist, benötigt man Geräte mit sowohl hoher Orts- als auch Geschwindigkeitsauflösung und zusätzlich, um bewegtes Gewebe flimmerfrei auf einem Bildschirm darstellen zu können, benötigt man eine entsprechende hohe Zeitauflösung. In dieser Arbeit wird ausschließlich das Pulsed-Wave-Flowmeter Verfahren behandelt und im speziellen die Filter-
effizienz von FIR-, IIR-, Polynom-Regressions- und adaptiven Regressionsfiltern diskutiert, die den Signal-Rausch-Abstand durch Unterdrückung der starken stationären Signalanteile erhöhen und daher ein wesentliches Element der Signalverarbeitung darstellen. Bei der experimentellen Anwendung auf dynamische Phantomdaten zeigte sich, dass adaptive Regressionsfilter die geschwindigkeitsbehafteten Clutter-Komponenten besser unterdrücken können als Polynom-Regressionsfilter.
Forschungs-