针对医用超声内镜系统中合成孔径算法旁瓣噪声严重、时间复杂度高等问题,基于图形处理器(GPU)的高速并行处理能力,提出了一种基于相干系数的实时合成孔径算法。通过引入相干系数,对超声回波图像中的旁瓣噪声进行有效抑制。通过GPU对算法进行并行处理,提高算法的运行速度。使用仿真数据和实际暗斑回波数据进行实验验证,结果表明,该算法可以有效改善超声回波图像质量,在回波图像数据量为153 Mbit时,相较于合成孔径算法,运算速度提升了16.29倍,达6 frame·s ^-1,满足医用超声内镜实时处理的要求。

血管内超声（IVUS）和血管内光学相干层析(OCT)成像均属无损医学成像技术，常用于人体冠状动脉中薄纤维帽脂质斑块(TCFA）的检查。其中IVUS的探测深度大，能够较为精确地测定TCFA的脂质核心大小，但由于分辨率较低，无法测量TCFA的纤维帽厚度；而OCT分辨率很高，可以精确测量TCFA的纤维帽厚度，但探测深度浅，无法描述脂质核心的全貌。IVUS与血管内OCT相结合，一次检查即可同时获得血管内壁的超声与OCT图像，实现对血管内血栓与斑块的精准诊断。通过设计IVUS和OCT微型集成探头及近端驱动，实现了一套可同时对血管内壁进行IVUS和OCT成像的系统，对血管组织检测深度达到8 mm，横向分辨率优于1 mm，轴向分辨率优于400 μm，同时在1 mm范围内横向分辨率优于10 μm，轴向分辨率优于8 mm。对琼脂和铁丝等搭建的血管模型样品进行了成像实验，验证了系统的可行性。

为降低高效视频编码(HEVC)的帧内编码复杂度，提出一种基于图像纹理特征的编码单元(CU)划分和预测模式选择算法。利用一种预处理算法来获得当前CU的纹理复杂度和方向。一方面，根据CU的纹理复杂度，该算法自适应地跳过或终止部分CU划分，减少CU深度的遍历时间。纹理复杂度高的CU直接划分成4个子CU，纹理复杂度低的CU将会终止划分。另一方面，根据预测单元的纹理方向，确定相应的候选模式集，通过粗模式决策算法和率失真最优化算法遍历候选模式集选取最优模式。将算法移植到标准食品解码软件HM16.7平台上，实验结果表明，与HM16.7算法相比，编码时间平均减少53.66%，比特率上升0.46%，峰值信噪比下降0.05 dB。