孫 偉 王小偉 游世軍 石昊坤 胡艷輝*

超聲診斷是將超聲檢測技術(shù)作用于人體組織，通過參數(shù)采集、數(shù)據(jù)成像等過程實施臨床診斷的一種技術(shù)手段，是目前廣泛采用的醫(yī)學(xué)診斷方法之一，具有無創(chuàng)、實時、安全及經(jīng)濟(jì)等優(yōu)良特性，在臨床中具有不可替代的作用[1]。由于其成像方式、過程及環(huán)境的復(fù)雜性，超聲圖像存在固有的高噪聲、低分辨率、低對比度及不均勻性等特性，影響后期圖像分析及臨床診斷效果[1-2]。因此，需要在圖像分析前實施圖像預(yù)處理，針對圖像具體應(yīng)用場景中組織及應(yīng)用特點進(jìn)行色域變換、幾何變換、降噪、增強及均勻化等處理[3-4]。

隨著計算機圖形學(xué)、數(shù)字圖像處理等技術(shù)在醫(yī)學(xué)影像處理與分析中的廣泛應(yīng)用，逐漸加強了模式識別與醫(yī)學(xué)診斷的融合，而圖像特征提取作為醫(yī)學(xué)圖像模式識別的前期工作和關(guān)鍵環(huán)節(jié)，在圖像增強、圖像重建、圖像分割及圖像識別等應(yīng)用中發(fā)揮了重要作用[5]。為此，本研究針對醫(yī)用超聲圖像處理中面臨的現(xiàn)實需求，設(shè)計超聲數(shù)字圖像特征提取及輔助分析系統(tǒng)，采用數(shù)字圖像特征提取及模式識別分析方法，在數(shù)個典型應(yīng)用場景中進(jìn)行測試，以提高臨床診斷質(zhì)量及效率。

1 超聲數(shù)字圖像特征提取及輔助分析系統(tǒng)設(shè)計

1.1 標(biāo)準(zhǔn)化圖像分析流程

超聲數(shù)字圖像特征提取及輔助分析系統(tǒng)采用標(biāo)準(zhǔn)化圖像分析流程，分別針對不同過程構(gòu)建不同層次的圖像分析組件，提取圖像特征，為臨床診斷服務(wù)。圖像分析處理流程見圖1。

圖1 標(biāo)準(zhǔn)化圖像分析處理流程

圖1中各功能實現(xiàn)過程可單獨調(diào)用，也可采用圖像處理主流程調(diào)用模式識別功能模塊實現(xiàn)，用戶通過設(shè)置參數(shù)及功能模塊運行流水線實現(xiàn)超聲圖像操作過程。功能實現(xiàn)基于python語言實現(xiàn)，其具有簡潔和快速的優(yōu)點[6]。同時，支持函數(shù)式及面向?qū)ο箝_發(fā)模式，不僅支持嵌入式C語言，同時擁有豐富的圖像處理功能庫，擴展性強，能夠極大地提高開發(fā)效率。

針對研究中的圖像處理主流程、圖像預(yù)處理、感興趣區(qū)域(region of interest，ROI)分割和特征提取各個組件進(jìn)行分別描述。

1.2 圖像處理主流程

圖像處理主流程用于實現(xiàn)系統(tǒng)參數(shù)設(shè)置、功能模塊調(diào)用、通用功能等功能。用戶通過設(shè)置系統(tǒng)參數(shù)，主流程讀取配置并完成圖像處理流程調(diào)用，其內(nèi)容包括功能調(diào)度、日志和并行化。

(1)功能調(diào)度。主流程調(diào)度模式識別功能模塊通過讀取用戶配置流程，按照配置流程建立任務(wù)隊列，當(dāng)執(zhí)行具體任務(wù)時，工作組件執(zhí)行回調(diào)函數(shù)實現(xiàn)對應(yīng)功能：

(2)日志。主流程通過建立日志打印及存儲功能，實現(xiàn)輔助調(diào)試、操作記錄等功能。

(3)并行化。為提高實時圖像處理效率，可通過并行化加快處理過程，采用多進(jìn)程方式實現(xiàn)調(diào)用過程[7]。

1.3 圖像預(yù)處理

超聲圖像成像原理和過程較為特殊，導(dǎo)致圖像自身具有高噪聲、低對比度及不均勻性等特性[2]。因此，需要使用圖像預(yù)處理技術(shù)去除噪聲和增強圖像對比度，而處理過程中最大限度地保留重要診斷特征是提高圖像質(zhì)量的關(guān)鍵環(huán)節(jié)，往往需要結(jié)合具體場景進(jìn)行取舍[8]。在研究中選擇數(shù)種方法進(jìn)行嘗試，以提高在圖像處理中的適應(yīng)能力，其中包括圖像降噪、圖像增強和圖像均勻化。

(1)圖像降噪。醫(yī)用超聲圖像中的噪聲主要由熱噪聲和斑點噪聲組成，其中斑點噪聲較為特殊，無法像熱噪聲通過硬件方式或用戶操作避免，但通過后期圖像處理，能夠降低斑點噪聲形成的顆粒樣干擾[2，8]。在降噪模塊中集成各項異性擴散法、雙邊濾波和高斯濾波法用于圖像去噪，在抑制斑點噪聲的情況下最大程度降低圖像邊緣特征的損失[9]。

(2)圖像增強。經(jīng)過降噪后的圖像，進(jìn)一步通過增強全局及局部特點，凸顯圖像特征，提升圖像質(zhì)量，提高臨床診斷效率。選擇對比度增強、動態(tài)范圍壓縮、銳化及邊緣增強等方法用于圖像增強[10]。

(3)圖像均勻化。圖像均勻化可將灰度分布不均勻的超聲圖像經(jīng)處理后形成分布均勻化，從而改善超聲圖像質(zhì)量，將原本像素較少的灰度域，增加圖像灰度范圍，提高對比度和清晰度。系統(tǒng)在設(shè)計中采用了常用的均值漂移濾波(mean shift filtering，MSF)[11]和直方圖均勻化改善超聲圖像的均勻性。

1.4 ROI分割

超聲圖像的ROI通常集中在腫瘤及結(jié)節(jié)等，通過分割出ROI，將特殊診斷區(qū)域分割出正常組織，為進(jìn)一步診斷提供信息?；陂撝怠⒕垲?、分水嶺、圖論、活動輪廓模型、馬爾可夫隨機場和神經(jīng)網(wǎng)絡(luò)建立ROI分割方法并進(jìn)行測試[12]。

1.5 特征提取

采用多維度特征聯(lián)合的數(shù)據(jù)圖像模式識別方法，分別從圖像信息中全圖宏觀層次、分割后ROI層次中提取多模態(tài)特征。

(1)全圖宏觀特征。全圖特征包括圖像幾何特征及形態(tài)學(xué)特征：①圖像幾何特征包括圖像長度、寬度和點密度等；②圖像形態(tài)學(xué)特征采取從形態(tài)學(xué)角度分析圖塊的灰度級、大小、位置、方向、形狀、角點及拐點等表達(dá)醫(yī)學(xué)圖像局部的粗粒度高層語義信息。采用區(qū)域分割方法獲取圖塊，繼而使用圖塊向量化方法實現(xiàn)同維向量表達(dá)，得到圖像集基于形態(tài)學(xué)的特征矩陣。圖像斑點通過尺度不變特征變換(scale-invariant feature transform，SIFT)檢測，圖像角點則可通過加速穩(wěn)健特征(speeded up robust features，SURF)獲得[13-15]。

(2)ROI層次特征。ROI特征包括基礎(chǔ)特征及推理特征：①ROI基礎(chǔ)特征由ROI的區(qū)域形狀、面積、周長、最大徑長度、數(shù)量和紋理組成。ROI的區(qū)域形狀采用傅里葉形狀描述符法[16]及邊界特征法判斷；②ROI的區(qū)域紋理特征包括基于局部紋理特征、局部二值模式(local binary pattern，LBP)、類哈爾(Haar-like)特征、基于全局紋理特征的灰度共生矩陣(grey-level co-occurrence matrix，GLCM)和基于形狀紋理特征的邊緣方向直方圖(edge direction histogram，EDH)4種特征表達(dá)圖塊的細(xì)粒度底層語義信息，構(gòu)造紋理的特征矩陣[17-18]。ROI典型特征描述見表1。

表1 ROI典型特征描述

表1顯示，依據(jù)ROI紋理及形狀特征組合形成分類器具有較強的輔助診斷能力，主要用于判斷ROI質(zhì)地及邊緣特征，具有臨床應(yīng)用價值[19]：①利用液體及均勻性實質(zhì)組織典型的圖像色差，辨別是否存在包膜及液態(tài)組織，鑒別實質(zhì)性組織；②采用均勻性檢測判斷ROI組織是否為均質(zhì)性病變，通常超聲影像中均質(zhì)性病變邊線處回聲均勻狀態(tài)，反映在圖像中呈現(xiàn)出色差波動較?。虎垅}化組織與氣性組織比較，鈣化組織通常較為穩(wěn)定，圖像均勻，氣性組織由于流動特性導(dǎo)致內(nèi)部模糊，可采用模糊圖像檢測識別氣性組織特征；④在急性炎癥病變中，由于水腫的存在導(dǎo)致組織圖像呈現(xiàn)邊緣光滑，分割后臟器通常測量經(jīng)線值增加，而慢性組織驗證中，由于存在纖維樣病變，因此可通過紋理檢測識別出典型紋理特征，采用纖維樣紋理檢測血吸蟲肝纖維化病變；⑤較之良性腫瘤，惡性腫瘤超聲圖像內(nèi)部結(jié)構(gòu)復(fù)雜，往往伴有出血、壞死等，通過圖像均勻性檢測為非均質(zhì)性病變后，采用分割檢測包膜，進(jìn)一步鑒別良性腫瘤，通過分割結(jié)果，計算ROI周長、面積等，并基于模式識別方法，判斷邊緣特征，是否存在邊緣浸潤、光暈圈、水牛眼、偽足等特征。ROI紋理及形狀特征見圖2。

2 模式識別在診斷場景中的應(yīng)用

圖2 部分ROI紋理及形狀特征圖

按照部分ROI紋理及形狀特征(圖1)的流程配置圖像分析過程，在各個流程中選擇對應(yīng)的分析方法后運行主流程，主流程調(diào)用分析模塊執(zhí)行模式識別操作。在測試中，針對目前廣泛存在的心臟占位病變鑒別、乳腺組織腫瘤分割、骨骼肌量化評估等典型診斷場景進(jìn)行應(yīng)用研究。

2.1 心臟占位病變輔助診斷

心臟病變具有起病急、病死率高的特點，早期診斷往往十分關(guān)鍵。受心臟灌流和成像特點等的影響，心臟微小病變通常難以捕捉，尤其是心臟粘液瘤，該疾病臨床上較為常見。結(jié)合臨床特征，瘤體質(zhì)地柔軟，呈現(xiàn)出橢圓形或圓形團(tuán)塊，檢測表面不光滑，可分別通過質(zhì)地、形狀及邊緣等特征進(jìn)行鑒別，而瘤體多數(shù)伴有瘤蒂，需要結(jié)合形狀及邊緣檢測判別[20]。

結(jié)合臨床特征選擇處理流程及分析方法，選擇各項異性擴散法降噪、邊緣增強以及MSF均勻化作為預(yù)處理。通過模式識別方法分割出ROI區(qū)域，通過瘤蒂識別、瘤體色差檢測輔助超聲診斷。模式識別應(yīng)用效果見圖3。

圖3 模式識別應(yīng)用效果圖

2.2 乳腺癌超聲圖像ROI分割

乳腺癌與心臟輔助診斷類似，早期診斷及時干預(yù)十分重要[21-22]。超聲診斷在傳統(tǒng)上往往依賴于診斷醫(yī)生的經(jīng)驗，可通過特征提取并將特征應(yīng)用于輔助診斷。由于惡性腫瘤具有輪廓模糊，加之超聲圖像自身的成像缺陷，增加了ROI分割的技術(shù)難度。近年來，基于圖論的圖像分割算法在超聲圖像分割中取得了較好的效果[23-24]。因此，圖3 d上方紅色箭頭處顯示，基于標(biāo)準(zhǔn)化圖像分析流程，按照去除噪聲、增強對比度、提高均勻性和分割ROI流程，在一定程度上避免了過分割和欠分割的發(fā)生，取得了較好的輔助分割效果。

2.3 骨骼肌動態(tài)特征參數(shù)測量

骨骼肌動態(tài)特征參數(shù)測量用于狀態(tài)評估。肌肉是人體運動的支持組織，通過拉伸與收縮完成機體活動。臨床和運動學(xué)上可通過定量分析肌肉的長度、厚度及羽狀角等圖像特征間接評估肌肉狀態(tài)與功能[25]。采用超聲成像技術(shù)可反映骨骼肌動態(tài)變化，已被廣泛應(yīng)用于骨骼肌狀態(tài)評估，但單純采用超聲檢測無法精確測量骨骼肌特征，因此采用模式識別方法可為精確測量提供方法學(xué)支持[25]。圖像處理計算骨骼肌特征項及其對應(yīng)算法見表2。

表2 骨骼肌特征項及對應(yīng)算法

經(jīng)測試發(fā)現(xiàn)，改進(jìn)超聲圖像降噪算法，在時間效率和去噪效果、邊緣保持效果以及紋理保留效果上要達(dá)到一個平衡點。通過選擇合適的圖像預(yù)處理方法能夠有效減低圖像噪聲，因此，系統(tǒng)采用了靈活的應(yīng)用配置流程，用戶可通過流程配置：

通過配置文件在流程中選擇合適的方法用于圖像處理過程，并可根據(jù)結(jié)果及時調(diào)整功能模塊獲得理想的診斷結(jié)果，為自動化圖像分析流程的建立進(jìn)行測試。

3 結(jié)論

超聲診斷在醫(yī)療診斷中具有重要地位，但由于成像方式及環(huán)境等因素，導(dǎo)致圖像引入了斑點噪聲等干擾因素，降低了圖像識別的可讀性。為此，超聲圖像特征提取及輔助分析系統(tǒng)將模式識別方法引入超聲圖像分析中，通過圖像預(yù)處理、提取圖像宏觀特征以及ROI區(qū)域特征構(gòu)建了一種超聲圖像模式識別工具，并結(jié)合數(shù)種典型應(yīng)用場景進(jìn)行測試，該系統(tǒng)能夠增強圖像顯示，通過提取圖像典型特征，為臨床超聲圖像診斷提供輔助信息，對于各醫(yī)療機構(gòu)構(gòu)建類似的超聲圖像分析系統(tǒng)具有參考意義。