牛廣利，劉 翔，宋家琳，湯 顯

(1.上海工程技術大學 電子電氣工程學院，上海 201620；2.中國人民解放軍第二軍醫(yī)大學長征醫(yī)院 超聲診療科，上海 200003)

肝硬化是一種嚴重的肝臟疾病。患者在患病初期并無不適感，因此容易延誤診斷和治療。在對肝硬化、肝纖維化的臨床篩查與隨訪中，超聲成像技術以其無創(chuàng)、實時、便捷、無輻射等優(yōu)勢成為診斷肝硬化、肝纖維化的重要手段之一[1]。隨著計算機技術和數(shù)字圖像分析技術的不斷發(fā)展，計算機輔助的非介入性診斷技術被廣泛應用于醫(yī)學影像領域[2-8]。

在肝硬化病情診斷過程中，肝包膜特征扮演了重要的角色。目前已有針對超聲圖像的肝包膜特征提取方法的相關研究。文獻[9]結(jié)合垂直梯度優(yōu)化和最小偏轉(zhuǎn)誤差對肝包膜進行提取，提出了3種形態(tài)特征用以描述肝包膜。文獻[10]利用多尺度、多目標優(yōu)化算法識別肝包膜的位置，并提出了衡量連續(xù)性和平滑性的指標。文獻[11]提出利用動態(tài)規(guī)劃對肝包膜及其特征進行提取，并采用神經(jīng)網(wǎng)絡算法對所提特征進行肝硬化的階段分類。文獻[12]通過空間上下文約束的多尺度方法提取肝包膜的邊界。文獻[13]結(jié)合肝臟超聲，采用動態(tài)規(guī)劃算法對腹水進行識別，從而實現(xiàn)對肝包膜的提取。以上方法雖然對肝包膜特征的提取都有積極的影響，但在提取過程中需要手動調(diào)試閾值，無法依據(jù)圖像本身的特性進行特征篩選。本文依據(jù)肝臟超聲圖像中組織特征分布情況，采用特征數(shù)據(jù)分析的方法實現(xiàn)對肝包膜及其上下組織特征塊的提取。

1 方法描述

高頻超聲圖像中，其成像原理及拍攝設備會導致成像存在噪聲，不利于進行計算機輔助診斷。圖像數(shù)據(jù)具有時域與頻域兩種存在形式。頻域下的濾波操作在高頻超聲圖像邊緣檢測、圖像去噪、特征提取等方面具有優(yōu)勢。本文對肝包膜特征塊進行自動化提取的方法流程如圖1所示。

圖1 方法流程圖

1.1 頻域處理

快速傅里葉變換法(Fast Fourier Transform， FFT)的主要作用是將時域信號轉(zhuǎn)換為頻域信號。將一幅尺寸為M×N的肝臟超聲圖像F(x，y)先進行灰度化處理，并得到圖像記為G(x，y)。隨后，對灰度化圖像進行快速傅里葉變換，如式(1)所示。

F(u，v)=

(1)

F(u，v)所在的坐標系即為頻域。頻域矩陣為由u=0，1，2，…，M-1和v=0，1，2，…，N-1定義的M×N矩陣。

經(jīng)過頻譜中心化后的頻譜圖以圖像中心點呈發(fā)散狀態(tài)分布。根據(jù)頻譜本身特征設計理想高通濾波器，如式(2)所示，實現(xiàn)對圖像的濾波操作，達到強化邊緣信息并弱化概貌信息的目的。

(2)

式中，D0表示通帶的半徑；D(u，v)表示頻域中點(u，v)中與中心點(M/2，N/2)的歐氏距離，如式(3)所示。

(3)

如圖2(b)所示，將圖像自身尺寸的1/12作為截止頻率，則可在保留圖像主要特征的前提下，強化特征邊緣。將濾波處理后的頻譜圖按照式(4)進行傅里葉逆變換操作，即可實現(xiàn)頻域到時域信號的轉(zhuǎn)換，如圖2(c)所示。

圖2 頻域處理示意圖

D(x，y)=

(4)

其中，x=0，1，2，…，M-1；y=0，1，2，…，N-1。

1.2 潛在包膜定位

1.2.1 移動平均法

移動平均法依據(jù)最近的一組歷史數(shù)據(jù)，預測未來一期或多期的需求，多用于股票分析、需求分析、智能預測等多種數(shù)據(jù)分析場合[14-17]。當每期的歷史數(shù)據(jù)權重一樣時，稱為簡單移動平均(簡稱為移動平均)，如式(5)所示。該方法根據(jù)時間序列逐項推移，依次計算包含一定項時序的平均值，以反映長期趨勢。當時間序列的數(shù)值受到周期變動和隨機波動的影響，導致數(shù)據(jù)起伏較大，不易顯示出事件的發(fā)展趨勢時，使用移動平均法即可消除這些因素的影響，顯示出事件的發(fā)展方向與趨勢(即趨勢線)，然后依趨勢線分析預測序列的長期趨勢。

(5)

式中，F(xiàn)t為對下一期的預測值；n為移動平均的時期個數(shù)；At-1、At-2和At-n分別為前一期的實際值、前兩期的實際值和前n期的實際值。

1.2.2 特征處理與分析

超聲波在生物體內(nèi)遇到不同的組織結(jié)構會發(fā)生不同程度的反射、散射，根據(jù)反射回來的超聲波即可實現(xiàn)對不同組織器官的成像，即獲得醫(yī)學超聲圖像。

肝硬化超聲圖像以及正常肝臟超聲圖像的組織特征大致分為肝實質(zhì)、肝包膜、肌肉脂肪層3部分。在重度肝硬化階段，部分病例由于病情嚴重，在肝包膜與肌肉脂肪層之間存在腹水等癥狀，如圖3所示。

圖3 肝硬化高頻超聲圖像

如圖4所示，肝包膜作為肌肉脂肪層以及肝實質(zhì)的邊界，其特征分布及形態(tài)都存在著差異，因此可通過對肝實質(zhì)、肝包膜、肌肉脂肪層特征數(shù)據(jù)的統(tǒng)計分析來確定肝包膜及其附近組織的特征圖。

根據(jù)文獻[18]所提出的分類方法，將肝實質(zhì)部位特征分為粗顆粒、細條索、粗條索等不同形態(tài)的病變特征。鑒于本文的任務和目標，僅需對肝實質(zhì)部位進行病變特征數(shù)據(jù)的提取，并與肝包膜、肌肉脂肪層等部位紋理特征進行統(tǒng)計分析。

經(jīng)過頻域處理之后，肝硬化超聲圖像的紋理特征，尤其是肝實質(zhì)部位的顆粒或條索特征結(jié)構，更加直觀化，這對獲取肝硬化超聲圖像特征數(shù)據(jù)較為有利。因此，本文在進行傅里葉變換、高通濾波、傅里葉逆變換等頻域操作后，采用如圖5所示的十字結(jié)構對處理后的超聲圖像進行開操作。開操作由形態(tài)學膨脹操作與腐蝕操作組合而成，先進行腐蝕操作，再進行膨脹操作，在消除弱特征的同時，保留強特征。其膨脹操作、腐蝕操作分別如式(6)和式(7)所示。

圖5 十字結(jié)構示意圖

本文采用鏈式輪廓檢測的方法對病變特征和紋理特征進行檢測，并對其繪制最小外接矩形。對肝實質(zhì)部位病變特征的檢測效果如圖4所示。根據(jù)所繪制的最小外接矩形可對特征(病變特征的尺寸、面積)進行特征數(shù)據(jù)量化提取，以便進行后續(xù)的數(shù)據(jù)分析。

圖4 三特征分布情況及肝實質(zhì)特征提取

(6)

(7)

根據(jù)圖4所示的肝實質(zhì)病變特征、肝包膜及肌肉脂肪層紋理特征分布情況。借鑒章節(jié)1.2.1所提的移動平均法思想，本文進一步提出二路交叉感受野策略。該策略以各個特征外接矩形中心點作為感受野統(tǒng)計對象，通過二路感受野細化提取、分析特征數(shù)據(jù)，對肝包膜特征圖提取更具容錯性。本文使用二路交叉感受野，通過左右兩路感受野自底向上對其映射區(qū)域的中心點進行統(tǒng)計，并計算該映射區(qū)域中心點所代表特征的長度特征，用于最后的特征分析。感受野經(jīng)肝實質(zhì)數(shù)據(jù)信息，到肝包膜以及脂肪層信息，將每塊感受野所得特征長度數(shù)據(jù)視為收益，采用如式(8)所示的對數(shù)能量收益函數(shù)對其進行數(shù)據(jù)計算。根據(jù)其計算結(jié)果得到數(shù)據(jù)飛躍點，即可得到肝包膜所在位置，處理細節(jié)如圖6所示。

圖6 肝包膜特征定位示意圖

本文采用的感受野大小皆采用h×2+δ，其中h為感受野高度，此處取64，δ=32為交叉彌補項，主要為兩感受野交界處特征互相彌補。w為感受野寬度，W為肝硬化超聲圖像的寬度，此處w=W/2。

P=max(log10(eVec(i)-Vec(i-1)+ε))

(8)

式中，P為包膜所在位置；Vec為感受野所收集的數(shù)據(jù)特征集集合；ε為能量補充值。

1.2.3 糾錯機制

本文采用二路交叉感受野獲取圖像特征數(shù)據(jù)，來判定肝包膜所在位置。兩路所檢測的肝包膜特征塊的位置可能相差較遠，而同屬于一張影像上的肝包膜特征，其檢測得到的兩路包膜位置應相近，因此需對異常檢測點的圖像數(shù)據(jù)進行潛在目標框坐標修訂。偽代碼如算法1所示。

此外，根據(jù)數(shù)據(jù)集中包膜分布特征，需約束包膜位置，使其位于圖像中部，以便提高包膜檢測準確率。肝包膜定位校正圖如圖7所示。

算法1 潛在目標框修訂算法//若兩路檢測到的包膜位置縱向單位距離相差1及以上,則存在異議If abs(PDet1 - PDet2) > 1: //計算潛在窗口所在位置 Index = min(PDet1,PDet2)+1; //計算窗口位置坐標 Y= ImgRows-(index+abs(PDet1-PDet2))×H_yield-bi-as; //若位置坐標為圖像中等偏上,則不需要對位置坐標進行計算調(diào)整。 If y < ImgRows/2: Done; //調(diào)整位置坐標 else Index=max(PDet1,PDet2)-min(PDet1, PDet2)+1; Y=ImgRows-(index+1)×H_yield-bias; Done;

圖7 肝包膜定位校正圖

2 實驗結(jié)果與分析

本研究所使用的圖像數(shù)據(jù)均來自于第二軍醫(yī)大學附屬長征醫(yī)院超聲科，其中男性患者35例，女性患者12例，年齡范圍為28～77歲，平均年齡為51.6±11.6歲。依據(jù)Child-Pugh改良分級標準將肝硬化患者的肝功能損害程度分為A、B、C3級，其中A級為輕度肝硬化組，共18例，年齡范圍為31～71歲，平均年齡為50.1±10.1歲；B級為中度肝硬化組，共16例，年齡范圍為28～67歲，平均年齡為50.8±11.0歲；C級為重度肝硬化組，共13例，年齡范圍為33～77歲，平均年齡為55.3±14.7歲。除此之外，選取20名經(jīng)超聲檢查、實驗室檢查均無肝臟疾病者作為正常對照組，其中男性15名，女性5名，年齡范圍為26～76歲，平均年齡為51.5±13.2歲。肝硬化病情診斷結(jié)果經(jīng)實驗室、超聲、CT檢查證實，排除合并脂肪肝、血吸蟲肝病及其他器質(zhì)性肝臟疾病患者的情況，各組間年齡、性別、體質(zhì)等差異均無統(tǒng)計學意義。

2.1 實驗結(jié)果

利用肝實質(zhì)與肝包膜以及脂肪層超聲圖像之間特征數(shù)據(jù)量的不同，并根據(jù)各個感受野統(tǒng)計特征數(shù)據(jù)，進行數(shù)據(jù)分析處理，對肝包膜所在區(qū)域進行定位。各階段檢測效果如圖8所示。

(a) (b)

為定量評價肝包膜及其上下組織特征塊提取的準確度，對其進行肝硬化各階段準確率的統(tǒng)計以及總體準確率的計算，其結(jié)果如表1所示。

表1 肝包膜特征塊提取準確度

2.2 實驗分析

由上述數(shù)據(jù)可發(fā)現(xiàn)，該檢測方法在正常、輕度以及中度肝硬化階段可實現(xiàn)對包膜及其相關組織特征塊100%的提取效果，在重度肝硬化階段，可達到85%左右的檢測效果。造成檢測差異的原因在于：在重度肝硬化階段，包膜斷裂嚴重，部分病例存在腹水、包膜增厚等現(xiàn)象，經(jīng)過頻域處理之后，圖像往往只保留了比較強的特征，忽略了相對較弱的特征，例如如圖9(a)所示的包膜厚度特征；另一方面，如圖9(b)所示，腹水的出現(xiàn)導致感受野區(qū)域未搜集到任何數(shù)據(jù)，數(shù)據(jù)統(tǒng)計時誤判飛躍點從而導致對包膜位置的誤判。

圖9 誤檢情況示意圖

圖9中，白色虛線為正確的肝包膜特征塊位置，實線為檢測到的肝包膜特征塊位置。

3 結(jié)束語

本文將統(tǒng)計分析與圖像特征定位進行結(jié)合，采用二路交叉感受野獲取特征數(shù)據(jù)，將每個感受野所得數(shù)據(jù)視為收益，使用對數(shù)收益計算式對其進行分析，所獲得的最大收益位置即為潛在包膜區(qū)域位置。本文根據(jù)二路最終確定的潛在包膜相對位置，確定最終包膜所在區(qū)域，實現(xiàn)對包膜及其上下組織特征圖的提取，為該部位的特征學習提供了充分的條件。在未來的工作中，將針對重度肝硬化階段存在的腹水、肝包膜嚴重斷裂、肝包膜增厚等干擾情況進行更深入的研究，以實現(xiàn)對各個階段中肝包膜特征塊100%自動獲取。