医学超声图像处理系统

　　目前,超声图像诊断是与X线CT、同位素扫描、核磁共振等一样重要的医学图像诊断手段。根据肝脏超声图像进行脂肪肝的诊断,是病变确诊的主要方法。但是,与CT和核磁共振等医学图像相比,超声图像的图像质量较差,目前的诊断以定性为主,受主观因素影响较大。研究肝脏超声图像的纹理特征,以便获得量化参数,并以此为依据进行病变的分类,为医生提供诊断依据,是非常必要的。基于以上原因,本文结合肝脏超声图像的特点,以图像分割为基本手段,提取特征参数,对超声图像的临床诊断具有重要意义。

　　1　系统简介

　　本系统利用B超机自带的图像输出接口与计算机相连,将采集到的图像送入图像处理软件,对图像进行实时处理,将得到的参数显示在电脑屏幕上,为医生的诊断提供参考。

　　2　方法介绍

　　肝脏B超图像的纹理是由于不同的肝脏组织纤维不同,使其对超声脉冲的吸收、衰减、反射有差异,超声脉冲又相互作用而形成的。因此,不同肝脏B超图像的纹理有明显不同,正常肝脏的肝实质回声呈稍低的细小光点,分布均匀,光点致密。发生病变后,回声增强,光点稀疏。所以光点的大小和密度就成为医生诊断的重要依据,所以对其进行量化,以此为肝脏超声图像的密度特征是十分必要的。

　　2.1　超声图像预处理

　　在超声图像中,主要的噪声来自于散斑(speckle),他是由于声束在不均匀微细组织的散射所引起的干涉作用造成的,他在图像中表现为颗粒状,并不反映实际的组织结构,但却影响了图像的细节分辨能力。这不利于图像的定量分析,因此需对图像中的散斑噪声进行抑制。在噪声的抑制中,因为超声图像中的噪声是乘法性噪声,属于与图像信号相关的噪声,因此线性滤波在平滑噪声的同时也对图像的细节信息进行了抑制。本文采用Loupas提出的适应性加权中值滤波来抑制超声图像的噪声。由于散斑的回波信号遵循平均值正比于标准偏差的瑞利分布,而Loupas已证明通过适应性加权中值滤波对图像散斑进行处理时,图像的局部灰度平均值变得正比于局部的方差而不是标准偏差,所以选用局部灰度平均值与局部方差的比作为图像的特征。

　　2.2　超声图像二值化

　　对于肝实质回声图像,经过预处理后,要进行二值化,二值化的关键是灰度阈值的计算。适当的阈值就是既要尽可能地保存图像信息,又要尽可能地减少背景和噪声的干扰。一般二值化阈值的计算方法有:对话式直方图法、松弛法、最大熵法、矩保持法和边界灰度门限法等。本文采用最大方差比的阈值设定方法,该算法先统计出图像的灰度直方图,然后把直方图在某阈值处分成2组c1和c2,使如下所示的分离度η(T)为最大值的T即为最佳阈值。

　　式中σ2B(T)是类间方差;σ2W(T)是类内方差,可由式(4),(5)得到:

　　类间方差:

　　类内方差:

　　这里σ2B+σ2W=σ2T(σ2T为全局方差),w1和w2分别是类c1和c2的发生概率(标准化后的象素数),μ1和μ2以及σ21和σ22分别是类c1和c2的像素的灰度平均值和灰度方差。

　　2.3　颗粒图像中颗粒的提取

　　图像经二值化处理后,就是一些连通的黑色区域,本文通过贴标签法,对二值图像的每个不同的连接成分都进行不同的编号,所得到的图像成为标签图像,贴标签处理是计算连接成分大小,面积等属性中的必要处理手段,所得标签的最大值即为此超声图像亮点的量化值,由此实现了超声图像的量化处理。

　　3　结　果

　　首先将采集到的所有超声图像存储在计算机上。在所获取的B超图像中选定一个感兴趣区域ROI,将ROI区域取为30象素×30象素,用VC编程对其提取参数,并对结果进行了分析。分别对正常肝脏和脂肪肝进行二值化的结果如图1所示。

　　图1 超声图像二值化结果

　　可以看出,由于灰度值过于集中,二值化的结果不是十分理想,很多颗粒发生了粘连,导致下一步分值标号的结果误差较大。因此,首先要对超声图像进行边缘检测,经过各种方法的测试,发现对图像进行高斯拉普拉斯边缘检测时,可以看出颗粒被分割了出来。对此图像进一步二值化后计算颗粒个数,得到如下统计结果:

　　当然,随着计算机技术及更多算法的出现,其量化处理将会更加细致。