牛广利，刘 翔，宋家琳，汤 显

(1.上海工程技术大学 电子电气工程学院，上海 201620；
2.中国人民解放军第二军医大学长征医院 超声诊疗科，上海 200003)

肝硬化是一种严重的肝脏疾病。患者在患病初期并无不适感，因此容易延误诊断和治疗。在对肝硬化、肝纤维化的临床筛查与随访中，超声成像技术以其无创、实时、便捷、无辐射等优势成为诊断肝硬化、肝纤维化的重要手段之一[1]。随着计算机技术和数字图像分析技术的不断发展，计算机辅助的非介入性诊断技术被广泛应用于医学影像领域[2-8]。

在肝硬化病情诊断过程中，肝包膜特征扮演了重要的角色。目前已有针对超声图像的肝包膜特征提取方法的相关研究。文献[9]结合垂直梯度优化和最小偏转误差对肝包膜进行提取，提出了3种形态特征用以描述肝包膜。文献[10]利用多尺度、多目标优化算法识别肝包膜的位置，并提出了衡量连续性和平滑性的指标。文献[11]提出利用动态规划对肝包膜及其特征进行提取，并采用神经网络算法对所提特征进行肝硬化的阶段分类。文献[12]通过空间上下文约束的多尺度方法提取肝包膜的边界。文献[13]结合肝脏超声，采用动态规划算法对腹水进行识别，从而实现对肝包膜的提取。以上方法虽然对肝包膜特征的提取都有积极的影响，但在提取过程中需要手动调试阈值，无法依据图像本身的特性进行特征筛选。本文依据肝脏超声图像中组织特征分布情况，采用特征数据分析的方法实现对肝包膜及其上下组织特征块的提取。

高频超声图像中，其成像原理及拍摄设备会导致成像存在噪声，不利于进行计算机辅助诊断。图像数据具有时域与频域两种存在形式。频域下的滤波操作在高频超声图像边缘检测、图像去噪、特征提取等方面具有优势。本文对肝包膜特征块进行自动化提取的方法流程如图1所示。

图1 方法流程图

1.1 频域处理

快速傅里叶变换法(Fast Fourier Transform， FFT)的主要作用是将时域信号转换为频域信号。将一幅尺寸为M×N的肝脏超声图像F(x，y)先进行灰度化处理，并得到图像记为G(x，y)。随后，对灰度化图像进行快速傅里叶变换，如式(1)所示。

F(u，v)=

(1)

F(u，v)所在的坐标系即为频域。频域矩阵为由u=0，1，2，…，M-1和v=0，1，2，…，N-1定义的M×N矩阵。

经过频谱中心化后的频谱图以图像中心点呈发散状态分布。根据频谱本身特征设计理想高通滤波器，如式(2)所示，实现对图像的滤波操作，达到强化边缘信息并弱化概貌信息的目的。

(2)

式中，D0表示通带的半径；
D(u，v)表示频域中点(u，v)中与中心点(M/2，N/2)的欧氏距离，如式(3)所示。

(3)

如图2(b)所示，将图像自身尺寸的1/12作为截止频率，则可在保留图像主要特征的前提下，强化特征边缘。将滤波处理后的频谱图按照式(4)进行傅里叶逆变换操作，即可实现频域到时域信号的转换，如图2(c)所示。

图2 频域处理示意图

D(x，y)=

(4)

其中，x=0，1，2，…，M-1；
y=0，1，2，…，N-1。

1.2 潜在包膜定位

1.2.1 移动平均法

移动平均法依据最近的一组历史数据，预测未来一期或多期的需求，多用于股票分析、需求分析、智能预测等多种数据分析场合[14-17]。当每期的历史数据权重一样时，称为简单移动平均(简称为移动平均)，如式(5)所示。该方法根据时间序列逐项推移，依次计算包含一定项时序的平均值，以反映长期趋势。当时间序列的数值受到周期变动和随机波动的影响，导致数据起伏较大，不易显示出事件的发展趋势时，使用移动平均法即可消除这些因素的影响，显示出事件的发展方向与趋势(即趋势线)，然后依趋势线分析预测序列的长期趋势。

(5)

式中，Ft为对下一期的预测值；
n为移动平均的时期个数；
At-1、At-2和At-n分别为前一期的实际值、前两期的实际值和前n期的实际值。

1.2.2 特征处理与分析

超声波在生物体内遇到不同的组织结构会发生不同程度的反射、散射，根据反射回来的超声波即可实现对不同组织器官的成像，即获得医学超声图像。

肝硬化超声图像以及正常肝脏超声图像的组织特征大致分为肝实质、肝包膜、肌肉脂肪层3部分。在重度肝硬化阶段，部分病例由于病情严重，在肝包膜与肌肉脂肪层之间存在腹水等症状，如图3所示。

图3 肝硬化高频超声图像

如图4所示，肝包膜作为肌肉脂肪层以及肝实质的边界，其特征分布及形态都存在着差异，因此可通过对肝实质、肝包膜、肌肉脂肪层特征数据的统计分析来确定肝包膜及其附近组织的特征图。

根据文献[18]所提出的分类方法，将肝实质部位特征分为粗颗粒、细条索、粗条索等不同形态的病变特征。鉴于本文的任务和目标，仅需对肝实质部位进行病变特征数据的提取，并与肝包膜、肌肉脂肪层等部位纹理特征进行统计分析。

经过频域处理之后，肝硬化超声图像的纹理特征，尤其是肝实质部位的颗粒或条索特征结构，更加直观化，这对获取肝硬化超声图像特征数据较为有利。因此，本文在进行傅里叶变换、高通滤波、傅里叶逆变换等频域操作后，采用如图5所示的十字结构对处理后的超声图像进行开操作。开操作由形态学膨胀操作与腐蚀操作组合而成，先进行腐蚀操作，再进行膨胀操作，在消除弱特征的同时，保留强特征。其膨胀操作、腐蚀操作分别如式(6)和式(7)所示。

图5 十字结构示意图

本文采用链式轮廓检测的方法对病变特征和纹理特征进行检测，并对其绘制最小外接矩形。对肝实质部位病变特征的检测效果如图4所示。根据所绘制的最小外接矩形可对特征(病变特征的尺寸、面积)进行特征数据量化提取，以便进行后续的数据分析。

图4 三特征分布情况及肝实质特征提取

(6)

(7)

根据图4所示的肝实质病变特征、肝包膜及肌肉脂肪层纹理特征分布情况。借鉴章节1.2.1所提的移动平均法思想，本文进一步提出二路交叉感受野策略。该策略以各个特征外接矩形中心点作为感受野统计对象，通过二路感受野细化提取、分析特征数据，对肝包膜特征图提取更具容错性。本文使用二路交叉感受野，通过左右两路感受野自底向上对其映射区域的中心点进行统计，并计算该映射区域中心点所代表特征的长度特征，用于最后的特征分析。感受野经肝实质数据信息，到肝包膜以及脂肪层信息，将每块感受野所得特征长度数据视为收益，采用如式(8)所示的对数能量收益函数对其进行数据计算。根据其计算结果得到数据飞跃点，即可得到肝包膜所在位置，处理细节如图6所示。

图6 肝包膜特征定位示意图

本文采用的感受野大小皆采用h×2+δ，其中h为感受野高度，此处取64，δ=32为交叉弥补项，主要为两感受野交界处特征互相弥补。w为感受野宽度，W为肝硬化超声图像的宽度，此处w=W/2。

P=max(log10(eVec(i)-Vec(i-1)+ε))

(8)

式中，P为包膜所在位置；
Vec为感受野所收集的数据特征集集合；
ε为能量补充值。

1.2.3 纠错机制

本文采用二路交叉感受野获取图像特征数据，来判定肝包膜所在位置。两路所检测的肝包膜特征块的位置可能相差较远，而同属于一张影像上的肝包膜特征，其检测得到的两路包膜位置应相近，因此需对异常检测点的图像数据进行潜在目标框坐标修订。伪代码如算法1所示。

此外，根据数据集中包膜分布特征，需约束包膜位置，使其位于图像中部，以便提高包膜检测准确率。肝包膜定位校正图如图7所示。

算法1 潜在目标框修订算法//若两路检测到的包膜位置纵向单位距离相差1及以上,则存在异议If abs(PDet1 - PDet2) > 1: //计算潜在窗口所在位置 Index = min(PDet1,PDet2)+1; //计算窗口位置坐标 Y= ImgRows-(index+abs(PDet1-PDet2))×H_yield-bi-as; //若位置坐标为图像中等偏上,则不需要对位置坐标进行计算调整。

If y < ImgRows/2: Done; //调整位置坐标 else Index=max(PDet1,PDet2)-min(PDet1, PDet2)+1; Y=ImgRows-(index+1)×H_yield-bias; Done;

图7 肝包膜定位校正图

本研究所使用的图像数据均来自于第二军医大学附属长征医院超声科，其中男性患者35例，女性患者12例，年龄范围为28～77岁，平均年龄为51.6±11.6岁。依据Child-Pugh改良分级标准将肝硬化患者的肝功能损害程度分为A、B、C3级，其中A级为轻度肝硬化组，共18例，年龄范围为31～71岁，平均年龄为50.1±10.1岁；
B级为中度肝硬化组，共16例，年龄范围为28～67岁，平均年龄为50.8±11.0岁；
C级为重度肝硬化组，共13例，年龄范围为33～77岁，平均年龄为55.3±14.7岁。除此之外，选取20名经超声检查、实验室检查均无肝脏疾病者作为正常对照组，其中男性15名，女性5名，年龄范围为26～76岁，平均年龄为51.5±13.2岁。肝硬化病情诊断结果经实验室、超声、CT检查证实，排除合并脂肪肝、血吸虫肝病及其他器质性肝脏疾病患者的情况，各组间年龄、性别、体质等差异均无统计学意义。

2.1 实验结果

利用肝实质与肝包膜以及脂肪层超声图像之间特征数据量的不同，并根据各个感受野统计特征数据，进行数据分析处理，对肝包膜所在区域进行定位。各阶段检测效果如图8所示。

(a) (b)

为定量评价肝包膜及其上下组织特征块提取的准确度，对其进行肝硬化各阶段准确率的统计以及总体准确率的计算，其结果如表1所示。

表1 肝包膜特征块提取准确度

2.2 实验分析

由上述数据可发现，该检测方法在正常、轻度以及中度肝硬化阶段可实现对包膜及其相关组织特征块100%的提取效果，在重度肝硬化阶段，可达到85%左右的检测效果。造成检测差异的原因在于：在重度肝硬化阶段，包膜断裂严重，部分病例存在腹水、包膜增厚等现象，经过频域处理之后，图像往往只保留了比较强的特征，忽略了相对较弱的特征，例如如图9(a)所示的包膜厚度特征；
另一方面，如图9(b)所示，腹水的出现导致感受野区域未搜集到任何数据，数据统计时误判飞跃点从而导致对包膜位置的误判。

图9 误检情况示意图

图9中，白色虚线为正确的肝包膜特征块位置，实线为检测到的肝包膜特征块位置。

本文将统计分析与图像特征定位进行结合，采用二路交叉感受野获取特征数据，将每个感受野所得数据视为收益，使用对数收益计算式对其进行分析，所获得的最大收益位置即为潜在包膜区域位置。本文根据二路最终确定的潜在包膜相对位置，确定最终包膜所在区域，实现对包膜及其上下组织特征图的提取，为该部位的特征学习提供了充分的条件。在未来的工作中，将针对重度肝硬化阶段存在的腹水、肝包膜严重断裂、肝包膜增厚等干扰情况进行更深入的研究，以实现对各个阶段中肝包膜特征块100%自动获取。

猜你喜欢 频域包膜实质 乳房假体包膜挛缩发生危险因素及预防措施的研究进展▲广西医学(2022年16期)2022-11-19假包膜外切除术治疗无功能型垂体腺瘤的疗效临床神经外科杂志(2022年5期)2022-11-18照猫画虎小学生学习指导·低年级(2022年2期)2022-02-16不说话、不说真话、不说有实质内容的话 “沉默干部”的五种面孔当代陕西(2021年13期)2021-08-06不给他人“提篮子”——“提篮子”的实质是“谋私利”当代陕西(2019年14期)2019-08-26一种海上浮式风电基础频域动力响应分析新技术振动工程学报(2019年2期)2019-05-13马铃薯包膜尿素田间肥效试验分析西部论丛(2017年2期)2017-09-11例说追及问题的解法归类新高考·高一物理(2016年11期)2017-07-07YK5959型秸秆打捆包膜一体机农村百事通(2017年12期)2017-06-23智慧农业物联网节点故障处理分析物联网技术(2016年11期)2017-01-12