產前超聲醫學圖像處理技術研究進展

周蘭華

摘要：超聲診斷醫學成像技術在臨床上應用最廣泛，自動醫學圖像處理技術是提高準確率的主要手段。本文首先介紹超聲醫學圖像處理的原理和特點，討論圖像濾波、圖像分割和機器學習技術的算法，分析超聲醫學圖像處理研究進展。以超聲醫學為背景，對切面自動提取和生物學自動參數自動測量的技術應用進行綜述，討論產前超聲醫學圖像處理技術智能診斷的發展趨勢。

關鍵詞：產前超聲；醫學圖像處理；切面自動提取；生物學參數

中圖分類號：R445 文獻標識碼：A 文章編號：1006-1959（2017）18-0031-02

出生缺陷是新生兒死亡的最主要原因，同時也給新生兒的家庭和社會帶了來沉痛的打擊和負擔，并且死亡率這幾年呈上升趨勢。人口計生委江帆主任曾經說過，出生缺陷的孩子每年的治療費用和生活費用兩項到高達幾百億元，產生的間接費用高達幾千億元。產前超聲診斷是一項安全無損的診斷方式，能夠對胎兒的生長狀況進行檢測，減少嬰兒先天畸形率、嬰兒和孕婦的死亡率。利用超聲產前檢查的關鍵在于對超聲圖像檢查的準確性。

目前，成像設備在臨床上得到了廣泛應用，醫學圖像處理技術迅速發展，被歸結到模式分析和機器智能的范疇，醫學工作者們認為醫學圖像處理技術是將計算機的視覺和機器的學習技術應用到另外的數據庫。但是超聲圖像斑點噪聲導致質量較差，對細節上的檢查和分析帶來一定的困難。產前超聲診斷的主要是解剖結構的標準切面定位和生物學參數測量。例如檢查胎兒是否畸形，要對胎兒的腦部、顏面部三切面，四腔心切面，對應的眼距、頭圍、心房和心室等參數進行測量。實際工作中超聲檢查仍存在不少問題，主要體現在檢查時間長、結果依賴醫師、工作強度大等。特別是偏遠地區，由于醫療資源較少，這些問題更加明顯。研究者們根據計算機視覺和機器學習技術研究出了適合的圖像處理方法，來進行產前檢查。

1 處理超聲醫學圖像的方法

1.1計算機視覺和醫學圖像

計算機視覺和醫學圖像相互配合，在醫學圖像處理領域產生了較大的影響。計算機視覺領域出現了很多的研究方法和技術，本文中主要研究的產前超聲醫學圖像處理技術，下面對圖像濾波和圖像分割技術進行簡單的分析。

1.1.1超聲醫學圖像濾波 圖像濾波的主要目的是濾出斑點噪聲。因人體組織結構的特殊性和后向散射聲波共同作用會產生斑點噪聲，這影響了B超圖像對比度和組織內的細節信息。雖然目前B超技術已經比較成熟，但在既能抑制斑點噪聲又能保留圖像細節上仍存在一些問題。經過試驗研究，可以把斑點噪聲分為三類：完全隨機模型、長程階次非隨機模型、短程階次非隨機模型。這些模型的背向散射信號分別是Rayleigh分布、K分布和Rician分布。處理斑點噪聲時需要對不同的區域采取不同的方法[1]。

以往的濾波方式雖然實現簡單，效果不是很好。Donoho提出修改小波域的小波系數來消除噪聲， Comaniciu、Meer提出消除噪聲的同時還能夠保證邊界清晰的均值移位濾波算法，飛利浦提出的實時自適應灰度圖像濾波方法，主要是輔助空間復合成像。這些技術的相互配合能夠提高圖像的質量。

目前的圖像濾波算法都能或多或少的濾除超聲圖像的噪聲，但沒有任何一種算法是完美的，對于一些特定的圖像，采用定性和定量的方式進行對比，從中選擇最優的，是一種簡單可行的方法[2]。

1.1.2超聲醫學圖像分割 超聲醫學圖像分割技術主要是根據特殊手段將圖像像素劃分為不同的類別。閾值化、區域生長和聚類等傳統方法主要是利用圖像灰度信息進行劃分，但這些方法不能將灰度值相差不大的兩類物體區分。邊緣檢測法主要利用圖像梯度劃分，但這種方法對噪聲的敏感性很強，不能獲得正確的邊界模糊物體。產科超聲醫學圖像的質量較差，分割目標比較繁瑣，所以需要更科學合理的技術來獲取更好的分割效果。在特定的分割算法中融入特定圖像的底層信息（如紋理、輪廓、統計特征參數及先驗信息等）是分割方法算法成功的關鍵[3]。

1.2超聲醫學圖像機器學習

超聲醫學圖像機器學習在圖像處理上有很重要的作用，它能促進產前超聲診斷的智能化。目前機器學習中分類器模型主要包括核學習方式、線性模型、人工神經網絡、自組織映射、集成學習、自適應增強以及隨機森林等。核學習為計算機輔助檢測任務提供理想的分類器模型，建立概率模型、馬爾可夫等隨機場，為圖像重建、分割提供理論框架[4]。各類分類器模型在應用中各具優缺點，學習時可根據具體內容進行選擇。隨著超聲設備在臨床廣泛應用，這將使超聲醫學圖像機器學習更加可行[5]。

2 產前超聲醫學圖像應用

目前國際研究熱點主要是計算機輔助產前超聲診斷智能化。隨著超聲設備的迅速發展（三維、四維等超聲儀已廣泛應用于臨床檢查），產前檢查的準確率和可靠性正不斷提高[6]，為此我們從以下方面進行分析探討。

2.1標準切面的自動搜索

Abuhamad等在本世紀初首先提出標準切面的搜索概念，其原理是在人工建立參考切面（基礎面）基礎上采用統計學方法來尋找其它切面，該方法受限于人工建立基礎參照面的準確性，在實際使用中對復雜圖像和變化頻繁目標的找尋較為困難。為解決此問題，設備制造商和部分學者通過對設備處理性能的提升來逐步實現建立自動參照切面，如通過機器學習技術可以自動根據超聲對象選擇最合適的參照切面數據。Noble等2011年在西門子團隊研究基礎上開展基于機器學習算法的胎兒腹部標準切面的自動搜索工作（西門子團隊在2008年已經成功實現胎兒腦部、面部等自動切面搜索），并逐漸實現通過自動搜索建立胎兒腹部檢查的標準切面檢測（腹部檢測、股骨檢測、頭部脈絡叢檢測、腦部檢測等）。該領域的發展將主要完善機器學習功能并通過設備性能的提升而建立動態連續圖像的標準切面自動搜索功能，從而獲得更為清晰直觀的產前檢查圖像[7]。

2.2產前超聲醫學圖像的生物學參數測量endprint

目前，產前超聲檢查獲取胎兒的生物學參數已經比較成熟，這主要得益于聲設備圖像清晰度的極大提高，并且隨著參照切面的不斷完善，測量的數據越來越準確[8]，目前主要通過檢查胎兒的頭圍、腹圍、股骨長短、肱骨長短、雙頂徑大小等指標推算出胎兒體重以及生長曲線和孕婦的健康狀況，進一步診斷胎兒的健康程度。隨著三維、四維超聲設備的應用，產前超聲醫學圖像的生物學參數測量達到空前的準確，對篩查胎兒異常起到積極作用[9]。

2.3產前超聲醫學圖像的頸部透明層測量

目前超聲檢查測量胎兒頸部透明層（帶）主要采用Sobel算子和代價函數來建立圖像模型，前者無法實現自動搜索來建立頸部透明層的邊界，后者雖可以采用動態規劃算法來搜索頸部透明層的邊界，但無法自動搜索透明層（帶）區域。我國有學者（復旦大學汪源源團隊）提出采用分層模型來實現自動搜索獲取透明層（帶）區域的信息，但由于分層模型建立的參照面仍需人工建立，因而導致獲取信息的正確率較低，根據其研究僅為60%左右，這方面的研究目前尚未取得有效進展，目前臨床上對頸部透明層的測量仍具有較高的誤差率[9-10]。

2.4產前超聲醫學圖像胎兒解剖結構測量

超聲檢查測量胎兒的解剖結構目前發展較為成熟，其數學模型的建立已經從形態學算子、基于參數形變形狀演化的分割算法、結合K均值和霍夫變化算法、形態學算子結合橢圓擬合算法等過程逐步發展到機器算法建立模型，基于各種數學模型處理后獲得的數據較為理想，但存在對動態圖像測量不足的缺點。隨著機器學習用法的深入，其在超聲圖像測量胎兒解剖結構的研究中將會迅速深入。

3討論

產前檢查可及早發現胎兒缺陷，對是否繼續妊娠具有較高的應用價值。通過超聲檢查不僅可以及時發現胎兒的體表缺陷，還可對胎兒的解剖結構進行測量，進而發現潛在異常。對胎兒脊柱、四腔心切面、腹部臟器（肝、胃、腎、膀胱）等檢查來診斷胎兒的生長發育情況，降低嚴重缺陷畸形等對家庭和社會帶來的損失。

超聲技術發展迅速，從早期對單一圖像的處理到連續動態圖像的處理、從簡單圖像處理模型的建立到復雜和自動模型的建立都表明圖像處理技術已日趨成熟。目前，對圖像質量的處理已基本能滿足靜態檢查的需求。隨著超聲技術的發展，相信對于動態圖像的處理技術將會在不久的將來取得突破性進展，為胎兒產前檢查提供更為準確直觀的圖像資料。

目前胎兒的超聲產前檢查圖像處理已經獲得理想的成果，但在動態測量方面尚顯不足，需要臨床醫師在應用時加以注意，以降低診斷誤差率；同時我們認為在超聲圖像的處理上應加大對其機器學習的深入研究，以提高超聲檢查設備的高度自動智能化。

參考文獻：

[1]陳秀蘭，李勝利.胎兒唇腭裂產前超聲篩查與診斷新進展[J].中華醫學超聲雜志（電子版），2013，04（12）：263-266.

[2]黃巧燕，張棣.胎兒畸形的產前超聲診斷現狀[J].醫學綜述，2015，24（35）：3803-3806.

[3]王海燕.產前超聲診斷胎兒占位性病變的臨床價值[J].中華醫學超聲雜志（電子版），2014，02（14）：160-166.

[4]蔣世忠.醫學圖像處理遠程虛擬實驗教學平臺的設計與實現[J].中國當代醫藥，2014，18（01）：158-159.

[5]程自峰，李永勤.超聲醫學設備原理及其發展趨勢[J].常規醫療裝備，2015，2（6）：11-13.

[6]李勝利.中國超聲產科診斷的現狀與發展展望[J].中國醫療器械信息，2011，16（13）：54-55.

[7]劉小平，楊新，吳蘭平，等.基于模板匹配的心臟三維超聲最優切面搜尋方法[J].生物醫學工程學雜志，2013，19（23）：132-133.

[8]易運蓮，羅麗芳，鄭小紅.胎兒畸形超聲漏診原因分析[J].中國當代醫藥，2016，11（45）：88-89.

[9]魯通，梁萍，程志剛.導航及機器人輔助系統三維空間信息對超聲引導肝腫瘤經皮熱消融治療的作用：臨床應用的準確性與可行性[J].中國組織工程研究與臨床康復，2012，24（19）：284-285.

[10]汪天富，鄭昌瓊，李德玉，等.產前超聲診斷胎兒占位性病變的臨床分析[J].中國當代醫藥，2014，15（4）：397-399.

編輯/成森endprint