基于邊緣激勵的超聲檢測影像質量提升機制

劉敏，趙建喜

1. 唐縣中醫醫院 超聲科，河北 保定 071000；2. 河北大學附屬醫院 放射科，河北 保定 071000

引言

超聲影像是利用超聲束掃描人體，通過對接收到的反射信號進行處理，探測人體內部的各種組織與器官，獲取其影像[1]。由于反射的波束存在相位干涉，導致反演的影像存在大量相干斑噪聲，導致影像對比度不高，所得到的超聲圖像比模糊[2]。為提升超聲檢測影像質量，尤其是檢測過程中的顯示質量，本文引入注意力機制，提出了一種結合邊緣激勵的超聲檢測影像質量提升方法。該方法可以增強圖像對比度，同時抑制鄰域背景雜波。定性定量實驗結果表明，本文提出的方法相比于對比算法具有較高的成像性能。

1 本文提出的檢測算法

現有醫療采用的超聲儀器，不僅僅表現出對比度低、尺寸小，還時常被淹沒在斑點噪聲中，造成目標逐場顯示不連續[3]。本文在充分考慮了注意力機制的基礎上，引入了邊緣激勵策略，提升成像質量的穩定性與有效性。

1.1 高斯拉普拉斯函數

高斯拉普拉斯函數（Laplace of Gaussian，LoG），是高斯函數和拉普拉斯函數組合的算子，具有背景平滑，各向異性和邊緣增強特性。從注意力機制角度可以看出，LoG具有人類視覺特性中的中心增強和側向抑制特性。由于超聲影像中細小組織通常呈現出弱小對比度特性，利用LoG進行濾波，可以起到增強目標，抑制背景的作用[4-5]。

在仿真測試發現，直接對原始超聲圖像進行LoG處理，復雜背景在一定程度上得到了抑制，但對于背景中雜波仍然較為顯著，尤其是對于臟器邊緣、腸氣區域存在較大邊緣響應。為了進一步增超聲圖像中目標區域對比度同時抑制雜波，有必要在視覺注意機制上對現有的算法進行改進[6]。

1.2 基于邊緣激勵的視覺注意機制

由于超聲影像對比度不高，目標邊緣模糊，直接采用LoG算法獲取的邊緣比較雜亂。為了能夠一次遍歷獲得最優邊緣圖，本文采用自適應尺度塊計算每個像素的區域對比度，并在此基礎上獲取局部邊緣信息。由Liu[7]的研究，不同空間尺度下的LoG結果經尺度正則化可表示為：

其中，(x,y)是指像素坐標點，sn是高斯核拉普拉斯算子LoG的尺度因子，F(x,y,sn)表示坐標(x,y)在尺度sn處的響應值。然后在等式(1)的基礎上，從多個不同尺度下找到最優的尺度s：

其中，s是顯著圖F中最大值對應的尺度因子，m是局部局域像素個數。由于超聲影像中弱小軟組織近似為圓點，假定其直徑為h，那么目標臟器邊緣位置αn的值近似為h，因此αt計算公式如式(3)所示：

由于邊界目標可以在拉普拉斯尺度空間中具有峰值響應[8-9]，所以可以基于歸一化的拉普拉斯尺度空間能夠用于估計圓形區域的尺寸與邊界位置。根據人類視覺注意的特性，在局部區域計算像素邊界特性以提高邊界定位，并提升視覺注意區域的顯著性信息。因此，本文提出了一個改進的均值算法，其等式如式(4)所示：

其中，Mid(·)是圖像塊P的中值；Ω是灰度值大于中值的像素集，N是該集合像素點個數；P(x,y)是經尺度正則化的結果。

以上分析可以看出，本文將邊緣信息作為視覺注意機制的約束條件，通過對每幀超聲影像的邊緣特征進行控制，無論醫務人員如何移動超聲設備，都將獲得準確而清晰的超聲影像。同時，本文也在此技術上，采用改進的均值濾波，進一步抑制相干斑噪聲，提升超聲影像的視覺效果。

2 實驗結果分析與討論

為了驗證本文提出超聲影像質量提升算法的有效性，采用真實的超聲視頻進行仿真試驗。超聲圖像來自GEV730 EUB5500，其成像質量較差，圖像存在明顯拖尾與偽影，適合定性定量驗證本文算法的有效性。

2.1 性能指標

為了便于定量分析算法的性能，本文采用的性能評價指標包括：峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）[11-12]和結構相似度（Structural Similarity，SSIM）[13]用來評價超聲圖像質量提升的性能。

2.2 定性定量分析

為了便于本文所提算法進行定性定量性能分析，針對性地選擇了LCM[14]、MILCM[15]、TCUM、MCM作為對比算法。實驗中所有測試圖像添加相同的乘性噪聲[16]，模擬受噪聲干擾的情景。

不同圖像的SSIM和PSNR值，見表1。定量對比發現，LCM算法在序列2和序列6中具有良好的質量提升與噪聲抑制能力，但其在序列3中的SSIM值最小，背景抑制能力不佳，這是由于圖像3受腹部超聲模糊邊界的影響，沒有明星的臟器邊界，嚴重降低了SSIM的計算結果。其余三種對比算法的結果指標滿足要求，但某些場景下的圖像質量較差，不具有穩定的檢測能力。

表1 不同方法對超聲影像的PSNR值和SSIM值

本文提出算法與對比算法的處理結果的定性對比，見圖1。由于本文的方法對采集的圖像處理進行邊緣約束，提升超聲影像質量，通過尺度LoG正則化方法對特定區域的回波信號進行分析，提高圖像分辨率和均勻性，輕松獲得高清晰的腹部超聲圖像，而其他算法存在一些邊緣模糊，噪聲干擾大的現象。

圖1 不同算法結果的定性對比

2.3 臨床效果對比分析

為了驗證本文提出的方法在臨床上的效果，我們將本文方法與傳統臨床操作方法進行了對比分析，其中傳統調節方法是通過直接對醫療設備若干參數調節，提高該區域的成像質量，使得在該有限區域內，圖像質量的橫向分辨率、軸向分辨率、穿透、時間分辨率等方面均達到比較高的水平，同時凍結ROI區域之外的圖像。臨床驗證分析結果可以看出，即便是醫生指定圖像上某個感興趣區域進行圖像增強時，要么調整整幅圖像的成像參數，如頻率、線密度等，結果導致圖像質量若干個方面提升，同時其他方面受到損失；要么對局部區域進行放大顯示，圖像質量改善的程度是有限的。而本文的算法直接對獲取的信號利用邊緣特性去約束成像的質量。這是由于人眼對邊緣具有較強的敏感性，只要邊緣清晰，就能夠感知到清晰的效果。同時，在本文算法增強的過程中，圖像的灰度及動態范圍會發生變化，結果表明本文算法也具有控制圖像的灰度及動態范圍變化，提高了圖像顯示質量與目標對比度。

3 結論

為了有效地提升超聲檢查影像的顯示質量，本文在視覺注意機制下提出了一種邊緣約束的超聲影像質量提升方法，該方法設計了加權自適應尺度局部邊緣定位算法，能夠在有效定位邊界的同時，抑制相干斑雜波。實驗結果表明，本文提出的算法具有良好的質量提升性能，能夠針對不同角度不同場景下實現穩定而快速清晰顯示，適合各種低成本超聲影像設備。