陳　軍,汪春菊,趙紅蕾,胡春玲,韓新民,賀莉萍

(1.甘肅中醫(yī)藥大學(xué)定西校區(qū)， 甘肅 定西，743000;2.蘭大二院定西醫(yī)院)

基于馬爾可夫模型的超聲醫(yī)學(xué)圖像處理研究

陳軍1,汪春菊2,趙紅蕾2,胡春玲1,韓新民1,賀莉萍1

(1.甘肅中醫(yī)藥大學(xué)定西校區(qū)， 甘肅 定西，743000;2.蘭大二院定西醫(yī)院)

摘要：文章從基于馬爾可夫模型的超聲醫(yī)學(xué)圖像處理研究的意義、國內(nèi)外研究現(xiàn)狀、趨勢、擬采取的研究方法、技術(shù)路線、可行性及創(chuàng)新性等方面分析了其研究的內(nèi)容目的。

關(guān)鍵詞：馬爾可夫模型；超聲醫(yī)學(xué)；圖像處理；研究

數(shù)字時代，醫(yī)學(xué)影像成為醫(yī)生診斷和治療及動物保護的重要輔助手段。其中,超聲醫(yī)學(xué)影像技術(shù)以其安全、快速、實時和價格低廉等優(yōu)點在醫(yī)療的診斷、術(shù)前計劃、治療、術(shù)后監(jiān)測等各個環(huán)節(jié)中發(fā)揮著巨大的作用。醫(yī)學(xué)圖像處理技術(shù)作為這些成像技術(shù)的基礎(chǔ)，推動著現(xiàn)代醫(yī)學(xué)及動物醫(yī)學(xué)產(chǎn)生著深刻的變革。

醫(yī)學(xué)影像不僅使臨床醫(yī)生對人體內(nèi)部病變部位的觀察更直接、更清晰,確診率也更高，而且在動物，特別是寵物體內(nèi)病變部位的觀察、現(xiàn)場救護、病期護理、手術(shù)及康復(fù)護理等生命科學(xué)的各個領(lǐng)域中發(fā)揮著越來越重要的作用。二十世紀(jì)七十年代初,X-CT(X射線電子計算機斷層掃描)的發(fā)明曾引發(fā)了世界醫(yī)學(xué)影像領(lǐng)域的一場革命,與此同時,核共振成像、超聲成像、數(shù)字射線照相、計算機成像和核素成像等也逐步發(fā)展。不同的醫(yī)學(xué)圖像提供了相關(guān)臟器的不同信息,圖像融合的潛力在于綜合處理應(yīng)用這些成像設(shè)備所得信息以獲得新的有助于臨床診斷的可靠信息。利用可視化軟件,對多種模態(tài)的圖像進行圖像融合,可以準(zhǔn)確地確定病變體的空間位置、大小、幾何形狀及它與周圍生物組織之間的空間關(guān)系,從而及時高效、準(zhǔn)確地診斷疾病,也可以用在手術(shù)計劃的制定、病理變化的跟蹤、治療效果的評價等方面。在放療中,利用MR(磁共振)圖像勾勒畫出腫瘤的輪廓線,也就是描述腫瘤的大??；利用CT圖像計算出放射劑量的大小以及劑量的分布,以便修正治療方案。在制定手術(shù)方案時,對病變與周圍組織關(guān)系的了解是手術(shù)成功與否的關(guān)鍵,所以CT與MR圖像的融合為外科手術(shù)提供有利的佐證,甚至為進一步研究腫瘤的生長發(fā)育過程及早期診斷提供新的契機。在CT成像中,由于骨組織對X線有較大的吸收系數(shù),因而對骨組織很敏感；而在MR成像中,骨組織含有較低的質(zhì)子密度,所以MR對骨組織和鈣化點信號較弱,融合后的圖像對病變的定性、定位有很大的幫助。由于不同醫(yī)學(xué)成像設(shè)備的成像機制不同,其圖像質(zhì)量、空間與時間特性有很大差別。因此,實現(xiàn)醫(yī)學(xué)圖像的配準(zhǔn)、檢索、信息融合等是圖像處理中的關(guān)鍵技術(shù)。

1研究內(nèi)容

本研究旨在探索基于馬爾可夫模型下的超聲醫(yī)學(xué)圖像處理的方式方法。通過對馬爾可夫隨機場(MRF)模型合理的設(shè)計，運用置信度傳播算法(BP)對采集的圖像素材進行推理，然后對素材塊的重疊區(qū)域進行處理，采用最佳的“平均”拼接方法狀態(tài)估計，并研究不同的圖像塊大小，候選圖像塊搜索范圍和候選圖像塊數(shù)量對合成效果的影響，最終合成一幅完整的圖像，它將有效減少光照變化對素材合成效果的影響，增強圖像輪廓的邊緣信息，豐富陰影紋理，具有立體質(zhì)感，使所用的模型、算法能達到很好的三維醫(yī)學(xué)圖像的可視化效果。

2解決的關(guān)鍵問題

2.1如何減少光照變化對圖像合成效果的影響

本研究采用馬爾可夫隨機場(Markov Random Field，MRF)模型解決對光照變化比較敏感，導(dǎo)致素描效果受光照影響大的模型問題，把與訓(xùn)練素描塊對應(yīng)的訓(xùn)練照片塊將加入到局部證據(jù)函數(shù)的定義中，同時用灰度(Gray)特征和高斯差分(Difference of Gaussian)特征相結(jié)合匹配，一方面能夠檢測和增強照片的邊緣，另一方面，通過減去低頻成分降低光照變化的影響。

2.2確定最佳置信度傳播算法估計

當(dāng)采用不合理的置信度傳播算法估計時，會出現(xiàn)較多斑痕的圖像，不夠清晰的輪廓，比較粗糙的整體感覺等不良效果。因此，采用和積置信度傳播(Sum-Product BP)算法，通過不斷地迭代直到信息收斂，使輪廓過渡自然，陰影紋理比較豐富，具有立體質(zhì)感。

2.3尋找最合理的三維醫(yī)學(xué)圖像的可視化

三維醫(yī)學(xué)圖像的可視化通常是利用人的視覺特性，通過計算機對二維數(shù)字?jǐn)鄬訄D像序列形成的三維體數(shù)據(jù)進行處理，使其變換為具有直觀立體效果的圖像呈現(xiàn)其三維形態(tài)。

3研究方法思路與可行性分析

3.1研究方法思路

運用基于如統(tǒng)計學(xué)、模糊集、神經(jīng)網(wǎng)絡(luò)、形態(tài)學(xué)、小波分析、遺傳算法、尺度空間多分辨率等多種方法和非線性擴散方程等特定理論對馬爾可夫隨機場(MRF)模型進行設(shè)計和三維醫(yī)學(xué)圖像的可視化及三維超聲系統(tǒng)重建；運用置信度傳播(BP)算法估計狀態(tài)等方面進行研究。其研究思路和實驗方案如圖1所示。

3.2可行性分析

本研究將采用圖像匹配等方法先將圖形數(shù)據(jù)庫分割成重疊的圖像塊，建立馬爾可夫隨機場模型，考慮到形態(tài)上的差異，把與訓(xùn)練對象ysi對應(yīng)的訓(xùn)練圖ypi加入到局部證據(jù)函數(shù)的定義：EL(xpi,yi)=λL1d2Gray(xpi,ypi)+λL2d2Gog(xpi,ypi)+λL3d2GSIFT(xpi,ysi)

(1)

為了讓測試塊xpi與訓(xùn)練塊ypi擬合的效果更好，既采用高斯差分特征作為xpi、ypi的能量函數(shù)，同時也采用灰度特征算法，消除高斯差分在某些區(qū)域引起的歧義，解決成分損失問題；在測試塊xpi與訓(xùn)練塊ysi的匹配上，使用尺度不變特征轉(zhuǎn)換特征來描述，并使用歐式距離作為不同形態(tài)間的距離，通過鄰域兼容性函數(shù):Ec=(ysi+y+sj)=λicd2ic(ysi,ysj)+λGCd2GC(ysi,ysj)

(2)

使得估計的相鄰的重疊區(qū)域平滑，以避免馬賽克現(xiàn)象或減少假象。

(3)

(4)

(5)

(6)

每個節(jié)點的信息不是即時更新的，而是在每次迭代完之后所有節(jié)點同時進行更新。在實際應(yīng)用中，經(jīng)常需要對信息mij(ysj)進行歸一化，防止迭代次數(shù)過多時出現(xiàn)信息下溢現(xiàn)象；該研究還將創(chuàng)造性地探究不同的圖像塊大小，選擇圖像塊搜索范圍及圖像塊數(shù)量對合成效果的影響，通過靈活調(diào)整圖像，使得模型適合大規(guī)模樣本的應(yīng)用。采用MRF模型設(shè)計及和積置信度傳播算法進行推理，并研究不同的圖像塊大小，候選圖像塊搜索范圍和候選圖像塊數(shù)量對合成效果的影響。這樣經(jīng)過整合各算法功能，進行系統(tǒng)優(yōu)化，測試、評估其效果。

4創(chuàng)新點

4.1模型設(shè)計創(chuàng)新

本研究在于馬爾可夫隨機場(MRF)模型設(shè)計上進行了創(chuàng)新。把與訓(xùn)練塊ysj對應(yīng)的訓(xùn)練照片塊ypi將加入到局部證據(jù)函數(shù)的定義中，同時進行測試照片塊與訓(xùn)練照片塊、訓(xùn)練的匹配。既采用高斯差分特征作為xpi、ypi的能量函數(shù)，同時也采用灰度特征算法，消除高斯差分特征在某些區(qū)域引起的歧義。在測試照片塊xpi與訓(xùn)練素描塊ysj的匹配上，使用尺度不變特征轉(zhuǎn)換特征來描述照片塊和素描塊，并使用歐式距離作為不同形態(tài)間的距離，通過鄰域兼容性函數(shù)的目標(biāo)使得估計的相鄰素描塊的重疊區(qū)域平滑，以避免馬賽克現(xiàn)象或減少假象。

4.2算法應(yīng)用創(chuàng)新

本研究在MRF模型基礎(chǔ)上提出利用置信度傳播(BP)算法估計，突破傳統(tǒng)多斑點瑕疵，輪廓不夠清晰的缺點，通過對比不同版本BP算法后的效果，其中包括和積置信度傳播和最大積置信度傳播兩種算法，確定最佳置信度傳播算法，滿足輪廓過渡自然，陰影紋理豐富的要求。

5結(jié)語

超聲醫(yī)學(xué)影像技術(shù)以其安全、快速、實時和價格低廉等優(yōu)點在醫(yī)療的診斷、手術(shù)前計劃、治療、手術(shù)后監(jiān)測等各個環(huán)節(jié)中發(fā)揮著巨大的作用和將推動著現(xiàn)代醫(yī)學(xué)特別是動物醫(yī)學(xué)發(fā)生深刻的變革。它將在動物醫(yī)學(xué)、畜牧生產(chǎn)中得到廣泛深入地應(yīng)用。

參考文獻:

[1]Stanley Osher,Nikos Paragios. Geometric Level Set Methods in Imaging,Vision, and Graphics[M]. Springer Verlag New York,Inc.2003:175-194.

[2]周永新,羅述謙.一種人機交互式快速腦圖像配準(zhǔn)系統(tǒng)[J].北京生物醫(yī)學(xué)工程,2002;21(1):11-14.

[3]楊虎,馬斌榮,任海萍,等.基于互信息的人腦圖像配準(zhǔn)研究[J].中國醫(yī)學(xué)物理學(xué)雜志,2001;18(2):70-74.

[4]Kandel S M, Meyer H, Boehnert M,et al.How influential is the duration of contrast material bolus in jection inperfusion CT evaluation in a swine model[J].Radiology,2014,270(1)125-130.

[5]肖雅雯 譯.應(yīng)用動態(tài)三維MR腎成像檢查評估碘對比劑對腎功能的影響[J].國際醫(yī)學(xué)放射學(xué)雜志,2014,37(2):172.

[6]劉學(xué)煥 譯.建立MRI監(jiān)測膽道內(nèi)局部試劑運送技術(shù):應(yīng)用豬的可行性研究[J].國際醫(yī)學(xué)放射學(xué)雜志,2012,35(3):270.

[7]馮曉鵬,馬應(yīng)戰(zhàn),趙占龍,等.動物衛(wèi)生監(jiān)督工作中面臨的困惑、問題及對策[J].畜牧獸醫(yī)雜志, 2012,31(2):110-112.

[8]李晶,吳庭鶴,田文儒.實時B型超聲掃描在綿羊妊娠監(jiān)測中的應(yīng)用[J].動物醫(yī)學(xué)進展,2001, 22(3):31-33.

[9]Salih BG,Carlo T,Bernd G.Medical image compression based on region of interest,with application to colon CT images[J].Eng Med Biol Soc,2001:2453-2456.

[10] 張翊華,竇忠英.B超監(jiān)測母羊妊娠研究進展[J].西北農(nóng)林科技大學(xué)學(xué)報:自然科學(xué)版,2004,32(7):117-122.

[11]鄭星道,鄭紅華,孫占偉,等.實時超聲掃描對犬懷孕早期的診斷[J].中國獸醫(yī)雜志,1998,24(7):9-10.

[12]丁金立,李宏軍,張巖巖,等.肝臟血供的血流動力學(xué)研究現(xiàn)狀與進展[J].磁共振成像,2014,5(5):391-395.

[13]王弈,李傳富.人工智能方法在醫(yī)學(xué)圖像處理中的研究新進展[J].中國醫(yī)學(xué)物理學(xué)雜志,2013.30(03):4138-4143.

[14]胡新宸.基于OpenGL的醫(yī)學(xué)圖像三維可視化平臺的設(shè)計與實現(xiàn)[D].廈門:廈門大學(xué),2013:5-10.

[15]王小俊.數(shù)字醫(yī)學(xué)圖像邊緣檢測算法研究與實現(xiàn)[D].北京：首都師范大學(xué)，2013：10-15.

[16]陳娟.重慶新橋腫瘤醫(yī)院DICOM醫(yī)學(xué)圖像處理軟件設(shè)計與開發(fā)[D].成都:四川師范大學(xué),2013:2-6.

[17]張彥彩,朱小忠,馬國林,等.螺旋CT低劑量掃描研究進展[J].中國醫(yī)學(xué)影像技術(shù),2010,26(7):1376-1378.

[18]祝毛玲.計算機輔助診斷超聲內(nèi)鏡圖像在胰腺癌診斷中的應(yīng)用[D].上海:第二軍醫(yī)大學(xué),2012:5-8.

[19]朱非甲.分布式環(huán)境下的醫(yī)學(xué)圖像處理平臺研究[D].哈爾濱:哈爾濱理工大學(xué),2011:4-8.

[20]孫璽巖.基于Canny算子結(jié)合小波變換和改進Hausdorff距離的醫(yī)學(xué)圖像配準(zhǔn)算法研究[D].沈陽:東北大學(xué),2011:5-19.

[21]賀志國.基于活動輪廓模型的SAR 圖像分割算法研究[D].長沙:國防科學(xué)技術(shù)大學(xué),2008:10.

[22]胡玉暉.基于局部子區(qū)域的活動輪廓圖像分割方法[J].通信技術(shù),2010,43(02):68-70.

[23]楊青,何明一.改進CV模型的醫(yī)學(xué)圖像分割[J].計算機工程與應(yīng)用,2010,46(17):194-196,211.

[24]T. Chan L. Vese. Active contours without edges[J].IEEE Transactions on Image Processing,2001,10(2): 266-277.

[25]徐旦華,鮑旭東,舒華忠.基于區(qū)域劃分和改進C-V 法的醫(yī)學(xué)圖像分割方法[J].東南大學(xué)學(xué)報(自然科學(xué)版),2006,36(5): 863-867.

[26]Chen Jia-Lin, Kundu,A.Unsupervised texture segmentation using multichannel decomposition and hidden Markov models[J].IEEE Transactions on Image Processing, 1995,4(5):603-619.

[27]蘆瑩華.圖像處理技術(shù)在PACS中的應(yīng)用研究[J].醫(yī)療衛(wèi)生裝備,2014,35(5):132-133,155.

[28]汪家旺,羅立民,舒華忠.CT、MR圖像融合技術(shù)臨床應(yīng)用研究[J].影像技術(shù)學(xué),2001;8:604-608.

Study of Ultrasound Medical Image Processing Based on Markov Model

CHEN Jun1,WANG Chun-ju2, ZHAO Hong-lei2, HU Chun-ling1, HAN Xin-min1, HE Li-ping1

(1.DingxiCampus,GanSuUniversityofTraditionalChineseMedicine,DingxiGansu743000;2.SecondHospitalofLanzhouUniversity/DingxiHospital)

Abstract:According to research significance, domestic and foreign present situation, trend, method, technical route, feasibility and innovative aspects of the ultrasound medical image processing based on markov model, the contents and purposes of the study were analyzed in this article.

Key words:markov model;ultrasound medical; image processing; study

[收稿日期]2015-10-18

[基金項目]國家自然科學(xué)基金項目(60971294)，定西師范高等?？茖W(xué)校項目(DS1505)。

[作者簡介]陳軍(1969-)，男,甘肅通渭人，博士，教授，研究方向醫(yī)學(xué)信號處理。

[中圖分類號]TP 391.4

[文獻標(biāo)識碼]A

[文章編號]1004-6704(2016)02-0044-03