時(shí)一峰，白寶平，陳曉冬，汪 毅，郁道銀

?

基于小波變換的嵌入式超聲內(nèi)窺圖像處理系統(tǒng)

時(shí)一峰1，白寶平2，陳曉冬1，汪 毅1，郁道銀1

( 1. 天津大學(xué) 光電信息技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，天津 300072；2. 北京華科創(chuàng)智健康科技股份有限公司，北京 100195 )

醫(yī)學(xué)內(nèi)窺超聲成像設(shè)備在獲取圖像時(shí)受到換能器尺寸等多種因素的影響，使得超聲圖像對(duì)比度較低和噪聲較大，無(wú)法為醫(yī)療診斷提供清晰的影像依據(jù)。為此科學(xué)家們提出了多種處理方法，但這些方法多為成像后處理算法，實(shí)時(shí)性較差，無(wú)法滿足內(nèi)窺超聲系統(tǒng)實(shí)時(shí)成像的要求(25 f/s)。針對(duì)以上問(wèn)題，本文設(shè)計(jì)了基于提升式小波變換的嵌入式超聲內(nèi)鏡實(shí)時(shí)圖像處理系統(tǒng)，利用超聲內(nèi)窺系統(tǒng)環(huán)掃成像特點(diǎn)以及FPGA流水線概念，對(duì)每條掃描線的回波信號(hào)進(jìn)行小波去噪，再經(jīng)過(guò)CORDIC算法、插值處理后得到二維超聲圖像。本文利用自行搭建超聲內(nèi)鏡實(shí)驗(yàn)系統(tǒng)對(duì)雞肉組織進(jìn)行環(huán)掃成像，實(shí)驗(yàn)表明該系統(tǒng)成像速度可達(dá)25 f/s，信噪比提高了3.8 dB，從而驗(yàn)證了系統(tǒng)的可行性。

超聲；內(nèi)窺成像；小波變換；FPGA；實(shí)時(shí)

0 引 言

醫(yī)學(xué)超聲內(nèi)鏡成像診斷技術(shù)由于其對(duì)人體無(wú)損傷、能夠探測(cè)到人體內(nèi)潛在病變等優(yōu)勢(shì)，在人體消化道及其它部位的臨床診療技術(shù)中占據(jù)重要的地位[1]。目前，國(guó)外超聲內(nèi)鏡領(lǐng)域的研究比較成熟，日本的 Olympus、Fujinon 公司已研制出各種類型的超聲內(nèi)鏡產(chǎn)品，并占據(jù)了我國(guó)95%以上的市場(chǎng)份額[2]。然而，國(guó)內(nèi)超聲內(nèi)鏡市場(chǎng)尚未有相關(guān)產(chǎn)品問(wèn)世，其技術(shù)難點(diǎn)主要是前端換能器及微型探頭的材料性能及制造工藝要求嚴(yán)格，由于目前國(guó)內(nèi)制造水平有限，因此造成換能器帶寬較小，接收回波信號(hào)衰減較大，嚴(yán)重影響探測(cè)深度與信噪比。而且超聲成像設(shè)備在獲取圖像時(shí)易受到多種因素的影響使得醫(yī)學(xué)超聲圖像往往具有對(duì)比度較低和噪聲較大等缺點(diǎn)，無(wú)法為醫(yī)療診斷提供清晰的影像依據(jù)。

常用的超聲圖像去噪方法基本可以分為5類[4]：自適應(yīng)濾波方法、各向異性擴(kuò)散去噪方法、非局部均值去噪方法、多尺度去噪方法以及混合型去噪方法。自適應(yīng)去噪方法中較為典型的方法有Lee[5]、Frost[6]和SRBF[7]等；各向異性擴(kuò)散去噪方法中較為典型的有YU[8]、DPAD[9]、SUSAN_AD[10]和OSRAD[11]等；非局部均值去噪方法是一種比較新穎的去噪方法，包括OBNLM[12]、PPB[13]和Guo[14]等；多尺度去噪方法通常利用小波變換作為工具對(duì)圖像進(jìn)行分析處理，如小波軟硬閾值法[15]和Andria[16]等算法；混合型去噪方法，指的是綜合的運(yùn)用以上方法。但是這些方法都是在獲取了二維超聲圖像后再對(duì)其進(jìn)行去噪處理，實(shí)時(shí)性較差，無(wú)法滿足內(nèi)窺超聲系統(tǒng)實(shí)時(shí)成像的要求(25 f/s)[17]。

1 超聲內(nèi)鏡實(shí)時(shí)成像系統(tǒng)

嵌入式超聲內(nèi)鏡成像系統(tǒng)結(jié)構(gòu)如圖1所示。導(dǎo)管式探頭通過(guò)醫(yī)用電子內(nèi)鏡的活檢鉗道送入人體，在電機(jī)驅(qū)動(dòng)單元(Motor Driver Unit，MDU)的驅(qū)動(dòng)下通過(guò)軟軸帶動(dòng)微型探頭進(jìn)行環(huán)形掃描。探頭內(nèi)的超聲換能器在高壓脈沖的激勵(lì)下發(fā)射超聲波，并接收不同深度組織反射的回波信號(hào)。接收到的回波信號(hào)經(jīng)過(guò)模擬電路預(yù)處理調(diào)制，再通過(guò)模數(shù)轉(zhuǎn)換(Analog-to-Digital Converter，ADC)芯片進(jìn)行采集送入現(xiàn)場(chǎng)可編程門陣列 (Field Programmable Gate Array，F(xiàn)PGA)進(jìn)行數(shù)字信號(hào)處理，信號(hào)依次經(jīng)過(guò)掃描線信號(hào)處理模塊、雙靜態(tài)隨機(jī)存取存儲(chǔ)器(Static Random Access Memory，SRAM)緩存模塊、CORDIC[18](Coordinate Rotation Digital Computer，坐標(biāo)變換)模塊與插值模塊并在FPGA的同步控制下通過(guò)USB2.0接口上傳至計(jì)算機(jī)實(shí)時(shí)顯示。

圖1 超聲內(nèi)鏡實(shí)時(shí)成像系統(tǒng)示意圖

2 圖像處理原理

2.1 提升式小波去噪

提升式小波變換是由Daubechies和Sweldens提出的一種易于硬件實(shí)現(xiàn)的方法[19]。在 JPEG2000的標(biāo)準(zhǔn)中有兩種被推薦使用的小波系數(shù)：LeGall 5/3小波濾波系數(shù)與Daubechies 9/7小波濾波系數(shù)[20]，由于9/7小波的系數(shù)較為復(fù)雜，需要考慮計(jì)算精度，且相對(duì)于5/3小波運(yùn)算速度較慢，而5/3小波的系數(shù)可通過(guò)移位實(shí)現(xiàn)，不需要添加乘法器等，所用的資源更少，因此本文選用了提升式5/3濾波器小波變換。

人體組織反射的超聲信號(hào)：

然后根據(jù)5/3濾波器提升式小波變換架構(gòu)原理得：

圖 2 5/3 濾波器提升式小波變換硬件架構(gòu)

對(duì)低頻小波系數(shù)進(jìn)行再變換的同時(shí)，需要用半軟閾值法處理高頻小波系數(shù)，其表達(dá)式可以表達(dá)如下:

圖3 基于FPGA 流水線的三層提升式小波去噪的硬件架構(gòu)

2.2 CORDIC變換與插值處理

利用FPGA并行處理的特點(diǎn)和雙SRAM乒乓操作的機(jī)制，使得FPGA在處理掃描線數(shù)據(jù)并存儲(chǔ)到SRAM1的同時(shí)，讀取SRAM2中的數(shù)據(jù)進(jìn)行CORDIC變換。首先由FPGA建立直角坐標(biāo)系并將坐標(biāo)原點(diǎn)設(shè)在圖像的左下角第一個(gè)像素處，其坐標(biāo)系為如圖4所示。按照坐標(biāo)點(diǎn)在坐標(biāo)系的位置從左到右、從下至上的方式依次進(jìn)行迭代。然后再將直角坐標(biāo)系上的每個(gè)點(diǎn)都映射到坐標(biāo)系為的第一象限，這樣CORDIC迭代后的極角就可以完全包含在算法的角度收斂范圍內(nèi)。然后，進(jìn)行CORDIC迭代算法，將每個(gè)點(diǎn)的直角坐標(biāo)轉(zhuǎn)換為極坐標(biāo)。對(duì)于不同象限的坐標(biāo)點(diǎn)，其映射到第一象限轉(zhuǎn)換后得到的極角需要分別進(jìn)行不同的角度補(bǔ)償映射回各自的象限，再對(duì)極徑和極角進(jìn)行變換矯正得到極坐標(biāo)結(jié)果。當(dāng)?shù)玫綐O坐標(biāo)后，F(xiàn)PGA依次讀出SRAM中地址為和地址為處的兩個(gè)像素值，同時(shí)計(jì)算圓插值中的兩個(gè)權(quán)重系數(shù)和，根據(jù)圓插值原理如圖4所示，處于中間角度處的點(diǎn)的像素值為

圖 4 (a) 坐標(biāo)系映射

圖4 (b) 圓插值原理

3 實(shí)驗(yàn)與分析

3.1 系統(tǒng)搭建

本文設(shè)計(jì)的嵌入式超聲內(nèi)窺圖像處理系統(tǒng)如圖5所示，探測(cè)的目標(biāo)物體為燒杯內(nèi)的雞肉組織。實(shí)驗(yàn)中超聲探頭中心頻率為12 MHz，帶寬為40%，換能器尺寸為2 mm×3 mm×1.5 mm。采樣時(shí)鐘為180 MHz，信號(hào)處理系統(tǒng)的主頻為120 MHz。MDU通過(guò)軟軸帶動(dòng)探頭以25 r/s的轉(zhuǎn)速進(jìn)行環(huán)掃成像，幀圖像有512條掃描線。經(jīng)過(guò)坐標(biāo)變換后的直角坐標(biāo)圖像在28 MHz同步時(shí)鐘控制下通過(guò)USB2.0接口上傳至上位機(jī)實(shí)時(shí)顯示，最終顯示的圖像為1 024 pixels×1 024 pixels大小的256級(jí)灰度圖像。

圖5 超聲內(nèi)鏡實(shí)驗(yàn)系統(tǒng)

3.2 系統(tǒng)實(shí)驗(yàn)與分析

實(shí)驗(yàn)旨在驗(yàn)證本系統(tǒng)在保證能夠去噪的同時(shí)保證成像實(shí)時(shí)性。系統(tǒng)采集到的雞肉組織超聲掃描圖像如圖6所示，圖6(a)為不使用提升式小波去噪處理所成的圖像，圖6(b)為使用提升式小波去噪處理所成的圖像。圖中中心圓環(huán)表示換能器所在位置，白色區(qū)域表示雞肉組織。對(duì)比圖6(a)和圖6(b)，圖6(a)有明顯背景噪聲，它是由硬件電路、機(jī)械振動(dòng)、外界干擾等眾多原因產(chǎn)生的，圖6(b)由于使用了提升式小波去噪方法，能夠在保證信號(hào)強(qiáng)度的同時(shí)，有效的去除噪聲。

圖6 雞肉組織的超聲掃描圖像

本文選用峰值信噪比(Peak Signal to Noise Ratio，用PSNR表示)作為圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)。峰值信噪比是指原圖像與處理圖像之間均方誤差相對(duì)于信號(hào)最大值的平方，單位是dB。PSNR值越大就代表圖像的質(zhì)量越好。其公式為

表1 信噪比對(duì)比

Table 1 Comparison of SNR

從實(shí)驗(yàn)結(jié)果可以看出，加入小波去噪后圖像去噪效果明顯，信噪比增加了3.8 dB，在有效保留信號(hào)的前提下濾除了噪聲。在實(shí)驗(yàn)中，Lee[5]、SRBF[7]和Andria[16]等方法也被用來(lái)和本文方法作對(duì)比，其參數(shù)設(shè)置如表2所示。這些方法有別于本文方法，即去噪處理在獲取圖像之后。以圖6(a)作為原始圖像，通過(guò)實(shí)驗(yàn)可得到表3中的數(shù)據(jù)，其中Lee[5]、SRBF[7]和Andria[16]方法是在獲取圖像后由VC編程實(shí)現(xiàn)。實(shí)驗(yàn)所用電腦配置為Windows 7 32位操作系統(tǒng)，因特爾i3處理器，4 G內(nèi)存。

表2 去噪算法參數(shù)設(shè)置

Table 2 Parameters of denoising methods

表3 系統(tǒng)實(shí)時(shí)性對(duì)比

Table 3 Real-time contrast

根據(jù)本系統(tǒng)的實(shí)際情況，每幀圖像需完成512條掃描線的數(shù)據(jù)處理以及坐標(biāo)變換，因此25 f/s的幀頻意味每幀圖像的SRAM讀取與坐標(biāo)變換要在40 ms內(nèi)完成，每幀圖像所有掃描線的數(shù)據(jù)處理與SRAM寫入也應(yīng)在40 ms內(nèi)完成。從實(shí)驗(yàn)結(jié)果可以看出，計(jì)算量最少、耗時(shí)最短的Lee方法也無(wú)法滿足超聲系統(tǒng)實(shí)時(shí)成像要求，而本文方法完成一幅圖像所有掃描線的數(shù)據(jù)處理僅需36.347 ms，幀頻可達(dá)到25 f/s，符合超聲內(nèi)鏡系統(tǒng)的使用要求，與其他成像后去噪方法相比實(shí)時(shí)性能優(yōu)越。

4 結(jié) 論

本文提出了一種基于提升式小波變換的嵌入式超聲內(nèi)窺圖像處理系統(tǒng)，該系統(tǒng)以FPGA為處理核心，利用超聲內(nèi)窺系統(tǒng)的環(huán)掃成像特點(diǎn)以及FPGA流水線概念，對(duì)每條掃描線的回波信號(hào)進(jìn)行一維提升式小波去噪，再經(jīng)過(guò)CORDIC、插值處理后得到二維超聲圖像。經(jīng)實(shí)驗(yàn)驗(yàn)證，該系統(tǒng)滿足實(shí)時(shí)性要求，幀頻可達(dá)到25 f/s，在去除圖像噪聲的同時(shí)保留了細(xì)節(jié)區(qū)域，信噪比提高了3.8 dB。

目前研制出的產(chǎn)品已通過(guò)注冊(cè)檢測(cè)，其主要性能指標(biāo)、安全指標(biāo)均符合要求，且與日本奧林巴斯生產(chǎn)的EU-M2000超聲內(nèi)窺鏡在其工作原理、主要技術(shù)性能指標(biāo)、預(yù)期用途等臨床評(píng)價(jià)基本相同。本論文的研究，推進(jìn)了國(guó)產(chǎn)超聲內(nèi)鏡產(chǎn)品的發(fā)展，為最終完成性能優(yōu)越的國(guó)產(chǎn)超聲內(nèi)鏡產(chǎn)品奠定了基礎(chǔ)。

[1] 李亞楠. 超聲內(nèi)鏡數(shù)字成像系統(tǒng) [D]. 天津：天津大學(xué)，2013：1-4.

LI Yanan. Ultrasonic endoscope digital imaging system [D]. Tianjin：Tianjin University，2013：1-4.

[2] 耿潔，李全祿，李娜，等. 醫(yī)用超聲內(nèi)窺鏡的研究現(xiàn)狀與發(fā)展趨勢(shì) [J]. 中國(guó)醫(yī)學(xué)物理學(xué)雜志，2010，27(5)：2122-2124.

GENG Jie，LI Quanlu，LI Na，. Research and development trends of medical ultra- sonic endoscope [J]. Chinese Journal of Medical Physics，2010，27(5)：2122-2124.

[3] SANCHES J M，LAINE A F，SURI J S. Ultrasound Imaging: Advances and Applications [M]. Berlin：Springer，2012：49-50.

[4] 張聚，王陳，程蕓. 小波與雙邊濾波的醫(yī)學(xué)超聲圖像去噪 [J]. 中國(guó)圖象圖形學(xué)報(bào)，2014，19(1)：126-132.

ZHANG Ju，WANG Chen，CHENG Yun. Despeckling Algorithm for Medical Ultrasound Images Based on Wavelet and Bilateral Filter [J]. Journal of Image and Graphics，2014，19(1)：126-132.

[5] Lee J. Digital image enhancement and noise filtering by use of local statistics [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence(S0162-8828)，1980，2(2)：165-168.

[6] Frost V S，Stiles J A，Shanmugan K S，. A model for radar images and its application to adaptive digital filtering of multiplicative noise [J]. IEEE Transactions Pattern Analysis and Machine Intelligence(S0162-8828)，1982，4(2)：157-166.

[7] Balocco S，Gatta C，Pujol O，. SRBF：speckle reducing bilateral filtering [J]. Ultrasound in Medicine and Biology (S0301-5629)，2010，36(8)：1353-1363.

[8] YU Yongjian，Acton Scott T. Speckle reducing anisotropic diffusion [J]. IEEE Transactions Image Processing(S1057-7149)，2002，11(11)：1260-1270.

[9] Aja-Fernndez S，Alberola-López C. On the estimation of the coefficient of variation for anisotropic diffusion speckle fltering [J]. IEEE Transactions on Image Processing(S1057-7149)，2006，15(9)：2694-2701.

[10] YU Jinhua，TAN Jinglu，WANG Yuanyuan. Ultrasound speckle reduction by a SUSAN-controlled anisotropic diffusion method [J]. Pattern Recognition(S0031-3203)，2010，43(9)：3083-3092.

[11] Krissian K，Westin C，Kikinis R，Oriented speckle reducing anisotropic diffusion [J]. IEEE Transactions Image Processing(S1057-7149)，2007，16(5)：1412-1424.

[12] Coupé P，Hellier P，Kervrann C，. Nonlocal means-based speckle filtering for ultrasound Images [J]. IEEE Transactions on Image Processing(S1057-7149)，2009，18(10)：2221-2229.

[13] Deledalle C，Denis L，Tupin F. Iterative weighted maximum likelihood denoising with probabilistic patch based weights [J]. IEEE Transactions on Image Processing(S1057-7149)，2009，18(12)：2661-2672.

[14] GUO Y，WANG Y，HOU T. Speckle filtering of ultrasonic images using a modified non local-based algorithm [J]. Biomedical Signal Processing and Control(S1746-8094)，2011，6：129-138.

[15] Mohl B，Wahlberg M，Madsen P T. Ideal spatial adaptation via wavelet shrinkage [J]. The Journal of the Acoustical Society of America(S0016-8033)，2003，114：1143-1154.

[16] Andria G，Attivissimo F，Cavone G，. Linear filtering of 2-D wavelet coefficients for denoising ultrasound medical images [J]. Measurement(S0263-2241)，2012，45：1792-1800.

[17] 馮開(kāi)梅. 醫(yī)學(xué)影像設(shè)備 [M]. 北京：人民衛(wèi)生出版社，2008：20-30.

FENF Kaimei. Medical Imaging Equipment [M]. Beijing：People's Medical Publishing House，2008：20-30.

[18] Volder J E. The CORDIC Trigonometric Computing Technique [J]. IRE Transactions on Electronics Computers(S0367-9950)，1959，8(3)：330-334.

[19] Daubechies Ingrid，Swendens Wim. Factoring Wavelet Transforms into Lifting Steps [J]. Journal of Fourier Analysis and Applications(S1069-5869)，1998，4(3)：247-269.

[20] David H Foos，Edward Muka，Richard M Slone. JPEG2000 compression of medical imagery [J]. Proceedings of SPIE(S0277-786X)， 2002，3980(12)：85-96.

[21] 李秋妮，晁愛(ài)農(nóng)，史德琴，等. 一種新的小波半軟閾值圖像去噪 [J]. 計(jì)算機(jī)工程與科學(xué)，2014，36(8)：1566-1570.

LI Qiuni，CHAO Ainong，SHI Deqin，.A novel image denoising method of wavelet semi-soft threshold [J]. Computer Engineering and Science，2014，36(8)：1566-1570.

[22] 夏宇聞. Verilog數(shù)字系統(tǒng)設(shè)計(jì)教程 [M]. 北京：北京航空航天大學(xué)出版社，2008：149-154.

XIA Yuwen. Verilog Digital System Design [M]. Beijing：Beihang University Press，2008：149-154.

本期組稿：楊淇名

責(zé)任編輯：謝小平

英文編輯：龐 洪

Embedded Endoscopic Ultrasound Image Processing System Based on Wavelet Transform

SHI Yifeng1，BAI Baoping2，CHEN Xiaodong1，WANG Yi1，YU Daoyin1

( 1. Key Laboratory of Opto-electronics Information and Technical Science, Ministry of Education, Tianjin University, Tianjin 300072, China；2. Beijing Huaco Healthcare Technologies Incorporated Company, Beijing 100195, China )

During acquiring images, the equipment is affected by the size of the transducer and other factors which make the images have low contrast and big noise, cannot provide clear imaging basis for medical diagnostic. Scientists have proposed a variety of methods. However, these methods are mostly after-imaging processing algorithms and having a poor real-time performance, unable to meet the real-time endoscopic ultrasound imaging requirements (25 frames/s). Therefore, this paper designs the embedded endoscopic ultrasound real-time image processing system based on lifting Wavelet Transform. And the system processes echo signals of each scan line with wavelet denoising, then obtains two-dimensional ultrasound images after CORDIC algorithm and interpolation processing using the imaging characteristics of circular scan and FPGA pipeline concept. Through building my own endoscopic ultrasound experimental system which makes the chicken tissue imaging use circular scan, the experiments show that the system imaging speed is up to 25 frames /s and SNR improves 3.8 dB, verifying the feasibility of the system.

ultrasound; endoscopic imaging; wavelet transform; field programmable gate array; real-time

TP391

A

10.3969/j.issn.1003-501X.2016.05.015

2015-06-24；

2015-09-02

國(guó)家“十二五”科技支撐計(jì)劃項(xiàng)目(2012BAI19B02)

時(shí)一峰(1992-)，男(漢族)，遼寧葫蘆島人。碩士研究生，主要研究工作是醫(yī)學(xué)圖像處理。E-mail：shiyifeng@tju.edu.cn。