周成禮，羅娜，倪東，鄧云△

（1.深圳市婦幼保健院超聲科，深圳518000；2.醫(yī)學(xué)超聲關(guān)鍵技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室，廣東省生物醫(yī)學(xué)信息檢測(cè)與超聲成像重點(diǎn)實(shí)驗(yàn)室，深圳大學(xué)醫(yī)學(xué)部生物醫(yī)學(xué)工程學(xué)院，深圳518060）

1 引 言

近幾年來(lái)，股骨長(zhǎng)的自動(dòng)測(cè)量有一些已發(fā)表的工作。Imaduddin等［6］提出用Adaboost加形態(tài)學(xué)算子的方法分割出股骨區(qū)域，再將股骨區(qū)域骨架化計(jì)算兩端點(diǎn)的距離；余錦華等［7］提出一種基于二次迭代霍夫變換（two iterative hough transform，TIRHT）的方法。首先，使用結(jié)合空間鄰域信息的二維模糊聚類方法（2D FCM）抑制斑點(diǎn)噪聲；然后，用直線Hough變換對(duì)骨骼細(xì)化圖像進(jìn)行處理；最后，用二次曲線對(duì)股骨進(jìn)行擬合從而得到股骨長(zhǎng)。該方法需要手動(dòng)標(biāo)記感興趣區(qū)域（region of interest，ROI），未能實(shí)現(xiàn)股骨全自動(dòng)測(cè)量。Ponomarev等［8］提出一種基于機(jī)器學(xué)習(xí)的方法。首先提取亮度、尺寸和邊緣信息作為特征訓(xùn)練得到SVM分類器；再用SVM分類器檢測(cè)得到股骨區(qū)域；最后，將距離最遠(yuǎn)的兩像素點(diǎn)之間的距離為股骨長(zhǎng)。但該方法平均每幅股骨超聲圖像耗時(shí)24.2 s，耗時(shí)較長(zhǎng)。

目前超聲圖像中胎兒股骨檢測(cè)的主要難點(diǎn)在于超聲圖像通常存在的信噪比低、邊緣缺失、模糊、偽影和斑點(diǎn)噪聲等問(wèn)題，使得股骨精確分割難度大。本研究提出基于最大熵分割的股骨自動(dòng)測(cè)量方法，能夠自動(dòng)檢測(cè)股骨區(qū)域并對(duì)股骨端點(diǎn)進(jìn)行定位。

2 方法

2.1 圖像去噪

在正式對(duì)圖像進(jìn)行分割處理之前，先對(duì)原始圖像進(jìn)行預(yù)處理，去除超聲原始圖像中的干擾區(qū)域，如病人信息及設(shè)備信息，自動(dòng)框選出股骨所在的大致的圖像區(qū)域。其次，需要對(duì)框選區(qū)域進(jìn)行中值濾波處理。中值濾波用窗口模板中所有像素的灰度中值來(lái)替代窗口中心的灰度值，對(duì)超聲圖像的斑點(diǎn)噪聲有較好的抑制作用［9］。其原理見(jiàn)圖1。

圖1 中值濾波示意圖Fig 1 Princip le ofmedian filter

其中，P0～P8為灰度值，Med為 P0～P8的中值。

2.2 最大熵分割法

Kapur等［10］提出了最大熵分割法，該方法利用圖像灰度概率信息，所得閾值對(duì)圖像分布依賴性不大。

假設(shè)圖像的分割閾值為t，圖像中灰度小于t的像素點(diǎn)構(gòu)成目標(biāo)點(diǎn)T，大于t的像素點(diǎn)構(gòu)成背景B，則各個(gè)灰度級(jí)的概率分布為：

對(duì)于圖像中的所有灰度級(jí)，定義概率分布的熵的總和為：

綜上所述，針對(duì)偏癱性肩關(guān)節(jié)周圍炎，主治醫(yī)師可以應(yīng)用肩痛穴平衡針灸治療方式，并且此針灸方式具有操作簡(jiǎn)單和容易掌握的特點(diǎn)，并且針灸穴位相對(duì)較少，降低了針灸意外事故的發(fā)生概率[10-12]。相比較而言，傳統(tǒng)的針灸方式需要選擇的穴位較多，在緩解患者疼痛感的同時(shí)，有極大的概率引發(fā)新的疼痛。最關(guān)鍵的是，肩痛穴平衡針灸治療方式具有明顯的治療效果，能夠緩解患者的疼痛感，再加上具有應(yīng)用安全性高等特點(diǎn)，適合被廣泛應(yīng)用在臨床醫(yī)學(xué)中，是一種行之有效的針灸治療方式。

當(dāng)H（t）取得最大值時(shí)，取得 t的值為分割閾值。

得到最大熵分割結(jié)果后，對(duì)圖像進(jìn)行二值化處理。在超聲圖像中，由于存在一些類似股骨形狀的細(xì)長(zhǎng)高亮噪聲區(qū)域，因此需要對(duì)二值化圖像進(jìn)行篩選，找到最終的股骨區(qū)域，步驟如下：

（1）求所有高亮區(qū)域的外接矩形，將外接矩形的長(zhǎng)按遞減排序，判定最長(zhǎng)的幾個(gè)高亮區(qū)域?yàn)楣晒呛蜻x區(qū)域。由于存在類似股骨形狀的細(xì)長(zhǎng)高亮噪聲區(qū)域，因此不能判定最長(zhǎng)的高亮區(qū)域?yàn)楣晒菂^(qū)域。

（2）由于胎兒超聲標(biāo)準(zhǔn)切面中通常將目標(biāo)物體置于圖像中心附近位置，因此加入候選區(qū)域距離圖像中心的位置信息進(jìn)行篩選［11］。

（3）判定最長(zhǎng)的幾個(gè)候選區(qū)域中距離中心最近的細(xì)長(zhǎng)高亮區(qū)域?yàn)楣晒?，?jiàn)圖3（c）。由此，可得到最終的股骨圖像，見(jiàn)圖3（d）。

2.3 方法流程

本研究的流程圖見(jiàn)圖2。由于超聲圖像噪聲污染嚴(yán)重，本方法先對(duì)股骨超聲圖像進(jìn)行濾波處理，保留與增強(qiáng)圖像邊緣信息，為進(jìn)行股骨區(qū)域分割做好準(zhǔn)備。對(duì)濾波處理后的圖像進(jìn)行最大熵法分割，得到股骨候選區(qū)域；利用股骨外接矩形的長(zhǎng)寬比率以及股骨位置信息對(duì)候選區(qū)域進(jìn)行篩選，得到股骨目標(biāo)區(qū)域；根據(jù)外接矩形的斜邊長(zhǎng)求得股骨實(shí)際長(zhǎng)度；最后，對(duì)股骨分割結(jié)果以及股骨長(zhǎng)度進(jìn)行評(píng)測(cè)。圖3為各步驟結(jié)果示意圖。

圖2 股骨分割流程Fig 2 Flow chart of femur segmentation

圖3 股骨分割結(jié)果Fig 3 Result of femur segmentation

2.4 股骨長(zhǎng)測(cè)量

在篩選股骨區(qū)域步驟中，已經(jīng)求得股骨區(qū)域的外接矩形，見(jiàn)圖4。通過(guò)計(jì)算該區(qū)域外接矩形的斜邊長(zhǎng)，即可得到股骨長(zhǎng)度：

其中，llength和lwidth分別為外接矩形的長(zhǎng)和寬。

圖4 股骨區(qū)域外接矩形Fig 4 Envelop rectangle of femur

3 實(shí)驗(yàn)內(nèi)容與結(jié)果

本方法由WINDOWS下的MATLAB編譯生成。實(shí)驗(yàn)數(shù)據(jù)為深圳華僑城醫(yī)院醫(yī)學(xué)影像科提供，由威爾德超聲設(shè)備FDC6100采集獲得，共70幅18～27孕周的胎兒股骨超聲圖像。

3.1 股骨分割結(jié)果對(duì)比

為驗(yàn)證本方法的準(zhǔn)確性，利用靈敏度（Sensitivity）、特異度（Specificity）和相似度系數(shù)（Dice）［12］對(duì)自動(dòng)分割結(jié)果和手動(dòng)分割結(jié)果進(jìn)行定量分析，見(jiàn)表1。上述三個(gè)評(píng)價(jià)標(biāo)準(zhǔn)表達(dá)式如下：

其中，TP、FP、TN、FN分別表示真陽(yáng)性、假陽(yáng)性、真陰性、假陰性。最后的評(píng)價(jià)結(jié)果是各個(gè)指標(biāo)的平均值［13］。圖5為股骨分割結(jié)果對(duì)比，其中綠線為手動(dòng)分割結(jié)果，紅線為自動(dòng)分割結(jié)果。

表1 胎兒股骨長(zhǎng)定量結(jié)果對(duì)比Table 1 Quantitative evaluation

圖5 股骨分割結(jié)果對(duì)比Fig 5 Comparison of femur segmentation

3.2 股骨測(cè)量結(jié)果對(duì)比

圖6為自動(dòng)測(cè)量結(jié)果和醫(yī)生手動(dòng)測(cè)量結(jié)果定性對(duì)比結(jié)果，其中，綠色虛線為醫(yī)生手動(dòng)測(cè)量結(jié)果，紅色虛線為自動(dòng)測(cè)量結(jié)果.結(jié)果表明，自動(dòng)測(cè)量的股骨端點(diǎn)及其連線與醫(yī)生手動(dòng)測(cè)量結(jié)果基本重合。

圖7顯示了采用Bland－Altman評(píng)價(jià)指標(biāo)［14］定量分析自動(dòng)測(cè)量結(jié)果和醫(yī)生手動(dòng)測(cè)量結(jié)果。由圖7可見(jiàn)，自動(dòng)測(cè)量結(jié)果和手動(dòng)測(cè)量結(jié)果的平均差值為1.42 mm，95%一致性界限為10.20 mm和－7.36 mm。

在Matlab環(huán)境下，每幅圖的自動(dòng)測(cè)量平均耗時(shí)為0.57 s，而醫(yī)生手動(dòng)標(biāo)定股骨兩端點(diǎn)并得到股骨長(zhǎng)的時(shí)間約為3.05 s，本研究算法耗時(shí)較手動(dòng)標(biāo)定方法快約5倍。

圖6 自動(dòng)測(cè)量結(jié)果與醫(yī)生手動(dòng)測(cè)量結(jié)果對(duì)比Fig 6 Comparison between the results of automaticmethod

圖7 Bland－Altman圖Fig 7 Bland－Altman figure

4 結(jié)論

提出一種全自動(dòng)測(cè)量股骨長(zhǎng)的新方法，用先驗(yàn)知識(shí)定位股骨大致區(qū)域，采用中值濾波對(duì)圖像進(jìn)行去噪，并用最大熵法對(duì)圖像進(jìn)行分割，再根據(jù)圖像信息確定股骨位置，對(duì)目標(biāo)區(qū)域求其外接矩形，通過(guò)外接矩形的斜邊長(zhǎng)計(jì)算出股骨長(zhǎng)。對(duì)70幅超聲股骨圖像的實(shí)驗(yàn)結(jié)果表明，所提股骨自動(dòng)測(cè)量方法與醫(yī)生手動(dòng)測(cè)量方法得到的股骨長(zhǎng)無(wú)顯著性差異，算法可行。同時(shí)，自動(dòng)方法比手動(dòng)方法快約5倍，能夠有效提高效率。下一步，我們將會(huì)把該方法用于超聲中胎兒其他解剖部位（如肱骨）的自動(dòng)分割，以期形成一個(gè)完整的生物參數(shù)自動(dòng)測(cè)量系統(tǒng)并應(yīng)用于臨床。