任莉莉，楊曦，楊佳，王宏權(quán)，蔡興文

豐都縣人民醫(yī)院 a.設(shè)備科；b.內(nèi)分泌科；c.泌尿外科；d.功能科室，重慶 408200

引言

醫(yī)學(xué)超聲成像系統(tǒng)是開展診療活動(dòng)的重要設(shè)備，很多醫(yī)院為確保其安全有效地運(yùn)行，進(jìn)行整機(jī)除塵、連接件檢測、電氣安全檢測、圖像質(zhì)量評價(jià)等等預(yù)防性維護(hù)工作[1-3]。其中，圖像質(zhì)量評價(jià)借助專門的仿組織體模完成盲區(qū)、分辨率、探測深度、測量偏差等等客觀數(shù)據(jù)的檢測[4-5]，而成像結(jié)果有無偏差仍是主觀判斷。若成像部件出現(xiàn)老化或其他的問題，檢測的客觀數(shù)據(jù)前后結(jié)果一致，檢測者肉眼也沒有發(fā)現(xiàn)的明顯差異，認(rèn)定超聲成像系統(tǒng)沒有問題，無法及時(shí)維護(hù)維修，使得小問題擴(kuò)大，增加后續(xù)的維護(hù)維修成本，同時(shí)，影響診斷結(jié)果。我們以日立ARIETTA 60超聲成像系統(tǒng)為研究對象，建立其成像功能的預(yù)防性維護(hù)模型，實(shí)現(xiàn)成像結(jié)果客觀的檢測，希望及時(shí)客觀地維護(hù)處理超聲成像系統(tǒng)。即發(fā)現(xiàn)超聲圖像的信噪比呈正態(tài)分布，建立3組正常成像的超聲圖像信噪比數(shù)據(jù)為配對樣本組的配對樣本t檢驗(yàn)?zāi)Ｐ?，對某時(shí)段的信噪比數(shù)據(jù)組進(jìn)行檢測，若檢測結(jié)果顯示檢測樣本與配對樣本屬于同一總體則說成像功能正常，若結(jié)果表明不屬于同一總體則說明成像功能可能出現(xiàn)問題，需要進(jìn)一步檢查維護(hù)。

1 方法

1.1 信噪比

信噪比是客觀評價(jià)圖像質(zhì)量的常用指標(biāo)之一，該指標(biāo)越高表示原始信號(hào)越多，噪聲越小，圖像質(zhì)量越好，越有利于診斷，其公式如下：

其中，f(i,j)是不含噪聲的原始圖像，g(i,j)是圖像中噪聲，Row×Col表示圖像行列，SNR的單位是db[6-8]。我們獲得的超聲圖像都是含有噪聲的h(i,j)，即：

h(i,j)=f(i,j)+g(i,j)，對公式(1)作如下變化：

噪聲估計(jì)使用經(jīng)典小波變換的硬閾值法，即將圖像進(jìn)行小波變換，將小波系數(shù)的絕對值與所選定的閾值λ進(jìn)行比較，小于或者等于閾值的收縮值為零，大于閾值則保持變，其公式如下：

其中，是估計(jì)噪聲標(biāo)準(zhǔn)差，是最高分辨級(jí)I-1的小波系數(shù)，“median”表示序列按照大小順序排列后的中值[9]。將處理的小波系數(shù)進(jìn)行逆變換估計(jì)原始圖像f(i,j)，再與我們直接取得含有噪聲的圖像h(i,j)相減得g(i,j)，即g(i,j)=h(i,j)-f(i,j)。

編譯平臺(tái)為Matlab 2010a。日立ARIETTA 60超聲成像系統(tǒng)生成的超聲圖像含有檢查區(qū)域和黑色區(qū)域，黑色區(qū)域是我們所不需要的，所以我們需要對分析的區(qū)域進(jìn)行選擇。在Matlab平臺(tái)上，使用GUI工具箱制作能讀取超聲圖像、選擇感興趣區(qū)域、以公式(1)和(2)為基礎(chǔ)計(jì)算信噪比，并且能在Windows系統(tǒng)下運(yùn)行的應(yīng)用程序。

1.2 統(tǒng)計(jì)檢驗(yàn)?zāi)Ｐ?/h3>

超聲成像系統(tǒng)是以一種固定方式成像，但成像過程受到被檢查者的體質(zhì)、檢查部位、天氣、操作者的手法等相互獨(dú)立隨機(jī)因素的影響，使得成像過程隨機(jī)化，超聲圖像是一個(gè)隨機(jī)結(jié)果，用同一公式估算的信噪比也是一個(gè)隨機(jī)變量。在實(shí)際情況中，由相互獨(dú)立的隨機(jī)因素綜合影響形成的隨機(jī)變量服從正態(tài)分布[10]，所以我們假設(shè)日立ARIETTA 60超聲成像系統(tǒng)生成超聲圖像的信噪比呈正態(tài)分布，即所有信噪比是一個(gè)總體，且是一個(gè)隨著時(shí)間延長，個(gè)體不斷增多的總體（時(shí)間越長，檢查的人次越多，生成的超聲圖像越多，得到信噪比個(gè)體越多，總體隨之不斷增大）[11-12]。

1.2.1 樣本

我們希望能在時(shí)間軸上檢測日立ARIETTA 60超聲成像系統(tǒng)成像功能的運(yùn)行情況，所以以某天前15個(gè)超聲圖像的信噪比為1個(gè)樣本，以便能準(zhǔn)確找到出現(xiàn)故障的時(shí)間，回憶當(dāng)天的情況找出故障原因。按照上述方法分別抽樣2017年3月22日、2017年3月30日和2017年3月31日的超聲圖像信噪比，分別記為A、B、C組。其中，信噪比的計(jì)算必須由同一人進(jìn)行，否則會(huì)因?yàn)槿藶橐蛩赜绊懡Y(jié)果。

1.2.2 模型建立

檢驗(yàn)平臺(tái)為SPSS 17。Kolmogorov-Smimov檢驗(yàn)（簡稱KS檢驗(yàn)）能描述兩個(gè)獨(dú)立統(tǒng)計(jì)樣本的相似性[13]，檢測數(shù)據(jù)是否符合正態(tài)分布。在SPSS軟件上檢測3組數(shù)據(jù)是否呈正態(tài)分布，若檢驗(yàn)結(jié)果大于等于0.05，則說明數(shù)據(jù)組是正態(tài)分布；若小于0.05，則說明數(shù)據(jù)組不是正態(tài)分布。經(jīng)過檢驗(yàn)分析，3組數(shù)據(jù)都符合正態(tài)分布，說明日立ARIETTA 60超聲成像系統(tǒng)的超聲圖像信噪比呈正態(tài)分布，可以建立以此3組數(shù)據(jù)為配對樣本組的配對樣本t檢驗(yàn)?zāi)Ｐ?，檢測某時(shí)段的抽樣樣本與配對樣本組是否屬于同一總體來判斷此期間成像功能是否出現(xiàn)問題。若檢測結(jié)果大于等于0.05，則抽樣樣本與配對樣本組屬于同一總體，說明信噪比分布一致，成像結(jié)果的分布一致，成像過程一致，即設(shè)備一直按照某種隨機(jī)規(guī)律成像，并沒有受到不良因素破壞成像過程，換言之就是成像功能在期間一直正常；若檢測結(jié)果小于0.05，說明不屬于同一總體，信噪比分布規(guī)律不一致，成像結(jié)果分布一致，成像方式不一致，即有可能成像功能出現(xiàn)問題，需要進(jìn)一步檢查設(shè)備。

1.2.3 模型驗(yàn)證

抽樣本設(shè)備2017年7月15日的信噪比為正常樣本，記為D組。由于我院2016年12月底購買，至今無任何故障問題，所以抽樣同一廠家同一系列不同型號(hào)的日立ARIETTA 70超聲成像系統(tǒng)2017年3月10日的信噪比樣本作為故障組，記為E組。分別將D、E組分別與配對樣本組進(jìn)行配對樣本t檢驗(yàn)，以驗(yàn)證模型是否可行。若D組的所有檢驗(yàn)結(jié)果大于等于0.05，且E組的檢查結(jié)果不是所有都大于等于0.05，即是正常樣本與配對樣本組服從同一正態(tài)分布，是同一總體，成像過程相同，故障樣本與配對樣本組不屬于同一總體，成像過程不相同，檢測結(jié)果與抽樣事實(shí)完全相符說明本模型可行，能通過檢測指出成像過程是否出現(xiàn)問題。若檢測結(jié)果出現(xiàn)其他情況，說明與事實(shí)不完全相同，本模型不可行。

2 結(jié)果

2.1 信噪比結(jié)果

讀取超聲圖像的顯示情況，見圖1。選取計(jì)算區(qū)域放大，并顯示計(jì)算結(jié)果的圖像，見圖2。其中，圖2所示結(jié)果與后序統(tǒng)計(jì)的數(shù)據(jù)無關(guān)。估算的ARIETTA60超聲成像系統(tǒng)圖像信噪比的結(jié)果，見表1。

2.2 檢驗(yàn)結(jié)果

用KS檢驗(yàn)ARIETTA 60超聲成像系統(tǒng)圖像信噪比與正態(tài)分布相似度的結(jié)果，A、B、C三組的結(jié)果分別為0.838、0.540和0.982。結(jié)果遠(yuǎn)遠(yuǎn)大于0.05，表明ARIETTA 60超聲成像系統(tǒng)生成超聲圖像的信噪比呈正態(tài)分布，可以使用正常運(yùn)行下生成超聲圖像的信噪比作為模板，將某時(shí)段的圖像信噪比進(jìn)行配對樣本t檢驗(yàn)，檢測是否屬于同一總體來說明設(shè)備是否一直正常運(yùn)行。

圖1 載入后界面

圖2 選取計(jì)算區(qū)域及結(jié)果

將3組數(shù)據(jù)兩兩進(jìn)行配對樣本t檢驗(yàn)。若檢驗(yàn)結(jié)果大于等于0.05，說明數(shù)據(jù)組都來源于同一總體；若小于0.05，說明數(shù)據(jù)組不來源于同一總體。A組與B組為0.754，A組與C組為0.795，B組與C組為0.825。表明這3組數(shù)據(jù)是屬于同一總體，進(jìn)一步證實(shí)ARIETTA 60超聲圖像信噪比是呈正態(tài)分布，說明可以用檢測時(shí)段的信噪比與正常情況下的樣本進(jìn)行檢測方法來判斷設(shè)備的運(yùn)行情況是否正常。

驗(yàn)證組的信噪比估算結(jié)果，見表2。與配對樣本組的檢測結(jié)果，見表3。結(jié)果表明，D組與配對樣本組屬于同一總體，與事實(shí)相符；E組與配對樣本不屬于同一總體，也事實(shí)相符；說明本模型能用于檢測ARIETTA 60超聲成像系統(tǒng)成像功能是否正常。

表1 ARIETTA60超聲成像系統(tǒng)圖像信噪比估算結(jié)果

表2 驗(yàn)證組的信噪比結(jié)果

表3 驗(yàn)證組與配對樣本組的檢驗(yàn)結(jié)果

3 結(jié)論與討論

上述結(jié)果表明，可以建立統(tǒng)計(jì)檢驗(yàn)?zāi)Ｐ蛯RIETTA 60超聲成像系統(tǒng)的成像功能進(jìn)行預(yù)防性維護(hù)，但是必須有至少3個(gè)以上正常運(yùn)行的配對樣本組，才能保障檢測結(jié)果的準(zhǔn)確度，盡可能地不出現(xiàn)第二類錯(cuò)誤。其中，E組與B、C組符合同一正態(tài)分布的原因可能是由于兩臺(tái)設(shè)備都屬于同一生產(chǎn)廠家同一系列的產(chǎn)品導(dǎo)致，或者是超聲圖像信噪比的分布相似度比較高所致，需要進(jìn)一步研究分析。早在2003年，高洪青[14]的研究中就表明統(tǒng)計(jì)檢驗(yàn)?zāi)Ｐ涂梢杂糜诒O(jiān)測設(shè)備運(yùn)行情況，且有很多相應(yīng)的后續(xù)報(bào)道。本文與胡蜂等[15]、侯澍旻等[16]的研究報(bào)道所提的KS檢驗(yàn)的相似度模型相比，提出是否屬于同一總體的檢驗(yàn)?zāi)Ｐ鸵訙?zhǔn)確。且本方法無需借助仿生組織體模進(jìn)行檢測，節(jié)約一筆不小的支出和后續(xù)對仿生組織體模的維護(hù)費(fèi)。此模型有一定的局限性，目前只針對日立ARIETTA 60超聲成像系統(tǒng)，要同一個(gè)人對信噪比進(jìn)行統(tǒng)計(jì)。本文所提的方法為超聲系統(tǒng)成像的預(yù)防維防提供一種新思路，希望在后期的努力，和各位同行的幫助下能改善其局限性。

[參考文獻(xiàn)]

[1] 趙堅(jiān).超聲診斷儀器的預(yù)防性維護(hù)與故障解決方案[J].中國醫(yī)藥導(dǎo)報(bào),2015,(16):165-168.

[2] 周嬙.超聲診斷儀的預(yù)防性維護(hù)探討[J].中國醫(yī)療設(shè)備,2013,28(11):156-157.

[3] 王功華,張平.超聲診斷儀器的預(yù)防性維護(hù)[J].中國醫(yī)療設(shè)備,2012,27(1):104-106.

[4] 姬軍,潘美玲,張春霞.超聲圖像的質(zhì)量評價(jià)[J].醫(yī)療衛(wèi)生裝備,2012,31(12):4.

[5] 官輝煜.超聲圖像質(zhì)量檢驗(yàn)系統(tǒng)設(shè)計(jì)的評估[J].中國醫(yī)療器械信息,2010,16(11):36-42.

[6] Pauluzzi DR,Beaulieu NC.A comparison of SNR estimation techniques for the AWGN channel[J].IEEE Trans Commun,2002,48(10):1681-1691.

[7] Romero-Laorden D,Villazón-Terrazas J,Martínez-Graullera O,et al.Strategies for hardware reduction on the design of portable ultrasound imaging systems[M].Stamford:InTech, 2013.

[8] 陸玉婧.超聲圖像降噪去斑算法研究[D].昆明:云南大學(xué),2014.

[9] 孫延奎.小波變換與圖像、圖形處理技術(shù)[M].北京:清華大學(xué)出版社,2012:156-157.

[10] 盛驟,謝式千,潘承毅.概率論與數(shù)理統(tǒng)計(jì)[M].北京:高等教育出版社,2008:147.

[11] 周勇,肖冰.基于OMP算法的超聲圖像重建特性研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,2017,27(7):135-139.

[12] 鄭淵悅,徐銘恩,王玲.改進(jìn)權(quán)值非局部均值超聲圖像去噪[J].中國圖象圖形學(xué)報(bào),2017,22(6):778-786.

[13] 吳善元,王兆軍.非線性統(tǒng)計(jì)方法[M].北京:高等教育出版社,1996:144-150.

[14] 高洪青.基于概率模型的設(shè)備狀態(tài)自適應(yīng)評估與預(yù)測技術(shù)[D].西安:西安交通大學(xué),2003.

[15] 胡峰,吳波,胡友民,等.基于概率神經(jīng)網(wǎng)絡(luò)和KS檢驗(yàn)的機(jī)械狀態(tài)監(jiān)測[J].振動(dòng)與沖擊,2008,27(4):56-57.

[16] 侯澍旻,李友榮,姬水旺等.基于KS檢驗(yàn)的智能故障診斷方法研究[J].振動(dòng)與沖擊,2006,25(1):82-85.