倪曉航，肖明波

(杭州電子科技大學(xué) 通信工程學(xué)院，浙江 杭州 310018)

0 引言

硬膜外麻醉是一種中樞神經(jīng)阻滯技術(shù)，可有效緩解孕婦分娩帶來(lái)的痛苦，60%～90%的女性在分娩時(shí)會(huì)選擇這種麻醉方式[1]。硬膜外麻醉還用于外科手術(shù)的術(shù)后緩解，比如一些髖關(guān)節(jié)、膝關(guān)節(jié)置換和截肢手術(shù)，能夠防止失血過多[2]。

圖1 脊椎解剖結(jié)構(gòu)[4]

硬膜外腔比較窄，位于黃韌帶和硬脊膜之間、皮膚以下3～8cm[3]。如圖1所示，棘突間隙L2-L3、L3-L4是最常用的硬膜外穿刺位置[4]，因?yàn)槠浼婚g距最大，相較于胸腔空隙或其它腰椎棘突間水平，穿刺難度會(huì)大大降低。另外硬膜外腔在寬度上可以給穿刺和導(dǎo)管插入提供更大空間，所以棘突間隙L2-L3、L3-L4通常作為硬膜外麻醉的首選。

硬膜外麻醉在麻醉領(lǐng)域被認(rèn)為是最難的麻醉方式[5]。目前，硬膜外麻醉的失敗率是6%～25%[6-7]。傳統(tǒng)方法基本依賴一些臨床經(jīng)驗(yàn)和手感，無(wú)法在穿刺過程中觀察病人的組織結(jié)構(gòu)和穿刺過程。麻醉師通過觸摸病人脊柱的表面標(biāo)志，根據(jù)觸感確定穿刺位置，但最后針插入的位置點(diǎn)可能并不正確。一旦麻醉師發(fā)現(xiàn)穿刺針路徑不對(duì)，必須取回穿刺針并重新尋找正確位置。當(dāng)遇到解剖變異、水腫、肥胖病人時(shí)，往往需要多次穿刺，有時(shí)甚至穿刺失敗，給病人帶來(lái)痛苦。

近年來(lái)，隨著超聲成像技術(shù)的發(fā)展，人們發(fā)現(xiàn)可用該影像方法檢測(cè)患者的腰椎解剖結(jié)構(gòu)，以確定準(zhǔn)確的穿刺位置。超聲圖像引導(dǎo)相較于傳統(tǒng)觸摸式方法成功率更高[8]。因此，超聲圖像成為這種盲麻醉定位的引導(dǎo)方式，它有助于提高穿刺成功率，減少對(duì)麻醉師技術(shù)和經(jīng)驗(yàn)的嚴(yán)重依賴。

Carvalho[9]舉例說明了如何利用超聲圖像確定穿刺位置。首先，麻醉師將超聲探頭縱向掃描從骶骨向上緩慢移動(dòng)直到L3-L4(或L2-L3)棘突間隙，如圖2(a)所示。粗略地確定穿刺位置后，超聲探頭橫向掃描，超聲圖像隨之發(fā)生改變。當(dāng)探頭移動(dòng)到棘突上方時(shí)，超聲波會(huì)被骨頭阻礙，導(dǎo)致圖像細(xì)節(jié)展示不完全，超聲圖像的中線會(huì)出現(xiàn)一個(gè)三角區(qū)域的黑暗，這是骨骼超聲圖像的主要特征，如圖2(b)所示。當(dāng)探頭移動(dòng)到棘突間隙時(shí)，更多的細(xì)節(jié)會(huì)展現(xiàn)。超聲圖像中出現(xiàn)類似蝙蝠形狀的部分是最合適的穿刺位置[10]

圖2 縱向掃描和橫向掃描

超聲成像與X射線、CT、核磁共振成像相比無(wú)放射性、廉價(jià)、更安全，但超聲圖像有效可釋性小、分辨率較低，通?？v向1～2mm、橫向1～3mm。超聲波穿透深度在10cm以上，這正是硬膜外腔所要求的深度[11-13]。超聲圖像含有斑點(diǎn)噪聲，在圖像中表現(xiàn)為顆粒狀，沒反映出實(shí)際組織結(jié)構(gòu)，影響了圖像的細(xì)節(jié)分辨力。超聲圖像的全面解讀需要專業(yè)的培訓(xùn)和經(jīng)驗(yàn)。超聲在外周神經(jīng)阻滯及血管穿刺方面的研究較成熟，但在硬膜外穿刺中的應(yīng)用國(guó)內(nèi)幾乎還是空白。本文通過對(duì)超聲圖像斑點(diǎn)噪聲去除和解剖結(jié)構(gòu)提取的研究，輔助麻醉師觀察脊椎組織結(jié)構(gòu)、尋找合適的穿刺位置，以此引導(dǎo)麻醉師進(jìn)行硬膜外穿刺手術(shù)，極大提高了穿刺成功率。本文主要工作如下：

(1)提出一種去除超聲圖像斑點(diǎn)噪聲的有效方法，各向異性濾波結(jié)合形態(tài)學(xué)變換，克服了高斯濾波平滑圖像障礙，能很好地保留圖像邊緣，圖像的明暗對(duì)比度得到顯著增強(qiáng)。

(2)在自適應(yīng)閾值二值化基礎(chǔ)上對(duì)閾值計(jì)算進(jìn)行改進(jìn)，運(yùn)算速度更快，獲得脊椎的主要解剖結(jié)構(gòu)，輪廓更加突出。

(3)采用傳統(tǒng)的模板匹配算法結(jié)合脊椎結(jié)構(gòu)的相關(guān)性對(duì)目標(biāo)特征進(jìn)行定位，匹配前手動(dòng)確定目標(biāo)特征，匹配后由模板匹配算法根據(jù)手動(dòng)確定的目標(biāo)特征自動(dòng)定位，通過對(duì)比前后特征區(qū)域相關(guān)性證明匹配的準(zhǔn)確性。

1 超聲斑點(diǎn)噪聲圖像預(yù)處理

超聲圖像由12M的線性探頭得到，選擇感興趣的部分進(jìn)行相應(yīng)裁剪。預(yù)處理分3步：各向異性擴(kuò)散濾波、對(duì)比度增強(qiáng)和圖像二值化，前兩步可減少斑點(diǎn)噪聲，增加超聲圖像二值化精度。預(yù)處理后得到二值化脊椎超聲圖像，解剖結(jié)構(gòu)特征更加明顯。

1.1 各向異性擴(kuò)散濾波器

各向異性擴(kuò)散濾波器[14]中，原始超聲圖像Io(x,y)與高斯核G(x,y,t)卷積得到圖像的多尺度灰度描述I(x,y,t)如下：

I(x,y,t)=Io(x,y)*G(x,y,t)

(1)

即以時(shí)間單位作為高斯核的方差，去和原始圖像卷積。該多尺度描述可視為各向異性的熱擴(kuò)散方程：

It=div(c(x,y,t)▽I)

(2)

其中c(x,y,t)是關(guān)于任意像素與其鄰域梯度的函數(shù)，又稱擴(kuò)散系數(shù)，即每個(gè)像素都有自己的擴(kuò)散系數(shù)。它是一種邊緣停止函數(shù)，梯度▽I越大表明是圖像邊緣的可能性越大。本文采用Perona-Malik所提出的擴(kuò)散系數(shù)作用在圖像上，得到擴(kuò)散系數(shù)g(▽I)：

g(▽I)=e(-(∥▽I∥/S)2)

(3)

S控制平滑程度，S越大平滑程度越大，根據(jù)經(jīng)驗(yàn)將S設(shè)為15。

1.2 對(duì)比度增強(qiáng)

超聲圖像有明暗兩個(gè)區(qū)域，采用形態(tài)學(xué)灰度變換增強(qiáng)明暗對(duì)比度[15]。首先創(chuàng)建兩個(gè)半徑為3像素的圓盤結(jié)構(gòu)元素，分別用于頂帽和底帽變換，獲得It和Ib。然后對(duì)圖像分別進(jìn)行開閉運(yùn)算得到Io和Ic，頂帽變換后的圖像減去閉運(yùn)算后的圖像獲取圖像亮的部分：

Ib=It-Ic

(4)

同樣，底帽變換后的圖像減去開運(yùn)算后的圖像獲取圖像暗的部分：

Id=Ib-Io

(5)

為使超聲圖像亮的區(qū)域得到增強(qiáng)，暗的區(qū)域減弱，進(jìn)行如下運(yùn)算：

In=If-αId+αIb

(6)

尺度變換常數(shù)α設(shè)為0.5，得到圖3(b)的效果圖，結(jié)果表明形態(tài)學(xué)變換能夠有效增強(qiáng)超聲圖像的對(duì)比度。

圖3 各向異性濾波結(jié)合形態(tài)學(xué)變換處理前后

1.3 自適應(yīng)閾值二值化

超聲圖像濾波后對(duì)比度得到增強(qiáng)，但是斑點(diǎn)噪聲并不能完全消除，脊椎解剖結(jié)構(gòu)也不明顯。為進(jìn)一步濾除斑點(diǎn)噪聲，提高超聲圖像的可釋性，本文提出自適應(yīng)閾值二值化算法對(duì)圖像進(jìn)一步處理。二值化處理是圖像識(shí)別重要的預(yù)處理環(huán)節(jié)，通過對(duì)二值信號(hào)計(jì)算，實(shí)現(xiàn)對(duì)象與圖像背景的分割[16-17]。每個(gè)像素的二值化閾值不是固定不變的，而是由其周圍鄰域像素的分布決定。亮度較高的圖像區(qū)域二值化閾值通常會(huì)較高，而亮度較低的圖像區(qū)域二值化閾值則會(huì)相應(yīng)變小。不同亮度、對(duì)比度、紋理的局部圖像區(qū)域有相對(duì)應(yīng)的局部二值化閾值。

圖像二值化關(guān)鍵在于閾值計(jì)算，閾值T(x,y)的作用在下式體現(xiàn)：

(7)

閾值T(x,y)由下式計(jì)算得到：

(8)

m(x,y)為局部平均值，δ(x,y)為局部平均偏差，δ(x,y)=g(x,y)-m(x,y)，k是一個(gè)可以控制閾值變化的偏量，范圍為[0-1]。k在確定閾值過程中十分重要，k越小，閾值越大；k越大，閾值越小。如果圖像區(qū)域內(nèi)窗口大小一致，即g(x,y)=m(x,y)，則δ(x,y)為0，閾值T(x,y)會(huì)小于m(x,y)，此時(shí)g(x,y)會(huì)變?yōu)楸尘邦伾?黑色)。如果m(x,y)為0，T(x,y)也會(huì)為0，則g(x,y)會(huì)變成白色。如果k=0，則T(x,y)=m(x,y)。因此，對(duì)于不同的k值，閾值的適應(yīng)水平可調(diào)整。

圖4 自適應(yīng)閾值二值化處理結(jié)果

經(jīng)試驗(yàn)k值選0.75效果最佳，處理后得到圖4的效果。從圖中可以看出，圖像的主要特征保留，大部分斑點(diǎn)噪聲成功移除，脊椎解剖結(jié)構(gòu)更加明顯，大大提高了圖像可釋性。此外，該算法運(yùn)行速度非?？欤鐚?duì)640×512 321kb灰色超聲圖像，計(jì)算時(shí)間是0.787 542s。可見超聲圖像預(yù)處理算法能有效去除斑點(diǎn)噪聲，運(yùn)算速度快，是一種有效的預(yù)處理方法。

2 自動(dòng)定位

依據(jù)Carvalho所述， “飛翔的蝙蝠”即是用來(lái)確定穿刺位置的主要特征，探頭放在能找到這個(gè)特征的部位就是最好的穿刺位置。

2.1 模板匹配算法

超聲圖像為明暗相間的灰度圖像，預(yù)處理后脊椎解剖結(jié)構(gòu)較明顯。根據(jù)超聲脊椎圖像特點(diǎn)，考慮到目標(biāo)輪廓的特性，采用模板匹配的模式識(shí)別算法對(duì)目標(biāo)形態(tài)進(jìn)行計(jì)算。所謂模板(template)，指與原形狀的連通性和結(jié)構(gòu)性相一致的圖像結(jié)構(gòu)作為理想表達(dá)的一種對(duì)象表示[18]。模板匹配算法利用其搜索功能從超聲圖像中尋找目標(biāo)特征，本質(zhì)就是計(jì)算模板和圖像的互相關(guān)，模板和掃描區(qū)域的圖像進(jìn)行相關(guān)性計(jì)算，得到像素相關(guān)系數(shù)最大的那一組就是目標(biāo)特征區(qū)域[19]。

(9)

g(x,y)表示匹配結(jié)果，w(i,j)表示模板，f(x,y)表示目標(biāo)超聲圖像。

圖5 特征匹配模板

在目標(biāo)特征中需要建立兩個(gè)模板，首先縱向掃描找到“蝙蝠耳朵”，確認(rèn)L2、L3的棘突位置，如圖5(a)所示，然后橫向掃描找出類似于“拱形”的形狀特征，進(jìn)一步確立穿刺位置，如圖5(b)所示。

2.2 位置相關(guān)器

盡管目標(biāo)特征在超聲圖像中可以找到，但是匹配錯(cuò)誤的情況依然存在，因?yàn)槟繕?biāo)特征不會(huì)固定在一個(gè)位置。閾值法通常用于消除模板匹配算法的錯(cuò)配現(xiàn)象，然而這種方法也不可靠，因?yàn)椴煌说拈撝悼赡芎懿灰粯?，找到一個(gè)合適的閾值不可能[20]，但每個(gè)人脊椎特征的位置相關(guān)性是相同的，因此采用位置相關(guān)法判斷目標(biāo)特征是否匹配成功是可行的。位置相關(guān)法遵循脊椎的解剖結(jié)構(gòu)特征，棘突間隙的位置在圖像中被識(shí)別，此時(shí)探頭所在的位置即為潛在的穿刺位置。因此，位置相關(guān)器是目標(biāo)特征識(shí)別的關(guān)鍵函數(shù)。

圖6 匹配結(jié)果

位置相關(guān)器從脊椎圖像中準(zhǔn)確無(wú)誤地篩選出匹配特征，引導(dǎo)麻醉師成功穿刺。因此，本文提出的模板匹配結(jié)合位置相關(guān)算法能自動(dòng)識(shí)別最佳硬膜外穿刺位置。探頭在超聲波的引導(dǎo)下沿著病人的脊背移動(dòng)，直到找到合適的穿刺位置。圖6顯示了匹配結(jié)果，匹配時(shí)間為2.251 028s。

采集30幅脊椎超聲圖像，匹配相關(guān)性如圖7所示，平均準(zhǔn)確率為97.37%，匹配準(zhǔn)確且處理速度快。

圖7 匹配相關(guān)度

3 穿刺引導(dǎo)

L3-L4、L2-L3的兩個(gè)棘突間隔的地方適用于穿刺麻醉。在超聲波系統(tǒng)引導(dǎo)下，需要進(jìn)行粗調(diào)和精調(diào)兩個(gè)階段操作。粗調(diào)階段，探頭從病人的骶骨向脊椎上方掃描，該系統(tǒng)通過記錄一些交替的骨骼圖像和棘突間圖像，對(duì)棘突過程進(jìn)行統(tǒng)計(jì)，直至達(dá)到L3-L4(或L2-L3)棘突水平；精調(diào)階段，系統(tǒng)會(huì)對(duì)探頭移動(dòng)方向進(jìn)行指導(dǎo)，直至找到精確的穿刺位置。

超聲引導(dǎo)穿刺流程如圖8所示。

4 結(jié)語(yǔ)

對(duì)硬膜外麻醉自動(dòng)定位項(xiàng)目借助MATLAB平臺(tái)進(jìn)行仿真實(shí)驗(yàn)。采用各向異性濾波、對(duì)比度增強(qiáng)和新的二值化閾值計(jì)算方法，成功移除斑點(diǎn)噪聲，獲得脊椎解剖結(jié)構(gòu)圖，采用模板匹配算法進(jìn)一步確定穿刺位置。將超聲圖像處理用于自動(dòng)識(shí)別穿刺位置問題，提高了超聲圖像的可釋性，能實(shí)時(shí)為麻醉師提供引導(dǎo)，極大減小了麻醉師對(duì)超聲圖像可釋性的依賴，通過智能機(jī)器提高了穿刺成功率。

圖8 超聲引導(dǎo)穿刺流程

但在臨床實(shí)驗(yàn)之前仍有大量工作要做：首先，本文檢測(cè)算法的超聲圖像來(lái)自志愿者之前測(cè)試，不是超聲圖像處理系統(tǒng)實(shí)時(shí)所得；其次，目前所得的脊椎圖像都來(lái)自健康群體，未來(lái)需要擴(kuò)大病人范圍，盡可能找到一些肥胖、孕婦和一些脊椎情況特殊患者，以此測(cè)試系統(tǒng)的魯棒性。