图像进行灰度化

超声诊断除了受主观性和诊断经验等人为因素影响外,检测频率、机器参数的设置等成像条件的变化也会对图像产生很大的影响,因而使肝纤维化的量化分析受到很大限制。有研究显示,利用肝超声图像的纹理边缘共生矩阵(TECM)进行纤维化量化分析,首先Canny算子提取纹理边缘,并计算其共生矩阵的熵作为分类的特征值。通过用leave-one-out最近邻法和Fisher线性分类器进行分类试验,证明其分类精度优于分形维(FD)。而且,用Fisher线性分类器对TECM和差分盒计数法(DBC)组成的联合特征向量(J-DT)进行分类试验。当阈值为时、分类正确率(CCR)可以达到95.1%;取阈值为时,灵敏性可以达到100%。

经肝穿刺或经腹腔镜肝活检,进行组织病理学检查仍是肝疾病的“金标准”。但是由于这些检查的入侵性,容易引起其他并发症。超声显像技术因其具有实时动态、灵敏度高、易操作、无创伤、无特殊禁忌证、可重复性强、费用低廉和无放射性损伤等优点,正逐渐成为临床各学科疾病的检查、诊断和介入治疗中所不可缺的重要手段之一。

利用超声图像的纹理特征进行肝组织分类的方法已经取得了一定进展:Ogawa选择兴趣区(ROI)像素值的方差、变异系数、环形的傅立叶功率谱密度、纵向傅立叶功率谱密度和5个兴趣区均值的变异,以及灰度共生矩阵的角二阶矩和对比度等7个参数作为特征输入区分正常肝、肝炎和肝硬化;Wu提出基于多分辨率分形特征向量和分形布朗运动模型的纹理特征集区分正常肝、肝硬化和肝癌;Mojsibvi运用不可分小波分解得到的变换图像,区分正常肝、肝硬化和脂肪肝;Yeh用灰度共生矩阵和不可分小波变换进行特征提取,用支持向量机(SVM)作分类器,将肝纤维化进行性分级。

现存的研究方法都必须在成像条件标准化的条件下进行,即对所有的组织采用同样的机器参数,超声波的频率也要一样,以保证组织特征的保真度。因为超声波的衰减主要与频率大小有关,同时机器参数的设置,如时间增益补偿(TGC)、谐波组织增强(TEI)、焦距、增益(G)、对比度和图像缩放都会不可避免地改变整个图像的增益和回声强度。这就大大限制了其实际应用,有研究提出实现对任意条件下成像的肝纤维化进行有效的量化分析。

分析正常和纤维化肝超声图像可以发现,正常肝的肝实质内呈均匀弥漫的点状回声,而纤维化肝的光点粗大,回声粗糙不均匀而欠规则,表面凹凸不整,病情严重者甚至可见先用高斯滤波器进行图像平滑,滤除噪声;用有限差分近似式计算梯度幅值和方向;通过非极大值抑制梯度线上所有非屋脊峰值的幅值,来细化幅值图像阵列的梯度幅值屋脊,生成细化的边缘;用双阈值进行边缘检测并且连接边缘。

由Canny算子检测出的纹理边缘,利用灰度共生距阵的分析方法,可以计算纹理边缘的共生矩阵。图像中相距的两个灰度像素对同时出现的联合斑形条索状回声或网络状图形。因此,可以从下面两个因素对纤维化进行分析:一是肝小叶的结构和分布,另一个就是肝实质表面的粗糙程度。

不同成像条件下,不同的正常和纤维化肝图像上选取的60×60像素的图像块,以及相应的纹理边缘轮廓图和灰度直方图。超声成像的深度为130mm,成像条件中的“B:4.5”指超声频率为4.5MHz,“G:105”指增益为105;“B:PEN”指运用组织谐波增强技术的深度增强(PEN)方式;“B:GEN”指运用组织谐波增强技术的普通(GEN)方式。第二行为纹理边缘轮廓图,是由Canny算子对第一行的图像中的纹理进行边缘提取得到的。第三行的灰度直方图表示图像中像素的灰度分布,其横轴代表灰度值(0~255),纵轴代表出现同一灰度值的像素点是个数。

比较两类图像可以发现,正常图像的纹理轮廓分布比较紧密,而纤维化图像的纹理轮廓分布较稀疏和较不规则。正常肝图像的灰度分布比较集中,而纤维化肝图像的灰度分布范围比较宽。此项研究首先利用肝纹理的这些特点,用纹理的边缘共生矩阵和分形维进行特征提取,再用分类器进行分类试验,最后得出实验结果和结论。

该研究提出了用边缘共生矩阵(TECM)进行肝纤维化量化分析的方法,并由最近邻法和Ficher线性分类器进行验证,其分类精度优于分形维(DBC和变换法)。这是因为图像灰度(回声强度)受超声仪的很多机器参数的影响,而肝小叶的形状和分布在探测深度相近(深度为130mm或147mm)的情况下变化较小。同时,图像中包含的高频噪声也会影响分形维数的计算,而我们采用的TECM方法经过Canny算子高斯滤波器可以去除部分噪声。

用DBC和TECM组成的联合特征向量(J-DT)进行分类的精度优于单独的TECM。同时,Fisher线性分类器对J-DT的分类精度优于最近邻法分类。当Fisher线性分类器的阈值为Y0时,分类正确率(CCR)可以达到95.1%;取阈值为Y0时灵敏性可达到100%。

图像中兴趣区(ROI)的选择对分类精度有非常重要的作用。首先,因为声波是能量衰减,即使有TGC,浅表部位和深部对超声波的反射能力也是有区别的。其次,超声的诊断区域是扇形的,而我们所选取的ROI是正方形的,因而会受到血管和声学阴影的影响。另外,ROI的选择是交互式的,虽然希望所选取的图像只包含肝组织,不包含血管、噪声和其他声学阴影,由于视觉和人为因素,在实际应用中也很难实现。

同时,选用合适的方法去除噪声、增强纹理边缘信息以提高分类精度也是今后研究的方向。