（控制理论与控制工程专业论文）基于神经网络的肝脏B超图像识别研究.pdf

西南科技大学硕士研究生学位论文第1 页 摘要 根据肝脏b 超图像进行脂肪肝的诊断，是病变确诊的主要方法。由于b 超图像的质量较差，目前的诊断以定性为主，受主观因素影响较大。因此， 研究肝脏b 超图像的纹理特征，获取量化参数，采用计算机辅助手段进行分 类识别，有助于提高临床诊断的准确性及效率。 本文着重对肝脏b 超图像的特征提取和分类识别两大中心问题进行了研 究和仿真。特征提取部分以图像预处理为基础，采用灰度共生矩阵法，对正 常肝和脂肪肝b 超图像进行了特征值的计算。在对特征参数进行了比较和选 择后，确定了最能反映图像特征的参数组合：能量( 角二阶矩) 、熵和反差分 矩。在分类识别部分，利用m a t l a b 的神经网络工具箱设计了自组织特征映射 ( s o f m ) 和误差反向传播( b p ) 两种神经网络分类器。采用了两种样本选择方案 对网络进行训练和仿真，取得了较好的识别效果。训练好的分类器既能识别 出正常肝和脂肪肝，又能对脂肪肝的严重程度做出分类。本文建立的识别方 法有助于医生快速、准确地对肝脏b 超图像作出判断识别。 关键词：脂肪肝b 超图像灰度共生矩阵特征提取神经网络 西南科技大学硕士研究生学位论文第1 i 页 a b s t r a c t t h ed i a g n o s i sa b o u tf a t t yl i v e ro nt h eb a s e o fu l t r a s o u n di m a g ei sa n i m p o n a n tm e t h o d h o w e v e r ，t h eq u a l i t yo fu l t r a s o u n di m a g e si sr e l a t i v e l yp 0 0 r a tp r e s e n t ，t h ed i a g n o s i sa b o u tf a t t yl i v e ri sd e t e r m i n e db yt h en a t u r e ，a n dt h e c o n c l u s i o no fd i s e a s ei so f t e ni n n u e n c e db yd o c t o r s t h e r e f b r e ，i ti sh e l p f u lt o s t u d yt h et e x t u r a lc h a r a c t e r so fl i v e rb - s c a nu l t r a s o n i ci m a g e ，t h eq u a i l t m c a t i o n f e a t u r ec h a r a c t e r s ，a i l dr e c o g n i z i n gt h e s ei m a g e sb yc o m p u t e ra s s i s t a n c ew a y s t oi n c r e a s et h ea c c l l r a c ya n de 衢c i e n c yo fc l i n i c a ld i a g n o s i s i nt h i sp a p e r ，b o t hf e a t u r ee x t r a c t i o na n dc l a s s i n c a t i o nr e c o g n i t i o no ff a t t y 1 i v e rb s c a nu l t r a s o n i ci m a g e8 r em a i n l ys t u d i e da i l ds i m u l a t e d i nt h ep a r to f f e a t u r ee x t r a c t i o n ，m ep a p e rc a l c u l a t e st h ef e a t u r e so fn o r m a ll i v e ra n df a t t y l i v e r sb - s c a nu l t r a s o n i c i m a g e s b yu s i n g t l l em e t h o do f g r a y l e v e l c o o c c u r r e n e em a t r i c e so nt h eb a s e o fi m a g ep r e p r o c e s s a n e rf e a t u r e s c o m p a r i s o n 柚ds e l e c t i o n ，w ed e t e r m i n et h eb e s tf c a t u r e sc o m b i n a t i o n ，i n c l u d i n g a n g u l a rs e c o n dm o m e n t ，e n t r o p y 柚di n v e r s ed i f f e r e n t i a lm o m e n t i nt h ep a no f c l a s s i n c a t i o nr e c o g n i t i o n ，w ed e s i g ns o f ma n db pn e u r a ln e t w o r kc l a s s i f i e r sb y u s i n gt h en e u r a ln e t w o r k1 0 0 l b o xo fm a t l a b u s i n gt w ok i n d so fs 锄p l es e l e c t i o n p l a n st oe x e r c i s ea n ds i m u l a t et h ec l a s s i f i e r sa n do b t a i n i n gg o o dr e c o g n i t i o n e f f 色c t t h ee x e r c i s e dn e u r a ln e t w o r kc l a s s i f i e r sn o to n l yc a nr e c o g n i z et h e b - s c a ni m a g e so fn o r m a ll i v e ra n df a t t yl i v e rb u ta l s oc a nf u n h e rc l a s s i f yi t s d e g r e e0 fs e r i o u s n e s s t h er e c o g n i t i o nm e t h o do ft h i sp a p e rc a nh e l pd o c t o r st o d i s c e r n b s c a ni m a g eo fl i v e rq u i c k l ya l l da c c u r a t e l y k e yw o r d s ：f 8 n yl i v e r ；b s c a ni n l a g e ；g r a y l e v e lc o o e e u r r e n c em a t r i x ； f e a t u r ee x t r a c t i o n ：n e u f a ln e t w o r k 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人 已经发表或撰写过的研究成果，也不包含为获得西南科技大学或其它教育机构的 学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己 在论文中作了明确的说明并表示了谢意。 签名：求栖碜 日期：矽多、j 关于论文使用和授权的说明 本人完全了解西南科技大学有关保留、使用学位论文的规定，即：学校有权 保留学位论文的复印件，允许该论文被查阅和借阅；学校可以公布该论文的全部 或部分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的学位论文在解密后应遵守此规定) 签名水馅修 导师日强： 朋6 。6 。i 西南科技大学硕士研究生学位论文第1 页 1 绪论 1 1 课题背景及意义 医学图像是医学诊断和疾病治疗的重要依据，能使临床医生对人体内部 病变部位的观察更直接、更清晰、确诊率更高，在临床上具有非常重要的应 用价值，所以近年来，医学影像已经成为医学技术中发展最快的领域之一。 目前脂肪肝的病例越来越多，各中大医院的体检报告中，查出脂肪肝的比 例在不断上升。根据美国加利福尼亚太平洋医学中心调查，非酒精性脂肪 肝已经成为美国成年人中第3 大普遍的疾病“1 。脂肪肝一旦形成，若不及时 控制可能会引发肝炎、肝硬化，从而造成肝脏的永久性损害。但是，脂肪肝 属于一种可逆性病变，及早诊断有助于肝脏的恢复和治疗。 目前临床上主要采用b 超成像技术诊断脂肪肝，但因b 超成像模糊， 在实际的确诊中就要求医生具有一定的临床经验。面对每年各中、大单位数 次的体检工作，医生的工作量是很大的，而且由于疲劳等因素的影响，很容 易造成脂肪肝的漏诊或误诊。针对这种情况，引起了我们的思考：能否构建 一种计算机辅助识别脂肪肝b 超图像的方法，既可以快速准确地从大量的b 超图片中识别出正常肝和脂肪肝，又可以对脂肪肝图片中进一步判断其严重 程度。这样既可以大大减轻有经验医生的工作量，避免漏诊误诊的发生，还 可以为经验欠缺的医生提供诊断和学习的依据。这样的图像识别系统无论是 在实际体检中，还是在理论算法的探讨和研究上都有很强的实用价值。另外， 这种脂肪肝计算机辅助诊断方法一旦研究成功，可以用于远程医疗，这在我 国部分就医不便、有经验医师少的偏远山区有很强的实用性。 1 2 脂肪肝诊断现状和国内外研究状况 1 2 1 脂肪肝诊断现状 脂肪肝是一种可逆性病变，及早的检查出脂肪肝对其治愈是非常重要的。 临床上诊断脂肪肝最可靠的办法是活检。1 ，但会给病人带来很大的痛苦。目 前临床上多采用超声成像技术诊断脂肪肝，但这在很大程度上是凭医生肉眼 进行判断。这种经验的、感性的认识常导致脂肪肝的漏诊或误诊“1 1 。对于 脂肪肝的诊断方法大体分为两类：血液生化检查和影像学检查。 ( 1 ) 血液生化检查“。在血液生化检查中，主要是观察血清酶、b 球蛋白、 西南科技大学硕士研究生学位论文第2 页 铁蛋白以及胆汁酸是否升高，白蛋白、胆红素和凝血酶原时间( p t ) 是否变化。 临床病理研究发现，仅2 0 3 0 的脂肪肝有上述一项或一项以上血清学指标 异常，且无特异性，因而实验室检查并不能确切反映脂肪肝及其病因。 ( 2 ) 影像学检查。现阶段，在影像学领域，用于脂肪肝检测的主要有超声 波检查和计算机断层扫描检查( c t ) 。 超声波检查：脂肪肝在b 超图像上有其独特的表现“”1 ：肝肾回声差异， 肝实质回声强度大于肾回声；肝前后部回声差异，近场回声密集增强而远场 衰减；肝内管道结构特别是静脉变细不清：肝脏轻度或中度肿大。近年来趋 于把这些标准量化，以综合积分判断脂肪肝程度，b 超可检出肝脂肪含量达 3 0 以上的脂肪肝，肝脂肪含量达5 0 以上的脂肪肝，超声诊断敏感性可达 9 0 。亦有报道认为，在非纤维化的肝脏中超声诊断脂肪肝的敏感性达1 0 0 。 b 超现已作为脂肪肝的首选诊断方法，并广泛用于人群脂肪肝发病率的流行 病学调查。近年有关国外报道b 超诊断脂肪肝的阳性预测值为6 7 。 计算机断层( c t ) 检查：弥漫性脂肪肝表现为肝的密度( c t 值) 普遍低于脾 脏、肾脏和肝内血管，增强后肝内血管影显示得非常清楚，其形态走向均无 异常。c t 值的高低与肝脂肪沉积量呈明显负相关，因脾脏c t 值较固定，故 肝脾的c t 值可作为衡量脂肪肝程度的参考标准，或作为随访疗效的依据。 c t 诊断脂肪肝的准确率高于b 超诊断。但c t 昂贵，笨重，不易移动， 且具有放射性，对人体有一定的损害。对比之下，b 超价格便宜，易携带， 随时可以检查，对人体无损伤。故b 超已成为脂肪肝诊断的首选方法，广泛 用于人群脂肪肝发病的流行病调查和健康普查中，对于体检、诊断、预防及 治疗有重要意义“。 1 2 2 脂肪肝b 超诊断研究现状 一直以来，医学诊断标准化、数字化都是国内外医学界研究较多的领域。 实现对组织病变的标准化辨别，将大大减轻医生的工作量，也会在一定程度 上提高诊断效率，减少误诊、漏诊的发生。 超声诊断虽然是检查脂肪肝的首选手段，但是超声检查前需要调整b 超 仪的探头频率等参数，而且这些参数又是跟具体情况有关。一个肝正常的人 可以通过调整参数使其肝影像图与重度脂肪肝的影像图近似，这样第一需要 主检医生有丰富的l 临床经验，第二使检查的可重复性差，无法量化。所以， 以前脂肪肝的诊断大多是主检医生根据经验和临床表现做出的判断。早在八 西南科技大学硕士研究生学位论文第3 页 十年代末，就已经出现了超声图像处理系统“，这种计算机技术在医学影像 领域的应用可以使医务工作者多方位、多层次的对影像数据进行详细的观察， 辅助医生对病变体及其感兴趣的区域作定性乃至定量的分析，从而提高临床 诊断的准确性和正确性。 迄今为止，脂肪肝的诊断主要以定性分析为主，国际上还没有一套相对 统一的医学辅助诊断标准。脂肪肝b 超图像识别课题的研究也是近年来兴起 的热潮。国内外许多专家都在研究将脂肪肝定量分析的方法，有些学者提出 了通过硬件方法将参数标准化“”，近年国内又有一些专家提出了采用定标 ( 利用标准人体肝脏参数作相似模型当参照物) 的方法，但是由于b 超所涉及 的参数太多，还没有取得相应的应用。国内很多高校研究人员也把脂肪肝b 超图像的识别作为研究课题：太原理工大学研究了基于b 超图像的脂肪肝双 定标定量分析方法，采用正常肝和重度脂肪肝两种体模( 体模是指根据人体 器官标准数据做出的一种可类似人体器官的模型) 标准作参照做出的定量分 析“。河北大学研究了基于小波变换的脂肪肝b 超图像识别，采用小波变换 方法对脂肪肝和正常肝的超图像进行多分辨分析，采用概率神经网络对图像 进行识别“”“。这些初步的研究大多停留在理论研究和模拟仿真上，有些是 采用假设检验的方法从统计分析的角度来处理图像样本，没有确立具体的模 式识别方法。这就迫切的需要建立一种客观的方法，为医生诊断脂肪肝提供 必要的辅助手段，这对于简化b 超图像检查过程，帮助医生诊断无疑具有重 要意义。 1 3 论文主要研究内容 1 3 1 研究的主要问题 鉴于肝脏超声图像的特点，本文研究的主要问题是： ( 1 ) 针对超声图像的成像特点，对肝脏b 超图像进行预处理，选择效果较 好的图像处理方法。 ( 2 ) 依据特征提取及特征选择的相关理论，确定能够有效识别出肝脏b 超图像的特征参数。 ( 3 ) 分析肝脏组织( 包括正常和脂肪肝) 的临床b 超图像特征，研究特征参 数的变化规律与病变之间的关系。 ( 4 ) 基于神经网络技术设计肝脏b 超图像识别分类器，仿真、分析识别结 果，并对识别结果加以讨论分析。 西南科技大学硕士研究生学位论文第4 页 1 3 2 完成的主要工作 ( 1 ) 对肝脏b 超图像滤除噪声。通过对肝脏b 超图像进行分割和滤波处理， 对比多种处理方法的效果，结合超声图像噪声形成的原因，最后选择了中值 滤波法对肝脏b 超图像的噪声进行滤除。 ( 2 ) 特征参数的提取。确定了肝脏b 超图像有意义区域( r o i ) ，计算了该区 域的灰度共生矩阵，以及由此衍生的特征参数。对特征参数进行了统计、定 量分析和仿真。最后进行了特征选择，建立了适合于肝脏b 超图像识别的最 佳特征参数组合。 ( 3 ) 神经网络分类器的设计与训练。精选样本，设计了两种神经网络分类 器，即s 0 f m 网络分类器和b p 网络分类器。采用两种训练方案，即全样本作 检测集和“预留样本”作为检测集的方案。在两种训练方案下分别训练、检 测两种神经网络分类器，并对识别结果做出比较、分析和讨论。 ( 4 ) 程序实现。本文的特征提取以及神经网络分类器的实现都是在 m a t l a b 软件环境下编程实现的。 1 4 本文结构安排 本文主要以肝脏b 超图像的特征提取和基于神经网络的分类识别为知识 主线和结构框架。 论文的第二章和第三章是对肝脏b 超图像进行特征提取的前期准备工 作。第二章介绍了超声图像的纹理分析，详细介绍了脂肪肝b 超图像的特点 及纹理分析方法，为图像的特征提取作了理论铺垫。第三章对肝脏b 超图像 进行了图像处理，明确了特征区域表现的特点，滤除了图像中的“散斑”噪 声，为图像的特征提取做好了准备。 论文的第四章和第五章是本文的核心内容。其中，第四章介绍了肝脏b 超图像的特征提取。在了解图像特征提取所必备的理论知识基础上，详细介 绍了针对肝脏b 超图像的特征提取方法，采用灰度共生矩阵法实现了图像的 特征提取，为后期的图像识别提供了必备的输入数据。第五章详细介绍了基 于神经网络的肝脏b 超图像识别。设计了两种神经网络分类器。即s 0 f m 网络 分类器及和b p 网络分类器。详细介绍了分类器的设计方法、网络结构、训练 方法，并对网络作了检测和仿真。 本文的最后给出了结论及对今后工作的展望。 西南科技大学硕士研究生学位论文第5 页 2 超声图像纹理分析 2 1图像分析及纹理分析概述 图像分析是指对图像中感兴趣的目标进行检测和测量，以获得它们的客 观信息，从而建立起对图像的描述“”。图像分析是一个从图像到数据的过程， 这里的数据可以是对目标特征测量的结果，或是基于测量的符号表示，他们 描述了图像中目标的特点和性质。 图像分析从研究方法上主要分为以下几个方面“”： ( 1 ) 边缘检测以及图像分割：图像分割是把图像分成各具特性的区域并提 取出感兴趣目标的技术和过程，边缘检测是一种基于边界的图像分割方法。 ( 2 ) 目标表达和描述：表达是指用不同于原始图像的形式来代表图像中感 兴趣的目标，表达侧重于数据结构；描述是对表达的迸一步抽象，侧重于区 域特性以及不同区域之间的联系和差别，对目标的描述通常借助一些称为目 标特征的描述符来进行。例如，灰度共生矩阵是图像纹理的一种表达形式， 则灰度共生矩阵的二阶统计量便是图像纹理的描述符，也可以叫做纹理特征。 ( 3 ) 目标识别和分类：根据目标和背景之间，多个目标之间的特征差异， 找出感兴趣目标的过程称之为目标识别；根据这种差异性把目标分为不同类 别的过程叫做目标分类。目标识别和分类通常需要借助模式识别技术来进行。 纹理是理解图像的一个极其重要的信息源，是图像分析和识别中常用的 概念“。纹理是在一个界限了的图像区域中，有规律且相互依赖的灰度值的 面积分布，显示出图像中所反映的不同现象，包含了图像的表面信息及其与 周围环境的关系，可用每一客体区域的特性描述和分类。 肝脏b 超图像的纹理是由于各种不同的肝脏组织纤维不同，使其对超声 脉冲的吸收、衰减、反射有差异，超声脉冲又相互作用而形成。因此，不同 肝脏b 超图像的纹理有明显不同，这就是我们所看到的光点粗细、分布的差 别，医生正是根据这种纹理来判断肝脏有无疾病，从这一点可看出。肝脏b 超图像的纹理反映了肝脏组织的结构，因此，可通过对肝脏纹理的定量分析 来区分肝脏有无疾病，供医生辅助诊断时参考。 纹理分析是指通过一定的图像处理技术抽取出纹理特征，从而获得纹理 的定量或定性描述的处理过程“”。只有得到有效的纹理特征才能对纹理图像 进行识别、理解和分类。纹理特征的抽取，通常希望抽取的特征维数不大， 计算量较小，能够对大量位置类别的纹理图像进行精确的分类。 西南科技大学硕士研究生学位论文第6 页 目前，纹理分析方法主要包括两种：结构分析方法和统计分析方法“”。 结构分析方法是用定义好的基元以及它们在空间安排上的层次结构来表达纹 理。为了表达纹理，必须先定义基元和取代规则，基元的选择以及被选基元 在某个特定的位置被取代的概率可以用位置的函数来表示。结构法的优越性 在于其对于图像提供了很好的符号描述，但是这种特性决定了该方法更适合 用于图像的合成任务，不太适合于分析研究。而统计分析方法并不试图去理 解纹理的层次结构，而是反映图像灰度分布的不确定的性质来间接表达纹理。 人们统计纹理属性来进行纹理区分的研究始于7 0 年代，著名的二次统计量是 从灰度共生矩阵提取出来的。9 0 年代以来，灰度共生矩阵方法开始被用于超 声医学图像的分析和识别，并取得了良好的效果。 本文研究侧重于纹理描述的b 超图像识别，将涉及到图像的纹理分析、 目标识别和分类技术等等。 2 2 脂肪肝的超声诊断 超声成像是5 0 年代后期发展起来的一种新型非创伤性诊断的临床医学 新技术。通过研究和运用超声波的物理特性、成像原理以及人体组织器官的 解剖、生理、病理特征和临床医学基础知识，以观察人体组织、器官形态和 功能变化的声像表现，然后分析归纳。探讨疾病的发生发展规律，从而达到 诊断与治疗疾病的目的”。1 。由于超声诊断具有无损、无创、无电离辐射等优 点，它已愈来愈受到人们的重视。特别近十几年中，超声成像设备已发展成 为临床诊断中的重要工具。 2 。2 1超声的基本原理 人耳的听觉只能对1 6 2 0 0 0 0 赫兹的声音有感觉，2 0 0 0 0 赫兹以上的声音 无法听到，这种声音称为超声。超声是一种机械波，具有波长、频率和传播 速度等物理量。超声波之所以被广泛用于医疗领域是因为它有许多奇妙的特 性：由于超声波频率高、波长短，可以像光那样沿着直线传播，使得我们有 可能向某一确定的方向上发射超声波；声波是纵波，可以顺利地在人体组织 里传播；超声波遇到不同的介质交接时会产生反射波。这些特点构成了今天 超声仪器在医学领域广泛应用的基础。b 超成像是用超声回波信号的幅度调 制显示器的灰度，并按一定的扫描线逐行显示随深度变化的回波信号，从而 构成一幅人体器官的断面图像。 西南科技大学硕士研究生学位论文第7 页 超声波就是被检查的人体组织结构的反射声波，其成像的工作方式非常 类似于声纳的工作方式，用高频声波作为其成像的声源。进行扫描的超声探 头是一种电声换能器。它将仪器中发射的高频电信号，通过探头器晶体的振 动，转变为超声波，进入人体组织内，然后反射回超声波，在探头的晶体上， 再将超声波转变为高频电信号，由荧光屏上显示出来。 b 超诊断的基本原理是“：向人体发射一组超声波，按一定的方向进行 扫描。根据监测其回声的延迟时间、强弱就可以判断肝脏的距离及性质。经 过电子电路和计算机的处理，就形成了b 超图像。b 超的关键部件就是我们 所说的超声探头( p r o b e ) ，其内部有一组超声换能器，是由一组具有压电效 应的特殊晶体制成。这种晶体具有特殊的性质，就是在晶体特定方向上加上 电压，晶体发生形变，反过来当晶体发生形变时，对应方向上就会产生电压， 实现了电信号与超声波的转换。图2 1 是一个b 超的工作原理图。 图2 1b 超工作原理图 f ig u r e 2 1s c h e m a t ico fbm o d eu l t r a s o n ic 2 2 2 脂肪肝b 超图像的特点 脂肪肝是由于脂肪在肝细胞内的过多积聚造成的，这种变化是肝脏对损 伤产生的最常见的反应。肝脏是脂类的合成、运转和利用的场所，并不能大 量贮存脂肪。当肝内脂肪的分解与合成失去平衡，或运转发生障碍时，脂肪 就会在肝实质细胞内过量积聚。目前，脂肪肝在我国的发病率持续上升，而 且发病年龄趋于低龄化，很多肥胖儿童也成了脂肪肝的患者1 。 脂肪肝影响肝功能，是一种可逆性疾病，如能及时发现，早期治疗，完 全可以治愈，而且不留遗症。b 超因其对人体无害，重复性强，经济实惠， 西南科技大学硕士研究生学位论文第8 页 被首选用于脂肪肝检查。其诊断脂肪肝的敏感性高达9 0 以上，可初步鉴别 轻、中、重度脂肪肝，还可作为观察脂肪肝疗效的跟踪检查手段。 b 超诊断脂肪肝的主要手段是利用超声波。超声需在介质中传播，其速 度因介质不同而异，在固体中最快，液体中次之，气体中最慢。在人体软组 织中约为1 5 0 m s 。介质有一定的阻抗，声阻抗等于该介质密度与超声速度的 乘积。超声在不同的介质中传播时，如果遇到声阻抗不同的介质界面，可产 生有规律的反射与折射。界面的声阻抗差别越大，声的反射就越明显。人体 的组织器官是一个复杂的超声传播介质，不同组织和器官声阻不同，对超声 波吸收衰减和组织反射界面不同，可以出现不同的反射波形及回声图像，但 有一定的规律，构成了有规律的波形和图像。一旦发生病变，如肿瘤、炎症、 坏死、液化、结石、钙化等，由于出现异常的组织界面，则表现出异常的反 射波形及回声图像。 超声在介质中以直线传播，有良好的指向性和反射性，这是可以用超声 对人体器官进行探测的基础。在b 超诊断中，经常提到两个名词：回声和衰 减性。当超声传经两种声阻抗不同相邻介质的界面时发生反射，一部分声能 在界面后方的相邻介质中产生折射，超声继续传播，遇到另一个界面再产生 反射，直至声能耗竭。反射回来的超声为回声。声阻抗差越大，则反射越强。 超声在介质中传播还发生衰减，即振幅与强度的减小。衰减与介质的衰减系 数成正比，与距离平方成反比，还与介质的吸收和散射有关。 表2 1 脂肪与肝实质阻抗的区别 t a b i e 2 1 i m p e d a n c ed is t i n c t i o nb e t w e e nf a t a n dl i v e ri n w a r d 注：胄= l 堙聊2 从表2 一l 可以看出，脂肪与肝的阻抗有明显区别，当超声进入肝脏，到 达脂肪与肝的结合处，会产生反射，即回声。但是因为超声波的能量是固定 的，总共有三部分：反射，透射和散射，反射的能量越多，透射的能量就越 少，具体表现为能够穿过肝脏的超声波能量也越少，反射回来的能量也就越 来越少。表现在超声图像上的特征就是从上往下图像越来越暗，衰减程度和 西南科技大学硕士研究生学位论文第9 页 病变程度有密切关系，脂肪肝程度越严重，表现得也就越明显。 另外，b 超诊断脂肪肝还有以下特征：可见致密的点状高回声；肝深部 即远场回声衰减，肝肾回声对比度加大；肝内管腔结构模糊：肝脏肿大，饱 满，肝缘变钝。因此，超声波反射光点的大小和密度也是医生诊断病变的重 要依据。 这就是我们可以利用脂肪肝的b 超影像图来分析b 超的轻重程度，甚至 做出定量分析的依据。典型的肝脏超声图像如图2 2 所示。 a ) 正常肝 b ) 脂肪肝 图2 2 肝脏超声图像 f i g u r e 2 2 b s c a nu l t r a s o n i cl m a g eo fl i v e r 2 。3 肝脏b 超图像纹理分析方法 肝脏b 超图像的纹理是由于各种不同的肝脏组织纤维分布不均，使其对 超声脉冲的吸收、衰减、反射有差异，超声脉冲又相互作用而形成的。因此， 不同肝脏b 超图像的纹理有明显不同，这就是我们所看到的光点粗细、分布 的差别，医生正是根据这种纹理来判断肝脏有无疾病的。从这一点可以看出， 肝脏b 超图像的纹理反映了肝脏组织的结构，因此，可通过对肝脏纹理的定 量分析来区分肝脏有无疾病，为医生的提供诊断参考。在此介绍一下常用的 纹理特征统计方法。 2 3 1直方图特征 直方图是图像窗口中多种不同灰度的像素分布的概率统计。最基本的特 西南科技大学硕士研究生学位论文第1 0 页 征是纹理区域的灰度直方图或灰度的平均值和方差等等。由于直方图反应的 是一维信息，不能反映图像纹理的二维灰度变化，即相同的纹理单元具有相 同的直方图，但相同的直方图可能会有不同的纹理基元相对应。如图2 3 所示的两幅不同的纹理图像，他们的灰度赢方图是一样的“。只靠灰度直方 图无法识别出图像，即使对于一般性的纹理识别，它的识别能力也是很低的。 为此，二维灰度变化的图案简单地赋予特征的方法，可以从图像中求出边缘 或灰度极大、极小点上的二维局部特征，并利用它们分布的统计性质的方法。 即首先对图像进行微分从而求得边缘，作出关于边缘的大小和方向的直方图， 并把这些直方图和灰度直方图合并，作为纹理特征。 日髓 a ) 纹理ab ) 纹理b 图2 3 灰度直方图相同的两种纹理 f i g u r e 2 3 t w ot e x t u r e so fl d e n t jc a lg r a ys c a ih is t o g r a m 不进行相似性度量，即单纯地分析边缘方向的直方图也可以得到有关纹 理特征的一些信息。直方图较强的边缘密度或边缘的平均大小也成为表示纹 理粗细的有用特征。如果关于边缘方向的直方图在某个范围内具有尖峰，那 么就可以知道纹理所具有的对应于这个尖峰的方向性。利用边缘的方向性， 就可以较容易的识别图2 3 的两种纹理图像的特征。 2 3 2 灰度共生矩阵 纹理是由灰度分布在空间位置上反复交替变化形成的，因而在图像空间 中相隔某距离的两像素间会存在一定的灰度关系，这种关系被称为是图像中 灰度的空间相关特征。灰度直方图中因为各个像素的灰度是独立地进行处理 的，所以不能很好地反映纹理中灰度级空间相关性的规律，故需要研究图像 中两个像素灰度级的联合分布的统计形式。通过这种方法得到的纹理特征统 称为二次统计量。这就是灰度共生矩阵的基础。 灰度共生矩阵被定义为“”2 “：灰度值为f 的点离开某个固定位置关系 西南科技大学硕士研究生学位论文第1 1 页 j = ( m ，印) 的点上的灰度为，的概率，用只表示：弓( f ，- ，) ，0 ，_ ，= 0 ，1 ，2 ，三一1 ) 。 其中，三表示图像中的灰度级；f ，- ，分别表示两个像素的灰度；j 表示两个像 素间的空间位置关系。不同的万决定了两个像素间的距离和方向，常用的如 图2 4 所示的4 个方向上位置关系。 o o a ) p = o 。，占= ( o ，l 印9 b ) p = 9 0 。，万= ( i 凰i ，0 ) c ) 臼= 4 5 。，占= ( i m h 印i ) d ) 口= 1 3 5 。，万= ( i 执i ，i 砂1 ) 图2 4 f i g u r e 2 4t h ep o s i t i o n 8 j 常用的4 个方向的位置关系3 r e l a t io ni nf o u rd ir e c t i o n so f 万c o m m o n i yu s e d 2 3 3 基于变换的特征分析法 除了以上所述对图像空间提取特征之外，还有对图像进行变换，从其频 率成分的分布来求得纹理特征的方法。”“，。 ( 1 ) 傅立叶变换 图像，( z ，y ) 的傅立叶变换f ( “，v ) 可由下式表示： f ( 甜，v ) 2j j 厂( x ，y ) e ) 【p 卜：，2 石( 拟+ y ) 】蚴 ( 2 7 ) 茹 纛 莎 西南科技大学硕士研究生学位论文第1 2 页 其功率谱定义为： p ( ，) = i f q ，v ) f = 尸q ，v ) ， ，v ) ( 2 8 ) 其中，+ 表示复共轭，其值表示了空间频率的强度。为了从p ( r ) 计算纹 理特征，把它用极坐标的形式表示，并设为p ( ，口) ，可求得； f 尸( ，) = 2 p ( ，口) 日一o ( 2 9 ) 对实际纹理图像的研究表明，在纹理粗糙的情况下，能量多集中在离原 点近的范围内，而在纹理较细的情况下，能量分散在离原点较远的范围内。 由此可得出的分析规律是：如果，较小，( ，) 很大；如果，很大时，( ，) 反而 很小，则说明纹理是粗糙的；反之，如果r 变化对p ( ，) 的影响不是很大时， 则说明纹理是比较细的。 ( 2 ) 余弦变换 和傅立叶变换相比，余弦变换是实图像到实图像的变换。因而不会像傅 立叶变换那样，只考虑幅值图像，丢失了相位信息。其物理含义非常清晰， 它的变换基矢量非常接近一阶胁r 枷模型的自相关矩阵的特征向量，因此反 映了空间的相关性。对于平坦完全无纹理的区域，其余弦变换f ( 州) 只有 ( o ，o ) 分量，即平均灰度。对于纹理粗糙的区域，由于图像具有跨越距离较大 的空间相关性，在低频分量即较小的“2 + v 2 处l f 帆v ) 1 2 有较大的值；对于纹 理细腻的区域，由于图像具有较小的空间相关性，在高频分量即较大的 甜2 + v 2 处l f ( 虬v ) 1 2 有较大的值。 2 4小结 本章介绍了超声基本原理与脂肪肝b 超图像的特点，为直观上识别和诊 断脂肪肝b 超图片奠定了一定的基础。给出肝脏b 超图像纹理分析的理论方 法，着重介绍了纹理分析中的灰度共生矩阵法，构成了本文对肝脏b 超图像 进行特征提取的理论基础。 西南科技大学硕士研究生学位论文第1 3 页 3 肝脏b 超图像处理 b 超图像呈现一种颗粒状结构，正常肝脏的肝实质回声呈稍低的细小光 点，分布均匀，光点致密。发生病变后，回声增强，光点稀疏。所以光点的 大小和密度就成为医生诊断的重要依据。对b 超图像进行分割和预处理，从 而对图像中的光点做出分析是很重要的，同时也是使图像特征具体化，保证 提取的特征准确有效基础。为图像的特征提取和识别做好准备。 3 1 肝脏b 超图像的分割 本文2 2 2 节详细介绍了脂肪肝b 超图像的特点。简单地讲，脂肪肝症 状表现在b 超图像上的特征就是从上往下图像越来越暗，衰减程度和病情程 度有密切关系，病情越严重，表现得也就越明显。要对图像中的光点进行分 析，常要先将图像二值化，再将其中粘连的颗粒分离开。 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这 些部分常被称为目标或前景，他们一般对应于图像中特定的、具有特定性质 的区域。为了辨识和分析目标，需要将这些有关区域分离提取出来，在此基 础上才有可能对目标进一步利用，如进行特征提取和测量。图像分割( i m a g e s e g m e n t a t i o n ) 是把图像分成各具特性的区域并提取出感兴趣目标的过程，是 图像处理进到图像分析的关键步骤，也是一种基本的计算机视觉技术“”5 。2 ”。 图像分割算法的研究一直受到人们的高度重视，到目前为止，提出的分 割算法已经多达上千种，但大致可归为三类：边缘检测分割、阈值分割、区 域增长分割。但事实上阈值分割的方法在本质上是一种区域提取方法，区域 增长法实际上包含了边缘检测法“”。 3 。1 。1 边缘检测图像分割 边缘检测是图像分析中的重要内容。两个具有不同灰度值的相邻区域之 间总存在边缘，边缘是灰度值不连续的表现，是图像局部亮度变化最显著的 部分。边缘主要存在于目标与目标、目标与背景、区域与区域之间，是图像 分割、纹理特征提取和形状特征提取等图像分析的重要基础“。 梯度边缘检测算法应用广泛，一般包括如下几个步骤：滤波：边缘检测 算法主要基于图像增强的一阶和二阶导数，但导数的计算对噪声敏感，因此 西南科技大学硕士研究生学位论文第1 4 页 必须使用滤波器来改善与噪声有关的边缘检测器的性能。但是大多数滤波器 在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘与降低噪声之 间需要折衷。增强：增强边缘的基础是确定图像各点邻域强度的变化值。增 强算法可以将邻域强度值有显著变化的点突显出来。检测：在图像中有许多 点的梯度幅值比较大，而这些点的特定应用领域中并不都是边缘，所以应该 用某种方法来确定哪些点是边缘点。 边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，通常也包 括方向的确定。有若干种方法可以使用，其中大多数是基于方向导数掩模求 卷积的方法。边缘提取的常用梯度算子有：r o b e r t s 算子、s o b e l 算子、p r e w i t t 算子、拉普拉斯算子等”“。 在通常的情况下，在对图像进行拉普拉斯算子边缘处理前，先对图像进 行平滑滤波处理，一般采用的是高斯滤波器。把高斯滤波器和拉普拉斯滤波 器结合起来，先平滑掉噪声，再进行边缘检测的方法叫做高斯拉普拉斯算子 ( 简写为l o g ) 。在l o g 算子中，对边缘判断采用的技术是零交叉( z e r o c r o s s i n g ) 检测，把零交叉检测推广一下，只要在检测前用指定的滤波器对图像进行滤 波，然后再寻找零交叉点作为边缘。 c a n n y 算子用于寻找图像梯度的局部极大值，一个阈值的判断往往是不 够的，由于噪声的影响，边缘信号的响应只有差不多半是大于这个阈值的， 由此造成了斑纹现象( s t e a k i n g ) ，也就是边缘是断的，如果把这个阈值降低， 往往发现一些错误的“边缘”。为了解决这个问题，c a n n y 算子提出了双阈值 方法。 下面是一组对肝脏b 超图片进行边缘检测处理的对比结果图，采用了不 同的边缘检测算子： 图3 1 r o b e r t s 算子边缘检测对比围 ! ! 量u r e 盟 c o n t r a s tiv efig u r eo fr o b e r t so p e r a t o r e d g es e n sin g 围3 2s o b e l 算子边缘检测对比图 f i g u r e 3 2 c o n tr a s t i v ef i g u r 6o fs o b e l0 p e r a t o re d g es e n s in g 围3 3p r e w j t t 算子边缘检测对比图 f j g u r e 3 3 c o n t r a s t i v ef i g u r eo fp r e _ i t t0 p e r a t o re d g es e n s i n g 图3 4 l o g 算子边缘检测对比围 f j g u r e 3 4 c o n t r a s t iv ef i g u r eo fl o g0 p e r a t o r e d g es e n s in g 西南科技大学硕士研究生学位论文第1 6 页 图3 5零交叉边缘检测对比图 fg u r e 3 5c o n t r a s tiv ofig u r eo fz e r o c r o s sin ge d g es e n sn g 图3 6 c a n n y 算子边缘检测对比图 f i g u r e 3 6 c o n tr a s t i v ef i g u r eo fc a n n y0 p e r a t o re d g es e n s in g 以上处理方法中，自动选择的阈值分别为：r o b e r t s 算子为0 0 9 3 6 ；s o b e l 算子为o 0 8 2 2 ；p r e w i t t 算子为o 0 8 0 8 ；l o g 算子为o 0 0 3 0 ；z e r o c r o s s 算子为 o 0 1 2 8 ；c a l l t l y 算子阈值区域为( o 0 3 1 3 ，o 0 7 8 1 ) 。由以上效果对比图可以看 出，颗粒被分离出来了，明确了目标与背景之间的关系。 3 1 2 阈值图像分割 阈值分割算法是在图像分割中应用最多的一类。灰度图像的阈值分割就 是先确定一个处于图像灰度范围内的灰度阈值，然后将图像中各个像素的灰 度值与这个阙值相比较，并根据比较的结果将对应的像素划分( 分割) 为两类： 西南科技大学硕士研究生学位论文第1 7 页 像素灰度值大于闽值的为一类，像素灰度值小于闽值的为另一类，灰度值等 于阈值的像素可以归入这两类之一。分割后的两类像素一般分属于图像的两 个不同区域，对像素根据阈值分类达到了区域分割的目的。 一般来说，现有的阙值分割技术可以分为全局和局部阈值分割方法1 ， 全局闽值分割是指根据整幅图像确定一个阙值；局部阈值分割是指图像划分 为若干个子图像，根据每个子图像确定相应的闽值。全局阈值分割方法对噪 声比较敏感，因此应用中一般采用局部阚值选取方法，但是这两者并无本质 的不同。 全局阈值分割方法可分为点依赖( p o i n t d e p e n d e n t ) 的和区域依赖 ( r e g i o n d e p e n d e n t ) 的两种。如果阈值f 的确定仅仅依赖于每个点的灰度值，则 这种阈值选取方法就是点依赖的。如果阈值r 的确定依赖于邻域点的局部特 性( 如：局部灰度值的分布) ，则这种阈值选取方法就是区域依赖的。点依赖 的全局阈值分割方法有：直方图方法、最大问类方差法、矩量保持法、最大 熵方法等等。区域依赖的全局阈值法则有：直方图变化法、概率松弛法、共 生矩阵法、灰度分布统计方法等等。 对于目标和背景比较清楚的图像，全局阈值分割方法可以取得较好的效 果，但是对于图像的背景不均匀，或是目标灰度变化率比较大，全局方法一 般就不适用了。这种情况下，尽管局部看来，目标与背景是可分的，但是无 法得到一个适用于整幅图像的全局阈值。因此，人们提出了很多动态的局部 闽值化算法，也称自适应阈值化算法。所谓的动态是指，根据每个像素及其 邻域像素的灰度值情况动态地计算分割所需的阚值。常用的动态阈值化算法 有c h o w 和k a n e k o 的方法，y a n o w i t z 和b r u c k s t e i n 的方法，等等。由于动 态阕值划分方法常常需要对图像中每个像素点都计算阈值，也就是说，对整 幅图像求出一个阈值面( 通常是曲面) ，因此计算量很大，运算速度一般较慢。 图3 7 是正常肝和脂肪肝的b 超图像直方图的对比，可见正常肝灰度分 布均匀，灰度僖相对较夺且集中在1 5 0 左右的较多；而脂肪肝的灰度分布相 对集中，灰度值较正常肝的灰度值大，集中在2 0 0 左右的较多。这主要是由 于脂肪肝b 超图像回声较强，灰度值相对较大的原因造成的。 直方图可以客观反映回声强弱及灰度值的概率分布，所提取的特征参数 能反映病变情况，但是直方图分析的缺陷是：丢失了图像的空间信息，不能 反映图像灰度值排列特征，如果采用灰度共生矩阵、游程长度分析等方法则 可有效避免空间信息的丢失。 西南科技大学硕士研究生学位论文第1 8 页 a ) 正常肝及其直方图b ) 脂肪肝及其直方图 图3 7肝脏8 超图像的灰度直方图 f ig u r e 3 7t h eg r a ys c a l eh ；s t o g r a mo fl i v e rb s c a n l m a g e 3 2 肝脏b 超图像的滤波处理 受到