产前超声医学图像处理技术研究进展

周兰华

摘要：超声诊断医学成像技术在临床上应用最广泛，自动医学图像处理技术是提高准确率的主要手段。本文首先介绍超声医学图像处理的原理和特点，讨论图像滤波、图像分割和机器学习技术的算法，分析超声医学图像处理研究进展。以超声医学为背景，对切面自动提取和生物学自动参数自动测量的技术应用进行综述，讨论产前超声医学图像处理技術智能诊断的发展趋势。

关键词：产前超声；医学图像处理；切面自动提取；生物学参数

中图分类号：R445 文献标识码：A 文章编号：1006-1959（2017）18-0031-02

出生缺陷是新生儿死亡的最主要原因，同时也给新生儿的家庭和社会带了来沉痛的打击和负担，并且死亡率这几年呈上升趋势。人口计生委江帆主任曾经说过，出生缺陷的孩子每年的治疗费用和生活费用两项到高达几百亿元，产生的间接费用高达几千亿元。产前超声诊断是一项安全无损的诊断方式，能够对胎儿的生长状况进行检测，减少婴儿先天畸形率、婴儿和孕妇的死亡率。利用超声产前检查的关键在于对超声图像检查的准确性。

目前，成像设备在临床上得到了广泛应用，医学图像处理技术迅速发展，被归结到模式分析和机器智能的范畴，医学工作者们认为医学图像处理技术是将计算机的视觉和机器的学习技术应用到另外的数据库。但是超声图像斑点噪声导致质量较差，对细节上的检查和分析带来一定的困难。产前超声诊断的主要是解剖结构的标准切面定位和生物学参数测量。例如检查胎儿是否畸形，要对胎儿的脑部、颜面部三切面，四腔心切面，对应的眼距、头围、心房和心室等参数进行测量。实际工作中超声检查仍存在不少问题，主要体现在检查时间长、结果依赖医师、工作强度大等。特别是偏远地区，由于医疗资源较少，这些问题更加明显。研究者们根据计算机视觉和机器学习技术研究出了适合的图像处理方法，来进行产前检查。

1 处理超声医学图像的方法

1.1计算机视觉和医学图像

计算机视觉和医学图像相互配合，在医学图像处理领域产生了较大的影响。计算机视觉领域出现了很多的研究方法和技术，本文中主要研究的产前超声医学图像处理技术，下面对图像滤波和图像分割技术进行简单的分析。

1.1.1超声医学图像滤波 图像滤波的主要目的是滤出斑点噪声。因人体组织结构的特殊性和后向散射声波共同作用会产生斑点噪声，这影响了B超图像对比度和组织内的细节信息。虽然目前B超技术已经比较成熟，但在既能抑制斑点噪声又能保留图像细节上仍存在一些问题。经过试验研究，可以把斑点噪声分为三类：完全随机模型、长程阶次非随机模型、短程阶次非随机模型。这些模型的背向散射信号分别是Rayleigh分布、K分布和Rician分布。处理斑点噪声时需要对不同的区域采取不同的方法[1]。

以往的滤波方式虽然实现简单，效果不是很好。Donoho提出修改小波域的小波系数来消除噪声， Comaniciu、Meer提出消除噪声的同时还能够保证边界清晰的均值移位滤波算法，飞利浦提出的实时自适应灰度图像滤波方法，主要是辅助空间复合成像。这些技术的相互配合能够提高图像的质量。

目前的图像滤波算法都能或多或少的滤除超声图像的噪声，但没有任何一种算法是完美的，对于一些特定的图像，采用定性和定量的方式进行对比，从中选择最优的，是一种简单可行的方法[2]。

1.1.2超声医学图像分割 超声医学图像分割技术主要是根据特殊手段将图像像素划分为不同的类别。阈值化、区域生长和聚类等传统方法主要是利用图像灰度信息进行划分，但这些方法不能将灰度值相差不大的两类物体区分。边缘检测法主要利用图像梯度划分，但这种方法对噪声的敏感性很强，不能获得正确的边界模糊物体。产科超声医学图像的质量较差，分割目标比较繁琐，所以需要更科学合理的技术来获取更好的分割效果。在特定的分割算法中融入特定图像的底层信息（如纹理、轮廓、统计特征参数及先验信息等）是分割方法算法成功的关键[3]。

1.2超声医学图像机器学习

超声医学图像机器学习在图像处理上有很重要的作用，它能促进产前超声诊断的智能化。目前机器学习中分类器模型主要包括核学习方式、线性模型、人工神经网络、自组织映射、集成学习、自适应增强以及随机森林等。核学习为计算机辅助检测任务提供理想的分类器模型，建立概率模型、马尔可夫等随机场，为图像重建、分割提供理论框架[4]。各类分类器模型在应用中各具优缺点，学习时可根据具体内容进行选择。随着超声设备在临床广泛应用，这将使超声医学图像机器学习更加可行[5]。

2 产前超声医学图像应用

目前国际研究热点主要是计算机辅助产前超声诊断智能化。随着超声设备的迅速发展（三维、四维等超声仪已广泛应用于临床检查），产前检查的准确率和可靠性正不断提高[6]，为此我们从以下方面进行分析探讨。

2.1标准切面的自动搜索

Abuhamad等在本世纪初首先提出标准切面的搜索概念，其原理是在人工建立参考切面（基础面）基础上采用统计学方法来寻找其它切面，该方法受限于人工建立基础参照面的准确性，在实际使用中对复杂图像和变化频繁目标的找寻较为困难。为解决此问题，设备制造商和部分学者通过对设备处理性能的提升来逐步实现建立自动参照切面，如通过机器学习技术可以自动根据超声对象选择最合适的参照切面数据。Noble等2011年在西门子团队研究基础上开展基于机器学习算法的胎儿腹部标准切面的自动搜索工作（西门子团队在2008年已经成功实现胎儿脑部、面部等自动切面搜索），并逐渐实现通过自动搜索建立胎儿腹部检查的标准切面检测（腹部检测、股骨检测、头部脉络丛检测、脑部检测等）。该领域的发展将主要完善机器学习功能并通过设备性能的提升而建立动态连续图像的标准切面自动搜索功能，从而获得更为清晰直观的产前检查图像[7]。

2.2产前超声医学图像的生物学参数测量endprint

目前，产前超声检查获取胎儿的生物学参数已经比较成熟，这主要得益于声设备图像清晰度的极大提高，并且随着参照切面的不断完善，测量的数据越来越准确[8]，目前主要通过检查胎儿的头围、腹围、股骨长短、肱骨长短、双顶径大小等指标推算出胎儿体重以及生長曲线和孕妇的健康状况，进一步诊断胎儿的健康程度。随着三维、四维超声设备的应用，产前超声医学图像的生物学参数测量达到空前的准确，对筛查胎儿异常起到积极作用[9]。

2.3产前超声医学图像的颈部透明层测量

目前超声检查测量胎儿颈部透明层（带）主要采用Sobel算子和代价函数来建立图像模型，前者无法实现自动搜索来建立颈部透明层的边界，后者虽可以采用动态规划算法来搜索颈部透明层的边界，但无法自动搜索透明层（带）区域。我国有学者（复旦大学汪源源团队）提出采用分层模型来实现自动搜索获取透明层（带）区域的信息，但由于分层模型建立的参照面仍需人工建立，因而导致获取信息的正确率较低，根据其研究仅为60%左右，这方面的研究目前尚未取得有效进展，目前临床上对颈部透明层的测量仍具有较高的误差率[9-10]。

2.4产前超声医学图像胎儿解剖结构测量

超声检查测量胎儿的解剖结构目前发展较为成熟，其数学模型的建立已经从形态学算子、基于参数形变形状演化的分割算法、结合K均值和霍夫变化算法、形态学算子结合椭圆拟合算法等过程逐步发展到机器算法建立模型，基于各种数学模型处理后获得的数据较为理想，但存在对动态图像测量不足的缺点。随着机器学习用法的深入，其在超声图像测量胎儿解剖结构的研究中将会迅速深入。

3讨论

产前检查可及早发现胎儿缺陷，对是否继续妊娠具有较高的应用价值。通过超声检查不仅可以及时发现胎儿的体表缺陷，还可对胎儿的解剖结构进行测量，进而发现潜在异常。对胎儿脊柱、四腔心切面、腹部脏器（肝、胃、肾、膀胱）等检查来诊断胎儿的生长发育情况，降低严重缺陷畸形等对家庭和社会带来的损失。

超声技术发展迅速，从早期对单一图像的处理到连续动态图像的处理、从简单图像处理模型的建立到复杂和自动模型的建立都表明图像处理技术已日趋成熟。目前，对图像质量的处理已基本能满足静态检查的需求。随着超声技术的发展，相信对于动态图像的处理技术将会在不久的将来取得突破性进展，为胎儿产前检查提供更为准确直观的图像资料。

目前胎儿的超声产前检查图像处理已经获得理想的成果，但在动态测量方面尚显不足，需要临床医师在应用时加以注意，以降低诊断误差率；同时我们认为在超声图像的处理上应加大对其机器学习的深入研究，以提高超声检查设备的高度自动智能化。

参考文献：

[1]陈秀兰，李胜利.胎儿唇腭裂产前超声筛查与诊断新进展[J].中华医学超声杂志（电子版），2013，04（12）：263-266.

[2]黄巧燕，张棣.胎儿畸形的产前超声诊断现状[J].医学综述，2015，24（35）：3803-3806.

[3]王海燕.产前超声诊断胎儿占位性病变的临床价值[J].中华医学超声杂志（电子版），2014，02（14）：160-166.

[4]蒋世忠.医学图像处理远程虚拟实验教学平台的设计与实现[J].中国当代医药，2014，18（01）：158-159.

[5]程自峰，李永勤.超声医学设备原理及其发展趋势[J].常规医疗装备，2015，2（6）：11-13.

[6]李胜利.中国超声产科诊断的现状与发展展望[J].中国医疗器械信息，2011，16（13）：54-55.

[7]刘小平，杨新，吴兰平，等.基于模板匹配的心脏三维超声最优切面搜寻方法[J].生物医学工程学杂志，2013，19（23）：132-133.

[8]易运莲，罗丽芳，郑小红.胎儿畸形超声漏诊原因分析[J].中国当代医药，2016，11（45）：88-89.

[9]鲁通，梁萍，程志刚.导航及机器人辅助系统三维空间信息对超声引导肝肿瘤经皮热消融治疗的作用：临床应用的准确性与可行性[J].中国组织工程研究与临床康复，2012，24（19）：284-285.

[10]汪天富，郑昌琼，李德玉，等.产前超声诊断胎儿占位性病变的临床分析[J].中国当代医药，2014，15（4）：397-399.

编辑/成森endprint