肝脏超声造影图像处理与分析方法研究
1绪论
1.1研究背景、目的与意义
癌症是全球主要致死原因之一，根据世界卫生组织下属国际癌症研究机构发表的《全球癌症报告》最新数据显示，2021年全球新增癌症病例1410万例，癌症死亡病例达820万（约占总死亡人数的13%)，中国新增癌症病例高居世界第一位。其中肝癌为临床上最常见的恶性肿瘤之一，新增病例和死亡人数均居世界首位。目前，我国肝癌的发病率约为25.7/10万，死亡率仅次于胃癌和肺癌⑴。肝癌己经成为严重威胁我国人民健康和生命的一大杀手，其危险性不容小视。研究结果表明肝癌最为有效的治愈手段在于早期发现及早期治疗。因此，开展肝癌的早期诊断研究，正确识别和确定病人的肝脏病变，对改进诊断和治疗技术、降低疾病的死亡率将产生巨大的影响，具有很高的临床应用价值。活体穿刺检查是当前肝癌准确诊断的金标准，但由于病灶所在位置可能会被其他部位遮挡，在有些情况下不能对患者进行活体穿剌检查，同时这种有创的检测方式会给患者身体造成不适伴随医学影像技术的发展，CT、MRI,尤其是PET对于肝癌的早期检测与诊断具有较好的效果。CT和MRI成像清晰，但因其操作不便且检查费用高等原因，在我国，尤其是医疗资源贫乏的地区难以广泛推广使用。PET成像虽对肝癌的早期诊断有较好效果，但由于其成本较高且PET扫描必须使用放射性同位素，容易造成体内辐射剂量的残余而不适宜肝癌普查。超声凭借其操作简便、无创快速、实时动态、价格低廉、可反复检查等优点，可直观形态的观察脏器的病变部位、边界、大小及血流等诊断信息，适宜于肝癌普查，是目前临床普查的首选方法。
.
1.2肝脏超声造影图像处理与分析方法研究概况
超声造影图像分析技术可用于辅助诊断肝局灶性病变通过提取超声造影灌注序列图像的TIC来鉴别肝肿瘤血流灌注的异常。但是如何根据所提取的TIC对肝肿瘤的良、恶性进行分析诊断，是超声造影图像处理与分析的重要内容。因此，基于超声造影序列图像的图像处理与分析，其核心关键是如何准确提取肝脏超声造影图像序列的TIC,并将所提取的TIC结果应用于肝肿瘤鉴别、诊断。国内外应用超声造影序列图像，围绕TIC准确提取技术、肝肿瘤自动分析方法及确保TIC准确提取的预处理方法一超声图像去噪和呼吸运动补偿等己开展了相关的研宄，下面分别综述如下。超声图像成像过程复杂，在成像的过程中不可避免地会受到噪声的污染和影响。图像去噪的主要目的是从含有噪声的测量或者容易受污染的观察中恢复真实;的原始图像，以提高其清晰度和对比度。目前常用的超声图像去噪方法主要可分为空间域滤波、各向异性扩散方程去噪、图像变换域去噪和非局部均值去噪等方法。
..
2基于曲波变换的非局部均值超声图像去噪
2.1引言
由于超声图像散斑噪声不易建模且与成像组织特性关于，因此进行散斑图像去噪十分有难度。目前尚且没有完善有效的超声图像散斑噪声抑制方法。散斑噪声图像对成像组织具有依赖特性，因此对超声图像散斑噪声进行去噪需要特定的方法。在超声图像去噪算法中，空间非自适应滤波方法会造成图像细节的丢失及边缘模糊等现象。自适应滤波方法则因超声图像同质区域和异质区域的散斑特征不一，噪声抑制效果不稳定。各向异性去噪方法t4i]会使超声图像的边缘细节不易分辨。变换域方法如曲波变换方法虽在表述图像曲线奇异性上具有优势，但在变换系数阈值处理过程中容易使结果产生振铃现象。此外，上述方法只采用了图像的局部信息对图像进行去噪。近年来，Buades等人提出了一种利用图像的冗余性和结构相似性的非局部均值方法，并证明了该方法通过利用图像的冗余信息使得其去噪效果优于双边滤波、各向异性扩散方程、变分以及变换域等去噪方法非局部均值的基本思想是：利用图像块的欧氏距离来度量邻域像素与中心像素的相似程度，图像块方法能够更好地表述像素的邻域信息。对于要恢复的图像上每个像素点，采用计算整幅图像或者图像中较大区域内（搜索窗）所有相似像素的加权平均的方式来得到。本文所提出的基于曲波变换的非局部均值算法采用经过多尺度曲波变换处理的重构图像来计算图像的像素相似性权值。由于所提出的CNLM算法利用了噪声图像的多尺度结构相似性特性及曲波变换抗噪声干扰的鲁棒特性，其可在有效抑制噪声的同时，能很好地保留图像细节信息。
..
2.2超声图像噪声模型
超声图像散斑噪声模型的建立对于散斑噪声的估计和抑制至关重要。但由于超声图像成像过程复杂，能得到直接用于超声图像去噪的相关噪声概率密度函数。实际上，在考虑散斑噪声模型时，应考虑以下几个方面：1)散射体的周期性排列和有限波束宽度产生的局部相关性；2)对显示图像实施射频信号的包络检测和对数压缩处理3)传感器的加性卨斯噪声4)采集卡所引入的加性高斯噪声。在变换域去噪算法中，散斑噪声通常以乘性噪声的形式进行建模。一般认为乘性散斑噪声模型可用对数变换为加性噪声模型。曲波变换是一种多尺度数学变换方法，它是一种在图像几何特征表示方面比小波变换具有更优表述能力的多分辨率表示方法曲波变换的基本思想是在满足一定尺度分解规则的前提下，将信号分解到频域不同尺度、不同方向和不同位置的子带上。相对于小波变换而言，曲波变换能更好地表示曲线奇异函数的异向性，对图像边缘信息具有最优稀疏表示，能够有效地保留图像边缘细节信息，避免图像产生模糊，被广泛的应用于图像去噪中。
.
3基于非负矩阵分解的门控呼吸运动补偿.........37
3.1 引言........37
3.2基于非负矩阵分解的门控呼吸运动补偿........40
3.3实验与结果分析........45
3.4本章小结........48
4基于深度学习的肝肿瘤自动分析........50
4.1引言........50
4.2基于稀疏非负矩阵分解的因子分析........53
4.3基于深度学习的肝肿瘤自动分析........55
4.4实验与结果分析........57
4.5本章小结........59
5总结与展望........60
5.1 本文的主要工作与创新........60
5.2未来的研究展望........65
4基于深度学习的肝肿瘤自动分析
4.1引言
肝肿瘤分析可为医生提供参考性诊断意见，可以自动或半自动地完成对超声造影图像序列中感兴趣区域造影灌注过程的提取、量化和分类，然后辅助临床医生对肝脏疾病进行科学的判断和决策，可节约医生的诊断时间、提高诊断准确率，减少主观判断带来的影响。随着超声造影成像技术研究的深入和难点的解决，基于超声造影图像的肝肿瘤自动分析方法研究是一个重要研究方向。基本分析框架是在提取肝肿瘤超声造影灌注序列图像的TIC基础上，对TIC的相关特征参数进行选择和提取，并应用识别分类算法对肝肿瘤进行分类。Casey等人在肝脏超声造影序列图像上提取感兴趣区域内每个像素点的TIC,并基于所提取的TIC相关特征参数（如TIC的曲线下面积（Area Under the Curve，AUC)、达峰时间（Time To Pea，TTP),平均渡越时间（Mean Transit Time, MTT)等），采用线性判别分析分类方法对移植于老鼠上的肝肿瘤进行良、恶性分类。但是，由于存在散斑噪声、造影剂浓度波动等多方面原因，导致超声造影图像存在较大噪声，感兴趣区域内单个像素的时间强度曲线易受噪声的影响，不能准确描述肝脏造影灌注过程，进而影响所提取的TIC相关参数的准确性，并最终影响该种方法的分类结果。Streba等人以手工方式在病变周围勾画感兴趣区域，计算感兴趣区域内的图像平均信号强度，从而获得该区域灌注变化的TIC，并基于所获得的TIC提取相关特征参数，采用智能神经网络方法对人体肝肿瘤进行良、恶性分类。该种TIC提取方法的最大不足是：由于超声扫查部位可能存在几个不同的生理结构重叠的情况，因此这种方法提取的感兴趣区域对应时间点的图像信号强度变化可能是由多个生理结构共同作用的结果，而非单一结构作用的结果，进而导致所提取感兴趣区域TIC提取的不准确，并最终影响分类结果。unji等人以造影序列图像多张图像感兴趣区域求平均的方式提取肝局灶性结节的TIC，并结合提取的曲线特征参数和医生定义的病变形态及灰度图像特征釆用六层级联智能神经网络对肝脏疾病进行分类。
结论
本论文围绕肝脏超声造影图像处理及分析技术对超声造影肝肿瘤计算机辅助诊断的实际应用进行了研宄。研宄重点集中在超声图像去噪、超声造影序列图像呼吸运动补偿、肝脏超声造影序列TIC自动提取及肝肿瘤自动分析等内容，为基于超声造影序列图像的肝肿瘤计算机辅助诊断系统设计了一种新的自动分析框架，创新之处主要体现在如下几个方面：
(1)基于曲波变换的非局部均值图像去噪算法。在深入分析图像曲波变换系数分布特性的基础上，应用曲波逆变换分别重构出各尺度对应的空间域图像，在非局部均值框架下，提出了一种基于曲波变换多尺度相似性权值的非局部均值图像去噪算法。并将所提出去噪算法应用于实际超声图像的去噪。定量和视觉比较结果表明，该算法无论在去噪性能还是细节保护上都能得到较好结果，提高了超声图像的质量，为后期图像处理及分析提供了基础。
(2)基于非负矩阵分解的门控呼吸运动补偿算法。基于肝脏超声造影序列图像运动规律具有近似周期运动的特点，针对PCA方法中主成分个数选择困难的问题，构建了基于序列图像的呼吸运动非负矩阵分解模型，提出了基于非负矩阵分解的呼吸运动曲线提取算法，给出了合理的参数设定。并在此基础上，提出了基于图像呼吸运动曲线和门控图像后处理方法的门控呼吸运动补偿策略。同时设计了模拟人体呼吸运动的模拟装置。定量和定性的评价验证了所提出补偿策略应用于实际临床超声造影图像序列的有效性。
参考文献（略）