11B-肝硬化超聲檢測第一頁，共39頁。一、緒論肝硬化的臨床超聲診斷

M型超聲圖像觀察肝包膜在心血管搏動激勵下的運動幅度B型超聲圖像觀察肝組織的質地

優點：無損、直觀缺陷：重復性差、準確性因人而異第二頁，共39頁。思路：1.研究肝臟M型和B型超聲圖像的特征提取2.結合臨床病例，挑選出對肝硬化診斷敏感的特征參數組3.建立基于超聲圖像特征提取的肝硬化分析系統第三頁，共39頁。二、肝臟超聲圖像的特征提取第四頁，共39頁。(一)肝臟M型超聲圖像的特征提取(a)正常肝臟(b)肝硬化第五頁，共39頁。利用肝臟M型超聲圖像的臨床診斷主要觀察：肝包膜在心臟、大血管搏動或呼吸作用下的運動情況，估計出肝臟的彈性情況第六頁，共39頁。肝包膜運動包絡的提取第七頁，共39頁。相關技術提取肝包膜運動包絡相關函數定義:R(k)=ΣX(n)Y(n-k)若肝包膜在兩個時刻移動了k0個像素，則相關函數R(k)在k0處達到最大。因而可以得到肝包膜在該時刻相對于起始波形的偏移第八頁，共39頁。選取下一時刻的回波信號作為新的Y(n)，重復上述過程，得到肝包膜在每一時刻相對于起始波形的偏移，進而得到肝包膜的運動包絡第九頁，共39頁。用于肝包膜運動包絡的形態濾波器：數學形態學濾波

這兩種算子都具有鉗位作用，因而形態濾波將消除包絡曲線的大部分噪聲，使其更加光滑。第十頁，共39頁。

正常肝臟包膜運動包絡的提取、濾波及分段肝包膜運動包絡的提取實例一第十一頁，共39頁。

肝硬化病人肝臟包膜運動包絡的提取、濾波及分段肝包膜運動包絡的提取實例二第十二頁，共39頁。最大波動幅度：A＝Xmax-Xmin標準差：

σ＝{Σ[X(n)-Xmean]2/NT}1/2包絡前三階諧波的幅度:

Ck＝|ΣX(n)e-jkn2π/NT|/NT(K=0,1,2)肝包膜運動包絡的特征參數第十三頁，共39頁。在M型圖像上可以觀察到某一A型掃描線隨心血管搏動而產生的運動對相隔時間固定的兩列A型掃描線求取相關系數，并改進作為特征系數：A型超聲掃描線的相關系數分析第十四頁，共39頁。第二種

兩列A型掃描線中有一列取為固定的某一時刻，定義特征系數：A型超聲掃描線的相關系數分析第十五頁，共39頁。特征參數的求取

1.把特征系數離散化為

R1’(m)和R2’(m)(m=0,1,…,NT)2.特征參數定義：R1’(m)和R2’(m)的前七階傅里葉諧波幅度

Dk和Ek(K=0,1,…,6)A型超聲掃描線的相關系數分析第十六頁，共39頁。(二)肝臟B型超聲圖像的特征提取(a)正常肝臟(b)肝硬化第十七頁，共39頁。主要觀察：表面回聲是否出現凹凸不平、細波狀、臺階狀和鋸齒狀的改變；肝實質回聲光點是否增多變粗，分布不均勻；等等利用肝臟B型超聲圖像的臨床診斷第十八頁，共39頁。在圖像中選定一個感興趣的區域，分析灰度和紋理變化情況，提取出三類相應的特征參數

1.灰度統計特征2.灰度游程特征3.相鄰像素灰度差肝臟B型超聲圖像的特征提取第十九頁，共39頁。設感興趣區域共有N=NxNy個像素點，其中Nx、Ny分別為水平和豎直方向的像素點數，坐標為(x,y)的像素點其灰度值記作g(x,y)1.均值： M=ΣΣg(x,y)/N2.方差： V={ΣΣ[g(x,y)-M]2/N}1/23.扭曲度： S=ΣΣ|g(x,y)-M|3/NV34.峰度： K=ΣΣ[g(x,y)-M]4/NV4灰度統計特征的定義第二十頁，共39頁。圖像的灰度游程：在某個方向上從灰度值為g的點出發，如果有n連續個點的灰度值為g，則稱游程長度為np(g,n)：整個區域中，灰度g長度為n的游程數特征參數：游程百分比RPG=ΣΣp(g,n)/N灰度游程特征的定義第二十一頁，共39頁。像素與上下左右四個像素點之間的灰度差的均值，即：d(x,y)=[|g(x+1,y)-g(x,y)|+|g(x,y+1)-g(x,y)|+|g(x-1,y)-g(x,y)|+|g(x,y-1)-g(x,y)|]/4特征參數：相鄰像素灰度差的均值

Md=ΣΣd(x,y)/N相鄰像素灰度差的定義第二十二頁，共39頁。條件

1.圖像來源：上海市崇明廟鎮人民醫院提供的43個病例(其中13例為肝硬化，30例為正常)的腹主動脈前肝臟M型和B型超聲圖像2.超聲儀：B&K3535，探頭頻率5.0MHz3.圖象采集：超聲儀器視頻輸出口(圖像采集卡)計算機4.計算及分析：PC機上用MATLAB語言編程三、特征參數有效性分析及選取第二十三頁，共39頁。最小錯分樣本總數準則

根據正常和異常兩類樣本分布情況，尋找一個判決閾值，使得這兩類樣本的誤判總數達到最小

(一)單個特征參數的有效性分析第二十四頁，共39頁。包絡最大幅度的判決閾值第二十五頁，共39頁。25.611.611.611.611.6總體誤識別率(%)38.523.123.123.115.4假陰性率(%)20.06.76.76.710.0假陽性率(%)<0.0115<0.0294<0.0732<0.0503<0.179肝硬化范圍C3C2C1C0A運動包絡特征參數的判決第二十六頁，共39頁。(二)特征參數的綜合分類決策特征融合—順序前進法1.從未入選的特征參數中選擇一個特征參數，使得新的特征參數組的可分性判據值最大2.其中，可分性判據為入選特征參數對訓練集的Fisher判決總體識別率第二十七頁，共39頁。Fisher線性判別法基本思想：將高維矢量投影到一維直線，使分屬兩類的樣本在一維空間中盡可能地分開

x

y：y=lTxl=Σ-1(μ1-μ2)Σ=[(N1-1)Σ1+(N2-1)Σ2]/(N1+N2-2)μi、Σi：第i類樣本的均值和協方差陣判決閾值：y0=lT(μ1+μ2)若y>y0，則判決x屬于第一類若y<y0，則判決x屬于第二類第二十八頁，共39頁。所有特征參數的融合結果入選特征數總體誤識別率(%)第二十九頁，共39頁。所有特征參數的融合結果二十個特征參數，可以達到Fisher判決的完全識別

(A、D0、D6、σ、C0、C2、D5、E3、D1、D3、D4、D2、E0、E1、E2、C1、E4、E5、M和S)第三十頁，共39頁。四、肝硬化自動分析系統采用的特征量：兩種圖像的二十個特征參數作為判決所用的特征量決策規則：Fisher線性判決法第三十一頁，共39頁。分析系統框圖第三十二頁，共39頁。系統硬件構成商用的超聲診斷儀器PC機（裝有圖像采集卡）第三十三頁，共39頁。系統工作描述超聲圖像的獲取圖像特征參數的提取和肝硬化多參數自動分析病例庫的更新和系統的優化－決策判據的修正第三十四頁，共39頁。超聲圖像的獲取經驗豐富的醫生在通用的超聲儀器上采集肝包膜區域的M型超聲圖像和B型超聲圖像通過圖像采集卡將超聲圖像采集到計算機中

第三十五頁，共39頁。圖像特征參數的提取和分析編程提取M型超聲圖像和B型