11B-肝硬化超声检测

11B-肝硬化超声检测第一页，共39页。一、绪论肝硬化的临床超声诊断

M型超声图像观察肝包膜在心血管搏动激励下的运动幅度B型超声图像观察肝组织的质地

优点：无损、直观缺陷：重复性差、准确性因人而异第二页，共39页。思路：1.研究肝脏M型和B型超声图像的特征提取2.结合临床病例，挑选出对肝硬化诊断敏感的特征参数组3.建立基于超声图像特征提取的肝硬化分析系统第三页，共39页。二、肝脏超声图像的特征提取第四页，共39页。(一)肝脏M型超声图像的特征提取(a)正常肝脏(b)肝硬化第五页，共39页。利用肝脏M型超声图像的临床诊断主要观察：肝包膜在心脏、大血管搏动或呼吸作用下的运动情况，估计出肝脏的弹性情况第六页，共39页。肝包膜运动包络的提取第七页，共39页。相关技术提取肝包膜运动包络相关函数定义:R(k)=ΣX(n)Y(n-k)若肝包膜在两个时刻移动了k0个像素，则相关函数R(k)在k0处达到最大。因而可以得到肝包膜在该时刻相对于起始波形的偏移第八页，共39页。选取下一时刻的回波信号作为新的Y(n)，重复上述过程，得到肝包膜在每一时刻相对于起始波形的偏移，进而得到肝包膜的运动包络第九页，共39页。用于肝包膜运动包络的形态滤波器：数学形态学滤波

这两种算子都具有钳位作用，因而形态滤波将消除包络曲线的大部分噪声，使其更加光滑。第十页，共39页。

正常肝脏包膜运动包络的提取、滤波及分段肝包膜运动包络的提取实例一第十一页，共39页。

肝硬化病人肝脏包膜运动包络的提取、滤波及分段肝包膜运动包络的提取实例二第十二页，共39页。最大波动幅度：A＝Xmax-Xmin标准差：

σ＝{Σ[X(n)-Xmean]2/NT}1/2包络前三阶谐波的幅度:

Ck＝|ΣX(n)e-jkn2π/NT|/NT(K=0,1,2)肝包膜运动包络的特征参数第十三页，共39页。在M型图像上可以观察到某一A型扫描线随心血管搏动而产生的运动对相隔时间固定的两列A型扫描线求取相关系数，并改进作为特征系数：A型超声扫描线的相关系数分析第十四页，共39页。第二种

两列A型扫描线中有一列取为固定的某一时刻，定义特征系数：A型超声扫描线的相关系数分析第十五页，共39页。特征参数的求取

1.把特征系数离散化为

R1’(m)和R2’(m)(m=0,1,…,NT)2.特征参数定义：R1’(m)和R2’(m)的前七阶傅里叶谐波幅度

Dk和Ek(K=0,1,…,6)A型超声扫描线的相关系数分析第十六页，共39页。(二)肝脏B型超声图像的特征提取(a)正常肝脏(b)肝硬化第十七页，共39页。主要观察：表面回声是否出现凹凸不平、细波状、台阶状和锯齿状的改变；肝实质回声光点是否增多变粗，分布不均匀；等等利用肝脏B型超声图像的临床诊断第十八页，共39页。在图像中选定一个感兴趣的区域，分析灰度和纹理变化情况，提取出三类相应的特征参数

1.灰度统计特征2.灰度游程特征3.相邻像素灰度差肝脏B型超声图像的特征提取第十九页，共39页。设感兴趣区域共有N=NxNy个像素点，其中Nx、Ny分别为水平和竖直方向的像素点数，坐标为(x,y)的像素点其灰度值记作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灰度统计特征的定义第二十页，共39页。图像的灰度游程：在某个方向上从灰度值为g的点出发，如果有n连续个点的灰度值为g，则称游程长度为np(g,n)：整个区域中，灰度g长度为n的游程数特征参数：游程百分比RPG=ΣΣp(g,n)/N灰度游程特征的定义第二十一页，共39页。像素与上下左右四个像素点之间的灰度差的均值，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特征参数：相邻像素灰度差的均值

Md=ΣΣd(x,y)/N相邻像素灰度差的定义第二十二页，共39页。条件

1.图像来源：上海市崇明庙镇人民医院提供的43个病例(其中13例为肝硬化，30例为正常)的腹主动脉前肝脏M型和B型超声图像2.超声仪：B&K3535，探头频率5.0MHz3.图象采集：超声仪器视频输出口(图像采集卡)计算机4.计算及分析：PC机上用MATLAB语言编程三、特征参数有效性分析及选取第二十三页，共39页。最小错分样本总数准则

根据正常和异常两类样本分布情况，寻找一个判决阈值，使得这两类样本的误判总数达到最小

(一)单个特征参数的有效性分析第二十四页，共39页。包络最大幅度的判决阈值第二十五页，共39页。25.611.611.611.611.6总体误识别率(%)38.523.123.123.115.4假阴性率(%)20.06.76.76.710.0假阳性率(%)<0.0115<0.0294<0.0732<0.0503<0.179肝硬化范围C3C2C1C0A运动包络特征参数的判决第二十六页，共39页。(二)特征参数的综合分类决策特征融合—顺序前进法1.从未入选的特征参数中选择一个特征参数，使得新的特征参数组的可分性判据值最大2.其中，可分性判据为入选特征参数对训练集的Fisher判决总体识别率第二十七页，共39页。Fisher线性判别法基本思想：将高维矢量投影到一维直线，使分属两类的样本在一维空间中尽可能地分开

x

y：y=lTxl=Σ-1(μ1-μ2)Σ=[(N1-1)Σ1+(N2-1)Σ2]/(N1+N2-2)μi、Σi：第i类样本的均值和协方差阵判决阈值：y0=lT(μ1+μ2)若y>y0，则判决x属于第一类若y<y0，则判决x属于第二类第二十八页，共39页。所有特征参数的融合结果入选特征数总体误识别率(%)第二十九页，共39页。所有特征参数的融合结果二十个特征参数，可以达到Fisher判决的完全识别

(A、D0、D6、σ、C0、C2、D5、E3、D1、D3、D4、D2、E0、E1、E2、C1、E4、E5、M和S)第三十页，共39页。四、肝硬化自动分析系统采用的特征量：两种图像的二十个特征参数作为判决所用的特征量决策规则：Fisher线性判决法第三十一页，共39页。分析系统框图第三十二页，共39页。系统硬件构成商用的超声诊断仪器PC机（装有图像采集卡）第三十三页，共39页。系统工作描述超声图像的获取图像特征参数的提取和肝硬化多参数自动分析病例库的更新和系统的优化－决策判据的修正第三十四页，共39页。超声图像的获取经验丰富的医生在通用的超声仪器上采集肝包膜区域的M型超声图像和B型超声图像通过图像采集卡将超声图像采集到计算机中

第三十五页，共39页。图像特征参数的提取和分析编程提取M型超声图像和B型