超声图像中胎儿股骨的自动检测与测量

超声图像中胎儿股骨的自动检测与测量 摘要 :首先利用灰度 、形状信息从 B 超图像中分割出股骨的候选区域 ,根据候选区域周围组织确定股骨区域 。再利用边缘信息找出股骨的端点 ,计算出股骨长度 。文中提出的不需人工干 预 ,避免了重复枯燥的测量和人工测量误差 ,所需时间短 ,准确 。 关 键 词 :图像分割 ; 链码 ; 自动测量 ; B 超图像 中图分类号 : TP391文献标识码 :B Automatic detection and measurement of femur in fetal ultrasound image Li J un , Ding Mingyue ( State Education Commission Key Laboratory for Image Processing and Intelligent Control , Insititute for Pattern Recognition and )Artificial Intelligence , Huazhong University of Science and Technology , Wuhan , China , 430074 Abstract : First , the candidate femur regions from B2ultrasonic wave images according to the shape and gray level information are segmented. Secondly , the femur regions are defined by their neighbouring regions. Combining with the edge information of images , the location of femoral endpoints is found , the femur length can be estimated. This method does not need manual intervention , avoids repetitive and boring work and man2 ual errors. The experiments illustrate that our approach is fast and accurate . Key words : Image segment ; Chain code ; Automatic measurement ; B ultrasonic wave image 的股骨在超声图像中显示清晰 ,易于测量 ,可重复度 1 高 ,所以股骨长度是衡量胎儿发育和估计胎龄的重 1 引言 要参数 ,在临床上具有重要的应用价值 。由于超声图 像信噪比低 ,处理困难 ,目前的测量以手工为主 ,既不 B 超越来越广泛地应用于医学诊断中 。由于对 () () 人体无射线损伤 ,因此是孕产检查中不可缺少的诊断 准确 因人而异又浪费时间 需人工定位。 仪器 。借助 B 超仪 , 医生可以对胎儿生长中的各种 目前对超声图像的处理主要集中在利用超声图 指标进行监测 ,这对于优生优育具有重要作用 。胎儿 像中的纹理信息 ,即根据正常组织与病变组织所呈现 收稿日期 :2000203217 () 作者简介 :李军19732,男 ,硕士 ,主要从事医学图像处理与理解、行迹规划等方面的研究。 的图像在纹理的粗细 、大小上的差别 ,确定一个衡量,由于声束发散 ,成像模糊 ,医生也不会将区和远场区 参数 ,实现组织分类 。成功的应用实例包括乳房 、肝 感兴趣的待测对象放到这里。对于某一台 B 超仪 ,它 2 ,4 脏 、肌肉等器官或组织的分类 。对超声图像定量 的超声图像大小是固定的 ,根据这些知识 ,完全可以把 () 地测出某种参数 ,其难度要比定性分类大得多 。文献 股骨可能出现的大致位置确定下来。图 1 a是原图 , () 5 ,8 提出的方法实现了对心脏 、胆囊等器官某些参b中的矩形框是确定股骨的大致范围。 数的测量 ,缺点是需要人工确定起始点或大致区域 。 2 . 2 增强图像 文献9 ,10 所提出的方法可以自动地完成对胎儿股 受仪器成像能力的影响 ,加上每个孕妇对声束产 骨 、头围等参数的测量 ,但其应用与形态学模板大小 生的衰减不同 ,以及医生根据自己的习惯对仪器进行 有关 ,不是对所有的图像都有效 。 调节 ,使得 B 超图像的灰度分布范围有很大的差异 , () 有的偏亮 ,有的偏暗 。图 2 a是图 1 中所要处理的部 要想完成对医学参数的自动测量 ,能够把待测对 ( ) 象从图像中提取出来是关键 。文中利用胎儿股骨在 分 ,它的灰度直方图见图 2 b,可以看出灰度分布明 B 超图像中呈现高亮度的特点 ,首先从图像中分割出 显偏高 。在处理时 ,要减少这些差异 。首先将灰度均 股骨的候选区域 ,在这些候选区域中结合形状及周围 匀地拉开 ,使灰度值占满整个灰度空间 。文中所使用 组织特征确定股骨 。用跟踪的方法得到股骨区域的 的是 256 个灰度级 ,这样能够消除一部分偏暗或偏亮 链码 ,在计算股骨长度时考虑了边缘信息 ,得到的结 的影响 ;再使用直方图增强的方法 ,合并一些灰度级 , 增强图像的对比度 ,增大股骨与其周围组织的灰度差 果准确 。整个过程所需时间小于 2s 。 异 。通过这些处理能够减少一些由于仪器 、孕妇 、医 () 生等因素造成的差异 。图 2 c是增强后的结果 ,图 2 2 预处理 ( ) () d是图 2 c的直方图 。 为了使测量的结果准确 ,提高检测速度 ,首先对 图像进行预处理 。预处理包括确定图像的大致位置 以及对图像进行增强等 。 2 . 1 确定股骨的大致范围 B 超仪成像是一个扇形。若取扇形的外接矩形来 作为原始数据 ,将包含很多无效的像素点。这些无效 () ( ) () a局部原图的直方图ba的像素点会影响以后的处理 ,并且增加了计算量。文 ()( ) ()a Original local image bHistogram of a 中采用从图像中挖出一块的方法。从解剖学可以知 道 ,位于超声图像最上部的是孕妇的皮肤 ,超声图像最 下部的是孕妇子宫壁外的组织 ,胎儿的股骨不会出现 ()c () ( ) () a增强后的图dc的直方图 () ()( ) ()cEnhanced image of a dHistogram of c 图 2 增强图像 Fig. 2 Enhanced image () () a原图确定范围b 3 股骨自动识别() () aOriginal image bDefine likely region 图 1 确定可能范围 3 . 1 分割出候选区域Fig. 1 Define likely region 股骨在超声图像中表现出长条形的高亮度区 ,与 周围区域及图像中的其他区域相比在灰度上始终是 在图像最上部和最下部。从超声成像可以知道 ,在近场 4 股骨测量()1 从上到下 ,从左到右搜索图像 ,找到每个候 () 选区域的起点 ,若无候选点转 5; 测量股骨长度的关键是准确找到股骨的端点 。()2 记下跟踪起点 ; 在股骨的端点区域与周围组织交界处受到回波的干 ()搜索跟踪点周围的 8 个邻域 ,选择下一个3 扰成像不清晰 ,不易准确定位端点位置 ,这也是手工 () ,得到该点的链码 。若无候选点 ,出错 ,转 5,跟踪点 测量结果之间差异大的原因之一 。阈值分割时 ,股骨 () 若回到跟踪起点 ,转 1; 端点处的组织很容易误分为股骨这一类 ,造成测量结 ()() 4 重复 3; 果偏大 。采用边缘信息则可准确地确定股骨端点 。 ()结束 。5 仔细分析股骨端点区域可以发现 ,端点区域成像不清 利用链码 ,可以计算出以下形状特征 :晰是对人视觉而言 。在端点处 ,灰度由高亮向低亮缓 ) 1 面积n 慢变化 ,人眼对这种灰度缓慢变化不敏感 ,于是无法 1 ()( )1 ay+ aS = i0 i - 1 i2 ?准确定位股骨端点 。灰度变化对于边缘检测算子是 2 i = 1 敏感的 ,可以利用 Canny 算子将边缘点检测出来 ,股 ( ) 链码起点坐标为 x, y,第 i 个链码水平方向 ,竖直 0 0 ( ) ( )骨的端点就包含在这些边缘点中 。图 3 c是图 2 c 方向上分别为 a, a, y= y+ a。i0 i2 i i - 1 i2 用 Canny 算子检测出的边缘 。边缘点会出现间断的 ) 2 周长 情况 ,噪声也会产生伪边缘 ,所以仅有边缘信息是无 ()2 L = n+ 2 n e o法找出股骨端点 。文中利用边缘及灰度信息来确定 n———链码中偶数的数目 ; e 式中股骨端点 。具体算法如下 : n———链码中奇数的数目 。o 假设股骨区域链码为 a , 1 ?i ?ki 任意两点间距离 )3 ()1 用 Canny 算子检测边缘 ,得到边缘图像 ; a} ,两点间距离 , 若两点间链码为{ a, a, k 1 2 () 2细化边缘图像 ,得到单像素边缘图 ; 边缘点 为 :() 3组成股骨端点候选集 S ; 计算股骨区域边k k 1 2 2 () 4 2 界上任意两点的距离 d ()3 + d = aai0i2 ??i = 1 i = 1 ( ) m , nm 、n 是链码的编号 , 1 ?m ?k 、1 ?n ? , 其中 ) 4 平均宽度( ) k , d m , n组成一个矩阵 D; K ×K()4 w = s/ d max()5 从 D 选取其最大值 d, 记下 d两端 K ×Kmax max d———链码上任意两点间距离中的最大值 。式中 max P, P; 点1 2 )归一化圆度()5 6 判断是否满足 P?S ?P?S , 若满足 , 则 1 2 股骨长度为 d,结束 ;不满足 ,则从 D 删掉 d, 4π A max K ×Kmax ()γ 5 = 1 - N2 T() 转 5。 复杂形状的归一化圆度趋向于 1 。 ) 6 长宽比 5 实验结果与分析 ()6 L / W = d/ w max () ( ) 对于股骨 ,它的面积 、周长 、最大长度 、纵横比 、归图 3 c是图 2 c用 Canny 算子检测所得到的边 缘图 。对 35 幅图像做了实验 ,所用机器为 PII400 ,编 程语言为 VC 5 . 0 ,实验结果中最大误差 < 7 % , 所需 时间 < 2s 。部分实验图像见图 4 , 实验结果见表 1 。 从测量结果看 ,有的误差很小 ,有的误差相对较大 ,这 是因为手工测量存在着较大的主观性 。如果换算成 实际长度 ,误差 < 0 . 2mm ,完全可以满足临床需要 。 图 4 部分实验图像 Fig. 4 Some images of experiment results ()() ()() () a 股骨区域b c 图 2 c分割结果图 2 c的边缘图 论6 结()( )()a b c Result of segment of The region of The edge image of ()()graph 2 c femur graph 2 c 文中提出的方法自动地从 B 超图像中识别出胎图 3 检测和测量胎儿股骨 儿的股骨 ,并计算出其长度 ,该方法测量精度较高 ,Fig. 3 Detect and measure fetal femurs 部分实验结果表 1 Ta b. 1 Some results of experiments Artificial Length Area Perimeter The ratio of Unified Time measurement Error ()()()()result ( )pixel pixel pixel length to width roundness ms % ()pixel Fig. 1 46. 17 356 114 5 . 98 0 . 66 1842 43 6 . 98 ()Fig. 4 a 44. 10 281 101 6 . 92 0 . 65 1794 44 0 . 23 ( )Fig. 4 b 43. 28 265 101 7 . 07 0 . 67 1747 43 0 . 65 ()Fig. 4 c 43. 28 267 101 7 . 01 0 . 67 1835 46 5 . 91 ( )46. 17 312 108 6 . 83 0 . 66 1774 46 0 . 37 Fig. 4 d ()48. 08 353 120 5 . 55 0 . 69 1745 45 6 . 84 Fig. 4 e ()42. 19 247 98 7 . 20 0 . 68 1705 44 4 . 11 Fig. 4 f 4 曾发龙. 分行维数特征矢量对病变组织的超声定征J .中 所需时间短 ,克服了手工测量的主观性和不确定性 ,() () 国图像图形学报 ,1999 ,4 A8:673,676 减少了医生重复 、乏味的工作 ,在临床上具有推广应 吴泽晖. 基于数学形态学的肝脏 B 超图像纹理识别J . 中5 () () 国图像图形学报 ,1999 ,4 A9:730,733 用价值 。 6 Feng Hie . Epicardial Boundary Detection Using Fuzzy Reasoning J . IEEE Transaction on Medical Image ,1991 ,10 : 187 ,199 参 考 文 献 Ching2Tsorng Tsai . Endocardial Boundary Detection Using a Neural 7 () NetworkJ . Pattern Recognition ,1991 ,10 2:180,186 1 冯麟增著. 孕产超声诊断学 M . 北京 : 科学技术出版社 ,汪炳权. 胆囊 B 超图像参数自动测量J . 模式识别与人工 8 1994 () 智能 ,1993 ,6 4:334,338 Shankar P M. Use of Non2Rayleigh Statistics for the Identification 2 Thomas J G. Automatic Segmentation of Ultrasound Images Using 9 of Tumor in Ultrasonic B2Scans of the Breast J . IEEE Transaction Morphological OperatorsJ . IEEE Transactions on Medical Image , () () on Medical Imaging , 1993 , 12 4: 687,691 1991 ,10 2:180,186 曹庆年. 基于分形参数的 B 超图像纹理分析J . 西安交通 3 Hanna C W. Automated Measurement in Obstetric Ultrasound Im2 大学学报 ,1999 ,33 :26,39 10 agesJ . ICIP97 , 1997 ,3