用于FICE图像增强效果的客观评价方法

陈 婧，许敏芬，王立强，袁 波，段会龙，唐 佳

（1.浙江大学现代光学仪器国家重点实验室，浙江杭州310027；2.浙江大学生物医学工程研究所，浙江杭州310027）

用于FICE图像增强效果的客观评价方法

陈 婧1，许敏芬1，王立强1，袁 波1，段会龙2，唐 佳1

（1.浙江大学现代光学仪器国家重点实验室，浙江杭州310027；2.浙江大学生物医学工程研究所，浙江杭州310027）

根据FICE10组波长在增强黏膜微细血管对比度方面的不同增强效果，提出基于亮度对比度统计的客观评价方法.采用Otsu法对图像各像素亮度对比度进行统计来准确地标记出图像的血管区域，对血管区域各像素的亮度对比度进行累加，累加值越大，对应图像的血管对比度越高.统计数据表明：增强血管对比度效果最优的3个FICE波长组合依次是波段组合2、波段组合6以及波段组合1.该方法的统计结果符合病理学诊断结果，为临床医生在FICE波长组合选择方面提供了一种客观评价方法.

FICE；客观评价方法；亮度对比度；Otsu法

由日本Yoichi Miyake发明的FICE[1-2]（Fuji intelligent chromo endoscopy）技术是一项先进的内镜诊断技术.该技术将一幅电子内镜图像分为多个单一波长的分光图像，选取对获取临床信息价值最大的几组波长图像，将这几组图像重组为FICE图像[3].该技术不仅有利于观察不同部位病变的黏膜微细凹凸变化以及毛细血管形态结构，而且可以大大地增强微细血管与周围组织的对比度[4-6].经过研究者们长期的临床实验总结及验证可知，目前FICE的临床应用中，都是首先在内镜主机中预设10组常用波长[7-9]，按F1～F10对波长组进行编号.

对于FICE现有的10组常用波长，其分别适用于何种病变器官及病灶的检查，已成为一个新的研究热点.Coriat等[9]采用Fujinon130万像素的放大内窥镜分别对31位患者进行胃镜检查，并邀请6位从未使用过FICE技术内窥镜的资深临床医生对患者的病变图像进行分析评分，分析证明增强效果最好的前3个波段组合依次是F5、F8及F1.Pohl 等[10]采用EXP-4400医用电子内窥镜对一系列标准内镜图像及其FICE处理后图像的血管清晰度进行比较.比较结果表明，增强毛细血管对比度与腺管开口分型的最优波长组合是组合6，增强效果最好的前3个波段组合依次是F6、F2以及F1.何辉等[11]采用FICE10组常用波长分别对病变进行腺管开口分型及毛细血管形态观察，并对图像清晰度进行评分，选出最佳波长组合为F5与F8.

目前已有的对FICE常用10组波长增强微细血管对比度效果的评价方案都是基于医生的临床经验以及主观意识进行统计的结果，而对FICE图像增强效果理论的、客观的评价方案尚未出现任何报道.尽管上述评价方法能够统计出FICE常用10组波长的作用效果，但是由于这些方法主要依赖于医生的主观性及临床经验，造成10组波长的作用效果评价结果不尽统一的缺陷，导致FICE技术的实际应用及推广存在一定的局限性及风险性.本文提出基于图像亮度对比度统计的客观评价方法.

1 评价方法的基本原理

1.1 主要思路

由于消化道黏膜微细血管与周围组织的对比度主要体现在两者的亮度差异上，对微细血管与周围组织的对比度的评价可以转化为对各像素亮度对比度的累加值进行比较，累加值较大的图像对应其微细血管对比度较大.一幅内镜图像的血管只占整幅图像较小的区域，若对整幅图像的所有像素点进行亮度对比度的累加统计，则大部分非血管区域像素将会对血管区域造成严重干扰，从而导致统计结果不准确.在进行对比度统计累加之前，首先要通过算法准确地识别内镜图像上的血管区域，然后对血管区域的亮度对比度进行累加，最后对每幅图像的累加结果进行比较.累加值越大，说明该图像微细血管与周围组织的对比度越大.

对一幅内镜图像上的血管区域进行准确识别的主要依据是图像上每个像素的亮度对比度.采用Roberts差分算子计算某像素沿45°方向的亮度相对差分值Ycon1：

采用Roberts差分算子，计算该像素沿135°方向的亮度相对差分值Ycon2：

选择两者中的较大值作为该像素的亮度对比度：

式中：Y（i，j）为图像上第i行j列像素的亮度，因此Ycon为0～1.0的浮点数.

按照式（3）计算出整幅图像每一个像素的亮度对比度之后，由于血管分布在亮度对比度较大的区域，需要确定一个亮度对比度的阈值Ty，亮度对比度大于Ty的像素即认为是血管区域.阈值Ty的确定采用最大类间方法[12]（Otsu法）.最后对血管区域各像素的亮度对比度进行累加，通过每幅图对比度累加值的大小来比较FICE各波长组合的增强效果.

1.2 具体算法

根据主要思路，确定基于亮度对比度统计的血管识别算法模型，如图1所示.

按照算法模型，首先计算出图像各像素的亮度及亮度对比度，然后应用Otsu法统计亮度，从而得出划分目标及背景区域的亮度阈值T.最后将小于新阈值T的像素点标记为黑色，作为背景区域；大于阈值T的像素作为目标区域进行血管识别.

在目标区域内，判断是否是血管区域的主要标准即各像素的亮度对比度，亮度对比度较大者则为血管附近区域像素.因此，需要确定一个划分血管区域与非血管区域的亮度对比度阈值Tcon.参照Otsu法原理对目标区域所有像素的亮度对比度进行统计，得到Tcon.该阈值将目标区域划分为亮度对比度类间方差最大的2个区域，亮度对比度大于Tcon的像素即为血管区域，用亮点标记，小于该阈值的则为其他组织.

2 评价方法的效果

2.1 血管的识别效果

采用上述算法对5幅FICE处理图分别进行血管识别，如图2所示.如图2（a）、（b）分别为FICE处理图与基于亮度对比度的Otsu法的血管标记图.可以看出，采用基于亮度对比度统计的血管识别算法可以较准确地标记出图像中的血管区域，避免了非血管区域像素对评价FICE效果的影响，提高了之后对血管区域统计对比的准确度，为FICE常用的10组波长对图像血管对比度的增强效果的客观评价奠定了坚实的基础.

2.2 对FICE增强图像的评价结果

图1 基于亮度对比度统计的血管识别算法模型Fig.1 Model of algorithm based on statistics of vessel brightness and contrast

在实验中，对5幅典型内镜图像进行该算法的评价，如图3所示.首先用FICE技术的常用10组波长分别处理这5幅图像，得到5组待考察图像.每组均包含11幅图像（一幅原图以及10幅FICE处理图），然后按组分别对每幅图进行基于亮度对比度统计的血管识别，最后分别统计每幅图的血管区域各像素的亮度对比度累加值.通过比较同组中每幅图的对比度累加值来确定最优的FICE波长组合.

对图3中的5幅内镜图以及FICE的10组常用波长对这5幅内镜图的处理图分别进行对比度累加值的排序，统计累加值的结果如表1所示，按照统计结果的降序排列如表2所示.表中，F1/F0～F10/F0分别表示FICE的常用10组波长组合累加值除以F0累加值的归一化结果，F0表示原图的对比度累加值.其中表2每行表示一幅图像与FICE对其处理后的10幅图的累加值的排序情况，从左到右按照累加值从大到小的顺序依次进行降序排列，即排序越靠左边的FICE波段处理后图像血管对比度越高.

由表2可以看出：在增强微细血管与周围组织对比度方面，FICE常用10组波长中波段组合F2的增强效果最佳；效果最优的前3个波长组合依次是F2、F6、F1；FICE的常用10组波长处理后图像的血管对比度均优于内镜原图像.如图4所示为FICE 的10组常用波长对同一幅内镜图像处理后的效果图.可以看出，F2、F6、F1三个波段组合处理后图像的血管与周围组织对比度较高，与理论结果一致.

图3 参与评价的5幅内镜原图Fig.3 Five evaluated endoscopic images

图4 参与评价的内镜原图及FICE处理后的10组效果图Fig.4 Evaluated endoscopic image and processed10 FICE images

表1 5幅内镜原图及10组FICE图的累加值表Tab.1 Accumulated values of 5 endoscopic images and its10 FICE images

对于现有的内窥镜系统，在普通情况下内窥镜系统的处理及显示帧率为26帧/s，应用FICE算法后，处理及显示帧率为23帧/s.可见，算法的实时性较好.

表2 5幅内镜原图及10组FICE图的统计累加值降序排序表Tab.2 Descending orders of accumulated values of 5 endoscopic images and its10 FICE images

3 结 语

本文首次提出一种对FICE常用的10组波长增强微细血管对比度效果的客观评价方法.统计数据证明，FICE技术常用10组波长中的波段组合2是增强血管对比度的最佳波段组合，与病理学诊断结论基本一致，不仅避免了目前存在的主观评价方案的主观性及经验性，而且为临床医生在FICE波长组合选择方面提供了更加有力的理论依据，从而可以更加精确地诊断消化道黏膜的组织改变、异型增生及早期癌变.FICE技术除了可以增强细微血管对比度之外，还可以用于发现扁平病变及腺管小凹分型[13]，常用的10组波长在这些方面的作用效果有待进一步的研究与评价.随着FICE技术的应用日趋广泛，不同研究领域的医疗专业人员针对不同的病灶表现已经开始发掘更多、更有效的波段组合.

（

）：

[1]MIYAKE Y，KOUZU T，TAKEUCHI S，et al.Development of new electronic endoscopes using the spectral images of an internal organ[J].Color Imaging Conference，2005，13（3）：261-263.

[2]NAKAGUCHI T，TSUMURA N，MIYAKE Y.Dynamic band imaging：image enhancement for endoscopic diagnosis[J].Journal of Imaging Science and Technology，2008，52（5）：1-7.

[3]SAMBONGI M，IGARASHI M，OBI T，et al.Analysis of spectral reflectance using normalization method from endoscopic spectroscopy system[J].Optical Review，2002，9（6）：238-243.

[4]钱丽佳，李玉明.放大内镜下人工智能电子染色及窄带成像技术在消化道早癌诊断中的应用[J].中国微循环，2009，13（6）：621-623.

QIAN Li-jia，LI Yu-ming.Zoom in endoscopic artificial intelligence electronic dyeing and narrow-band imaging in the diagnosis of digestive tract cancer early[J].Journal of Chinese Microcirculation，2009，13（6）：621-623.

[5]黄留业，刘运祥，吴承荣，等.FICE技术在大肠病变腺管开口分型及毛细血管形态观察中的价值[J].世界华人消化杂志，2008，16（26）：2952-2958.

HUANG Liu-ye，LIU Yun-xiang，WU Cheng-rong，et al.Role of Fuji intelligent chromo endoscopy in observation of pit pattern and blood capillary form of colonic lesions[J].World Chinese Journal of Digestology，2008，16（26）：2952-2958.

[6]OSAWA H，YAMAMOTO H.Present and future status of flexible spectral imaging color enhancement and blue laser imaging technology[J].Digestive Endoscopy，2014，26（Suppl.1）：105-115.

[7]MIYAKI R，YOSHIDA S，TANAKA S，et al.Quantitative identification of mucosal gastric cancer undermagnifying endoscopy with flexible spectral imaging color enhancement[J].Journal of Gastroenterology and Hepatology，2013，28（5）：841-847.

[8]KIKUSTE I，STIMA D，LIEPNIECE-KARELE I，et al.The accuracy of flexible spectral imaging colour enhancement for the diagnosis of gastric intestinal metaplasia：do we still need histology to select individuals at risk for adenocarcinoma？[J].European Journal of Gastroenterology and Hepatology，2014，26（7）：704-709.

[9]CORIAT R，CHRYSSOSTALIS A，ZEITOUN J D，et al.Computed virtual chromoendoscopy system（FICE）：a new tool for upper endoscopy？[J].Gastroenterologie Clinique et Biologique，2008，32（4）：363-369.

[10]POHL J，MAY A，RABENSTEIN T，et al.Computed virtual chromoendoscopy：a new tool for enhancing tissue surface structures[J].Endoscopy，2007，39（1）：80-83.

[11]何辉，沈磊，罗和生，等.FICE技术10组波长对大肠息肉的诊断价值[J].世界华人消化杂志，2011，19（16）：1735-1738.

HE Hui，SHEN Lei，LUO He-sheng，et al.Value of Fuji intelligent chromo endoscopy under different channel settings in the diagnosis of colorectal polyps[J].World Chinese Journal of Digestology，2011，19（16）：1735-1738.

[12]OTSU N.A threshold selection method from gray level histogram[J].IEEE Transactions on Systems，Man，Cybernetics，1979，9（1）：62-66.

[13]沈奕，钟捷，范荣.FICE技术应用于胃肠道病变的诊断[J].国际消化病杂志，2009，29（5）：305-307.

SHEN Yi，ZHONG Jie，FAN Rong.Fuji intelligent chromo endoscopy is applied to the diagnosis of gastrointestinal tract[J].International Journal of Digestive Diseases，2009，29（5）：305-307.

Objective evaluation method for enhanced effects of FICE images

CHEN Jing1，XU Min-fen1，WANG Li-qiang1，YUAN Bo1，DUAN Hui-long2，TANG Jia1

（1.State Key Laboratory of Modern Optical Instrumentation，Zhejiang University，Hangzhou 310027，China；2.Biomedical Engineering Institute，Zhejiang University，Hangzhou 310027，China）

An objective evaluation method based on the statistics of brightness contrast was proposed according to the different enhanced effects of vessel contrast by the ten groups of wavelength of FICE.The blood vessel was marked out using Otsu method to count the brightness contrast of the pixels.Then the brightness contrast of the pixels in the area of blood vessels was accumulated.The greater accumulated value means the higher contrast of blood vessels of images.Results showed that the combination2，6，1 were the three optimal wavelength combinations of FICE on the aspects of enhancing contrast of blood vessels.The method accorded with pathology diagnosis proven by statistical results，which provided an objective reference for clinical doctors to select FICE wavelength combination.

FICE；objective evaluation method；brightness contrast；Otsu method

R 318

A

1008-973X（2015）10-2013-05

2014-08-21.浙江大学学报（工学版）网址：www.journals.zju.edu.cn/eng

国家科技支撑计划资助项目（2011BAI12B06，2012BAI4B06）；中央高校基本科研业务费专项资金资助项目（2012FZA5023）.

陈婧（1987—），女，硕士，从事数字图像处理的研究.ORCID：0000-0002-5560-7550.E-mail：chenjing426@zju.edu.cn

王立强，男，副教授.ORCID：0000-0002-9940-4480.E-mail：wangliqiang@zju.edu.cn