基于影像细节增强的卵巢囊肿辅助诊断系统的研究*

2019-04-20郑淑婕李保珍郭华娟王振华杨少琴

生物医学工程研究 2019年1期

郑淑婕，李保珍，郭华娟，王振华，杨少琴

(1.河南省开封市妇幼保健院妇科，开封 475002；2.河南省开封市妇幼保健院影像科，开封 475002； 3.河南大学第二附属医院，开封 475002)

1 引言

随着计算机技术的不断发展，计算机辅助诊断系统在医学影像辅助诊断应用也逐渐提升，辅助诊断系统应用研究成为医学影像诊断热点[1]；医学影像可反映病症部位具体信息，影像细节模糊区域含有大量噪声，但该区域总存在重要病理信息，可通过增强影像细节，提取影像中全部有价值信息，提升病理诊断结果正确率[2]。

卵巢囊肿疾病是近年来女性的多发病和常见病，良性卵巢囊肿和恶性卵巢囊肿均有不同种类，且病状各异，诊断失误率较高；且卵巢囊肿发病率较高，在病发初期临床症状不明显，诊断较为困难[3]，本研究为更加快速准确的诊断卵巢囊肿，设计基于影像细节增强的卵巢囊肿辅助诊断系统，在疾病初期精准发现卵巢囊肿，实现及早治疗卵巢囊肿的目的。

2 基于影像细节增强的卵巢囊肿辅助诊断系统设计

2.1 系统总体结构

本设计系统总体结构见图1：包括卵巢囊肿影像读取、卵巢囊肿影像处理、存储和数据库管理、二维切片影像分析等模块，系统采用基于卵巢囊肿影像处理模块通过基于自适应低通滤波的影像细节增强方法，增强卵巢囊肿影像，处理结果和影像重建结果进行自动卵巢囊肿辅助诊断。影像读取模块读取医学数字影像和通信标准(digitalimaging and communications in medicine，DICOM) 格式的卵巢囊肿影像数据后[4]，通过卵巢囊肿影像处理模块及时处理卵巢囊肿影像，依据处理结构二维切片影像分析模块实现影像的切片分析后，重建卵巢囊肿影像，从中提取影像特征，辅助医生诊断卵巢囊肿疾病。

图1 系统总体结构

2.2 卵巢囊肿影像读取模块设计

卵巢囊肿影像读取模块主要实现DICOM格式卵巢囊肿影像读取，不同设备和生产商产出的卵巢囊肿影像格式存在差异[5]，DICOM格式卵巢囊肿影像读取需要ITK开发包的支持，ITK是用于医学影像分割和配准的工具包[6]，其通过GDCMImageIO确定DICOM格式卵巢囊肿影像类型，ItkImagelists Watcher和ItkImagefiles Watche完成读取卵巢囊肿影像，其读取的是一维和二维DICOM格式卵巢囊肿影像[7]，在ItkImage中保存读取结果。卵巢囊肿影像细节的增强通过ITK中的高斯低通滤波器实现[8]，ItkImage中卵巢囊肿影像作为滤波器输入，输出结果即为影像细节增强后的卵巢囊肿影像。

2.3 卵巢囊肿影像处理模块设计

卵巢囊肿影像处理模块对从卵巢囊肿影像读取模块获取的卵巢囊肿影像进行增强处理和传输影像。处理模块集成PCI2.0版本的主从模式接口和120 MB以太网接口的DM624核心板，影像数据的传输通过DICOM3.0协议完成。处理芯片为DSP TMS320 DM624，其处理速度为5870 Ms/s，主频工作频率为740 MHz[9]，图2为系统硬件卵巢囊肿影像处理模块结构图。

图2 卵巢囊肿影像处理模块结构图

卵巢囊肿影像处理过程中，DM624核心板中的FIFO为高速的数据缓冲区，当该区域中数据量达到预置的极限值后，EDMA控制PCI发出中断信息[10]，计算机主机接收中断信息，调用系统上位机程序，将处理后的卵巢囊肿影像输入二维切片影像分析模块中进行分析。

2.4 基于自适应低通滤波的影像细节增强

2.4.1低通滤波器分频卵巢囊肿辅助诊断过程中，ITK工具包中ItkImage存储的卵巢囊肿影像存在乘性噪声影响，去噪过程需将乘性噪声转换为加权噪声，可通过对影像取对数实现[11]，卵巢囊肿影像高频和低频处包含的细节信息不同，有效分频可辅助卵巢囊肿影像细节增强[12]。

采用式(1)表示高斯低通滤波器频域：

(1)

将卵巢囊肿影像p(i,j)分解为低频分量pl(i,j)和高频分量ph(i,j)，结果如下：

p(i,j)=ph(i,j)+pl(i,j)

(2)

通过二阶高斯低通滤波器f(i,j)，获取卵巢囊肿影像中像素点低频分量pl(i,j)：

pl(i,j)=p(i,j)*f(i,j)

(3)

ph(i,j)=p(i,j)-pl(i,j)

(4)

卵巢囊肿影像低频分量对影像视觉效果提升有显著作用，可对卵巢囊肿影像的低频分量进行自适应邻域直方图均衡，增强卵巢囊肿影像细节，首先固定初始窗口ω，且ω=2t+1，t为常数系数，对卵巢囊肿影像低频分量pl(i,j)采取自适应邻域直方图均衡操作后，得到：

cl(i,j)=HE[pl(i,j)]

(5)

式中，cl(i,j)为直方均衡后的低频分量，HE[·]代表自适应邻域直方图均衡。

2.4.2线性组合转化影像赋予高频分量ph(i,j)系数t，得到直方均衡后的高频分量：

ch(i,j)=t*ph(i,j)

(6)

卵巢囊肿影像细节增强的同时还需降低噪声的影响，影像噪声控制与参数t相关，若窗口中心不在影像细节处时，t值为0；当窗口中心在影像细节处时，t无穷大，将窗口ω内的邻域灰度方差视作t，则有：

(7)

细节增强后卵巢囊肿影像c(i,j)由低频分量cl(i,j)和高频分量ch(i,j)构成，如下式所示：

c(i,j)=cl(i,j)+ch(i,j)

(8)

将式(5)和式(6)代入式(8)，则有：

c(i,j)=t*ph(i,j)+HE[pl(i,j)]

(9)

然后通过指数转换c(i,j)，即得到细节增强后的卵巢囊肿影像。

3 实验分析

实验仿真分析本系统的实际应用效果，系统测试实验环境如下：CPU为Inter(R)Core(TM)i5-2430 M，硬盘为300 GB，内存为2 GB，软件环境为WindowsXP，软件代码仿真环境为Matlab2010。

3.1 影像显示效果分析

为验证本系统的卵巢囊肿影像细节增强显示效果，实验分析采用本系统和基于主成分Logistic 回归的卵巢囊肿辅助诊断系统为对比，以开封市妇幼保健院卵巢囊肿临床观察中的三位患者为研究对象。图3为采用主成分Logistic 回归的卵巢囊肿辅助诊断影像，该影像较为模糊，对比度较差，未显著增强卵巢囊肿病变细节发生位置；图4影像为采用本系统得到的卵巢囊肿辅助诊断影像，影像的清晰度显著提升，且在影像中将病变区域细节突出显示，说明本系统的卵巢囊肿影像可读性高，影像质量好。

图3 基于主成分Logistic 回归的卵巢囊肿辅助诊断影像

Fig3Assisteddiagnosisofovariancystsbasedonprincipalcomponentlogisticregression

图4 采用本系统的卵巢囊肿辅助诊断影像

Fig4Usetheovariancystassisteddiagnosticimageofthesystem

3.2 卵巢囊肿辅助诊断正确率分析

实验以开封市妇幼保健院卵巢囊肿临床收治的329个卵巢囊肿样本为例，其中包括巧克力囊肿(45例)、畸胎瘤(32例)、功能性囊肿(66例)、出血性囊肿(54例)、浆液性上皮囊肿(27例)、黏液性上皮囊肿(20例)、卵巢癌(23例)和子宫内膜样瘤(62例)，此外还包括健康样本171例，将采用本系统和采用主成分Logistic 回归的卵巢囊肿辅助诊断结果用表1和表2描述。

表1 采用主成分Logistic 回归的卵巢囊肿辅助诊断结果

分析表1数据可知，采用主成分Logistic 回归的卵巢囊肿辅助诊断系统卵巢疾病辅助诊断结果正确率不高，尤其是子宫内膜样瘤、卵巢癌和浆液性上皮囊肿的诊断正确率分别为0.39%、0.43%和0.44%，无法准确诊断出真实的卵巢囊肿疾病，且诊断健康样本的正确率为0.61%，诊断结果存在较大误差，极易将健康样本诊断为卵巢囊肿疾病。

表2 采用本系统的卵巢囊肿辅助诊断结果

分析表2数据可知，本系统辅助诊断各类型卵巢囊肿疾病的正确率均较高，且系统辅助诊断巧克力囊肿、畸胎瘤、浆液性上皮囊肿和黏液性上皮囊肿正确率均为100%，辅助诊断其它类型卵巢囊肿疾病的正确诊断率也在96%以上，说明本系统提升卵巢囊肿疾病的辅助诊断正确率较高。

3.3 系统运行性能分析

本系统每天需要处理大量的卵巢囊肿影像，实验测试系统处理不同数量卵巢囊肿影像时，CPU利用率、内存占有率和卵巢囊肿辅助诊断用时，同样以基于主成分Logistic 回归的卵巢囊肿辅助诊断系统的测试结果作为对照，分别将测试结果用表3和表4表示。

表3 本系统运行分析结果

分析表3数据可知，本系统在处理卵巢囊肿影像数量不超过300例时，系统CPU运行效率随着处理影像数量的增加而提升，当本系统处理卵巢囊肿影像大于300例时，CPU运行效率几乎不变，最高值为7.95%；本系统处理卵巢囊肿影像低于250例时，内存占有率缓慢提升，超出250例后，内存占有率几乎不再改变；本系统辅助诊断不同数量卵巢囊肿影像的用时均不超过0.36 s，且平均用时也仅有0.30 s。

表4 采用主成分Logistic 回归的系统运行分析结果

同样分析表4数据结果可得，基于主成分Logistic 回归的卵巢囊肿辅助诊断系统的CPU运行效率和内存占有率，均随着卵巢囊肿影像数量增加而增加，最高值为30.42%和64.3%，远远高于本系统；辅助诊断用时最长为4.48 s，平均辅助诊断用时为3.77 s，超出本系统3.47 s，说明本系统的运行效率较高，在辅助诊断大量卵巢囊肿影像时，诊断结果较快且系统运行效率高。