基于Radon變換的超聲穿刺針增強系統(tǒng)

符吉林閆桂霞凌鋒

1 廣東省醫(yī)療器械質(zhì)量監(jiān)督檢驗所 （廣州 510663）

2 深圳市理邦精密儀器股份有限公司 （深圳 518067）

基于Radon變換的超聲穿刺針增強系統(tǒng)

符吉林1閆桂霞2凌鋒2

1 廣東省醫(yī)療器械質(zhì)量監(jiān)督檢驗所 （廣州 510663）

2 深圳市理邦精密儀器股份有限公司 （深圳 518067）

超聲穿刺針增強算法一般基于超聲發(fā)射的波束偏轉(zhuǎn)技術(shù)，預先選擇波束偏轉(zhuǎn)角度，并利用圖像融合技術(shù)增強針體。這種圖像后處理方式容易受到噪聲干擾，導致圖像質(zhì)量問題。本文算法在波束偏轉(zhuǎn)的基礎上，采用圖像分割的方式進行圖像后處理，首先使用radon變換和直線重建獲得針體區(qū)域，該區(qū)域與正常B模式圖像復合得到最終的顯示圖像，并經(jīng)過一定的校正手段使結(jié)果更加穩(wěn)定。算法簡單有效，避免了噪聲干擾。

穿刺針增強 多幀偏轉(zhuǎn) radon變換 radon校正

1.超聲穿刺針增強系統(tǒng)簡介

超聲成像的基礎是聲波反射，反射能量經(jīng)過一系列后處理形成圖像。在穿刺過程中，穿刺針或者注射針要以一定的角度刺入患者體內(nèi)，正常發(fā)射的聲波不能以垂直角度接觸針面，在反射中損失了針信號能量，針信號會變得非常不穩(wěn)定甚至消失[1]。在2D超聲成像中，通常由波束偏轉(zhuǎn)和幀復合來解決增強問題[2]。在正常的垂直發(fā)射之外，添加合適的偏轉(zhuǎn)波束，其聲波發(fā)射角度要與針面大致垂直，從而得到的偏轉(zhuǎn)幀圖像上針的信號較為強烈。采用一定的方式將針信號提取出來，添加到正常組織圖像中，使針信號變得清晰，幫助醫(yī)生查看針頭運動的位置?，F(xiàn)有的超聲產(chǎn)品一般需要預先設置波束偏轉(zhuǎn)角度。開啟穿刺增強之前，要由一定的外在參與改變發(fā)射偏轉(zhuǎn)角[3]。

在獲得偏轉(zhuǎn)幀之后，一類算法是直接將偏轉(zhuǎn)幀經(jīng)過處理后與正常幀融合。這種算法處理后的針體區(qū)域比較穩(wěn)定，但是增強效果較弱或者容易引入噪聲。另外一類算法是把針體區(qū)域近似看做直線形態(tài)，單獨分離出來，涉及到直線的分割和重建。霍夫變換是一種常見的直線分割方法，將直線的空間位置信息轉(zhuǎn)化到角度-距離空間，可以很好地探測直線的位置和方向，但是難以控制直線的起始點，尤其是針體信號不穩(wěn)定的情況下，針體在視頻流中有長短變化，不能反映實時運動。Charles R.Hatt等[4]使用一種機器學習的方式來進行穿刺針的分割和增強。機器學習方式使用在實時圖像中，有一定的局限性。

圖1. 整體算法流程

本文針對上述現(xiàn)有技術(shù)的不足，提出一種基于radon變換的超聲穿刺針增強系統(tǒng)。首先增加偏轉(zhuǎn)幀發(fā)射，穿刺針在某個角度下會呈現(xiàn)高亮形態(tài)，出現(xiàn)在偏轉(zhuǎn)圖上。然后對偏轉(zhuǎn)圖進行兩次OTSU分割，去掉絕大部分干擾，進行radon變換和radon校正。最后重建針體區(qū)域。并以一定權(quán)重與組織幀融合，達到增強目的。最終結(jié)果圖像中，針體表現(xiàn)清晰穩(wěn)定，去除了組織變形和器官邊緣的干擾。整體算法流程如圖1所示。

2.聲波發(fā)射方式與圖像獲取

2.1 正常組織幀的獲取

為了提高圖像質(zhì)量，以三幀方式獲取正常組織圖像，如圖2所示分別以-9°，0°，9°發(fā)射聲波，獲取三幀圖像。三圖通過空間復合算法進行合成，輸出一幀作為正常組織圖像，設為NT。獲取方式如圖2所示。

2.2 偏轉(zhuǎn)幀的聲波發(fā)射

圖2. 正常幀獲取方式.垂直發(fā)射和對稱偏轉(zhuǎn)發(fā)射融合。用于穿刺針增強的7幀偏轉(zhuǎn)發(fā)射方式與之類似。

外部設置人機交互界面，或者添加穿刺架。操作者根據(jù)實際需求，選擇合適角度，由外部交互傳入處理程序。

2.3 偏轉(zhuǎn)圖像的獲取

針刺入后，偏轉(zhuǎn)幀SF擁有最亮的針體部分，方便接下來的圖像后處理。

獲取NT和SF需要4個角度的圖像，因此探頭的聲波發(fā)射以4個偏轉(zhuǎn)角度為循環(huán)周期。為了不影響圖像的幀率，采用輪流替換的方式，即建立4幀數(shù)據(jù)陣列，每接收一幀數(shù)據(jù)，替換陣列中相同角度的圖像數(shù)據(jù)，然后進行接下來的后處理流程。

3.穿刺針區(qū)域分割與增強

3.1 Radon變換的原理

Radon變換可以將空間線檢測轉(zhuǎn)化到角度-距離空間，能在噪聲圖像中保持穩(wěn)定。在角度-距離空間中，圖像中的一條亮線表現(xiàn)為一個峰值，一條暗線表現(xiàn)為一個谷值，分別對應一個角度坐標和距離坐標。對于大小為MxN的圖像來說，Radon在二維歐幾里德空間的變換矩陣為：

圖3. Radon變換的幾何意義和Radon矩陣

圖4. 穿刺針區(qū)域分割算法流程

其中，δ（r）代表Dirac方程，二維空間中一條直線符合以下定義

Radon變換幾何意義如圖3（a）所示。擁有一條長直線的圖像的Radon矩陣如圖3（b）所示。

Radon矩陣中橫坐標代表直線偏角，縱坐標代表直線與中心的距離，每個點的亮度代表一條直線在圖像中的積累量。亮度越大，代表直線積累越多，在二值圖中表現(xiàn)為線上的點數(shù)越多。

因為穿刺針在圖像中一般較長，較為連續(xù)，獲得Radon矩陣后，搜索矩陣中最大值所在的位置（積累量最大，代表直線數(shù)據(jù)量大）的坐標ρ，θ，認為是穿刺針所在的直線的位置。這樣的做法可以克服穿刺針圖像可能出現(xiàn)的中斷問題，增加檢測穩(wěn)定性。

3.2 基于Radon變換的直線分割

穿刺針區(qū)域分割算法流程如圖4所示。

偏轉(zhuǎn)圖SF進行兩次OTSU分割，去除多余干擾。OTSU是一種基于直方圖的圖像分割算法，能自動分析圖像的分割閾值點，將圖像分為兩部分。一個離散概率密度函數(shù)的歸一化方程如下所示：

其中，n是圖像中的像素總數(shù)，nq是灰度級為rq的像素數(shù)目，L是圖像中所有可能的灰度級數(shù)。假設我們現(xiàn)在已經(jīng)選定了一個閾值k，C0是一組灰度級為[0,1,…, k-1]的像素，C1是一組灰度級為[k,k+1,…, L-1]的像素。OTSU方法選擇最大化類間方差σ2B的閾值k。得到k值后，即可

第一次OTSU分割：將較暗的噪聲和背景設置為0；

第二次OTSU分割：根據(jù)上一步的結(jié)果再進行一次OTSU，分割出高亮部分，得到二值圖ImageBaniry。根據(jù)ImageBaniry分辨率建立二維歐幾里得空間，重建一條直線，用以下直線方程表示：

其中，a為直線斜率，b為直線與y軸交點坐標。a，b的具體數(shù)值由ρ，θ經(jīng)過一定的轉(zhuǎn)換后得來。

獲取直線后，在SF中以直線為中心擴展出一個15像素寬度的條帶區(qū)域，取出條帶區(qū)域，設為BandLine。

為了避免直線搜索時可能出現(xiàn)的假線問題，將設置以下限制條件：

（1）根據(jù)具體圖片情況，b值應大于0或者小于0；

（2）BandLine中像素二值化，然后找出其中的最大連通區(qū)域LineMaxR，其長度必須大于某個閾值；

（3）LineMaxR斜率與a的差值必須小于某個閾值。

3.3 Radon數(shù)值校正

針的圖像區(qū)域通常會有一定的寬度，因此使用Radon變換最大值搜索直線所在位置的時候，會出現(xiàn)偏離中心線，搜索到對角線的情況。如圖5（a）所示，為了顯示方便，線段區(qū)域設置為黑色。這種情況會使重建后的針區(qū)域位置出現(xiàn)上下幀之間的微小偏差，表現(xiàn)為輕微的抖動，并且會偏離真實的針體位置。經(jīng)過一定的校正措施后，直線位置如圖5（b），可見校正措施起到了良好的效果。

校正措施過程如下：

對于一個有寬度的線段區(qū)域BandL，其Radon變換矩陣如圖6（a）所示。BandL的上邊緣和下邊緣各有一條直線，可以認為BandL擁有兩個ρ，兩個θ。6（b）中示意了線段區(qū)域的ρ分布。如果直線僅需要ρ值的校正，那么：

同理，如果直線僅需要θ值的校正，則有：

線段中通常會出現(xiàn)對角線方向的偏差，即ρ，θ同時需要校正。為了達到這個目的，可以對BandL的Radon變換矩陣使用一個均值濾波，在濾波后的結(jié)果中搜索最大值來確定直線中心線。均值濾波的模板大小要由線段寬度而定。本算法使用的模板大小為3X3。

圖5. Radon校正前后的直線檢測對比

圖6. (a)有寬度的線段的Radon變換數(shù)值矩陣 (b)ρ值分布示例

圖7. 穿刺針增強前后對比，圖像為模體穿刺結(jié)果。(a)增強前(b)增強后

3.4 穿刺針復合增強

經(jīng)過以上環(huán)節(jié)獲取最終直線后，在SF中以直線為中心擴展出一個15像素寬度的條帶區(qū)域，并以此區(qū)域像素與正常組織圖像NT進行融合，達到穿刺針增強的目的。增強前后效果如圖7示意。

4.結(jié)論

本文提出了一種基于Radon變換的穿刺針增強算法，在波束偏轉(zhuǎn)后獲得的偏轉(zhuǎn)幀上進行直線分割，較好的獲得針體區(qū)域。增強后的針體部分清晰銳利，針尖完整，且噪聲影響小，效果穩(wěn)定。整個算法簡單有效，開啟算法后圖像流暢自然，具有很強的實用性。

[1] Michael B. Stone , Cynthia Moon, Needle tip visualization during ultrasound-guided vascular access: short-axis vs longaxis approach, American Journal of Emergency Medicine (2010) 28, 343-347.

[2] Nikolaos Pagoulatos, Qinglin Ma, Andrew K. Lundberg, System and method for enhanced imaging of objects within image, United States Patent, US 2011/0249878 A1.

[3] Janjun Guo, Feng Lin, Menachem Halmann, Method and apparatus for enhancing needle visualization in ultrasound imaging , United States Patent, US 2012/0209107 A1.

[4] Charles R Hatt, Enhanced Needle Localization in Ultrasound Using Beam Steering and Learning-Based Segmentation, COMPUTERIZED MEDICAL IMAGING AND GRAPHICS · JULY 2014.

[5] Mert Kaya and Oz Automat kan Bebek, Needle Localization Using Gabor Filtering in 2D Ultrasound Images, IEEE International Conference on Robotics and ion (ICRA 2014)

Ultrasound Needle Enhancement System Based on Radon Transform

FU Ji-lin1YAN Gui-xia2LING Feng2
1 uangdong Medical Devices Quality Surveillance and Test Institute (Guangzhou 510663)
2 EDAN INSTRUMENTS,INC. (Shenzhen 518067)

Needle enhancement visualization algorithms are usually based on beam-steering, which needs users to set one beam steering angle at first, and also needs to enhance the needle by image blending. This kind of image post-processing may result in the image looking badly because of noise from steering frame. The method proposed in this paper use image segmentation as image post processing after beam-steering. Radon transform algorithm is applied to detect the needle location and orientation in the steering frame. After radon value correction, the needle region is compounded with the normal tissue frame to get the display frame. This method is simply but effective and it avoids noise.

needle enhancement, beam steering, radon transform, radon correction

1006-6586(2016)07-0058-05

R445.1

A

2015-10-08