多光譜醫(yī)療圖像去馬賽克重建及分割研究.pdf

1、傳統(tǒng)傷口評(píng)估需要臨床醫(yī)師憑借經(jīng)驗(yàn)對(duì)傷口使用毫米尺等工具進(jìn)行手動(dòng)測(cè)量大小和視覺(jué)觀察給出傷病級(jí)別、感染等傷口狀態(tài)評(píng)估，因其較低效率占用了海量醫(yī)療資源。多光譜圖像可獲取傷口處不同組織細(xì)胞在光譜維度上更多的信息，實(shí)現(xiàn)對(duì)傷口情況的精確描述。然而，現(xiàn)行多光譜傷口圖像的去馬賽克重建和分割算法精度有限且難以實(shí)現(xiàn)噪聲圖像處理，限制了多光譜成像技術(shù)在自動(dòng)化傷口評(píng)估中的應(yīng)用。為此，本文以馬賽克濾光陣列多光譜成像技術(shù)的醫(yī)療應(yīng)用為背景，針對(duì)多光譜圖像去馬賽克重建

2、算法無(wú)法利用原始圖像進(jìn)行適應(yīng)性調(diào)整并難以實(shí)現(xiàn)噪聲處理的問(wèn)題，分別提出了基于自適應(yīng)距離和開(kāi)關(guān)型濾波降噪的圖像去馬賽克重建算法；針對(duì)自動(dòng)化分割方法受傷口形狀、拍攝條件和角度等因素影響容易造成誤判的問(wèn)題，提出基于圖論的半自動(dòng)化分割方法，最終實(shí)現(xiàn)了一個(gè)包括多光譜傷口圖像采集和識(shí)別功能的在線診斷系統(tǒng)。全文主要內(nèi)容如下：
　?、籴槍?duì)某些去馬賽克算法不能根據(jù)原始圖像進(jìn)行自適應(yīng)性調(diào)整的問(wèn)題，本文提出了基于不同尺度自適應(yīng)距離權(quán)值的去馬賽克算法：首先

3、利用維納濾波建模，將去馬賽克問(wèn)題轉(zhuǎn)化為圖像還原問(wèn)題；然后使用空間距離、光譜距離和梯度距離構(gòu)建已知光譜信息與未知光譜信息的相關(guān)性矩陣，將維納濾波系數(shù)矩陣分解為參數(shù)矩陣與相關(guān)性矩陣的乘積，使濾波系數(shù)的求解問(wèn)題轉(zhuǎn)化為系統(tǒng)參數(shù)的求解；改進(jìn)后的濾波系數(shù)矩陣來(lái)自系統(tǒng)參數(shù)和隨原始圖像已知光譜信息變化調(diào)整的相關(guān)性矩陣的乘積，實(shí)現(xiàn)了多光譜圖像去馬賽克重建的自適應(yīng)。實(shí)驗(yàn)結(jié)果表明，基于不同尺度自適應(yīng)距離權(quán)值的去馬賽克算法與線性插值算法、雙三次插值和二叉樹(shù)邊緣

4、感知算法相比，在多光譜傷口圖像數(shù)據(jù)集與公共數(shù)據(jù)集中均得到了較好的結(jié)果：拉鏈錯(cuò)誤大幅減少，成像結(jié)果清晰；峰值信噪比在二叉樹(shù)邊緣感知算法的基礎(chǔ)上分別提高了3.5和3.261，即單位像素的灰度誤差降低了33％和31%；同時(shí)，算法穩(wěn)定性較好，在真實(shí)數(shù)據(jù)集中的性能下降幅度較低。
　?、卺槍?duì)傳統(tǒng)去馬賽克算法無(wú)法處理含噪多光譜圖像重建的問(wèn)題，本文在基于不同尺度自適應(yīng)距離權(quán)值的去馬賽克算法的基礎(chǔ)上，分別提出兩種不同的開(kāi)關(guān)型中值濾波技術(shù)對(duì)原始圖像和

5、去馬賽克結(jié)果進(jìn)行降噪處理：第一，利用鄰域投票的方式進(jìn)行一級(jí)噪聲檢測(cè)，并利用鄰域內(nèi)的非噪聲像素的均值和標(biāo)準(zhǔn)差定義閾值，從而對(duì)一級(jí)檢測(cè)結(jié)果進(jìn)行二級(jí)檢測(cè)，利用二級(jí)噪聲檢測(cè)算法處理原始圖像中的噪聲；第二，本文提出了一種新型開(kāi)關(guān)矢量中值濾波對(duì)去馬賽克結(jié)果進(jìn)行后置處理，通過(guò)提出并利用平滑區(qū)域檢模型，提高矢量中值濾波集合內(nèi)像素的相似性，解決傳統(tǒng)算法將圖像的細(xì)線紋理作為噪聲進(jìn)行處理的問(wèn)題。實(shí)驗(yàn)結(jié)果表明，本文提出的兩種多光譜圖像噪聲處理算法在含有噪聲的環(huán)

6、境中，可以得到較好的重建結(jié)果，與只含有原始圖像降噪處理的算法相比，含有后置處理的去馬賽克算法可以得到更好的重建結(jié)果。
　　③針對(duì)自動(dòng)化方式的分割方法受傷口形狀、圖片拍攝條件和角度等因素的干擾造成適應(yīng)能力較差的問(wèn)題，本文提出了改進(jìn)的 GrabCut多光譜慢性傷口圖像分割算法，通過(guò)利用較少的操作彌補(bǔ)自動(dòng)化分割算法適應(yīng)能力較差的問(wèn)題。算法通過(guò)利用圖像的邊緣信息改造損失函數(shù)中的前景、背景模型，使其對(duì)邊緣更加敏感；同時(shí)利用光譜向量和邊緣概率

7、衡量像素點(diǎn)之間的差異，進(jìn)一步改造能量損失函數(shù)，提高模型的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明，本文提出算法需要的交互操作較少，在準(zhǔn)確率、召回率、F-SCORE上均取得了較好的結(jié)果：與傳統(tǒng)Grabcut算法相比，本文提出的算法在三個(gè)方面分別提高了7.8%、3.7%和6.2%；在對(duì)復(fù)雜形狀傷口的分割方面，本文提出算法的性能下降較小，具有較好的適應(yīng)能力。
　　④在以上工作基礎(chǔ)上，本文實(shí)現(xiàn)了基于馬賽克濾光陣列多光譜成像和多光譜圖像分割的在線傷口評(píng)估系統(tǒng)，

8、包括傷口采集（多光譜成像）和傷口分割（多光譜圖像分割）兩大部分：本文根據(jù)馬賽克濾光陣列多光譜成像技術(shù)，設(shè)計(jì)硬件的組織結(jié)構(gòu)并對(duì)硬件之間的相關(guān)性、透過(guò)率、量子效應(yīng)等性能指標(biāo)進(jìn)行說(shuō)明。結(jié)果表明，本文提出的傷口評(píng)估系統(tǒng)可以得到有效的傷口分割結(jié)果，與彩色圖像傷口評(píng)估技術(shù)相比，可以得到更加全面的傷口狀態(tài)表述。
　　綜上所述，本文在前人工作基礎(chǔ)上對(duì)多光譜醫(yī)療圖像去馬賽克重建和分割算法提出了一系列改進(jìn)，實(shí)現(xiàn)了基于馬賽克濾光陣列多光譜成像技術(shù)的傷口