多光譜醫(yī)療圖像去馬賽克重建及分割研究.pdf

1、傳統(tǒng)傷口評估需要臨床醫(yī)師憑借經(jīng)驗對傷口使用毫米尺等工具進(jìn)行手動測量大小和視覺觀察給出傷病級別、感染等傷口狀態(tài)評估，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，實現(xiàn)對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現(xiàn)噪聲圖像處理，限制了多光譜成像技術(shù)在自動化傷口評估中的應(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，針對多光譜圖像去馬賽克重建

2、算法無法利用原始圖像進(jìn)行適應(yīng)性調(diào)整并難以實現(xiàn)噪聲處理的問題，分別提出了基于自適應(yīng)距離和開關(guān)型濾波降噪的圖像去馬賽克重建算法；針對自動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題，提出基于圖論的半自動化分割方法，最終實現(xiàn)了一個包括多光譜傷口圖像采集和識別功能的在線診斷系統(tǒng)。全文主要內(nèi)容如下：
　?、籴槍δ承┤ヱR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，將去馬賽克問題轉(zhuǎn)化為圖像還原問題；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，實現(xiàn)了多光譜圖像去馬賽克重建的自適應(yīng)。實驗結(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：拉鏈錯誤大幅減少，成像結(jié)果清晰；峰值信噪比在二叉樹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，算法穩(wěn)定性較好，在真實數(shù)據(jù)集中的性能下降幅度較低。
　?、卺槍鹘y(tǒng)去馬賽克算法無法處理含噪多光譜圖像重建的問題，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關(guān)型中值濾波技術(shù)對原始圖像和

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)行一級噪聲檢測，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，從而對一級檢測結(jié)果進(jìn)行二級檢測，利用二級噪聲檢測算法處理原始圖像中的噪聲；第二，本文提出了一種新型開關(guān)矢量中值濾波對去馬賽克結(jié)果進(jìn)行后置處理，通過提出并利用平滑區(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)行處理的問題。實驗結(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針對自動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，通過利用較少的操作彌補自動化分割算法適應(yīng)能力較差的問題。算法通過利用圖像的邊緣信息改造損失函數(shù)中的前景、背景模型，使其對邊緣更加敏感；同時利用光譜向量和邊緣概率

7、衡量像素點之間的差異，進(jìn)一步改造能量損失函數(shù)，提高模型的準(zhǔn)確性。實驗結(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方面分別提高了7.8%、3.7%和6.2%；在對復(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)計硬件的組織結(jié)構(gòu)并對硬件之間的相關(guān)性、透過率、量子效應(yīng)等性能指標(biāo)進(jìn)行說明。結(jié)果表明，本文提出的傷口評估系統(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)，實現(xiàn)了基于馬賽克濾光陣列多光譜成像技術(shù)的傷口