无线胶囊内窥镜图像的疾病自动诊断技术研究

Vol.4No.3/Mar.010(b)lymphangiectasia(a)bleeding(c)Celiacdisease(d)Crohn’sdisease(e)tumor(f)ulcer无线胶囊内窥镜图像的疾病自动诊断技术研究崔蕾　胡超摘要针对当前无线胶囊内窥镜（Wireless Capsule Endoscopy 缩写为WCE）的临床应用中体现出的占用时间多和易忽略重要信息等难题，本文基于彩色空间模型进行WCE图像的疾病自动诊断技术的研究。本文在阐述无线胶囊内窥镜技术研究现状的基础上，分别说明了基于自适应阈值分类的淋巴管扩张疾病诊断方法和基于支持向量分类器的出血检测方法。实验证明，这两个疾病检测方法都是有效的。关键词无线胶囊内窥镜；疾病自动诊断；彩色特征；自适应阈值；支持向量机1引言 无线胶囊内窥镜(Wireless Capsule Endoscopy 缩写为WCE)的出现标志着消化内镜技术发展史上新的里程碑的诞生。传统的各种检测方法对肠胃区域进行检查诊断的敏感度和准确性都较低，而且很难深入小肠区域这一消化道最长的器官。无线胶囊内窥镜不仅解决了这一难题，而且相对于传统内镜，没有侵入性且不需要镇静剂。这大大减少了患者的痛苦。但是，由于一次诊断中大量的图片需要内科医生使用肉眼浏览观看，这种方法不仅消耗了大量的时间，而且易于忽略掉重要信息。为了解决这一难题，寻找计算机辅助诊断方法就变得非常重要了。本章即针对这一问题，进行WCE图像的疾病自动诊断技术的研究。2　基于无线胶囊内窥镜的技术研究现状 2001年，以色列吉文成像公司(Given Imaging Ltd.)采用伊丹的专利技术，生产了名为M2A(全名M2ATM，现名Pillcam)的世界上第一个胶囊式内窥镜。这标志着这种新的肠胃道内镜的诞生。如图1所示，M2A型胶囊式内窥镜体积很小，患者只需用水将装有微型相机的胶囊服下，然后戴上一条配备有无线数据图像接收器的特制腰带来接收相机拍摄的照片即可。所以它可以避免外界侵入和麻醉剂的使用。更重要的是，WCE可以深入到其他内镜和诊断方法无法进入的小肠进行全程实景观察。不仅使小肠不再是内镜检查的盲区，而且为不宜行有创性检查的老年消化道疾病患者带来福音。随着这一技术的诞生，很多研究机构和公司在这一领域开始了研究并取得了大量的研究成果。 基于无线胶囊内窥镜的技术主要包括两个方面。一是胶囊的研制。为了进一步提高胶囊的各种性能，一些研究机构和公司对无线胶囊进行研究。其中胶囊的驱动和定位控制是两个很重要的研究方向。例如日本的Olympus公司针对无线胶囊控制能力差的缺陷研制出具有驱动能力的胶囊内窥镜。我们研究团队的其他成员对新一代无线胶囊的驱动能力和定位系统等关键技术也进行了相关研究[1][2]。二是无线胶囊内窥镜图片的分析和处理。使用WCE的目的就是为了得到人体内胃肠道区域的信息来进行进行诊断和治疗，故对WCE图像的分析和处理是非常重要的研究方向。本文主要针对WCE图片处理进行研究，在这方面的研究主要有以下三个方面。 图1无线胶囊内窥镜 1) 视频分段(Video Segmentation)。 肠胃道区域有足足20英尺长，包含了人体多个器官。为了研究方便，一般将GI分为食道，胃，小肠和结肠四个部分。WCE视频分段主要是将一个案例的视频分为上面这几个部分。它主要基于两个位置的判定：Pylorus 和Ileocaecal Valve(IV)。其中Pylorus 是胃和小肠的分界处，IV是小肠的结肠的分界处。如在[3]中，作者通过使用融合彩色，纹理和运动信息的特征矢量对这四个组成部分进行区分并取得无线胶囊内窥镜图像的疾病自动诊断技术研究了很好的效果。 2) 图像增强(Image Enhancement)。 由WCE获取的图片有的对比度较低、质量较差，这会对医生诊断或计算机辅助诊断产生不良的影响。因而WCE图像的图像增强技术就变得必要了。B. Li et al.在[4]中引入新概念曲率强度，并提出了一种自适应曲率强度扩散的图像增强算法。 3) 疾病诊断(Disease Detection)。 这是指通过分析和处理WCE图像来对患者进行疾病自动诊断。这是WCE图像处理的核心内容。本文就是进行疾病计算机辅助诊断方面的研究。下面介绍疾病自动诊断技术的一些研究成果。 目前，WCE图像疾病诊断方面的研究和成果还远远不够。色列吉文成像公司为其生产的无线胶囊内窥镜提供的配套软件RAPID Reader(RR)具有简单的辅助处理功能，但是其准确率等各项指标都很低。这一方向还需要大量研究人员进行相关的研究。由于很难真正寻找到代表疾病的特征，疾病自动诊断是非常有挑战性的。下面介绍一些比较典型的WCE图像疾病自动诊断方法。 B. Li et al.在[5]中提出了一个新的WCE图片疾病区域检测方法。这种方法通过提取彩色特征和最小距离分类器来得到最终的结果。在这里，作者选用的彩色空间模型是CIELab彩色空间。为了减少运算量，作者使用了彩色量化和分块处理。在[6]中，B. Li et al.提出了一种基于色度的矩特征chromaticity moment来检测WCE图像的疾病区域。通过实验可以得出这一新提出的特征是非常有效的。 在[7]中，作者提出了一种自动检测出血区域的方法。这种方法是基于色彩谱变换和形态滤波器(Morphological Filtering)的。 Boulougoura et al. 在[8]中开发了WCE图像疾病区域检测的智能系统。作者综合使用HSV彩色空间模型和RGB彩色空间模型，将H，S，V，R，G，和B作为6个通道，分别计算其统计特征。通过计算，将得到的特征向量作为神经网络分类器的输入进行疾病自动诊断。实验结果表明可以达到100%的准确率。3　彩色空间模型分析 以色列吉文成像公司(Given Image Ltd.)研制成功的无线胶囊内窥镜M2ATM使用的是彩色摄像机，并且可以得到256×256像素大小的彩色图像。事实上，彩色图像和灰度图像相比，能提供更多的信息。并且，人体组织的色彩信息通常也为内科医生进行疾病诊断提供重要信息。因此，这就为这种方法用于疾病诊断提供了现实基础。图2是从大量的WCE获得的图片中选取的六种不同的疾病的图片。从图中可以看到不同的疾病具有不同的彩色特征和性状。所以我们可以提取彩色图像信息的特征来进行疾病诊断。 对于分析和提取彩色特征而言，选择合适的彩色空间模型是首要的也是最重要的一步。合适的色彩空间模型的选择是基于不同的应用和各种因素的考虑的。采用不同的彩色空间模型会极大地影响相关性能。在近百年的发展中，有很多彩色空间模型被用于彩色图像的处理，如RGB，CIELAB，CIEXYZ，YUV，YIQ，CMYK，HSV，HIS等。我们最熟悉的RGB彩色空间模型由于其在色彩产生系统的便利性而通常被用于显示图片，储存图片和传输图片。但是，RGB彩色空间通常不适用于其他的图像处理。这主要是因为它不是一个均匀的彩色空间。而在不均匀色彩空间中，色彩空间距离一致的不同颜色部分表现的感知差异是不同的。色彩是视觉感知的属性，在医学应用中，视觉均匀的色彩空间是很必要的。另外，由于RGB彩色空间各个通道的高度相关性，当每个通道分别分析时会产生很大的色彩偏移。在医学应用中尤其不允许有这种偏移。本文选择使用HSV彩色空间模型来进行淋巴管扩张疾病区域检测。 HSI彩色空间模型产生于1970s。它是从人的视觉系统出发，用色调(Hue)、色饱和度(Saturation)和亮度 (Intensity)来描述色彩。通常把色调H和饱和度S通称为色度，用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI色彩空间，它比RGB色彩空间更符合人的视觉特性。HSV彩色空间模型采用色调和饱和度来描述颜色这一特性非常有利于彩色特征提取，这是因为我们可以分别从色度盘和亮度盘提取特征。因此，在HSI色彩空间可以大大简化图像分析和处理的工作量。 很多研究者利用这一彩色空间模型都取得了很好的效果。因此，本文利用HSI彩色空间模型提取的彩色特征来进行内窥镜图片的疾病检测。 HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，因而它们之间存在着转换关系。在RGB空间的彩色图像可以方便地转换到HSI空间。对任何三个归一化到[0，1]范围内的R，G，B值，其对应的HSI模型中的H，S，I分量可由下面的公式计算。 (1)22()()arccosR2()()()()()2arccos2()()()RGRBRGBRGRBGBHRGRBBGRGRBGBS­­½°°°®¾°°°°¯¿®­½°°°°®¾°°°¯¿¯zz!៪31min(,,)()SRGBRGB()/3IRGB,ijFVaN,,,,,11{(,)|0}ijijijCijCijTFIVaNVaNCijIz¦¦^`1,,:ijRRfijIT!^`1,,:ijBRfijITd,ijI34:2000:2000:10002RRasdiseaseregionACigRRasdiseaseregionAnormalregionBCountTCountFABCountF!­°d®°¯Vol.4No.3/Mar.010(a)(b)(c)(d) (2) (3) 图2无线胶囊内窥镜疾病图片4　基于自适应阈值分类的淋巴管扩张疾病诊断 淋巴管扩张疾病主要发生在小肠，故又称为小肠淋巴管扩张症(Intestinal Lymphangiectasia缩写为IL)。传统内窥镜很难深入小肠，WCE的出现使这种疾病借助内窥镜来进行诊断和手术成为可能。随着胶囊内镜检查技术的开展，这一疾病的诊断率有所提高。小肠淋巴管扩张症常见于儿童和青少年，可以通过手术治愈。手术主要是针对病变部位进行局部手术切除病变肠段，或淋巴管、静脉吻合术等使病情得到缓解。不论是淋巴管扩张疾病的确诊还是之后的手术治疗中疾病区域的定位，都可以借助无线胶囊内窥镜来方便有效地完成。 淋巴管扩张的无线胶囊内窥镜图片如图3所示，其中(a)(b)(c)是淋巴管扩张的无线胶囊内窥镜图片，(d)是正常情况的内窥镜图片。从图中可以明显看出有黄白色发亮物质。这是因为，这种疾病通常表现为十二指肠黏膜弥漫性分布的小白点，浆膜腔积液，或黏膜绒毛肿胀，斑片状、点状黄白色改变等。尤其是扩张的淋巴管通常会破裂而漏出淋巴液，漏出的淋巴液含有多种血浆蛋白、淋巴细胞和乳糜微粒。这一特性使淋巴管扩张这一疾病与其他疾病如出血，肿瘤和Celiac疾病等疾病相比，不仅具有大量的色度信息，同时具有显著的亮度信息。而在HSV彩色空间模型里可以很容易地提取出其亮度信息。所以本节通过从HSI彩色空间模型提取出的亮度信息来进行淋巴管扩张的疾病区域检测。这一特征的有效性将通过下文介绍的自适应阈值分类器得到验证。 图3淋巴管扩张 自适应阈值分类器使用内窥镜图片的亮度特征均值作为初始阈值。方法详述如下。 步骤1：计算每一个有效像素点的特征22()()arccosR2()()()()()2arccos2()()()RGRBRGBRGRBGBHRGRBBGRGRBGBS­­½°°°®¾°°°°¯¿®­½°°°°®¾°°°¯¿¯zz!៪31min(,,)()SRGBRGB()/3IRGB,ijFVaN,,,,,11{(,)|0}ijijijCijCijTFIVaNVaNCijIz¦¦^`1,,:ijRRfijIT!^`1,,:ijBRfijITd,ijI34:2000:2000:10002RRasdiseaseregionACigRRasdiseaseregionAnormalregionBCountTCountFABCountF!­°d®°¯，取其统计平均值作为初始阈值T。式中其C是有效像素点