论文部分内容阅读
胶囊内镜是本世纪初一项重要的创新技术,从功能上讲,胶囊内镜能够到达消化道任何位置,克服了传统内镜无法检查小肠道疾病的局限,且具有无创伤、耐受性好的特点。虽然胶囊内镜在临床使用只有仅仅10年的时间,但其检测的有效性逐渐的得到了医学界的认同,目前国内外许多著名的医院已经开始将胶囊内镜作为小肠疾病检测和诊断的首选设备。胶囊内镜平均在消化道内逗留8个小时(不同的受检个体会有不同的逗留时间),在胶囊内镜全程消化道检查期间,其摄像系统会自动拍摄全程消化道场景(平均每秒钟拍摄两幅,全程可采集50000~60000幅彩色的消化道图像数据)。从这些消化道的图像数据中筛查出含有可疑病变的图像对于临床医生来说,是一项任务繁重,且相当枯燥的工作。因此针对胶囊内镜图像数据的计算机辅助诊断(Computer Aided Diagnosis, CAD)技术逐渐成为了医学图像处理研究领域中一个热点问题,其目标是缩短临床医生阅片的时间,提高阅片效率。本文从评估胶囊内镜图像序列帧间的相似度出发,进而分析胶囊内镜图像序列间数据的冗余程度,最终筛查出胶囊内镜图像序列中具有相似或重复场景内容的图像数据,保留内容相异、代表性强的图像数据,使胶囊内镜图像序列总的图片帧数得到大幅的减少,从而达到缩短临床医生的阅片时间和提高临床医生的阅片效率的目的。为了有效地筛查出胶囊内镜图像序列中的冗余数据,本文提出两种胶囊内镜图像冗余数据筛查算法,第一种方法是基于相机运动估计的胶囊内镜图像序列冗余数据筛查算法(BAME-SIFTFlow),第二种方法是基于纹理基元统计直方图的胶囊内镜图像序列冗余数据筛查算法(LTH)。在基于相机运动评估的胶囊内镜图像序列冗余数据筛查算法中,本文提出了胶囊内镜图像帧间运动模型和胶囊内镜图像帧间运动评估方法。在该运动模型下胶囊内镜成像受到两种运动的约束,第一种运动约束来自于胶囊内镜自身的运动,第二种运动约束由消化道自身蠕动产生的。基于所提出的运动模型,胶囊内镜图像帧间的运动评估,分为两个步骤:1.胶囊内镜相机运动评估(粗等级运动评估),对于相机运动评估,采用蜜蜂优化算法(BA)结合直接对齐法评估胶囊内镜相机运动参数;2.消化道局部非刚性运动评估(精细等级运动评估),对于局部非刚性运动评估,采用SIFT-flow算法对局部非刚性形变进行运动估计。在基于运动评估结果的冗余数据筛查过程中采用双向运动评估方式(向前运动评估和向后运动评估)方式,评估相邻胶囊内镜图像间的无效区域,并利用无效区域的最大内切圆直径作为评估冗余数据依据。在基于纹理基元的胶囊内镜图像序列冗余筛查算法中,本文提出了一个基于统计学习方法计算两幅胶囊内镜图像相似度的方法,该方法分为学习阶段和测试阶段。在学习阶段,样本图像的纹理基元通过聚类算法被提取出,并建立与位置相关的纹理基元直方图,在直方图的建立过程中,采用二次规划分配方案建立模糊直方图。在测试阶段,以样本图像的纹理基元为参考建立测试图片的与位置相关的纹理基元直方图,并计算样本图像和测试图像的纹理基元直方图像之间的似然度。最终以评估的似然度值作为胶囊内镜图像间的相似度评判标准和冗余数据筛查的依据。实验结果显示本研究所提出的两种冗余筛查算法与ARPS和FCM-NMF算法相比具有较高的召回率,均大于74%,尤其LTH方法比BAME-SIFTFlow方法更能够有效的判断图像之间的相似度,其召回率可达到77%。从筛查采样频率上比较,本文所提出的两种方法都比ARPS和FCM-NMF算法更符合实际图像序列的灰度值变化。最后,本文对整个工作进行了总结,并对今后的研究工作进行了展望。