探究小波變換在醫學圖像處理中的應用

摘 要：由于受到醫療器械先進水平及環境等要素的影響，臨床醫師的醫學圖像應用過程常常會產生一些人工處理需求。通過對目前我國醫學圖像處理現狀的分析可知，雖然可行的處理方法數量較多，但其處理結果分別存在不同程度的弊端。本文從小波變換的概念入手，對小波變換在醫學圖像處理中的應用進行分析和研究。

關鍵詞：小波變換；醫學圖像處理；應用

DOI：10.16640/j.cnki.37-1222/t.2017.17.127

0 前言

隨著人們生活質量的不斷發展，其對醫療水平的要求發生了顯著提高。醫學圖像作為臨床診斷及治療中的常用依據，其質量直接影響臨床醫師確診及治療決策的作出。

1 小波變換

（1）小波變換的概念。小波變換是指基于變換將問題的固定特征突出出來，通過對空間頻率參數的局部化分析以及函數的多尺度細化，實現對低頻處頻率與高頻處時間的合理細分，使得傅里葉變換難點得以順利解決[1]。

（2）小波變換的基本原理。小波變換的原理是指：通過對時間與尺度之間的交互分析，變更頻率窗、時間窗以實現時頻的局部化。小波變換的基本原理決定著這種方法可在非平穩信源的分析工作中產生良好的應用效果。

2 小波變換在醫學圖像處理中的應用

這里主要從以下幾方面入手，對小波變換在醫學圖像處理中的應用進行分析和研究：

（1）醫學圖像融合方面。在臨床醫學圖像處理中，常常會遇到一幅圖像信息不足的現象。為了滿足臨床診斷和治療工作的需求，可以通過融合方式將同一患者的多幅醫學圖像融為一體，以獲得大信息量的圖像信息。從本質角度來講，可以將醫學圖像的融合處理分成以下幾個階段：第一，像素級處理階段。這一階段的融合難度較低，且醫學圖像中的信息基本不會出現丟失現象。第二，特征級融合階段。這一階段的融合難度相對較高，它要求保留多幅圖像的特征信息，但從實踐融合經驗可知，這一要求的完成質量相對較低。第三，決策級融合階段。作為醫學圖像融合的終極階段，其處理難度最高。為提升醫學圖像的融合質量及融合階段水平，可以將小波變換處理方法應用在這項工作中。其處理原理為：小波變換法可以通過將某一固定信號變換到頻域，或者直接根據融合需求將所需信號的頻譜從整幅醫學圖像中完全剝離、提取出來。從本質角度來講，可以將基于小波變換的醫學圖像融合看成是一種融合規則融合。這種方法在保留被處理對象圖像既有邊緣特征和紋理特征的同時，還可以將最終所得融合圖像信息中的塊效應有效消除，為臨床醫師的診斷鑒別工作提供有效的參照依據。

例如，當臨床醫學圖像處理中產生X射線計算機斷層CT圖像、正電子發射型PET計算機斷層圖像融合需求時，可以將小波變換技術應用在該融合處理過程中，使得醫學圖像同時反映代謝信息的原為表達結果、患者的精細解剖結構兩種。

（2）醫學圖像去噪方面。超聲圖像的去噪結果直接影響醫學圖像作為臨床診斷依據作用的發揮。通過對目前我國臨床上超聲醫學圖像去噪處理工作的分析可知，單一尺度濾波法是一種較為常用的去噪方法。超聲醫學圖像去噪處理經驗表明，這種方法能夠有效地將圖像中的斑紋噪聲大部分去除，但與此同時，超聲圖像本身的邊緣信息產生較為嚴重的丟失，嚴重影響自身作用的發揮。基于上述情況，可以將具有基函數靈活性特點、低熵性特點的小波變換處理法應用在實際的超聲醫學影響去噪處理工作中。這種方法的處理原理為：絕對值參數較小的小波系數以噪聲信號為主，而絕對值參數較大的小波系數則以圖像信號為主，因此，在噪聲處理環節中，可以將噪聲與圖像兩種信號存在明顯重疊現象部分的小絕對值小波系數去除，此時所獲得即為超聲醫學圖像，且圖像的邊緣信息和細節信息基本不受損害[2]。這項處理工作要求從醫學圖像中獲得高信噪比參數圖像，因此，需通過大尺度分解的方式，提升信號的集中程度，進而促進噪聲去除目的的實現。

（3）醫學圖像邊緣提取方面。通過對醫院傳統醫學圖像處理工作的分析可知，其對圖像邊緣的傳統處理主要是通過算子提取法完成的。這種處理方法的弊端在于，經處理后的醫學圖像邊緣仍然存在不同程度的清晰度低問題。為了改善這種局面，可以將小波變換法應用在實際的醫學圖像邊緣處理工作中。基于小波模極大值邊緣檢測法開展處理工作：若所選母函數為平滑函數的一階偏導數，則處理中變換模的極大值參數剛好處于醫學圖像的密度突變點位置上。在這種情況下，可以結合處理對象圖像的頻率變化特征和時間變化特征，對醫學圖像的分辨率進行自動調節，使得醫學圖像中原本不清晰的圖像邊緣得到合理放大，以便臨床醫師根據放大后的醫學圖像邊緣信息開展全面分析。

（4）醫學圖像特征增強方面。在臨床診斷工作中，患者的醫學圖像特征是臨床醫師確診的主要依據。由于設備及患者自身身體狀況等因素的影響，臨床醫學圖像分析工作中常常會出現一些特征模糊或不清晰的問題。為保證臨床醫師快速得出準確的診斷結果，可以事先利用小波變換對存在特征不清晰問題的醫學圖像進行預處理。[3]具體處理流程如下：首先利用小波對存在特征不清晰問題的醫學圖像進行分解，將其分解成具有高時間分辨率、低頻率分辨率特點的高頻模塊，具有高時間分辨率特點、低頻率分辨率特點的低頻模塊兩個部分。在這種情況下，醫學圖像的細節和邊緣被劃分至高頻模塊中，而圖像輪廓則被合理劃分在低頻模塊中。由于特征分析主要與細節有關，此時，可以對高頻模塊的細節的小波系數進行合理增強，以實現促進臨床醫師作出準確決策的目的。以胃部超聲圖像為例，可以通過小波變換處理增加胃部圖像信息的熵，使得患者圖像的胃竇輪廓變得更加清晰。

3 結論

為了促進醫學圖像參照功能的有效發揮，可以將小波變換這種具有低熵性優勢、基函數靈活性優勢的處理方法應用在醫學圖像的特征增強處理、邊緣提取處理、去噪處理以及融合處理等多項后期處理工作中。

參考文獻：

[1]乜大偉.小波變換在醫學圖像處理中的應用[J].中國現代醫生，2014（24）：49-51.

[2]李越.探討小波變換在醫學圖像處理中的應用[J].電子技術與軟件工程，2015（20）：101.

作者簡介：魏小琴（1983-），女，四川南充人，工學碩士，實驗師，主要研究方向：醫學圖像處理及實驗教學。