基于超聲圖像處理的硬膜外麻醉自動定位

倪曉航，肖明波

(杭州電子科技大學 通信工程學院，浙江 杭州 310018)

0 引言

硬膜外麻醉是一種中樞神經阻滯技術，可有效緩解孕婦分娩帶來的痛苦，60%～90%的女性在分娩時會選擇這種麻醉方式[1]。硬膜外麻醉還用于外科手術的術后緩解，比如一些髖關節、膝關節置換和截肢手術，能夠防止失血過多[2]。

圖1 脊椎解剖結構[4]

硬膜外腔比較窄，位于黃韌帶和硬脊膜之間、皮膚以下3～8cm[3]。如圖1所示，棘突間隙L2-L3、L3-L4是最常用的硬膜外穿刺位置[4]，因為其棘突間距最大，相較于胸腔空隙或其它腰椎棘突間水平，穿刺難度會大大降低。另外硬膜外腔在寬度上可以給穿刺和導管插入提供更大空間，所以棘突間隙L2-L3、L3-L4通常作為硬膜外麻醉的首選。

硬膜外麻醉在麻醉領域被認為是最難的麻醉方式[5]。目前，硬膜外麻醉的失敗率是6%～25%[6-7]。傳統方法基本依賴一些臨床經驗和手感，無法在穿刺過程中觀察病人的組織結構和穿刺過程。麻醉師通過觸摸病人脊柱的表面標志，根據觸感確定穿刺位置，但最后針插入的位置點可能并不正確。一旦麻醉師發現穿刺針路徑不對，必須取回穿刺針并重新尋找正確位置。當遇到解剖變異、水腫、肥胖病人時，往往需要多次穿刺，有時甚至穿刺失敗，給病人帶來痛苦。

近年來，隨著超聲成像技術的發展，人們發現可用該影像方法檢測患者的腰椎解剖結構，以確定準確的穿刺位置。超聲圖像引導相較于傳統觸摸式方法成功率更高[8]。因此，超聲圖像成為這種盲麻醉定位的引導方式，它有助于提高穿刺成功率，減少對麻醉師技術和經驗的嚴重依賴。

Carvalho[9]舉例說明了如何利用超聲圖像確定穿刺位置。首先，麻醉師將超聲探頭縱向掃描從骶骨向上緩慢移動直到L3-L4(或L2-L3)棘突間隙，如圖2(a)所示。粗略地確定穿刺位置后，超聲探頭橫向掃描，超聲圖像隨之發生改變。當探頭移動到棘突上方時，超聲波會被骨頭阻礙，導致圖像細節展示不完全，超聲圖像的中線會出現一個三角區域的黑暗，這是骨骼超聲圖像的主要特征，如圖2(b)所示。當探頭移動到棘突間隙時，更多的細節會展現。超聲圖像中出現類似蝙蝠形狀的部分是最合適的穿刺位置[10]

圖2 縱向掃描和橫向掃描

超聲成像與X射線、CT、核磁共振成像相比無放射性、廉價、更安全，但超聲圖像有效可釋性小、分辨率較低，通常縱向1～2mm、橫向1～3mm。超聲波穿透深度在10cm以上，這正是硬膜外腔所要求的深度[11-13]。超聲圖像含有斑點噪聲，在圖像中表現為顆粒狀，沒反映出實際組織結構，影響了圖像的細節分辨力。超聲圖像的全面解讀需要專業的培訓和經驗。超聲在外周神經阻滯及血管穿刺方面的研究較成熟，但在硬膜外穿刺中的應用國內幾乎還是空白。本文通過對超聲圖像斑點噪聲去除和解剖結構提取的研究，輔助麻醉師觀察脊椎組織結構、尋找合適的穿刺位置，以此引導麻醉師進行硬膜外穿刺手術，極大提高了穿刺成功率。本文主要工作如下：

(1)提出一種去除超聲圖像斑點噪聲的有效方法，各向異性濾波結合形態學變換，克服了高斯濾波平滑圖像障礙，能很好地保留圖像邊緣，圖像的明暗對比度得到顯著增強。

(2)在自適應閾值二值化基礎上對閾值計算進行改進，運算速度更快，獲得脊椎的主要解剖結構，輪廓更加突出。

(3)采用傳統的模板匹配算法結合脊椎結構的相關性對目標特征進行定位，匹配前手動確定目標特征，匹配后由模板匹配算法根據手動確定的目標特征自動定位，通過對比前后特征區域相關性證明匹配的準確性。

1 超聲斑點噪聲圖像預處理

超聲圖像由12M的線性探頭得到，選擇感興趣的部分進行相應裁剪。預處理分3步：各向異性擴散濾波、對比度增強和圖像二值化，前兩步可減少斑點噪聲，增加超聲圖像二值化精度。預處理后得到二值化脊椎超聲圖像，解剖結構特征更加明顯。

1.1 各向異性擴散濾波器

各向異性擴散濾波器[14]中，原始超聲圖像Io(x,y)與高斯核G(x,y,t)卷積得到圖像的多尺度灰度描述I(x,y,t)如下：

I(x,y,t)=Io(x,y)*G(x,y,t)

(1)

即以時間單位作為高斯核的方差，去和原始圖像卷積。該多尺度描述可視為各向異性的熱擴散方程：

It=div(c(x,y,t)▽I)

(2)

其中c(x,y,t)是關于任意像素與其鄰域梯度的函數，又稱擴散系數，即每個像素都有自己的擴散系數。它是一種邊緣停止函數，梯度▽I越大表明是圖像邊緣的可能性越大。本文采用Perona-Malik所提出的擴散系數作用在圖像上，得到擴散系數g(▽I)：

g(▽I)=e(-(∥▽I∥/S)2)

(3)

S控制平滑程度，S越大平滑程度越大，根據經驗將S設為15。

1.2 對比度增強

超聲圖像有明暗兩個區域，采用形態學灰度變換增強明暗對比度[15]。首先創建兩個半徑為3像素的圓盤結構元素，分別用于頂帽和底帽變換，獲得It和Ib。然后對圖像分別進行開閉運算得到Io和Ic，頂帽變換后的圖像減去閉運算后的圖像獲取圖像亮的部分：

Ib=It-Ic

(4)

同樣，底帽變換后的圖像減去開運算后的圖像獲取圖像暗的部分：

Id=Ib-Io

(5)

為使超聲圖像亮的區域得到增強，暗的區域減弱，進行如下運算：

In=If-αId+αIb

(6)

尺度變換常數α設為0.5，得到圖3(b)的效果圖，結果表明形態學變換能夠有效增強超聲圖像的對比度。

圖3 各向異性濾波結合形態學變換處理前后

1.3 自適應閾值二值化

超聲圖像濾波后對比度得到增強，但是斑點噪聲并不能完全消除，脊椎解剖結構也不明顯。為進一步濾除斑點噪聲，提高超聲圖像的可釋性，本文提出自適應閾值二值化算法對圖像進一步處理。二值化處理是圖像識別重要的預處理環節，通過對二值信號計算，實現對象與圖像背景的分割[16-17]。每個像素的二值化閾值不是固定不變的，而是由其周圍鄰域像素的分布決定。亮度較高的圖像區域二值化閾值通常會較高，而亮度較低的圖像區域二值化閾值則會相應變小。不同亮度、對比度、紋理的局部圖像區域有相對應的局部二值化閾值。

圖像二值化關鍵在于閾值計算，閾值T(x,y)的作用在下式體現：

(7)

閾值T(x,y)由下式計算得到：

(8)

m(x,y)為局部平均值，δ(x,y)為局部平均偏差，δ(x,y)=g(x,y)-m(x,y)，k是一個可以控制閾值變化的偏量，范圍為[0-1]。k在確定閾值過程中十分重要，k越小，閾值越大；k越大，閾值越小。如果圖像區域內窗口大小一致，即g(x,y)=m(x,y)，則δ(x,y)為0，閾值T(x,y)會小于m(x,y)，此時g(x,y)會變為背景顏色(黑色)。如果m(x,y)為0，T(x,y)也會為0，則g(x,y)會變成白色。如果k=0，則T(x,y)=m(x,y)。因此，對于不同的k值，閾值的適應水平可調整。

圖4 自適應閾值二值化處理結果

經試驗k值選0.75效果最佳，處理后得到圖4的效果。從圖中可以看出，圖像的主要特征保留，大部分斑點噪聲成功移除，脊椎解剖結構更加明顯，大大提高了圖像可釋性。此外，該算法運行速度非常快，如對640×512 321kb灰色超聲圖像，計算時間是0.787 542s。可見超聲圖像預處理算法能有效去除斑點噪聲，運算速度快，是一種有效的預處理方法。

2 自動定位

依據Carvalho所述， “飛翔的蝙蝠”即是用來確定穿刺位置的主要特征，探頭放在能找到這個特征的部位就是最好的穿刺位置。

2.1 模板匹配算法

超聲圖像為明暗相間的灰度圖像，預處理后脊椎解剖結構較明顯。根據超聲脊椎圖像特點，考慮到目標輪廓的特性，采用模板匹配的模式識別算法對目標形態進行計算。所謂模板(template)，指與原形狀的連通性和結構性相一致的圖像結構作為理想表達的一種對象表示[18]。模板匹配算法利用其搜索功能從超聲圖像中尋找目標特征，本質就是計算模板和圖像的互相關，模板和掃描區域的圖像進行相關性計算，得到像素相關系數最大的那一組就是目標特征區域[19]。

(9)

g(x,y)表示匹配結果，w(i,j)表示模板，f(x,y)表示目標超聲圖像。

圖5 特征匹配模板

在目標特征中需要建立兩個模板，首先縱向掃描找到“蝙蝠耳朵”，確認L2、L3的棘突位置，如圖5(a)所示，然后橫向掃描找出類似于“拱形”的形狀特征，進一步確立穿刺位置，如圖5(b)所示。

2.2 位置相關器

盡管目標特征在超聲圖像中可以找到，但是匹配錯誤的情況依然存在，因為目標特征不會固定在一個位置。閾值法通常用于消除模板匹配算法的錯配現象，然而這種方法也不可靠，因為不同人的閾值可能很不一樣，找到一個合適的閾值不可能[20]，但每個人脊椎特征的位置相關性是相同的，因此采用位置相關法判斷目標特征是否匹配成功是可行的。位置相關法遵循脊椎的解剖結構特征，棘突間隙的位置在圖像中被識別，此時探頭所在的位置即為潛在的穿刺位置。因此，位置相關器是目標特征識別的關鍵函數。

圖6 匹配結果

位置相關器從脊椎圖像中準確無誤地篩選出匹配特征，引導麻醉師成功穿刺。因此，本文提出的模板匹配結合位置相關算法能自動識別最佳硬膜外穿刺位置。探頭在超聲波的引導下沿著病人的脊背移動，直到找到合適的穿刺位置。圖6顯示了匹配結果，匹配時間為2.251 028s。

采集30幅脊椎超聲圖像，匹配相關性如圖7所示，平均準確率為97.37%，匹配準確且處理速度快。

圖7 匹配相關度

3 穿刺引導

L3-L4、L2-L3的兩個棘突間隔的地方適用于穿刺麻醉。在超聲波系統引導下，需要進行粗調和精調兩個階段操作。粗調階段，探頭從病人的骶骨向脊椎上方掃描，該系統通過記錄一些交替的骨骼圖像和棘突間圖像，對棘突過程進行統計，直至達到L3-L4(或L2-L3)棘突水平；精調階段，系統會對探頭移動方向進行指導，直至找到精確的穿刺位置。

超聲引導穿刺流程如圖8所示。

4 結語

對硬膜外麻醉自動定位項目借助MATLAB平臺進行仿真實驗。采用各向異性濾波、對比度增強和新的二值化閾值計算方法，成功移除斑點噪聲，獲得脊椎解剖結構圖，采用模板匹配算法進一步確定穿刺位置。將超聲圖像處理用于自動識別穿刺位置問題，提高了超聲圖像的可釋性，能實時為麻醉師提供引導，極大減小了麻醉師對超聲圖像可釋性的依賴，通過智能機器提高了穿刺成功率。

圖8 超聲引導穿刺流程

但在臨床實驗之前仍有大量工作要做：首先，本文檢測算法的超聲圖像來自志愿者之前測試，不是超聲圖像處理系統實時所得；其次，目前所得的脊椎圖像都來自健康群體，未來需要擴大病人范圍，盡可能找到一些肥胖、孕婦和一些脊椎情況特殊患者，以此測試系統的魯棒性。