小波分析在生物醫學信號/圖像處理中的應用

1 引言 　　近年來小波分析理論受到眾多學科的共同關注。小波變換是傳統傅裏葉變換的繼承和發展。由於小波的多分辨率分析具有良好的空間域和頻率域局部化特性,對高頻采用逐漸精細的時域或空域步長,可以聚焦到分析對象的任意細節，因此特別適合於圖像信號這一類非平穩信源的處理，已成為一種信號/圖像處理的新手段。目前，小波分析已被成功地應用於信號處理、圖像處理、語音與圖像編碼、語音識別與合成、多尺度邊緣提取和重建、分形及數字電視等科學領域。 2 生物醫學信號/圖像的特點 　　生物醫學信號由於受到人體諸多因素的影響，因而有著一般信號所沒有的特點。1)信號弱，例如從母體腹部取到的胎兒心電信號僅10～50微伏。腦幹聽覺誘發響應信號小於1微伏。2)噪聲強，由於人體自身信號弱，加之人體又是一個複雜的整體，因此信號易受噪聲的幹擾。如胎兒心電混有很強噪聲，它一方麵來自股電、工頻等幹擾，另一方麵，在胎兒心電中不可避免地含有母親心電，母親心電相對我們要提取的胎兒心電則變成了噪聲。3)頻率範圍一般較低,除心音信號頻譜成份稍高外,其他電生理信號頻譜一般較低。4)隨機性強,生物醫學信號不但是隨機的,而且是非平穩的。正是因為生物醫學信號的這些特點,使得生物醫學信號處理成為當代信號處理技術最可發揮其威力的一個重要領域。在這個領域中,尚有很多未解決的難題,因此,新的方法的提出將為臨床診斷提供更多的信息和手段。 　　醫學圖像涉及物理學、電子學、計算機技術等廣泛的學術領域。隨著各項高新技術的發展,醫學圖像已經從形態到功能、從靜態到動態、從平麵到立體、從局部到整體獲得了飛速的發展。在實際應用中,醫學圖像和計算機圖形學結合可以讓醫生從各個不同角度觀察人體內部結構;醫學圖像與計算機及通信技術結合可以、完成圖像的傳輸、歸檔、管理等複雜的工作。隨著醫療設備的更新,醫療手段的日益豐富和多樣,對醫學圖像處理技術的要求也越來越高。 3 各項研究成果 　　3.1 圖像增強技術 　　基於小波變換的圖像增強技術在目前圖像處理領域研究中尚處於探索性階段,國內外已有部分學者開始對此方法進行研究。由於小波分析的圖像增強技術包含了小波的分解與合成運算,其數據量大,運算時間較長,因此在許多實際應用中,特別是實時係統中沒有得到認可和推廣,但這並不說明小波分析不適用於圖像增強。由於小波分析本身無可替代的優越性,其處理結果常常比某些傳統的處理方法更令人滿意。隨著算法的不斷改進以及高速芯片的研製成功,其速度問題將會得到解決。所以用小波分析進行圖像增強,將會得到人們的重視和應用。 　　甲襞微循環圖像各參數的測量是心血管疾病無損檢測的一種重要手段,其圖像邊緣的準確提取是自動檢測微循環各參數的基礎。但甲攘微循環圖像為反光式圖像,信號噪聲大,明暗對比度較差,灰階分布範圍小,一般在90～150之間,由於圖像中邊緣和噪聲在空域上均表現為有較大的灰階差,在頻域上則均為高頻分量,給檢測帶來困難。其中,采用傳統的梯度法和灰度法會帶來較多的誤測和漏測,效果不能令人滿意,而改進的自適應閥誼模被相關匹配算法,雖然能較好克服誤測和漏測,但仍存在一些不足:即檢測出的邊緣會出現較多的斷缺,需要插值光滑,且微循環圖像頂部彎曲部分邊緣不能檢測出來,為圖像的晃動糾正等帶來困難。同時在模板的實際選擇中也有一個權衡問題:小尺度的邊緣模板對噪聲很敏感,定位精度高,大尺度的邊緣模板有較強的去噪聲能力,但定位精度低。隻有采用多尺度的方法才能使高定位精度及強去噪能力兩者統一起來。小波變換正好具有良好的空間局部分析功能和多尺度多分辨分析功能,為此,將小波變換用於甲嚷微循環圖像的邊緣檢測可克服上述不足,取得較好的結果。在文獻[1]中根據甲襞微循環圖像的特點,利用三次樣條二進小波,采用Mallat快速算法進行小波分解,成功地提取了甲裳微循環圖像的邊緣。 　　X射線圖像可以說是當前臨床應用最廣泛的一種醫學圖像,如何從X射線圖像獲得更多的信息是提高診斷水平的一個重要方向。文獻[2]根據小波分析的特點,對小波分解後的不同子帶進行不同的線性運算,從而使X射線照片中較模糊、對比度差的細節得到增強。並將傳統的反銳化掩模與小波分析有機地結合起來,提出了一種新的算法,該算法不僅能使圖像細節清晰,還能有效防止“粘連”、“振鈴”效應,抑製噪聲,有利於醫生對疾病作出正確的判斷。文獻[3]在精細尺度上,根據信號與噪聲的WT相位在相繼尺度上關聯性的不同進行去噪,在大尺度上,則采用Semisoft閾值法對DWT係數進行快速縮減去噪。根據人眼的視覺特性對WT係數的增益進行非線性的自適應控製。使增強處理後的X射線圖像具有視覺效果佳,無偽像產生的優點。且在噪聲抑製、保邊沿及增強各種細節上效果良好。 　　3.2信號奇異性檢測與去噪 　　體表心電信號及其他生物醫學信號多具有較強的隨機性和背景噪聲,而且又屬於非線性、非平穩的微弱信號。人們利用各種先進的信號處理技術分析與處理這種生理電信號,希望能獲得更多的、具有診斷價值的信息。WT具有優良的時頻分析特性,而且還具有處理非平穩隨機信號的能力,因此,WT應該能成為心電信號的一種可行有效的處理方法。 　　心電圖(ECG)信號中,QRS波是分析ECG信號的重要特征依據,它的正確檢測是自動分析ECG信號的基礎。文獻[4]分析了小波變換下信號的奇異特征,研究了基於小波變換的心電信號的特征提取與心電信號的消噪處理。研究結果表明:心電信號中QRS波的平均檢出率可達99%以上;經消噪處理後的重建心電信號的信噪比可由原來的5.1dB提高到12.8dB。因此,小波變換技術是生物醫學信號分析與處理的可行有效的技術方法。 　　事件關聯電位(ERP)是一種特殊的誘發電位,係人腦對某種離散事件進行信息加工時在頭皮上記錄到的一連串瞬時的腦電變換,ERP與認知過程密切相關,特別是其中的P3波已成為心理學、臨床精神病學、工效學研究中廣泛應用的指標。但是,通常ERP隻能通過同步疊加平均的方法抽取出來。減少疊加次數,實現單次提取是研究工作中急需解決的問題。多分群小波變換同時給出信號的時間和頻率信息,通過在時頻域將ERP與背景噪聲分離可提取出有用信號。文獻[5]正是基於這種思想,在分析了平均與單次ERP波形的時頻域特性的基礎上,利用兩者小波變換係數的相關性,設計出了基於3次B樣條小波變換的時頻濾波器，用以完成ERP單次提取。研究結果表明：基於小波變換的單次提取結果與疊加平均方法抽取出來的波形非常接近。 　　心音在心血管疾病的診斷中具有重要價值，是心血管疾病無創性檢測的重要方法，具有心電圖、超聲心動圖不可取代的優勢。進行心音分析，可以得到心血管疾病的重要信息，這對於多種心血疾病的診斷具有很重要的意義。文獻[6]對比研究了離散二進小波變換和短時傅立葉變換在分析動脈狹窄所產生湍流音的能力。結果表明：小波分析對湍流音變化更為敏感。 　　3.3 圖像壓縮 　　隨著圖像歸檔與通信係統PACS(Picture Archiving and Communication System)的發展。開展適合醫學影像的壓縮編碼技術成為PACS的熱點之一。由於小波變換具有空間一頻率局部性、方向性、多分辨率性和帶寬在對數頻率上等寬的優點,並與視覺特性接近,所以不僅可以利用統計特性,還可以利用視覺特性來提高編碼效率,並且用QMF和金字塔算法還可以實現圖像的正交、無冗餘分解。由於這樣一些優點,利用小波變換可以較好地實現圖像的變換編碼。在新的靜止圖像壓縮標準中小波變換法將起重要作用。 　　在醫學圖像中,對簡單的圖像如X射線照片、熒光造影圖片等采用二維小波變換不僅可以消除傳統壓縮方法產生的“塊效應',現象,而且可提高壓縮比。很多文獻都在這方麵進行了研究,適當選取小波函數和編碼方法可取得良好效果。另外,PACS中諸如CT、MRI等重要成像設備的實際成像特點是:一次檢查會產生多幀圖像,這些圖像都是對人體的某一部位不同層麵的斷層圖像。因此,相鄰幀之間有較強的相關性。這樣,PACS中經常采用的二維JPEG編碼技術無法很好地適應這類成組圖像。文獻[8]文獻[9]將近年來在編碼學領域大顯身手的二維小波變換推廣到三維,找到一種適合於PACS中成組圖像的有效的壓縮方案。實驗證明,將二維小波壓縮推廣至三維,可以較好地去除幀間相關性，該技術可以將壓縮比提高20%～47%左右，得到適合PACS的圖像壓縮方案。 4 結束語 　　雖然商業產品與理論研究存在著很大差距，考慮到成本、宣傳費用與實際收益，好的方法不一定能馬上導致廣泛的商業用途。而小波分析法在生物醫學信號中的實際應用也還很少，但隨著理論研究的日趨成熟、醫學圖像歸檔與通信係統的出現、遠程醫療診斷的需要和家庭醫療保健器械的發展，在醫學信號分析、圖像增強、去噪、壓縮等方麵將提出更高的要求，傳統的分析方法將驗證以滿足發展的需要，小波分析作為一種有效的分析手段將在生物醫學信號/圖像處理中占有其應有的一席之地。