·1168 工程科学学报，第43卷，第9期 双边滤波处理，便可以在保留轮廓边界的前提下 一帧图像就确诊过于武断.而邻近帧图像相似度 一定程度上抑制噪声，提高图像的质量 较高，均输入模型进行诊断存在数据冗余问题，因 此同时也为了提高数据量，在预处理中采用了一 (a) (b) 定的间隔对数据进行了采样操作.除去动态数据 外，数据集中也含有少数的静态图像，这种静态图 像一般为超声医生精心截取的，对于ASD诊断的 参考意义较高，皆予以保留.其次，原始的超声心 动图中除了超声影像外，其边框处还有许多涉及 图1超声心动图对比.(a)ASD患者：(b)健康人 患者隐私的信息，这些信息对于诊断而言与噪声 Fig.1 Contrast in echocardiography of ASD patient(a)and healthy 无异，保留下来也会有泄露患者隐私的风险，于是 people(b) 预处理阶段通过对超声影像部分手动提取边框获 取掩码图像，再将其与原始图像做掩码处理，滤除 2数据预处理与模型算法 超声影像以外的其他信息.此外，超声影像部分也 2.1数据预处理 存在不小的噪声干扰，需要对其进行噪声滤波操 研究所用数据集均由某医院提供的116位被 作.通过对比不同的滤波算法，模型采用了双边滤 检查者的二维超声心动图及彩色超声多普勒组 波算法，该部分具体细节将在下面展开叙述.最后 成，其中有80位确诊为ASD患者，剩下36位诊断 再将得到的图像进行一些数据增强操作，如图像 为正常，分别占总数的69%和31%.其中每个人的 旋转、翻转和随机剪裁等 数据均由数量不等的各种切面的dicom格式的超 2.2基于双边滤波器的超声心动图噪声消除算法 声心动图组成 然而，由于超声心动图噪声较多，直接用原始 在临床诊断中，有几种比较常用且可靠的超 图像进行模型训练效果不佳，需要对其进行降噪 声心动图标准切面（图2），分别是：胸骨旁大动脉 处理.目前常用的图像降噪滤波算法有均值滤 短轴切面，心尖四腔心切面，胸骨旁四腔心切面， 波、高斯滤波以及双边滤波，这些滤波算法都是通 剑突下上下腔长轴切面，剑突下大动脉短轴切面 过将滤波范围内的像素做加权平均的发生进行图 及剑突下双房心切面.其中图2(a)和2(b)相似度 像平滑，从而抑制噪声的.不过均值滤波对周围像 较高，一般都统称为四腔心切面 素赋予相同的权值，这与图像中像素实际的概率 数据预处理的过程主要分为如下几步：首先， 分布不符，在图像的轮廓边缘更是如此；高斯滤波 用户的超声心动图数据中往往动态数据居多，一 则是通过假设滤波中心像素与周围像素的像素值 个动态数据中包含有许多帧图像，仅依靠其中某 满足高斯分布，并以此对其周围像素赋予不同的 (b) d (e) 图2超声心动图6类标准切面.(a)胸骨旁大动脉短轴：(b)心尖四腔心：(c)胸骨旁四腔心：(d)剑突下上下腔长轴：()剑突下大动脉短轴：(f)剑 突下双房心 Fig.2 Six normal views of echocardiography:(a)parasternal short-axis view,(b)apical four-chamber view;(c)parasternal four-chamber view, (d)subcostal inferior vena cava;(e)subcostal short axial of aorta;(f)subcostal left and right atrium双边滤波处理，便可以在保留轮廓边界的前提下 一定程度上抑制噪声，提高图像的质量. (a) (b) 图 1    超声心动图对比. （a）ASD 患者；（b）健康人 Fig.1     Contrast  in  echocardiography  of  ASD  patient  (a)  and  healthy people (b) 2    数据预处理与模型算法 2.1    数据预处理 研究所用数据集均由某医院提供的 116 位被 检查者的二维超声心动图及彩色超声多普勒组 成，其中有 80 位确诊为 ASD 患者，剩下 36 位诊断 为正常，分别占总数的 69% 和 31%. 其中每个人的 数据均由数量不等的各种切面的 dicom 格式的超 声心动图组成. 在临床诊断中，有几种比较常用且可靠的超 声心动图标准切面（图 2），分别是：胸骨旁大动脉 短轴切面，心尖四腔心切面，胸骨旁四腔心切面， 剑突下上下腔长轴切面，剑突下大动脉短轴切面 及剑突下双房心切面. 其中图 2（a）和 2（b）相似度 较高，一般都统称为四腔心切面. 数据预处理的过程主要分为如下几步：首先， 用户的超声心动图数据中往往动态数据居多，一 个动态数据中包含有许多帧图像，仅依靠其中某 一帧图像就确诊过于武断. 而邻近帧图像相似度 较高，均输入模型进行诊断存在数据冗余问题，因 此同时也为了提高数据量，在预处理中采用了一 定的间隔对数据进行了采样操作. 除去动态数据 外，数据集中也含有少数的静态图像，这种静态图 像一般为超声医生精心截取的，对于 ASD 诊断的 参考意义较高，皆予以保留. 其次，原始的超声心 动图中除了超声影像外，其边框处还有许多涉及 患者隐私的信息，这些信息对于诊断而言与噪声 无异，保留下来也会有泄露患者隐私的风险，于是 预处理阶段通过对超声影像部分手动提取边框获 取掩码图像，再将其与原始图像做掩码处理，滤除 超声影像以外的其他信息. 此外，超声影像部分也 存在不小的噪声干扰，需要对其进行噪声滤波操 作. 通过对比不同的滤波算法，模型采用了双边滤 波算法，该部分具体细节将在下面展开叙述. 最后 再将得到的图像进行一些数据增强操作，如图像 旋转、翻转和随机剪裁等. 2.2    基于双边滤波器的超声心动图噪声消除算法 然而，由于超声心动图噪声较多，直接用原始 图像进行模型训练效果不佳，需要对其进行降噪 处理. 目前常用的图像降噪滤波算法有均值滤 波、高斯滤波以及双边滤波，这些滤波算法都是通 过将滤波范围内的像素做加权平均的发生进行图 像平滑，从而抑制噪声的. 不过均值滤波对周围像 素赋予相同的权值，这与图像中像素实际的概率 分布不符，在图像的轮廓边缘更是如此；高斯滤波 则是通过假设滤波中心像素与周围像素的像素值 满足高斯分布，并以此对其周围像素赋予不同的 (a) (b) (c) (d) (e) (f) 图 2    超声心动图 6 类标准切面. （a）胸骨旁大动脉短轴；（b）心尖四腔心；（c）胸骨旁四腔心；（d）剑突下上下腔长轴；（e）剑突下大动脉短轴；（f）剑 突下双房心 Fig.2     Six  normal  views  of  echocardiography:  (a)  parasternal  short-axis  view;  (b)  apical  four-chamber  view;  (c)  parasternal  four-chamber  view; (d) subcostal inferior vena cava; (e) subcostal short axial of aorta; (f) subcostal left and right atrium · 1168 · 工程科学学报，第 43 卷，第 9 期