數(shù)據(jù)分析是大數(shù)據(jù)處理最重要的一步，以超聲圖像數(shù)據(jù)為例，通過從圖像數(shù)據(jù)中提取潛在診斷信息，探尋影像與細胞、蛋白、基因及分子間的內(nèi)在規(guī)律，并進行處理和歸類。

圖像是人工智能應用于超聲醫(yī)學領域的重要對象，圖像預處理的目的是優(yōu)化或簡化圖像。常見的圖像預處理方法包括灰度化、二值化、圖像增強、去噪處理及圖像增廣等。

01

灰度化與二值化

在預處理過程中，首先應該將圖像進行灰度化或者二值化。大部分彩色圖像的顯示運用的是“RGB色彩模式”，由紅、綠、藍三個通道的顏色組成，顯示幕上的任何一個顏色都可以由一組RGB值來記錄和表達，三種顏色的亮度范圍均介于0（黑色）到255（白色）之間。

灰度指的是只包含亮度信息的特征，灰度化即指將彩色圖像調整為R=G=B，則該彩色圖像僅表示一種灰度顏色，此時三個通道的值都是相等的，每個像素只需要一個字節(jié)進行灰度值存放即可有效節(jié)約內(nèi)存。

新生兒顱腦RGB圖像灰度化處理前后（圖像上方橫條）

A.原始顱腦超聲圖像；B.灰度化處理后顱腦超聲圖像

而圖像的二值化是指將圖像上的像素點的灰度值設置為0（黑色）或255（白色），以致整幅圖像只有黑、白兩種顏色，但仍能反映圖像的整體和局部特征。

圖像灰度化或二值化后，圖像數(shù)據(jù)量及存儲空間減小，有利于后續(xù)進一步處理。

02

圖像增強

圖像增強是一種常用的圖像處理技術，其目的是增強圖像中全局或局部有用的信息，以增強圖像特征，有效改善圖像質量，提高圖像清晰度。

利用Rivent軟件圖像增強處理前后對比圖

A.原始肝臟超聲圖像；B.軟件增強處理后肝臟超聲圖像

常用的圖像增強方法包括以下幾種：

01

灰度變換：灰度變換不改變原圖像中像素的位置，只是逐一改變像素點的灰度值。灰度變化增強有以下幾種實現(xiàn)方法：線性灰度增強、分段線性灰度增強、對數(shù)函數(shù)非線性變換、指數(shù)函數(shù)非線性變換。

02

直方圖修正：圖像的灰度直方圖反映了圖像中每種灰度級出現(xiàn)的頻率，代表了該圖像中具有每種灰度的像素個數(shù)。直方圖均衡化是最常用的直方圖修正方法，也是增強圖像對比度的常用方法。該方法是根據(jù)輸入圖像的灰度頻率分布來確定其對應的輸出灰度值，擴展圖像的動態(tài)范圍，從而提升圖像對比度。

03

圖像平滑：是一種區(qū)域增強算法，在圖像產(chǎn)生、傳輸和復制過程中，常常會受到噪聲干擾或發(fā)生數(shù)據(jù)丟失，導致圖像質量下降，通過圖像平滑技術，可降低這些問題對后續(xù)各種圖像處理效果的影響。常用的圖像平滑技術包括均值濾波、中值濾波及高斯濾波等。

04

圖像銳化：一般圖像的能量主要集中在低頻段，噪聲及圖像邊緣信息主要在高頻段，圖像在濾波去噪后，圖像邊緣會變得模糊，圖像銳化處理可使圖像的邊緣和細節(jié)更加清晰。常用的圖像銳化方法包括高通濾波和空域微分法。

圖甲狀腺結節(jié)的灰度變化及圖像平滑處理

A.原始圖像；B.灰度化后的圖；C.在圖B基礎上進行線性灰度增強；D.在圖B基礎上進行圖像平滑

03

去噪處理

圖像在生成和傳輸過程中常常受到各種噪聲的干擾而影響圖像質量，不利于后續(xù)的特征提取及模式識別，因此要對圖像進行去噪處理。常見的噪聲包括：高斯噪聲、泊松噪聲、椒鹽噪聲及斑點噪聲。

圖 高斯噪聲中值濾波前后對比

A.原始顱腦超聲圖像；B.中值濾波處理后超聲圖像

噪聲消除方法可分為空間域濾波和頻率域濾波兩種類型。

空間域濾波通過窗口或卷積核進行，其基于相鄰像素的空間關系，通過改變單個像素的灰度值實現(xiàn)部分特征的強調，或去除圖像中一些不需要的部分。

頻率域濾波是對圖像進行傅里葉變換，然后對變換后頻率域圖像中的頻譜進行濾波。低通濾波在頻率域中保留圖像的低頻部分，抑制高頻部分，其作用是過濾掉高頻中的噪聲，減少圖像的像素突變部分，以起到圖像平滑處理的作用。但這種處理方法同時也會導致圖像變得模糊。高通濾波則保留圖像的高頻部分而削弱低頻部分，起到圖像銳化作用，突顯圖像的邊界。

04

圖像增廣

圖像增廣技術是指通過對原始圖像進行一系列隨機改變，產(chǎn)生一些相似但又不同于原始圖像的訓練樣本，從而擴大訓練集的規(guī)模。

這種技術的應用主要是基于神經(jīng)網(wǎng)絡模型的構建對大量數(shù)據(jù)集的迫切需求。為了提高模型的泛化能力以及魯棒性，避免出現(xiàn)過擬合，通常要求輸入足夠的數(shù)據(jù)量，但是有效醫(yī)學大數(shù)據(jù)的獲取較為困難，此時可采用圖像增廣技術，對數(shù)據(jù)進行變換擴充。

圖像增廣的另一作用是通過隨機改變原始圖像，以降低模型對某些特征的依賴，從而提高模型的泛化能力。

圖像增廣的方法主要有以下幾種：

01

圖像轉置：將原始圖像進行順時針或者逆時針按照隨機角度進行旋轉，改變圖像的朝向。

02

水平鏡像：將原始圖像沿水平或者垂直方向進行翻轉。

03

圖像旋轉：以圖像某一點為中心旋轉一定的角度形成一幅新的圖像的過程。

04

圖像平移：將原始圖像沿著x軸或y軸方向移動，平移范圍和平移步長可隨機或人為定義，從而改變圖像內(nèi)容的位置。

05

縮放變換：按照一定的比例放大或縮小圖像。

06

裁剪：隨機從圖像中選取一部分，然后將這部分圖像裁剪出來，然后再調整至原圖像大小。

07

尺度變換：將原始圖像按照指定的尺度因子進行放大或縮小；或利用指定的尺度因子改變圖像內(nèi)容的大小或模糊程度。

08

對比度變換：改變圖像的飽和度，增加光照變化。

09

噪聲擾動：過擬合通常發(fā)生在神經(jīng)網(wǎng)絡學習高頻特征時。為優(yōu)化圖像，需要隨機加入噪聲數(shù)據(jù)來消除高頻特征，一般采用對圖像中每個像素的RGB值進行隨機擾動的方式實現(xiàn)。

圖像增廣的常見方法

A：原始圖像；B：圖像轉置；C：水平鏡像；D：圖像旋轉；E：圖像平移

總而言之，圖像預處理的目的是優(yōu)化或簡化圖像，以便于后續(xù)圖像處理（如圖像分割、邊緣檢測、特征提取等）及數(shù)據(jù)分析。圖像預處理方法需要根據(jù)研究目標進行適當選擇，使得圖像信息最大限度簡化為無關和有關信息，增強有關信息的檢測能力，提高分析準確性。