医学影像是通过数字医学成像设备以及其他设备进一步获得数字化医学图像与视频的方法，主要有超声X射线核磁共振以及电子计算机断层扫描等方式这一些方法，使用计算机对图像进行检测、存储重建、识别并进一步处理，通过辅助医生诊断，进一步广泛应用于我国医疗和手术过程中，并在放射治疗以及术后复查中也有重要的作用。超声影像利用声波在不同的组织与界面之间来回反射，通过回收到的回声进一步实现图像的生成，该方法不会出现电离辐射且具有价格便宜的特点，已经在临床以及放射科的检测中被公认是目前最有效且普遍应用的筛查诊断工具，超声影像学包含了三维超声弹性成像、介入超声、多普勒血流成像技术以及超声靶向诊断治疗等方法，这些方法在实际的临床检测中可以对肾脏、胰腺、乳腺、心脏肝脏等器官进行检查。超声影像分析需要进行图像预处理，病灶区检测特征提取以及结节的恶性或良性判别等几大步骤，本文通过对文献进行整理与调研进一步研究了超声图像处理技术的应用方式。
1超声图像预处理
医学影像的质量将会直接决定着临床治疗与诊断的准确性，因此医学影像的清晰度噪声以及对比度将会进一步提高超声医师在临床诊断过程中的准确率。但是由于超声图像采集原理和设备等因素的影响对比度低，斑点噪声将会降低超声图像的质量，为了在临床检测中得到更好的图像，需要进行良好的预处理，超声图像增强可以进行前处理与后处理前处理，主要是采用超声波信号本身的物理性质，通过超声常补偿的方式减缓在检测过程中的声波衰减问题。本文所提到的超声图像增强主要是指后处理过程中的方法，也就是在超声图像以新成像的基础上利用信号处理算法，进一步提高图像的质量，目的在于抑制噪声以及提高图像的对比度，有利于后续医生对病灶进行定位和特征提取。
在进行超声图像增强过程中可以使用直方图均衡化、模糊增强以及其他一些具有代表性的方法进行通过量化评价指标，进一步将特征相似的一些数据进行归纳，去除背景后将对比度增强。超声图像的去噪方式就是通过冷却成像设备等一系列物理方式进行斑点噪声的产生是由于是因，是因为超声波在反射过程中产生较长的干涉波造成的，因此这种是由于该方法的成像原理出现的缺点，这是无法避免的。一般进行噪声去除的方法有空间域滤波法、偏微分方程法、变换域法以及深度学习法，其中深度学习方法，在日常的诊断过程中对图像去噪句有广泛的应用，也可以得到快速去噪的结果。
2超声图像的病灶区定位及分割
病灶区也就是患者检测区域发生病变的具体位置，通常占据超声图像的一部分区域，因此医生在进行病情具体诊断之前，需要将病灶区作为主要研究区域进行定位以及分割，这样可以进一步减少计算量，也可以提高后期算法的运算速度，此外也可以减少背景对算法产生的干扰，提高计算精度，通常精确的病灶区定位和分割需要具有丰具有丰富临床经验的医生手动进行标注，但是由于工作量大，将会影响医生在临床中的诊断效率，因此研究超声图像病灶区的自动定位和分割，在临床医学与诊断过程中具有十分重要的作用。
根据理论,病灶区定位通常指的是检测到的图像中病灶区主要存在的部位以及具体的位置,一般采用多边形或椭圆形标注框进行标注。病灶区的分割则是对检测到的病灶区的边缘信息进行确定,通过轮廓线标注的方式进一步标注出来,但是由于方法与应用上这两者经常会有重叠或相互转化的现象,因此本文不会严格的将定位及分割两种方式割裂开。目前针对超声图像病灶区定位和分割的主要方法有阈值法、边缘发、神经网络法以及区域法等方法。
阈值法是在甲状腺乳腺超声图像病灶区分割中使用最早的方法，该方法是在检测过程中设定不同的特征阈值，然后将超声图像的像素点分成若干个不同的类型，利用灰度及量化的方式，在对超声图像进行初步的粗分割。而区域法是在甲状腺乳腺超声图像病灶区定位和分割中的一种比较经典的方法，该方法是根据相应的标准在图像上寻找类似区域，进一步将整个区域区分为多个不同的步骤序列。神经网络分割方法则是使用训练多层感知机获得的决策函数，进一步将超声图像的像素进行分类的方式，从而对图像中的病灶区进行准确定位与分割。
3特征提取及诊断判别
特征提取和分类是通过使用计算机算法提取超声图像中一些具有可鉴别的信息，然后通过模式识别机器学习领域等重要的方式进行分类的方法，该方法最主要是使用计算机进行辅助诊断，因此超声影像在使用过程中也需要对特征计算方法进行关注。一般使用二维超声的方式，对超声波的反射频变化进行收集，通过解剖形态学作为分析基础，进一步使用探头扫描各个部位，进一步构成相应的断层图像，然后根据不同组织之间的声阻抗差大小差异收集到的回声强弱，分辨在不同解剖结构中具有的层次，从而形成脏器以及病变位置的具体形态，轮廓大小获取相应的物理性质。
此外，三维超声也是特征提取的一个重要方式，它具有采集难度地运算速度快，不会损失数据等优势，尤其是三维超声可以对医生诊断过程中的感兴趣结构表面轮廓提取清晰的图像，因此在实际使用过程中得到了许多临床检测医生的信赖。
结论：本文主要分析了超声影像分析技术在临床对甲状腺、乳腺超声影像检测过程中的应用方法，阐述预处理、去噪和增强图像对比度、确定病灶位置与分割以及进行特征提取等关键技术步骤中的具体使用方法。
参考文献：
1.孔小函，檀韬，包凌云，王广志．基于卷积神经网络和多信息融合的三维乳腺超声分类方法．中国生物医学工程学报，2018，37(4)
414-422．
2.付树军，阮秋琦，李玉，王文洽．基于各向异性扩散方程的超声图像去噪与边缘增强．电子学报，2005，33(7)：1191-1195．
3.李振恒珊丰荣，刘芬．基于改进的各向异性扩散方程的医学超声图像降噪方法．计算机应用，2009，29(12)：3369-3371.
