基于改進(jìn)型區(qū)域生長法的心臟三維建模的實(shí)現(xiàn)

王章玉，楊翠微

復(fù)旦大學(xué)信息科學(xué)與工程學(xué)院電子工程系，上海市，200433

基于改進(jìn)型區(qū)域生長法的心臟三維建模的實(shí)現(xiàn)

【作 者】王章玉，楊翠微

復(fù)旦大學(xué)信息科學(xué)與工程學(xué)院電子工程系，上海市，200433

圖像分割是圖像處理的關(guān)鍵步驟。該研究基于動(dòng)物實(shí)驗(yàn)采集的心臟CT圖像，設(shè)計(jì)出改進(jìn)型區(qū)域生長法對(duì)其進(jìn)行圖像分割處理，提取出心臟的輪廓應(yīng)用于心臟三維建模，并與經(jīng)典的閾值分割法進(jìn)行對(duì)比。結(jié)果表明，該方法可用于臨床電生理標(biāo)測中心電活動(dòng)的三維顯示。

CT圖像； 圖像分割； 區(qū)域生長法； 心臟三維建模

0 引言

房顫作為一種臨床上常見的心律失常，其電生理機(jī)制尚未完全闡明[1]。關(guān)于房顫發(fā)生和維持機(jī)制的各種假說都不能夠完全令人信服。心臟標(biāo)測在房顫機(jī)制研究過程中起到了極其重要的推動(dòng)作用，可將所研究的心臟各部位的激動(dòng)分布、傳播途徑通過時(shí)空?qǐng)D表的方式形象地表達(dá)出來，很多關(guān)于房顫發(fā)生和維持機(jī)制的理論假說都從心臟標(biāo)測中得到了支持和驗(yàn)證。由于心外膜電位標(biāo)測的電極陣元與心外膜直接接觸，所以標(biāo)測結(jié)果能客觀而精確地反映心電興奮起源及傳播的過程[2]。為了更加直觀的觀察心臟表面的電活動(dòng)，需要作出三維的動(dòng)態(tài)等電位標(biāo)測圖。實(shí)現(xiàn)這一過程的基礎(chǔ)就是心臟的三維建模。

1 算法原理

近三十年來，研究人員做了大量的工作，提出了很多實(shí)用的分割算法。1985年kapur等提出了一維最大熵閾值法，1989年Abutaleb將一維最大熵方法推廣到二維，Kass等提出了著名的活動(dòng)輪廓模型，Wells等提出了自適應(yīng)分割方法[3-4]。目前最常見的方法是閾值分割法和區(qū)域生長法。閾值分割法作為經(jīng)典的分割方法，簡單實(shí)用，但對(duì)灰度不均較敏感。區(qū)域生長法相對(duì)較小的結(jié)構(gòu)或組織區(qū)域進(jìn)行分割效果較好。因此，本文研究綜合采用區(qū)域生長法和閾值分割法對(duì)心臟CT圖像進(jìn)行處理，并對(duì)處理結(jié)果做了對(duì)比。

1.1 區(qū)域生長法的原理

區(qū)域生長法的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域[5]。其實(shí)現(xiàn)過程需要首先選取一個(gè)種子點(diǎn)，將種子像素周圍的相似像素合并到種子像素所在的區(qū)域中。然后以新的像素繼續(xù)做種子向四周生長，依次不斷地合并，直到不能合并為止。

在實(shí)際應(yīng)用區(qū)域生長法時(shí)需要解決三個(gè)問題：

(1) 選擇或確定一組能正確代表所需區(qū)域的種子像素( 選取種子) ；

(2) 確定在生長過程中能將相鄰像素包括進(jìn)來的準(zhǔn)則( 確定門限) ；

(3) 確定讓生長過程停止的條件或規(guī)則(停止條件)。

1.2 閾值分割法原理

閾值法是一種很簡單實(shí)用的圖像分割方法[6]。其中閾值是指用于區(qū)分目標(biāo)和背景的灰度門限。如果圖像只有目標(biāo)和背景兩大類，那么只需選取一個(gè)閾值，將圖像中每個(gè)像素的灰度值與閾值相比較，灰度值大于閾值的像素為一類，灰度值小于閾值的像素為另一類，這種方法稱為單閾值分割。如果圖像中有多個(gè)目標(biāo)，就需要選取多個(gè)閾值將各個(gè)目標(biāo)及背景分開，這種方法稱為多閾值分割。閾值T 一般可表示成[6]：

其中p(x, y)代表點(diǎn)(x, y)處的灰度值，q(x, y)代表該點(diǎn)鄰域的某種局部特性。根據(jù)(1)式可將閾值分為全局閾值、局部閾值和動(dòng)態(tài)閾值。設(shè)(x, y)是二維數(shù)字圖像平面上的點(diǎn)，f (x, y)是圖像各點(diǎn)的灰度值，圖像灰度級(jí)范圍為G=[0, L-1]，閾值T對(duì)圖像的分割結(jié)果定義為[6]：

2 改進(jìn)型區(qū)域生長法

本文用于分割的原始CT圖像數(shù)據(jù)來源于犬的心外膜標(biāo)測動(dòng)物實(shí)驗(yàn)。圖1是本文所研究的胸腔CT圖樣，圖中可見原始圖像具有較為鮮明的灰度特征。因此我們的分割方法以灰度差為主要的生長準(zhǔn)則。

圖1 實(shí)驗(yàn)犬胸腔的CT原始圖像Fig.1 The original CT image of canine chest

首先需要設(shè)置種子點(diǎn)I(x, y)。我們將種子點(diǎn)選取在胸腔內(nèi)非心臟部分，因?yàn)樵贑T圖片中，胸腔內(nèi)除了心臟并無其他部分，因此，對(duì)這一部分進(jìn)行區(qū)域生長，連成同質(zhì)的整體。傳統(tǒng)的圖像分割是突出感興趣區(qū)域(ROI)，在本文中，我們突出背景區(qū)域，其實(shí)也就相當(dāng)于突出了感興趣的心臟區(qū)域。

選好了種子點(diǎn)，接下來需要利用種子點(diǎn)的灰度特征增長為感興趣區(qū)域。本研究對(duì)種子點(diǎn)周圍的8個(gè)點(diǎn)I(x+u, y+v)(u, v是步長，-1:1)進(jìn)行測試，每考察一個(gè)點(diǎn)，像素點(diǎn)計(jì)數(shù)器加1。取閾值為10，若像素點(diǎn)與種子點(diǎn)像素差值小于閾值，則為同質(zhì)區(qū)域，并將該像素點(diǎn)的灰度值加入灰度計(jì)數(shù)器中。用灰度計(jì)數(shù)器的計(jì)數(shù)和與像素點(diǎn)計(jì)數(shù)器的計(jì)數(shù)和相除，就能得到新的平均灰度，作為新的測試標(biāo)準(zhǔn)測試其他的點(diǎn)。若超過閾值，則對(duì)這一點(diǎn)不再測試。

種子點(diǎn)的位置范圍確定后，還需要考慮怎么選取種子點(diǎn)的精確位置。畢竟不同的圖像，種子點(diǎn)的選取位置一般會(huì)不同。為了增強(qiáng)實(shí)用性，本文采用人機(jī)交互的軟件用于精確選取種子點(diǎn)的位置。

3 實(shí)驗(yàn)設(shè)計(jì)和結(jié)果

3.1 實(shí)驗(yàn)設(shè)計(jì)

由于本文所述的圖像分割是為心外膜電標(biāo)測信號(hào)研究服務(wù)的，因此必須考慮以后的實(shí)際應(yīng)用。目前的心臟三維建模采用的圖像分割方法，多數(shù)需要較多的人工經(jīng)驗(yàn)操作，費(fèi)時(shí)費(fèi)力，對(duì)于實(shí)際的應(yīng)用來講效率不高。而全自動(dòng)分割算法，又會(huì)由于目前本身的技術(shù)不成熟以及不同情況下的可能出現(xiàn)的特點(diǎn)難以完全自動(dòng)把握，從而使得結(jié)果不太精確。因此，本研究試著采取一種帶有人機(jī)交互的半自動(dòng)方式，取得精確性和效率的平衡優(yōu)化。

種子點(diǎn)的選取是一個(gè)復(fù)雜的問題。因?yàn)閷?duì)于不同的CT圖像，生長點(diǎn)一般是會(huì)變化的，因此最好做成會(huì)隨機(jī)變化的。心臟CT圖像所需種子點(diǎn)的特征應(yīng)該是：(1) 在胸腔內(nèi)；(2) 灰度是0。

針對(duì)這兩個(gè)特征，本研究采用的辦法是設(shè)計(jì)一個(gè)人機(jī)交互的程序，人為的判斷胸腔內(nèi)某一點(diǎn)的位置，輸入點(diǎn)坐標(biāo)進(jìn)行測試，如果符合要求，會(huì)自動(dòng)返回“我可以成為種子點(diǎn)”的結(jié)果，并進(jìn)行后續(xù)的分割。若不符合要求，則會(huì)輸出“我不是種子點(diǎn)”的結(jié)果，并停止分割算法。圖2是這種改進(jìn)型區(qū)域生長法的流程圖。

圖2 改進(jìn)型區(qū)域生長法流程圖Fig.2 The fowchart of improved region rowing method

3.2 實(shí)驗(yàn)結(jié)果

我們選取了編號(hào)為17的CT數(shù)據(jù)作為原始圖像，本文方法與閾值法的分割結(jié)果對(duì)比如圖3所示。圖4和圖5分別為采用本文方法與閾值法進(jìn)行分割后的心臟三維建模圖形。

比較圖4和圖5的心臟三維模型可以看出，改進(jìn)型區(qū)域生長法和閾值分割法分割出的心臟CT圖像大體上基本一致，但該文方法比純由閾值法分割出的圖像建立的模型要平滑一些。為了探明這些誤差影響，我們?cè)O(shè)計(jì)了一組測試程序，用于對(duì)分割結(jié)果的評(píng)價(jià)。

圖3 分割結(jié)果Fig.3 The segmentation results

圖4 閾值法分割圖像建立的心臟三維模型Fig.4 The 3D heart model built with the threshold segmentation

圖5 改進(jìn)型區(qū)域生長法分割圖像建立的心臟三維模型Fig.5 The 3D heart model built with the improved region growing method

4 分割方法的評(píng)價(jià)

圖像分割的評(píng)價(jià)，其實(shí)是通過對(duì)不同圖像分割算法性能的研究，幫助優(yōu)化分割算法。同時(shí)，通過評(píng)價(jià)也可以知道不同算法的特點(diǎn)，從而在面對(duì)不同的問題時(shí)可以選擇最適合的分割方法。

通常一幅圖像分割結(jié)果的好壞，主要是由研究者的主觀標(biāo)準(zhǔn)作為評(píng)價(jià)標(biāo)準(zhǔn)，但由于每個(gè)人視覺上存在差異，因此制定一個(gè)定量定性的方法很有意義。

圖像分割結(jié)果的評(píng)價(jià)方法可大致分為直接法(又稱分析法)和間接法(或稱實(shí)驗(yàn)法)兩大類[7-10]：前者是直接對(duì)算法的原理及性能進(jìn)行分析，不足之處在于沒有考慮算法的應(yīng)用環(huán)境，評(píng)價(jià)結(jié)果只與算法本身有關(guān)；后者是通過同一應(yīng)用環(huán)境下的測試給出評(píng)價(jià)結(jié)果。

(1) 分割建模時(shí)間

半自動(dòng)的區(qū)域分割法可以在2 min左右用Matlab完成本文57幅圖的分割并三維建模(測試環(huán)境：intel(R) Core(TM)2 Duo CPU T7100 @1.80 GHz，1.96 GB內(nèi)存)。閾值分割法由于需要手動(dòng)選取ROI，因此當(dāng)處理的對(duì)象多時(shí)工作量很大，對(duì)于57張圖，至少需要幾個(gè)小時(shí)。從效率上來講，區(qū)域生長法比閾值分割法更快捷方便。

(2) 目標(biāo)像素點(diǎn)差異性

本研究利用Matlab設(shè)計(jì)程序執(zhí)行，循環(huán)測試兩組分割結(jié)果。得到差異點(diǎn)最多的十組圖差異數(shù)據(jù)如表1所示（按從多到少排列）。

表1 分割結(jié)果差異點(diǎn)列表Tab.l The difference point list of the segmentation results

(3) 區(qū)域內(nèi)部的均勻性

由于本實(shí)驗(yàn)分割圖像的灰度值被統(tǒng)一為ROI區(qū)域?yàn)?，背景為1，因此均勻性很好。兩種方法的均勻系數(shù)UM均為1。

從整體上來看，閾值分割法簡單，但是費(fèi)時(shí)間。而改進(jìn)型區(qū)域生長法實(shí)現(xiàn)了半自動(dòng)分割，但是所耗費(fèi)的時(shí)間很短，實(shí)際差異率也不大。在心外膜標(biāo)測結(jié)果的三維顯示中改進(jìn)型區(qū)域生長法更具有應(yīng)用潛力。

5 討論

本文基于圖像分割經(jīng)典方法和心臟三維建模技術(shù)，對(duì)心臟CT圖像輪廓提取方法進(jìn)行了分析和探討。結(jié)果表明，本研究的兩種分割方法對(duì)于心臟CT圖像的處理都具有不錯(cuò)的效果，根據(jù)圖像合成的三維模型與實(shí)際十分接近。其中改進(jìn)型的區(qū)域生長法由于兼具實(shí)時(shí)性和準(zhǔn)確性，適合在今后的基于CT圖像的心臟三維建模工作中廣泛應(yīng)用。

[1] 陳麗麗, 楊水祥. 房顫機(jī)制與治療進(jìn)展[C]. 第二屆國際心血管熱點(diǎn)論壇論文集. 2010

[2] 楊翠微. 基于心外膜標(biāo)測技術(shù)的房顫表征方法及電生理機(jī)制研究[D]. 復(fù)旦大學(xué), 2008.

[3] 田捷. 醫(yī)學(xué)影像處理與分析[M]. 北京：電子工業(yè)出版社, 2003.

[4] 林麗秋, 陳亮亮. 醫(yī)學(xué)圖像分割研究概況[J]. 科技信息, 2011, (21): 42-43.

[5] 李久權(quán), 王平, 王永強(qiáng), 等. CT 圖像分割幾種算法[J]. 微計(jì)算機(jī)信息, 2006, 22(21): 240-242．

[6] 楊暉. 圖像分割的閾值法研究[J]. 遼寧大學(xué)學(xué)報(bào)自然科學(xué)版, 2006, 33(2): 136-137.

[7] 章毓晉. 圖像分割評(píng)價(jià)技術(shù)分類和比較[J]. 中國圖像圖形學(xué)報(bào), 1996, 1(2): 151-158.

[8] Zhang YJ. Comparison of segmentation evaluation criteria [C]. Proc ICSP, 1993, 870-873.

[9] Sairanyi T. Subpixel pattern recognition by Image Histogram[J]. Pattern Recognit, 1994, 27: 1079-1092.

[10] Nasif AM, Levine MD. Low level image segmentation: an expert system[J]. IEEE Trans PAMI, 1984, 6: 555-557.

lmplementation of 3D Heart Modeling Based on an lmproved Region Rowing Method

【W(wǎng)riters】Wang Zhangyu, Yang Cuiwei
Electronic Engineering Department, School of Information Science and Technology, Fudan University, Shanghai, 200433

CT image, image segmentation, region growing method, 3D modeling of the heart

TP391.41；R735.7

A

10.3969/j.issn.1671-7104.2014.05.001

1671-7104(2014)05-0315-03

2014-04-29

國家自然科學(xué)基金(61071004)；上海市科委資助項(xiàng)目(13441902800)

楊翠微，教授，E-mail: yangcw@fudan.edu.cn

【 Abstract 】Image segmentation is a key step for image processing. This study developed an improved region growing algorithm to extract the outline of the heart for 3D-modeling which based on the acquisition of canine cardiac CT images from animal experiment. In this paper the method was also compared with the classic algorithm of threshold segmentation. The result showed that the method can be used for the 3D display technology of cardiac electrical activity in clinical electrophysiology mapping.