探究醫(yī)學(xué)超聲圖像分割技術(shù)以及發(fā)展方向

褚紅艷

（湖北省孝感市中心醫(yī)院，湖北孝感 432000）

綜述及其他

探究醫(yī)學(xué)超聲圖像分割技術(shù)以及發(fā)展方向

褚紅艷

（湖北省孝感市中心醫(yī)院，湖北孝感 432000）

圖像分割技術(shù)在醫(yī)學(xué)超聲圖像的定性、定量分析中占據(jù)十分重要的地位，它對后續(xù)的分析、處理工作有直接的影響。但是，盡管目前有大量的文獻(xiàn)記載了關(guān)于圖像的分割方法，對于許多具有復(fù)雜特性的醫(yī)學(xué)超聲圖像，往往這些方法就起不到多少作用了。本文主要以醫(yī)學(xué)的超聲圖像特性的分析為基礎(chǔ)，分別對醫(yī)學(xué)超聲圖像的分割方法進(jìn)行介紹及評價(jià)，并對其發(fā)展的方向、趨勢進(jìn)行了簡單的探討。

醫(yī)學(xué)超聲圖像；圖像分割技術(shù)；發(fā)展方向

1 引言

圖像的分割技術(shù)在醫(yī)學(xué)超聲圖像的定性、定量分析中占據(jù)十分重要的地位，它對后續(xù)所有的分析和處理等工作都有直接的關(guān)系。而正確的圖像分割技術(shù)是為了從超聲圖像中提取到準(zhǔn)確的相關(guān)臨床應(yīng)用的診斷數(shù)據(jù)以便醫(yī)護(hù)人員做出正確的判斷，這同樣也是計(jì)算機(jī)作為輔助工具在臨床上進(jìn)行準(zhǔn)確定位和實(shí)時(shí)監(jiān)控非常重要的環(huán)節(jié)。

目前，在半自動(dòng)化和自動(dòng)化的定量分析方面，醫(yī)學(xué)超聲圖像分割技術(shù)幾乎不能同MRI、CT等的成像模式相提并論，但其因自身具有無損性、實(shí)時(shí)性、廉價(jià)性等的特點(diǎn)，并且在實(shí)施治療規(guī)劃和實(shí)時(shí)監(jiān)控等方面有極大的發(fā)展?jié)摿?。因此此分割技術(shù)在醫(yī)學(xué)上的關(guān)注度一直很高，但其本身的復(fù)雜性較高，故成為了一個(gè)至今還未攻克的世界性難題。

近幾年以來，隨著圖像分割技術(shù)的不斷發(fā)展以及新興技術(shù)的不斷產(chǎn)生，醫(yī)學(xué)超聲圖像分割技術(shù)也被迅猛的帶動(dòng)發(fā)展起來。尤其是近十年來，動(dòng)態(tài)規(guī)劃模型以及水平集模型等技術(shù)使得圖像的分割從二維分割向三維分割的方向迅速發(fā)展著。

2 傳統(tǒng)的醫(yī)學(xué)超聲圖像的分割技術(shù)

在整體上把傳統(tǒng)的醫(yī)學(xué)超聲圖像分割技術(shù)和其它圖像分割技術(shù)分為兩類，也就是以邊緣檢測為基礎(chǔ)和以區(qū)域生長為基礎(chǔ)的分割技術(shù)方法。如果是根據(jù)圖像局部的不連續(xù)性和突變性等特征進(jìn)行檢測，稱之為以邊緣檢測為基礎(chǔ)的分割技術(shù)方法，它是將其連成邊界并把圖像分割成為不同區(qū)域；如果是將象素按照一些特征劃分到不同區(qū)域當(dāng)中以及相鄰的區(qū)域具有不同的均勻性，則稱之為以區(qū)域生長為基礎(chǔ)的分割技術(shù)方法。這兩種方法的使用是相輔相成的，在實(shí)際的應(yīng)用過程中需要相互結(jié)合，這樣才能達(dá)到預(yù)期的分割效果。

2.1 以邊緣檢測為基礎(chǔ)的方法

以邊緣檢測為基礎(chǔ)進(jìn)行分割，這種方式是通過對相鄰象素的特征值進(jìn)行檢測，根據(jù)病原體的突變性在不同的區(qū)域間獲得邊緣。判定邊緣點(diǎn)是以檢測點(diǎn)本身及其相鄰點(diǎn)作為基礎(chǔ)，主要有：局部的微分算子，例如Canny算子、Roberts梯度算子等。當(dāng)然，對于超聲圖像的不同，還存在其它許多不同算子或手段。在邊緣的檢測算子中，一個(gè)良好的算子不僅僅是需要具備微分的特性便于獲得灰度的信息，而且還要能夠檢測任何尺度的邊緣。因?yàn)榛叶仍趫D像里可以按照不同的尺度而發(fā)生改變。根據(jù)試驗(yàn)結(jié)果顯示，檢測邊緣所得到的邊緣信息常常會(huì)由于信息的不突出而產(chǎn)生了間隙，使得已形成的曲線無法封閉物體。這就要采用一些連接、跟蹤的算法根據(jù)離散的邊緣點(diǎn)勾勒出物體的邊界。而且，邊緣檢測這一分割方法對有較大噪音的圖像會(huì)產(chǎn)生偽邊緣比較，為了消除噪聲，對其提出的要求也較高。而該問題特別是在醫(yī)學(xué)超聲圖像的分割上比較突出。

2.2 以區(qū)域生長為基礎(chǔ)的方法

以區(qū)域生長為基礎(chǔ)的方法是以區(qū)域內(nèi)部的均勻性為依據(jù)從而進(jìn)行的圖像分割技術(shù)，主要技術(shù)有：合并、分裂技術(shù)以及隨機(jī)場技術(shù)。

2.2.1 基于合并、分裂技術(shù)的區(qū)域生長法主要分為三類：即合并、分裂以及合并-分裂的結(jié)臺。

（1）合并的方法：首先將圖像分成多個(gè)小的摹本區(qū)域，然后依據(jù)特定均勻性從而分辨合并不同區(qū)域，最終形成一個(gè)大的區(qū)域；

（2）分裂的方法：將整幅圖像作為最初的分割結(jié)果，只要當(dāng)前分割的結(jié)果均勻性得不到滿足，就不斷將其進(jìn)行四個(gè)方形區(qū)域的分裂，直到各個(gè)區(qū)域都足夠均勻；

（3）合并-分裂相結(jié)合的方法：將相鄰并且特征相似的區(qū)域進(jìn)行合并，而明顯特征不均勻的區(qū)域則不斷進(jìn)行分裂。

以上的幾種方法對圖像的質(zhì)量要求都較高，尤其是同一物體的內(nèi)部灰度的均勻性，否則容易導(dǎo)致過度合并或者過度分裂的現(xiàn)象。然而在醫(yī)學(xué)超聲圖像上很少使用這種方法，通常是與其它的方法結(jié)合使用，因此這類參考文獻(xiàn)極少。

2.2.2 基于隨機(jī)場技術(shù)的圖像分割方法利用空間區(qū)域的相互作用模型，如Markov隨機(jī)場等對圖像進(jìn)行模擬構(gòu)建，再結(jié)合一些概率論知識以及模擬退火等優(yōu)化方法對圖像進(jìn)行分割。

這種方法非常容易導(dǎo)致誤分類產(chǎn)生，紋理邊界極難進(jìn)行分割，因此其在醫(yī)學(xué)超聲圖像的分割中的應(yīng)用還有待繼續(xù)研究。

3 形變模型的醫(yī)學(xué)超聲圖像分割法

近幾年來，研究者們?yōu)榱私鉀Q以上存在的各種問題，開始廣泛的對以形變模型為基礎(chǔ)的圖像分割技術(shù)進(jìn)行了各種研究和應(yīng)用，并取得了不小成就。以下將分別討論動(dòng)態(tài)規(guī)劃模型和水平集模型兩種形變模型的超聲圖像分割法。

3.1 形變模型的醫(yī)學(xué)超聲圖像分割法-動(dòng)態(tài)規(guī)劃模型

動(dòng)態(tài)規(guī)劃模型的分割方法的基本思想，首先人工在原始圖像上選擇初始點(diǎn)、終止點(diǎn)，并變換原始圖像以獲得初始代價(jià)陣，而目標(biāo)的邊緣對應(yīng)的區(qū)域相比于其它的區(qū)域，代價(jià)相對較低；所以用初始代價(jià)陣和給定的初始點(diǎn)并將累積的代價(jià)陣通過計(jì)算得出結(jié)果，最后根據(jù)結(jié)果反向跟蹤，即從終止點(diǎn)的方向回到初始點(diǎn)，便可獲得實(shí)際需要的邊緣輪廓線。

本文也依據(jù)此分割法進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果顯示該算法不僅可以取得最優(yōu)解，抗干擾能力也十分顯著。但該算法仍存在以下幾個(gè)問題：

（1）計(jì)算量大：主要是在計(jì)算累積代價(jià)陣時(shí)耗費(fèi)的時(shí)間較多，可以說累積代價(jià)陣的計(jì)算是整個(gè)運(yùn)算的“瓶頸”；

（2）容易被引入“歧途”：由于超聲圖像有其本身的物理特性，還能產(chǎn)生比較大的噪聲，所以導(dǎo)致偽邊緣增多，在代階陣中以條紋狀低代價(jià)槽的形式表現(xiàn)出來，誤導(dǎo)了整個(gè)計(jì)算過程，導(dǎo)致無法算出正確的結(jié)果；

（3）初始點(diǎn)、終止點(diǎn)的選擇，極大的影響著分割結(jié)果，因初始點(diǎn)、終止點(diǎn)的不同可以形成不同的分割結(jié)果（詳見圖1中b、c、d）。

圖1 胃癌超聲圖像動(dòng)態(tài)規(guī)劃模型分割法結(jié)果

(a)原始圖像，其中標(biāo)志點(diǎn)位臨床醫(yī)生所標(biāo)；(b) (c)(d)為不同初始點(diǎn)、終止點(diǎn)情況下的不同分割結(jié)果。

3.2 形變模型的醫(yī)學(xué)超聲圖像分割法——水平集模型

水平集為幾何形變的模型，應(yīng)用比較多的是在計(jì)算機(jī)的視覺與圖像分析的研究之中。設(shè)定的運(yùn)動(dòng)曲線是X(s，t)=[X(s，t)，y(s，f)]，式中的t代表時(shí)間，s代表任意參數(shù)；而用N來表示曲線的單位法向量，k表示曲率?？梢圆捎闷⒎值姆匠淌絹肀硎厩€以及沿曲線方向的法向量的變化：

式中的V(k)表示擴(kuò)展的速度。為了解答出這個(gè)偏微分的方程，將水平集的概念給引入。設(shè)水平集的函數(shù)：Φ(z，Y，t)，由運(yùn)動(dòng)曲線零值的集合來表示運(yùn)動(dòng)的曲線X(x，t)，即Φ[X(z，t)，t]=0。之后對其進(jìn)行求導(dǎo)可得：

式中的▽Φ是Φ的梯度。假設(shè)Φ在曲線的內(nèi)部是負(fù)的，在外部是正的，那么曲線單位的法向量就是：

根據(jù)（2）式與（3）式，我們可以將（1）式改寫為：

零值集的曲線曲率是：

（1）式與（4）式的關(guān)系可以構(gòu)成使用水平集的方法將曲線進(jìn)化的理論給解決的基礎(chǔ)。

在醫(yī)學(xué)的圖像分割技術(shù)中，水平集模型圖像的分割方法已得到廣泛應(yīng)用，但在超聲圖像分割的應(yīng)用還是較少的。這可能是因?yàn)獒t(yī)學(xué)的超聲圖像產(chǎn)生了較大的噪聲使得其運(yùn)動(dòng)速度難以設(shè)定和終止的條件難以給定。因此，在醫(yī)學(xué)超聲圖像的分割領(lǐng)域中，水平集模型的應(yīng)用仍然需要進(jìn)一步的深入研究。

4 總結(jié)語

綜上所述，在分別論述了傳統(tǒng)的圖像分割技術(shù)對于醫(yī)學(xué)超聲圖像的分割效果以及對近幾年迅速發(fā)展起來的幾個(gè)圖像分割技術(shù)作了一一介紹和評價(jià)。通過以上的分析不難看出，傳統(tǒng)的圖像分割技術(shù)在對醫(yī)學(xué)超聲圖像進(jìn)行分割時(shí)是很難得到人們所期望的結(jié)果的；雖然形變模型分割技術(shù)能獲得不錯(cuò)的效果，但仍有許多問題沒有得到解決。因此，醫(yī)學(xué)超聲圖像分割技術(shù)的研究方向應(yīng)根據(jù)這些還未解決的問題，向以下幾個(gè)方面發(fā)展：

(1)建立拓?fù)淇刂戚^好的形變模型；

(2)圖像能量的設(shè)計(jì)；

(3)多種模型結(jié)合的應(yīng)用，從而提高分割效果和加快分割速度；

(4)將圖像分割技術(shù)由二維分割向三維分割方向發(fā)展。

［1］敖貴文.《醫(yī)學(xué)超聲影像三維目標(biāo)對象的分割方法》[J].中國醫(yī)學(xué)影像技術(shù).2012年7期.

［2］蔡勇、陳念年.《超聲醫(yī)學(xué)圖像的自動(dòng)分割》[J].蘭州交通大學(xué)學(xué)報(bào).2004.23(4)：61-64.

［2］李彩云.《基于水平集的醫(yī)學(xué)超聲圖像分割方法研究》[J].學(xué)位論文.2013.

［4］鄭麗芳.《三維超聲圖像分割方法的研究與實(shí)現(xiàn)》[J].學(xué)位論文. 2010.

［5］吳建華.《醫(yī)學(xué)超聲圖像處理的研究與實(shí)現(xiàn)》[J].學(xué)位論文.2010.

［6］劉燕杰.《基于活動(dòng)輪廓模型的醫(yī)學(xué)圖像分割》[J].學(xué)位論文. 2011.

［7］鄭柏泠.《基于Grouping Bandlet的超聲醫(yī)學(xué)圖像分割與應(yīng)用》[J].學(xué)位論文.2011.

［8］嚴(yán)加勇、莊天戈.《基于改進(jìn)粒子群的模糊聚類超聲圖像分割》[J].科學(xué)技術(shù)與工程.2011年21期.

［9］楊丞、費(fèi)紅曉.《醫(yī)學(xué)超聲圖像分割技術(shù)的研究及其發(fā)展趨勢》[J].北京生物醫(yī)學(xué)工程.2010.0067-05.

褚紅艷，1969年生，女，主治醫(yī)師，大學(xué)本科學(xué)歷，從事醫(yī)學(xué)超聲工作二十年。