基于區(qū)域增長(zhǎng)法的新疆哈薩克族食管癌X射線醫(yī)學(xué)圖像的分割研究

伊力扎提·阿力甫　木拉提·哈米提　嚴(yán)傳波　阿布都艾尼·庫(kù)吐魯克

830011 新疆醫(yī)科大學(xué)

姚　娟　楊　芳

?

基于區(qū)域增長(zhǎng)法的新疆哈薩克族食管癌X射線醫(yī)學(xué)圖像的分割研究

伊力扎提·阿力甫木拉提·哈米提嚴(yán)傳波阿布都艾尼·庫(kù)吐魯克

830011 新疆醫(yī)科大學(xué)

姚娟楊芳

【摘要】目的為了提高分類和檢索準(zhǔn)確率從哈薩克族食管癌X射線醫(yī)學(xué)圖像中提取感興趣區(qū)域。方法通過(guò)40幅新疆哈薩克族食管癌X射線醫(yī)學(xué)圖像中得出新疆哈薩克族食管癌醫(yī)學(xué)圖像直方圖特征并利用此特征分別采用區(qū)域增長(zhǎng)法和全閾值法分割100新疆哈薩克族食管癌醫(yī)學(xué)圖像，并利用面積大小差異和平均表面距離評(píng)價(jià)分割結(jié)果。結(jié)果分割后的圖像與手工分割的圖像進(jìn)行比較評(píng)價(jià)得出區(qū)域增長(zhǎng)法與手工分割圖像面積平均相差4.1606%，平均表面距離相差1個(gè)像素點(diǎn)而全閾值法分割后圖像面積平均相差13.056%，平均表面距離相差3個(gè)像素點(diǎn)。結(jié)論區(qū)域增長(zhǎng)法比較適合分割新疆哈薩克族食管癌X射線醫(yī)學(xué)圖像。此研究不僅能提高新疆哈薩克族食管癌輔助診斷系統(tǒng)的診斷準(zhǔn)確率并對(duì)以后的食管癌醫(yī)學(xué)圖像分割研究奠定了基礎(chǔ)。

【關(guān)鍵詞】新疆哈薩克族食管癌醫(yī)學(xué)圖像，區(qū)域增長(zhǎng)法，分割評(píng)價(jià)

(ThePracticalJournalofCancer,2016,31:443～445)

計(jì)算機(jī)輔助診斷系統(tǒng)(computer aided diagnosis system，CAD)是通過(guò)計(jì)算機(jī)的幫助下輔助診斷醫(yī)師來(lái)輔助診斷的系統(tǒng)。大量的研究已證實(shí)CAD技術(shù)有助于降低X射線一些疾病的漏診率[1]。在CAD系統(tǒng)中準(zhǔn)確無(wú)誤找出病灶或者感興趣區(qū)域是非常重要的環(huán)節(jié)，因此食管癌圖像的分割變成了食管癌輔助診斷系統(tǒng)首要突破的目標(biāo)。食管癌醫(yī)學(xué)圖像中除了食管本身以外還包含了與食管灰度值相似的其他軟組織和骨骼使得分割食管癌難度加大[2]。通過(guò)觀察食管癌醫(yī)學(xué)圖像的特點(diǎn)可以發(fā)現(xiàn)食管本身是一個(gè)灰度接近的，均勻分布的區(qū)域并且它與周圍的背景有著鮮明的灰度差值[3-4]。

1資料與方法

1.1資料

收集新疆醫(yī)科大學(xué)第一附屬醫(yī)院2013年6月至2014年6月診斷為食管癌患者的X射線圖像200幅。并篩選掉其中相似度非常接近和同一患者重復(fù)的圖片。得到早晚期食管癌圖像共140幅。

1.2分析方法

食管癌醫(yī)學(xué)圖像中感興趣區(qū)域與其余的部分有著很高的相似性，但是感興趣區(qū)域本身與其背景有著明顯的灰度差異。所以本研究從收集140幅的圖像中隨機(jī)抽取40幅圖像。分析40副圖像的感興趣區(qū)域直方圖分布。

1.3分割方法

1.3.1區(qū)域增長(zhǎng)法區(qū)域增長(zhǎng)法的基本思路是集合相同點(diǎn)或者相似的點(diǎn)為一個(gè)區(qū)域，并此區(qū)域與灰度相差比較大的區(qū)域進(jìn)行分離的方法[5-6]。在本次研究中由于食管癌醫(yī)學(xué)圖像的感興趣區(qū)域與其背景的其余組織之間有著明顯的灰度差，感興趣區(qū)域灰度分布均勻所以按照此特性在本研究中選取了以下的增長(zhǎng)準(zhǔn)則：|I(x+u,y+v)-I(x,y)|

1.3.2全閾值分割法全閾值分割法的基本思路是從整幅圖中篩選出所需灰度范圍。由于食管癌醫(yī)學(xué)圖像感興趣區(qū)域與其背景灰度有著鮮明的差異比較容易判斷所獲取區(qū)域的灰度范圍本研究中利用了全閾值分割法并其分割準(zhǔn)則定義為：

1.4評(píng)價(jià)方法

為了評(píng)價(jià)分割結(jié)果，本研究采用醫(yī)學(xué)影像計(jì)算與計(jì)算機(jī)輔助介入(medical image computing and computer assisted intervention,MIC-CAI)準(zhǔn)則提出的評(píng)價(jià)方法，對(duì)本研究分割算法與手工分割算法進(jìn)行比較[8-9]。

面積大小差異評(píng)價(jià)：

平均表面距離：

在數(shù)學(xué)表達(dá)式中表示分割后的面積，表示手工分割以后的面積A表示計(jì)算機(jī)分割后圖像，B表示手工分割后的圖像。a,b分別為A和B上的點(diǎn),dist(a,b)表示，a與b的距離，NA與NB分別表示A，B上點(diǎn)的個(gè)數(shù)。這些參數(shù)可以直觀的表示其分割結(jié)果的質(zhì)量。這些數(shù)值越小表示算計(jì)分割的與專家手動(dòng)分割的越接近，等于零是表示計(jì)算機(jī)分割與專家手動(dòng)分割結(jié)果一致。

2結(jié)果

2.1灰度直方圖分布情況

從40幅食管癌邊界圖像的灰度直方圖中算出比例最大兩塊區(qū)間上限值和下限值的平均值分別為210和226。并且這40幅食管以外區(qū)域灰度最高值的平均值為196。所以thereshold 取值為15。

從與邊界灰度比較接近的40幅食管癌X射線醫(yī)學(xué)圖像的食管與背景區(qū)域的灰度直方圖特征來(lái)得出每?jī)蓚€(gè)區(qū)域之間有著明顯地差距，并且40幅食管癌X射線醫(yī)學(xué)圖像灰度值范圍大致一致。綜上特點(diǎn)采用區(qū)域增長(zhǎng)法對(duì)100幅類似的食管癌醫(yī)學(xué)圖像進(jìn)行分割。分割結(jié)果見圖1。

a為原圖，b為分割后圖像。

從直方圖中可以看出食管癌醫(yī)學(xué)圖像中食管的灰度值很高，所以還考慮通過(guò)全閾值法來(lái)分割食管癌醫(yī)學(xué)圖像[7]。設(shè)食管癌醫(yī)學(xué)圖像為I(x,y)令。

從40幅食管癌醫(yī)學(xué)圖像的食管灰度直方圖中可以看出食管最小灰度值的平均值為210，所以利用全閾值法分割時(shí)threshold1取值為210，threshold2取值為230，其分割效果見圖2。

2.2分割結(jié)果的評(píng)價(jià)

所分割的圖像由新疆醫(yī)科大學(xué)第一附屬醫(yī)院提供，并且影像學(xué)專家手動(dòng)分割的醫(yī)學(xué)圖像默認(rèn)為標(biāo)準(zhǔn)

分割圖像，并利用手動(dòng)分割后圖像分別與區(qū)域增長(zhǎng)法和全閾值分割方法作比較進(jìn)行評(píng)價(jià)。其比較結(jié)果見圖3、圖4。

a為原圖，b為全閾值法分割后圖像。

圖3　應(yīng)用面積大小差異與手動(dòng)分割圖像評(píng)價(jià)

圖4　應(yīng)用平均表面距離與手工分割圖像評(píng)價(jià)后的折線圖

3討論

從本文圖3，4中可以看出，利用區(qū)域增長(zhǎng)法分割新疆地方性食管癌醫(yī)學(xué)圖像與專家手工分割圖像進(jìn)行比較可以得出區(qū)域增長(zhǎng)法分割以后的面積與手工分割以后圖像面積平均相差4.1606%；全閾值分割以后圖像與專家手工分割以后的圖像面積平均相差13.056%。從圖4中可以算出100幅圖的區(qū)域增長(zhǎng)法

分割以后的圖像與專家手工分割后圖像平均表面距離的平均值為1.019所以區(qū)域增長(zhǎng)法分割以后的圖像與專家手工分割后圖像平均表面距離相差1個(gè)像素點(diǎn)。兩者平均表面距離的平均值為3.03所以全閾值法分割后圖像與專家手工分割后圖像平均表面距離相差3個(gè)像素點(diǎn)。

本研究通過(guò)40幅食管癌醫(yī)學(xué)圖像灰度直方圖中得出食管邊緣與背景的灰度特征來(lái)分割100幅食管癌醫(yī)學(xué)圖像。從40幅食管灰度直方圖可以看出食管本身灰度值集中在210～230之間，所以本研究還利用全閾值法來(lái)分割食管癌醫(yī)學(xué)圖像。全閾值法分割圖像雖然對(duì)于個(gè)別的食管癌醫(yī)學(xué)圖像的分割結(jié)果比較理想，但是從100幅利用全閾值分割以后的食管癌醫(yī)學(xué)圖像中可以看出區(qū)域增長(zhǎng)法對(duì)于全閾值分割法來(lái)說(shuō)比較適合分割食管癌醫(yī)學(xué)圖像。

參考文獻(xiàn)

[1]Astley SM,Gilbert FJ.Computer-aided detection in mammography〔J〕.Clin Radiol,2004,59(5):390-399.

[2]林瑤,田捷.醫(yī)學(xué)圖像分割方法綜述〔J〕.模式識(shí)別與人工智能,2002,15(2):192-204.

[3]姜慧研,司岳鵬,雒興剛,等.基于改進(jìn)的大津方法與區(qū)域生長(zhǎng)的醫(yī)學(xué)圖像分割〔J〕.東北大學(xué)學(xué)報(bào)(自然科學(xué)版),2006,27(4):398-401.

[4]黃敏.肝臟CT圖像分割及三維重建算法研究〔D〕.重慶大學(xué),2013.

[5]李夢(mèng)亮,翁正新.基于改進(jìn)區(qū)域生長(zhǎng)法和霍夫變換的車道分割法〔J〕.計(jì)算機(jī)應(yīng)用與軟件,2011,28(12):246-248,262.

[6]於猛,劉向榮,黃曉陽(yáng),等.改進(jìn)區(qū)域生長(zhǎng)法及其在冠狀動(dòng)脈造影圖中的應(yīng)用〔J〕.廈門大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,52(1):38-42.

[7]陶文兵,金海.一種新的基于圖譜理論的圖像閾值分割方法〔J〕.計(jì)算機(jī)學(xué)報(bào),2007,30(1):110-119.

[8]Deng X.Du G.Editorial：3D segmentation in the clinic：a grand challenge Ⅱ liver tumor segmentation〔C〕.Pro ceedings of MICCAI Workshop on 3D Segmentation in the Clinic：a Grand Challenge Ⅱ〔M〕.New York，USA：MIC-CAI，2008：1-4.

[9]木拉提·哈米提,伊力扎提·阿力甫,嚴(yán)傳波,等.基于C均值算法的新疆維吾爾醫(yī)草藥圖像的分割研究〔J〕.新疆醫(yī)科大學(xué)學(xué)報(bào),2015,(7):810-814.

(編輯：吳小紅)

Xinjiang Kazaks’Esophageal Cancer Medical Image Segmentation Based on Region Growing Method

ELZATAlip,MURATHamit,Chuanboyan,etal.

XinjiangMedicalUniversity,Urumqi,830011

【Abstract】ObjectiveTo improve the accuracy of the classification and retrieval Xinjiang Kazak esophageal cancer medical image segmentation.MethodsSegment 100 Xinjiang Kazak esophageal cancer medical images using regional growth method and full image threshold method which based on the features taken by other 40 Xinjiang Kazak esophageal cancer medical images.Evaluate the segmentation accuracy of the 2 methods by segment area and average surface distance.ResultsThe average area gap between region growing method and experts was 4.1606%.The average gray gap between region growing method and experts was 1 pixel.The average area gap between all threshold method and experts was 13.056%.The average gray gap between all threshold method and experts was 3 pixels.ConclusionRegional growing method is suitable for segmentation of Xinjiang Kazak esophageal cancer medical image.This study can improve the diagnostic accuracy of Kazak esophageal cancer assistant diagnosis system and later laid the foundation for esophageal cancer medical image segmentation research.

【Key words】Xinjiang Kazaks’Esophageal cancer medical image；Region growing method；Segment evaluation

(收稿日期2015-04-10修回日期 2015-10-17)

中圖分類號(hào)：R735.1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-5930(2016)03-0443-03

DOI：10.3969/j.issn.1001-5930.2016.03.028

通訊作者：木拉提·哈米提

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目(編號(hào)：81460281)