基于CT圖像的全心臟分割方法研究

尹慧平，張耀楠，何穎

（1.西安思源學(xué)院電信學(xué)院，西安　710038；2.東北大學(xué)中荷生物醫(yī)學(xué)與信息工程學(xué)院，沈陽(yáng)　110819）

基于CT圖像的全心臟分割方法研究

尹慧平1，張耀楠2，何穎1

（1.西安思源學(xué)院電信學(xué)院，西安710038；2.東北大學(xué)中荷生物醫(yī)學(xué)與信息工程學(xué)院，沈陽(yáng)110819）

為了解決無(wú)法準(zhǔn)確分割全心臟的難題，提出一種基于形態(tài)學(xué)操作和形態(tài)學(xué)梯度的閾值分割算法。傳統(tǒng)的閾值分割由于圖像本身灰度分布不均及噪聲干擾等多種因素的影響，往往不能得到理想的分割結(jié)果。該算法結(jié)合形態(tài)學(xué)開(kāi)閉操作重構(gòu)圖像，在形態(tài)學(xué)梯度的基礎(chǔ)上，對(duì)圖像進(jìn)行自動(dòng)閾值分割，不但可以消除噪聲，還能較好地保留圖像的邊緣信息，得到全心臟組織。實(shí)驗(yàn)結(jié)果顯示，基于形態(tài)學(xué)梯度的閾值分割算法對(duì)心臟的提取準(zhǔn)確率較高，解決僅使用傳統(tǒng)閾值分割或直接對(duì)普通梯度圖像分割存在的問(wèn)題。

全心臟分割；圖像處理；形態(tài)學(xué)梯度；閾值分割

陜西省教育廳專(zhuān)項(xiàng)科研計(jì)劃項(xiàng)目（No.16JK2147）、西安思源學(xué)院校級(jí)重大科研項(xiàng)目（No.XASY-B1601）

0　引言

關(guān)于醫(yī)學(xué)圖像處理的研究，領(lǐng)域非常廣泛，如圖像分割、圖像配準(zhǔn)、三維重建以及圖像引導(dǎo)手術(shù)等，其中，圖像分割是整個(gè)醫(yī)學(xué)圖像處理的關(guān)鍵之處，也是其他技術(shù)實(shí)現(xiàn)的重要基礎(chǔ)步驟[1-2]。然而在醫(yī)學(xué)圖像中，往往存在目標(biāo)組織與背景對(duì)比度小、人們感興趣的組織區(qū)域灰度不均以及圖像本身存在各種噪聲等問(wèn)題，很難精確提取出特定組織[3]。針對(duì)心臟CT圖像，目前還沒(méi)有一種普遍適用的有效分割方法，想要精確地找到心臟組織還存在一定的困難。在心臟疾病的研究方面，亟需一種有效的技術(shù)能準(zhǔn)確分割和提取心臟組織，提高醫(yī)生診斷效率。準(zhǔn)確提取心臟中各個(gè)腔室，全心臟的定位是第一步。心臟CT圖像由于受心臟舒張、收縮以及血液的流動(dòng)等影響，會(huì)導(dǎo)致心臟CT圖像出現(xiàn)弱邊界、偽影、局部梯度極大值區(qū)域等現(xiàn)象，若分別直接使用閾值分割和分水嶺方法分割都難以得到滿(mǎn)意的分割效果。因此，國(guó)內(nèi)外很多研究者對(duì)現(xiàn)有分割算法進(jìn)行改進(jìn)，如通過(guò)分割前預(yù)處理，或者分割后處理[4-5]。本文提出的新算法結(jié)合心臟的形態(tài)學(xué)特點(diǎn)，及心臟CT圖像的噪聲特點(diǎn)，提出基于形態(tài)學(xué)重構(gòu)及形態(tài)學(xué)梯度的閾值分割算法，在分割前后分別對(duì)圖像進(jìn)行形態(tài)學(xué)開(kāi)閉操作，以達(dá)到去噪效果，最終得到較為理想的分割結(jié)果。

1　全心臟定位新算法

心臟的定位主要是從CT心臟圖像中把心臟與背景圖像分割出來(lái)，找到我們研究的目標(biāo)組織。結(jié)合圖像特點(diǎn)，使用改進(jìn)的閾值分割算法找到心臟的邊緣輪廓，進(jìn)行心臟組織分割。

1.1新算法原理

新算法中，結(jié)合CT心臟圖像本身特征，采用形態(tài)學(xué)操作重構(gòu)原始心臟圖像，大大削弱了原始圖像中存在的噪聲等干擾信息，使得形態(tài)學(xué)梯度圖像邊緣更加清晰；因形態(tài)學(xué)梯度圖像能更好地反映圖像的變化趨勢(shì)，在梯度圖像的基礎(chǔ)上進(jìn)行分割，比在原始圖像上直接進(jìn)行分割效果更好，所以文中把形態(tài)學(xué)梯度圖像作為分割對(duì)象，保證圖像的邊緣信息沒(méi)有丟失；最后采用閾值分割，得到較為準(zhǔn)確的分割結(jié)果。

1.2新算法流程

將形態(tài)學(xué)操作及形態(tài)學(xué)梯度與閾值分割結(jié)合在一起用于心臟圖像的分割定位，是一種較新的思路，在某種程度結(jié)合了心臟圖像的形態(tài)學(xué)特點(diǎn)，得到較為理想的分割結(jié)果，算法的關(guān)鍵在于形態(tài)學(xué)算子的選取，緊緊圍繞人體心臟的形態(tài)結(jié)構(gòu)，對(duì)原始圖像進(jìn)行形態(tài)學(xué)重構(gòu)，并對(duì)分割后的心臟CT圖像進(jìn)行三維重建，得到人體心臟的三維結(jié)構(gòu)。

圖1　新算法流程圖

1.3心臟定位方法

由于直接對(duì)原始心臟圖像進(jìn)行閾值分割，效果極差，前景與背景無(wú)法辨別，而在形態(tài)學(xué)重構(gòu)的基礎(chǔ)上對(duì)心臟圖像進(jìn)行閾值分割，獲得心臟的大致區(qū)域，并以此為基礎(chǔ)，進(jìn)行前景、背景標(biāo)記.實(shí)驗(yàn)采用圓盤(pán)結(jié)構(gòu)對(duì)上述區(qū)域進(jìn)行形態(tài)學(xué)腐蝕操作得到前景標(biāo)記；做形態(tài)學(xué)膨脹后得到背景標(biāo)記，并把提取的標(biāo)記強(qiáng)制作為心臟圖像的局部極小值修正梯度圖像，在經(jīng)過(guò)修正后的形態(tài)學(xué)梯度圖像上進(jìn)行自動(dòng)閾值分割，得到較為理想的邊緣信息，最終獲得心臟圖像。

（1）形態(tài)學(xué)重構(gòu)

為減少噪聲對(duì)下一步的干擾，在進(jìn)行形態(tài)學(xué)梯度計(jì)算之前，首先對(duì)圖像進(jìn)行預(yù)處理操作，以消除圖像中存在的噪聲等干擾信息。

根據(jù)所分割圖像，選擇大小合適的圓盤(pán)，對(duì)原圖像進(jìn)行形態(tài)學(xué)操作，其中包括形態(tài)學(xué)膨脹和形態(tài)學(xué)腐蝕，具體的形態(tài)學(xué)操作如下[7]：

定義1：假定I（x，y）代表一幅圖像，DI表示圖像I的定義域，Mn表示一個(gè)尺寸為n的結(jié)構(gòu)單元，那么數(shù)學(xué)形態(tài)學(xué)的腐蝕和膨脹定義可以定義如下：

膨脹（dilation）:

腐蝕（erosion）：

（2）形態(tài)學(xué)梯度計(jì)算

定義2：圖像I（x，y）的形態(tài)學(xué)梯度的定義如下：

式中▽?zhuān)?）代表形態(tài)學(xué)梯度，δ（I）表示利用半徑為3個(gè)像素的圓盤(pán)形結(jié)構(gòu)模板，對(duì)圖像I進(jìn)行形態(tài)學(xué)膨脹操作，ε（I）表示利用同樣大小的算子對(duì)圖像I進(jìn)行形態(tài)學(xué)腐蝕操作，▽?zhuān)↖）表示圖像I的形態(tài)學(xué)梯度。

（3）形態(tài)學(xué)梯度修正

如果直接對(duì)形態(tài)學(xué)梯度圖像進(jìn)行閾值分割[8]，會(huì)存在過(guò)分割的問(wèn)題，為得到更加精確的分割結(jié)果，需要重構(gòu)形態(tài)學(xué)梯度圖像。將通過(guò)形態(tài)學(xué)腐蝕和膨脹得到的內(nèi)、外標(biāo)用于重構(gòu)后的形態(tài)學(xué)梯度圖上，并將其進(jìn)行強(qiáng)制作為全局極小值，以去除過(guò)多的局部極小值，對(duì)強(qiáng)制極小值化后的梯度圖像直接閾值分割得到心臟的邊界[11]。最終，對(duì)分割結(jié)果進(jìn)行多次腐蝕操作，得到較為清晰的心臟定位結(jié)果。

2　實(shí)驗(yàn)結(jié)果與分析

2.1形態(tài)學(xué)重構(gòu)結(jié)果

實(shí)驗(yàn)使用的心臟CT圖像存儲(chǔ)格式為DICOM格式，實(shí)際處理時(shí)，需要分片讀取、處理，最終重建得到心臟的三維結(jié)構(gòu)。以下實(shí)驗(yàn)結(jié)果是以心臟CT圖像中的某一片處理為例。

對(duì)分片灰度圖像進(jìn)行形態(tài)學(xué)膨脹和腐蝕操作，是為了消除一些細(xì)小的斑點(diǎn)，切斷一些細(xì)長(zhǎng)的搭接，而起到區(qū)域分離的作用，并對(duì)一些小的缺口進(jìn)行填充，搭接不該存在的間隔等，最終對(duì)這些操作后的圖像重構(gòu)得到更加清晰的待分割對(duì)象[12-16]。

圖2　原始圖像與形態(tài)學(xué)重構(gòu)圖像對(duì)比

下面對(duì)比一組對(duì)原始圖像求普通梯度值和對(duì)形態(tài)學(xué)重構(gòu)圖像求取形態(tài)學(xué)梯度值的結(jié)果：

圖3　原始圖像與普通梯度圖像

圖4　原始圖像與形態(tài)學(xué)梯度圖像

2.2內(nèi)外標(biāo)記提取

選取半徑為2的圓盤(pán)模板結(jié)構(gòu)對(duì)心臟區(qū)域腐蝕操作得到心臟的內(nèi)部標(biāo)記：

圖5　內(nèi)部標(biāo)記提取

選取半徑為20的圓盤(pán)模板結(jié)構(gòu)對(duì)心臟區(qū)域膨脹操作得到心臟的內(nèi)部標(biāo)記：

圖6　背景標(biāo)記提取

2.3形態(tài)學(xué)梯度圖像修正

圖7　修正梯度圖像

經(jīng)過(guò)形態(tài)學(xué)梯度的局部極小值修正發(fā)現(xiàn)消除了不必要的邊緣信息，對(duì)圖像的進(jìn)一步分割奠定基礎(chǔ)。在此基礎(chǔ)上，使用Otsu算法進(jìn)行分割，分割結(jié)果得到進(jìn)一步的改進(jìn)：

圖8　閾值分割結(jié)果

分割后處理，并對(duì)分片圖像進(jìn)行三維重建[17-21]，得到心臟CT的三維結(jié)構(gòu)：

圖9　心臟CT圖像的切片分割效果

圖10　心臟三維結(jié)構(gòu)定位效果圖

3　結(jié)語(yǔ)

改進(jìn)的閾值分割算法結(jié)合形態(tài)學(xué)梯度，較為準(zhǔn)確地實(shí)現(xiàn)了對(duì)心臟CT圖像的分割。實(shí)驗(yàn)結(jié)果表明該算法分割簡(jiǎn)單，準(zhǔn)確率較高.因算法只提取了含氧血管的心臟組織，并未進(jìn)行心臟內(nèi)的四腔分割，所以下一階段將結(jié)合心臟形狀特征，和四腔的位置特點(diǎn)，引入適合其分割的算法進(jìn)一步地提取心臟四腔。

[1]胡曉清.CT心臟圖像分割方法研究[D].北京交通大學(xué)，2012:12-42.

[2]李志剛.心臟CT圖像分割算法研究[D].哈爾濱工程大學(xué)，2014:20-56.

[3]劉利雄，馬忠梅，趙恒博，等.一種基于主動(dòng)輪廓模型的心臟核磁共振圖像分割方法[J].計(jì)算機(jī)學(xué)報(bào)，2012，35（1）:146-153.

[4]Xu X，Xu S，Jin L，et al.Characteristic Analysis of Otsu Threshold and Its Applications[J].Pattern Recognition Letters，2011，32（7）: 956-961.

[5]朱萍，梅婕，朱曉勃，等.雙邊濾波和標(biāo)記分水嶺的CT心臟圖像分割[J].計(jì)算機(jī)工程與應(yīng)用，2015，51（8）:170-173.

[6]Chang H H，Chu W C.Double Bilateral Filtering for Image Noise Removal[C].CSIE 2009，2009 WRI World Congress on Computer Science and Information Engineering，March 31-April 2，2009，Los Angeles，California，USA，7 Volumes.2009:451-455.

[7]高麗，楊樹(shù)元，李海強(qiáng).一種基于標(biāo)記的分水嶺圖像分割新算法[J].中國(guó)圖象圖形學(xué)報(bào)，2007，12（6）:1025-1032.

[8]戚曉偉，陳秀宏.改進(jìn)的Otsu方法的雙邊濾波邊緣檢測(cè)算法[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（31）:150-155.

[9]時(shí)平，王毅，趙海濤，等.基于數(shù)學(xué)形態(tài)學(xué)和Otsu方法的VHP數(shù)據(jù)心臟圖像分割[J].生物醫(yī)學(xué)工程學(xué)雜志，2007，24（5）:996-1000. [10]王磊，段會(huì)川.Otsu方法在多閾值圖像分割中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（11）:2844-2845.

[11]王宇，陳殿仁，沈美麗，等.基于形態(tài)學(xué)梯度重構(gòu)和標(biāo)記提取的分水嶺圖像分割[J].中國(guó)圖象圖形學(xué)報(bào)，2008，13（11）:2176-2180.

[12]Yu W，Chen D，Shen M，et al.Watershed Segmentation Based on Morphological Gradient Reconstruction and Marker Extraction[J]. Journal of Image&Graphics，2008，13（11）:2176-2180.

[13]Han B.Watershed Segmentation Algorithm Based on Morphological Gradient Reconstruction[C].International Conference on Information Science and Control Engineering，IEEE，2015:533-536.

[14]Chen L L，Yang C，Min-Juan L I，et al.Study on the Improvement of Watershed Algorithm Based on Morphological Gradient Reconstruction[J].China Printing&Packaging Study，2013.

[15]黃展鵬，易法令，周蘇娟，等.基于數(shù)學(xué)形態(tài)學(xué)和區(qū)域合并的醫(yī)學(xué)CT圖像分割[J].計(jì)算機(jī)應(yīng)用研究，2010，27（11）:4360-4362.

[16]張艷.基于數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué)圖像分割方法研究[D].西南大學(xué)，2011.

[17]韓成虎.CT圖像三維重建技術(shù)的研究與應(yīng)用[D].華南理工大學(xué)，2010.

[18]Shi-Guo G E，Wang M Z，Liu J J，et al.Improved Watershed Segmentation Algorithm Based on Marker[J].Journal of Sichuan University of Science&Engineering，2013.

[19]商艷麗.基于形態(tài)學(xué)重構(gòu)運(yùn)算的醫(yī)學(xué)CT圖像濾波方法[J].中國(guó)體視學(xué)與圖像分析，2011（1）:103-107.

[20]陳家新.醫(yī)學(xué)圖像處理及三維重建技術(shù)研究[M].科學(xué)出版社，2010.

[21]徐梅生.醫(yī)學(xué)圖像三維重建技術(shù)的研究[D].武漢理工大學(xué)，2012.

Whole Heart Location;Image Processing;Morphological Gradient;Threshold Segmentation

Research on an Improved Localization Method of Whole Heart in CT Images

YIN Hui-ping1，ZHANG Yao-nan2，HE Ying1

（1.School of Electronics and Information Engineering，Xi'an Siyuan University，Xi'an 710048；2.School of Sino-Dutch Biomedical and Information Engineering，Northeastern University，Shenyang 11081；3.College of Computer Science and Technology，Xi’an University of Technology，Xi'an 710048）

To solve the problems of accurate location of whole heart in cardiac CT images,proposes an improved threshold segmentation algorithm based on morphological operation and morphological gradient.Because of the influence of image gray distribution is uneven and the noise interference factors,traditional threshold segmentation often cannot get ideal segmentation results.Combined with the morphological opening and closing operation,reconstructs the images,the cardiac images are automatically segmented,which can not only eliminate the image noise,but also better preserves the edge information of the CT images,and gets whole heart finally.The experimental results show that the method has improved segmentation accuracy of cardiac CT images.It can solve the problem of the threshold segmentation or threshold segmentation based on general gradient only used.

1007-1423（2016）32-0062-05

10.3969/j.issn.1007-1423.2016.32.014

尹慧平（1988-），女，河南人，研究生，助教，研究方向?yàn)橛?jì)算機(jī)圖形圖像處理、計(jì)算機(jī)應(yīng)用

張耀楠（1962-），男，荷蘭人，博士，教授，研究方向?yàn)閳D像處理和分析

何穎（1983-），女，陜西人，研究生，講師，研究方向?yàn)樾盘?hào)與信息處理

2016-09-02

2016-11-18