脊椎圖像分割與椎體信息提取的算法及應(yīng)用

李 滾，劉 歡，柯善群

（西安工業(yè)大學(xué) 電子信息工程學(xué)院，陜西 西安710021）

脊椎圖像分割與椎體信息提取的算法及應(yīng)用

李 滾，劉 歡，柯善群

（西安工業(yè)大學(xué) 電子信息工程學(xué)院，陜西 西安710021）

針對(duì)傳統(tǒng)閾值分割算法的一些缺點(diǎn)，通過(guò)將數(shù)字形態(tài)學(xué)與閾值分割算法相互結(jié)合提出了一種改進(jìn)的閾值分割算法來(lái)進(jìn)行脊椎圖像分割，并將分割結(jié)果與傳統(tǒng)圖像分割方法得到的結(jié)果進(jìn)行分析對(duì)比。結(jié)果顯示本論文改進(jìn)的閾值分割算法得到的脊椎分割圖像與傳統(tǒng)方法分割的圖像相比在抑制噪聲方面有好的效果，在對(duì)比度方面也優(yōu)于其他傳統(tǒng)的醫(yī)學(xué)圖像分割方法，最后設(shè)計(jì)了計(jì)算脊椎相鄰椎體間的相對(duì)距離、相對(duì)椎體厚度及其變化率的有效算法，可為臨床進(jìn)一步應(yīng)用提供參考。

閾值分割；醫(yī)學(xué)圖像；圖像分割；光學(xué)圖像處理

在我國(guó)，脊柱不健康的人群越來(lái)越大，甚至兒童脊柱側(cè)彎癥這一病癥在近年來(lái)也很常見。同時(shí)在其他國(guó)家如美國(guó)，有超過(guò)1/4的職業(yè)病表現(xiàn)為腰部脊椎疼痛等問(wèn)題美國(guó)每年僅脊柱部位手術(shù)的病例就超過(guò)25萬(wàn)例，可見脊柱問(wèn)題嚴(yán)重困擾著現(xiàn)代人的生活，脊柱圖像的研究對(duì)揭示脊柱和椎管內(nèi)病變都有重要的意義，對(duì)實(shí)際臨床診斷也可提供幫助[1]。近些年來(lái)，隨著計(jì)算機(jī)技術(shù)和數(shù)字信息技術(shù)的飛快發(fā)展，醫(yī)學(xué)圖像處理技術(shù)已經(jīng)成為醫(yī)學(xué)領(lǐng)域中用來(lái)輔助臨床診斷的一個(gè)重要技術(shù)，由于它可以清晰地顯示醫(yī)學(xué)圖像的骨骼解剖結(jié)構(gòu)，所以醫(yī)生可以利用這一特點(diǎn)，來(lái)達(dá)到診斷并且治療脊椎上的不同疾病的目的[2]，如醫(yī)學(xué)圖像分割可以對(duì)人體的器官、相關(guān)組織或病灶的體積和形狀進(jìn)行測(cè)量[3]。然后通過(guò)對(duì)這些體積和形狀在治療前后通過(guò)一定的理論分析和測(cè)量，就可以幫助醫(yī)生進(jìn)行臨床上一些疾病的例如，癌變范圍，大小，形狀等進(jìn)行診斷，也可以根據(jù)這些分析的數(shù)據(jù)和測(cè)量結(jié)果，來(lái)制定或者修改病人現(xiàn)有的治療方案，大大提高了治療的效率。另外，對(duì)于脊椎圖像的分割與椎體信息的提取可以便于外科手術(shù)醫(yī)生利用準(zhǔn)確分割的椎體，在進(jìn)行矯正手術(shù)時(shí)準(zhǔn)確定位，也可以幫助脊椎畸形的殘疾人進(jìn)行矯正，在臨床醫(yī)學(xué)及康復(fù)工程領(lǐng)域也有著實(shí)際應(yīng)用價(jià)值[4]。在醫(yī)學(xué)圖像分割與應(yīng)用方面，國(guó)際上已有一些研究，其中一種重要的分割方式是半自動(dòng)分割，與早期的人工分割方法相比可減少人力，縮短時(shí)間，而且相比于早期的自動(dòng)分割具有分割速度快，準(zhǔn)確度精度高的一些優(yōu)點(diǎn)，與早期的人工分割相同的一點(diǎn)是同樣對(duì)操作者的知識(shí)和經(jīng)驗(yàn)有很高的要求。

基于以上情況，若能從脊椎圖像中分割出醫(yī)生所需要進(jìn)行診斷的一些部位，并對(duì)其中的有效信息進(jìn)行提取分析，這樣就可以便于醫(yī)生對(duì)人體一些病變部位的觀察，使得影像圖像對(duì)病變部位情況的顯示變得更加直接與清晰[5-6]，可以進(jìn)一步提高疾病的確診率和治愈率[7-8]。為此，本論文主要以脊椎醫(yī)學(xué)圖像的特點(diǎn)著手，首先分析了依據(jù)其形態(tài)學(xué)特征的分割方法，將形態(tài)學(xué)的分割算法與傳統(tǒng)閾值分割算法中的迭代法分割算法相互結(jié)合起來(lái)，然后對(duì)處理后的圖像結(jié)果進(jìn)行分析和總結(jié)。并對(duì)分割結(jié)果提出了臨床診斷與治療過(guò)程中有望得到應(yīng)用的結(jié)論。

1 脊椎圖像分割算法

圖像預(yù)處理指的是在對(duì)圖像進(jìn)行分析的過(guò)程中，為了消除一些無(wú)關(guān)的干擾信息，去除一些噪聲，讓所需要的一些圖像信息顯得更加清晰而進(jìn)行的處理工作，從而提高圖像分割的可靠性[9-11]。文中主要選用了中值濾波和對(duì)比度增強(qiáng)這兩種方法對(duì)原始的脊椎圖像進(jìn)行預(yù)處理，預(yù)處理后的效果如圖1為預(yù)處理后的效果圖。

圖1 預(yù)處理后的脊椎圖

數(shù)學(xué)形態(tài)學(xué)圖像處理在進(jìn)行圖像處理時(shí)是將一幅二值圖像看成是一個(gè)集合，通過(guò)在圖像中不斷地移動(dòng)一個(gè)結(jié)構(gòu)元素，這種結(jié)構(gòu)元素的移動(dòng)操作方式類似于前述所提到的卷積方式。結(jié)構(gòu)元素其實(shí)指的就是一個(gè)可以在圖像上進(jìn)行平移，尺寸要求比原圖像小的一個(gè)集合。數(shù)學(xué)形態(tài)學(xué)的是通過(guò)結(jié)構(gòu)元素和所存在的原始二值圖像進(jìn)行的一種特殊的邏輯運(yùn)算，然后將運(yùn)算后的結(jié)果存在處理后的圖像中對(duì)應(yīng)像素的位置上，形態(tài)學(xué)也就是通過(guò)利用原始圖像的集合與所選取結(jié)構(gòu)元素間的相互作用，從而達(dá)到提取感興趣的圖像信息的目的，其中不同的結(jié)構(gòu)元素決定了所提取信息的不同[12]。數(shù)學(xué)形態(tài)學(xué)算子的基本思想原理框圖如圖2所示。

圖2 數(shù)學(xué)形態(tài)學(xué)算子原理圖

圖像的形態(tài)學(xué)腐蝕可以消除圖像中所有邊緣點(diǎn)，腐蝕操作能很容易的去除一幅圖像中比較小的干擾區(qū)域。腐蝕運(yùn)算的計(jì)算公式為：

其中，E表示經(jīng)過(guò)腐蝕后的效果圖像集合，S表示腐蝕結(jié)構(gòu)元素，B表示原圖像集合。膨脹是將所要處理的原圖像的所有背景點(diǎn)與原圖像合并到一起的一個(gè)過(guò)程。處理的結(jié)果是使原圖像中的物體的面積相比于原來(lái)增大了很多像素點(diǎn)。膨脹操作能容易的填補(bǔ)一些由于對(duì)圖像進(jìn)行分割所造成的一些空洞。膨脹運(yùn)算的定義公式為：

其中，D表示經(jīng)過(guò)膨脹后的效果圖像集合，S表示膨脹結(jié)構(gòu)元素，B表示原圖像集合。先進(jìn)行腐蝕操作再進(jìn)行膨脹操作的過(guò)程稱為開運(yùn)算。開運(yùn)算能夠消除圖像中的一些小物體，而且能夠很好的分離圖像中的一些細(xì)節(jié)部位，也不會(huì)對(duì)這些部位的其他像素也沒(méi)有太大的影響。開運(yùn)算的定義公式為：

先對(duì)圖像進(jìn)行膨脹操作，然后再進(jìn)行腐蝕操作的過(guò)程稱為閉運(yùn)算。閉運(yùn)算能夠填充一些由于對(duì)圖像進(jìn)行分割后所造成的一些空洞，斷點(diǎn)等。同時(shí)也能起到平滑邊緣的作用。頂帽變換的算法思想是從原圖像中減去開運(yùn)算操作后的圖像，在進(jìn)行圖像分析中，頂帽變換可以從較暗的背景中提取所需要的部分，從而達(dá)到提取細(xì)節(jié)，增強(qiáng)對(duì)比度的一些效果[13]。頂帽變換的定義如公式（4）所示：

其中，f′（x，y） 表示進(jìn)行頂帽變換后的新圖像；f（x，y）表示原圖像；B表示所選取的結(jié)構(gòu)元素?；趥鹘y(tǒng)的閾值分割方法對(duì)于處理脊椎圖像所存在的一些問(wèn)題和不足，尤其是過(guò)分割的分割現(xiàn)象，提出了一種基于形態(tài)學(xué)的閾值分割方法。該方法是將形態(tài)學(xué)中的頂帽變換和傳統(tǒng)閾值分割相互結(jié)合起來(lái)的一種新型分割算法，最后對(duì)處理后的脊椎圖像進(jìn)行一個(gè)腐蝕操作，目的是為了去除脊椎圖像中的一些干擾部位[14]。算法流程圖如圖3所示。

圖3 改進(jìn)后的閾值分割算法流程圖

根據(jù)上述的基本算法理論思想，采取的具體的算法步驟如下：1）首先提取所要進(jìn)行圖像分割的脊椎圖像，并且將該圖像定義為f（x，y）；2）對(duì)上述定義的圖像f（x，y）進(jìn)行預(yù)處理操作，其中預(yù)處理包括，中值濾波和對(duì)比度增強(qiáng)兩種變換，將變換后的新圖像定義為f1（x，y）中值濾波的目的是為了去除圖片中的一些噪聲；對(duì)比度增強(qiáng)的目的是為了使圖像的細(xì)節(jié)部分顯示的更加清晰，為后期進(jìn)行的一些處理提供了方便；3）選擇一個(gè)適合的結(jié)構(gòu)元素對(duì)圖像f1（x，y）進(jìn)行頂帽變換（經(jīng)過(guò)嘗試，發(fā)現(xiàn)結(jié)構(gòu)元素為ones（10，2）處理的效果最佳，進(jìn)行頂帽變換的目的是為提取圖像的一些細(xì)節(jié)部分，同時(shí)也增強(qiáng)了背景和物體的對(duì)比度，也可以消除一些圖像中存在的噪聲和干擾因素。將處理后的圖像定義為f2（x，y）；4）對(duì)圖像f2（x，y）進(jìn)行直方圖處理，然后求出圖像的最大灰度值和最小灰度值和最大灰度值，分別記為M1和M2，然后設(shè)定閾值T0=（M0+M1）/2；5） 重新選擇一個(gè)閾值T1，然后將圖像分為兩個(gè)部分的像素值，分別為背景和前景，然后分別求出兩者的平均灰度值G1和G2；6）計(jì)算新的閾值 T2=（G2+G1）/2；7）如果|T2-T1|＜0，則T2就是新的閾值；如果不是，就將T2賦給T1，重復(fù)上述步驟5）～7），完成對(duì)圖像的迭代法閾值分割；將處理后的新圖像定義為f3（x，y）；8）選取一個(gè)合適的形態(tài)學(xué)腐蝕結(jié)構(gòu)元素，對(duì)圖像f3（x，y）進(jìn)行一定的腐蝕操作，去除一些干擾部位，得到最終的圖像 f4（x，y）。

2 脊椎圖像分割的結(jié)果與應(yīng)用

利用上述提出的分割算法對(duì)預(yù)處理后的脊椎圖像進(jìn)行了分割處理，圖4是利用改進(jìn)后的閾值分割算法進(jìn)行圖像分割后的結(jié)果。從上述處理的效果圖可以看出來(lái)，結(jié)合形態(tài)學(xué)的閾值分割法分割出來(lái)的效果圖（c）相比于單一的形態(tài)學(xué)處理后的效果圖（b）而言，在對(duì)比度方面有了很明顯的增強(qiáng)，脊椎信息也顯示的更加清晰；相比于傳統(tǒng)的閾值法分割后的脊椎圖像而言，在很大程度上減少了原始脊椎圖像脊椎管和背部脂肪的干擾。

圖4 改進(jìn)后的閾值算法處理效果圖

對(duì)上述分割算法處理后的脊椎圖像進(jìn)行椎體參數(shù)的計(jì)算和分析，來(lái)達(dá)到真正實(shí)現(xiàn)醫(yī)學(xué)圖像分割與臨床醫(yī)學(xué)應(yīng)用的相互結(jié)合的目的。對(duì)于椎體特征研究?jī)H需要計(jì)算得出相鄰兩個(gè)椎體間的距離以及椎體本身形態(tài)學(xué)特征等內(nèi)容即可[15]。利用圖4中（c）是二值圖的特點(diǎn)可容易計(jì)算出相鄰椎體的相對(duì)間距和椎體相對(duì)厚度，脊椎厚度變化等參數(shù)，表1表示椎體特征的數(shù)據(jù)。

表1 由圖像分割結(jié)果計(jì)算出的椎體信息

表1是改進(jìn)后的閾值分割方法進(jìn)行分割的脊椎圖像的特征數(shù)據(jù)，可見不論是椎體間的距離，還是椎體間的厚度，變化規(guī)律都可以方便計(jì)算出結(jié)果，但是利用傳統(tǒng)的閾值[16]分割方法分割的脊椎圖像不便計(jì)算出諸多具有生理特征的量化數(shù)據(jù)結(jié)果，對(duì)于臨床應(yīng)用而言，改進(jìn)后的閾值分割方法相比于傳統(tǒng)的分割方法有很大的優(yōu)點(diǎn)。

3 結(jié) 論

醫(yī)學(xué)圖像處理的目的是利用從視覺(jué)上處理圖像的方法來(lái)達(dá)到輔助臨床診斷。對(duì)于脊椎圖像分割和椎體相關(guān)信息的研究彌補(bǔ)現(xiàn)有的醫(yī)學(xué)圖像本身所存在的一些弱點(diǎn)，進(jìn)而準(zhǔn)確地識(shí)別出椎體圖像中的椎體形態(tài)，并可以進(jìn)一步對(duì)椎體的形態(tài)學(xué)進(jìn)行量化計(jì)算。論文結(jié)合形態(tài)學(xué)與閾值分割方法相結(jié)合的脊椎圖像分割方法，結(jié)果表明該方法可以很好的解決傳統(tǒng)閾值算法中所存在的過(guò)分割等一些問(wèn)題，可以很好的為臨床上脊椎疾病的診斷提供幫助。

[1]熊立志，陳立潮，潘理虎.基于多尺度輪廓結(jié)構(gòu)元素的多形狀邊緣檢測(cè)[J].計(jì)算機(jī)應(yīng)用研究，2012，29（9）:3497-3500.

[2]馮炎.基于對(duì)比度補(bǔ)償?shù)墓偶畧D像二值化算法研究[J].微電子學(xué)與計(jì)算機(jī)，2016，33（4）:50-55.

[3]李楊，彭瑞云.中國(guó)生物醫(yī)學(xué)體視學(xué)發(fā)展現(xiàn)狀與展望[J].中國(guó)體視學(xué)與圖像分析，2016，21（1）:66-75.

[4]鄧彩霞，土貴彬，楊鑫蕊.改進(jìn)的抗噪形態(tài)學(xué)邊緣檢測(cè)算法[J].數(shù)據(jù)采集與處理，2013，28（6）:739-744.

[5]曹蕾，占杰，余曉愕，等.基于自動(dòng)閾值的CT圖像快速肺實(shí)質(zhì)分割算法[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（12）:178-181.

[6]Shokhan M H.An efficient approach for improving canny edge detection algorithm [J].International Journal of Advances in Engineering and Technology，2014，7（1）:59-65.

[7]吳鵬，徐洪玲，宋文龍，等.基于非線性四階圖像插值的亞像素邊緣檢測(cè)算法[J].哈爾濱工程大學(xué)學(xué)報(bào)，2015，36（2）:1-6.

[8]Abhishek Gudipalli，Ramashri Tirumala.Comprehensive edge detection algorithm for satellite images[J].World Applied Sciences Journa1，2013，28（8）:1024-1047.

[9]劉清，林上勝.數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（35）:188-189.

[10]馬蒙蒙，顧梅花，楊婷婷，等.基于各向同性高斯的Canny邊緣檢測(cè)改進(jìn)算法[J].電子設(shè)計(jì)工程，2016，24（8）:131-134.

[11]黃劍玲，鄒輝.結(jié)合LOG算子和小波變換的圖像邊緣檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（21）:115-117.

[12]王軍，畢龍，白建萍，等.顯微CT與組織切片技術(shù)在骨形態(tài)計(jì)量研究中的比較[J].中國(guó)矯形外科雜志，2009，17（5）:381-384.

[13]SHUI Peng-Lang，ZHANG Wei-Chuan.Noiserobust edge dete ctorcombining isotropic and anisotropic Gaussian kernels[J].Pattern Recognition，2012，45（2）:806-820.

[14]劉超，周激流，何坤.基于Canny算法的自適應(yīng)邊緣檢測(cè)方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（18）:4036-4039.

[15]蒲國(guó)林，邱玉輝.基于增強(qiáng)布谷鳥算法的彩色圖像多閾值分割[J].電子設(shè)計(jì)工程，2016，24（12）:8-13.

[16]薛誠(chéng)尤，聶萬(wàn)勝，何博.基于基元反應(yīng)的總包機(jī)理建模及算法優(yōu)化[J].火箭推進(jìn)，2015(1)：36.

Application of spine images segment and extract information

LI Gun，LIU Huan，KE Shan-qun
（School of Electronic Information Engineering，Xi'an Technological University，Xi'an 710021，China）

In view of some disadvantages of the traditional threshold segmentation algorithm，an improved threshold segmentation algorithm is proposed by combining the digital morphology and the threshold segmentation algorithm，the results show that the improved threshold segmentation algorithm to segment after spine image compared to the segmentation of the traditional methods of image.In a large extent reduces over segmentation phenomenon and in the aspect of noise suppression also outperforms other traditional medical image segmentation method.Finally，the distance between the vertebrae，the spine adjacent vertebrae thickness and its change rate are all calculated，all of them provide for further clinical reference.

threshold segmentation； medical image； segmentation； optical image processing

TN911.73

A

1674－6236（2017）16-0183-04

2016-07-02稿件編號(hào)：201607007

西安工業(yè)大學(xué)校長(zhǎng)基金(XAGDXJJ14011)

李 滾（1982—），男，江蘇宿遷人，博士，講師。研究方向：醫(yī)學(xué)信號(hào)處理及其應(yīng)用。