圖像分割技術(shù)在醫(yī)學(xué)圖像處理中的應(yīng)用實(shí)踐

曲濱鵬,魏曉潔,繆 佳,曲超毅

（1.山東醫(yī)學(xué)高等專(zhuān)科學(xué)校,山東 濟(jì)南 250100；2.山東大學(xué)齊魯醫(yī)院,山東 濟(jì)南 250012；3.中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司濟(jì)南市分公司,山東 濟(jì)南 250000）

圖像分割技術(shù)是對(duì)圖像進(jìn)行分割處理,將每個(gè)分割的圖像特征反映出來(lái),并將所需要的圖像展示出來(lái),在處理中所采用的技術(shù)及操作過(guò)程就是圖像分割技術(shù)的應(yīng)用。在應(yīng)用圖像分割技術(shù)的過(guò)程中,需要對(duì)關(guān)鍵步驟進(jìn)行分析,采用科學(xué)有效的分割技術(shù),以獲得良好的圖像處理效果。在醫(yī)學(xué)領(lǐng)域中應(yīng)用該技術(shù),主要是在分割圖像的時(shí)候,用這種方式提取病變的區(qū)域,測(cè)量特定組織,采用二維重建的方法將提取的圖像重新組合,以便從醫(yī)學(xué)角度深入研究[1]。所以,在醫(yī)學(xué)圖像處理的過(guò)程中,對(duì)圖像分割技術(shù)進(jìn)行研究具有重要意義。

1 建立在區(qū)域基礎(chǔ)上所采用的分割方法

在臨床上比較常見(jiàn)的設(shè)備有CT、MRI和PET,其中,CT是運(yùn)用X光穿透被照體,檢測(cè)X光的衰減,將被照體的衰減系數(shù)反推出來(lái),根據(jù)衰減系數(shù)對(duì)照表將被照體的解剖圖像重新建立起來(lái)。MRI的結(jié)構(gòu)成像主要檢測(cè)靜態(tài)磁場(chǎng)中外加射頻脈沖影響人體內(nèi)氫質(zhì)子的情況,獲得對(duì)應(yīng)的MR信號(hào),并將相應(yīng)的解剖圖像重新建立起來(lái)。PET用于對(duì)注入人體內(nèi)的放射性核醫(yī)藥物進(jìn)行檢測(cè),在人體內(nèi)代謝的過(guò)程中會(huì)有γ射線(xiàn)放射出來(lái),采用重新建立圖像的方法獲得對(duì)應(yīng)的功能性信息。對(duì)于圖像采用分割技術(shù),具體可以采用如下方法。

1.1 采用ICJ值法進(jìn)行圖像分割

在并行區(qū)域技術(shù)中,ICJ值法是比較常用的,在圖像處理中采用這種方法,主要發(fā)揮的作用是區(qū)分目標(biāo)不同的灰度值。采用ICJ值法進(jìn)行分割,所獲得的結(jié)果決定于所選取的ICJ值,以此來(lái)確定ICJ值是做好圖像分割的關(guān)鍵。采用ICJ值分割法,就是按照一定準(zhǔn)則將ICJ值的最佳值求出來(lái)。

應(yīng)用ICJ值法進(jìn)行圖像分割的優(yōu)點(diǎn)是計(jì)算操作比較簡(jiǎn)單,運(yùn)算的速度也更加快,特別是不同物體之間及不同的結(jié)構(gòu)之間,如果在對(duì)比的強(qiáng)度非常大的情況下,就能夠獲得非常好的分割效果。采用ICJ值法進(jìn)行圖像分割,通常是交互式的,并且可以做到實(shí)時(shí)操作,所以,這項(xiàng)操作可以基于用戶(hù)視覺(jué)展開(kāi)。

ICJ值法也存在不足,即運(yùn)用ICJ值法進(jìn)行圖像分割雖然比較簡(jiǎn)單,但是僅能夠產(chǎn)生二值圖像,可以用于對(duì)兩種不同類(lèi)別圖像的區(qū)分。此外,采用0值法進(jìn)行圖像分割,需要對(duì)像素本身的灰度值充分考慮,不需要對(duì)圖像空間的分布情況進(jìn)行考慮,采用這種分割方法所獲得的結(jié)果就是提高了對(duì)噪聲的敏感度[2]。針對(duì)ICJ值法所存在的不足,一些研究專(zhuān)家將經(jīng)典的算法提出來(lái),比如,模糊閾值的算法、局部閾值的算法、隨機(jī)閾值的算法等等。在進(jìn)行圖像分割的時(shí)候,分割CT圖像能夠獲得良好的效果,但在閾值的選取方面,則需要用戶(hù)根據(jù)經(jīng)驗(yàn)作出判斷,或者需要對(duì)該技術(shù)進(jìn)行嘗試,經(jīng)過(guò)多次嘗試性分割之后,就可以根據(jù)具體需要來(lái)調(diào)整閾值,直到滿(mǎn)足用戶(hù)的要求。對(duì)這方面的問(wèn)題進(jìn)行研究,采用多次閾值分割的方法對(duì)螺旋CT圖像進(jìn)行檢測(cè),分析圖像中顯示的肺結(jié)性病變情況,所檢測(cè)的圖像為827張,所獲得的檢測(cè)結(jié)果可以達(dá)到的靈敏度超過(guò)95%,而且沒(méi)有假陽(yáng)性的結(jié)果出現(xiàn)。

1.2 采用區(qū)域生長(zhǎng)法進(jìn)行圖像分割

采用區(qū)域生長(zhǎng)法進(jìn)行圖像分割,就是按照預(yù)先界定的標(biāo)準(zhǔn),在圖像中提取相連接的區(qū)域。采用這種分割方法,一項(xiàng)重點(diǎn)內(nèi)容就是合理選擇種子點(diǎn)的位置,明確生長(zhǎng)準(zhǔn)則及生長(zhǎng)的順序。

采用區(qū)域生長(zhǎng)法,如果需要分割的區(qū)域面積不是很大,就可以獲得良好的效果,如果需要分割的區(qū)域面積非常大,就會(huì)減緩計(jì)算的速度。在圖像的分割中,如果不相鄰的區(qū)域有著相同的灰度值,或者需要分割的區(qū)域相近,也有著相同的風(fēng)格,在分割的時(shí)候就不能采用一次分割的方法,而是需要對(duì)一個(gè)區(qū)域進(jìn)行多次分割。

2 建立在邊界基礎(chǔ)上所采用的分割方法

建立在邊界基礎(chǔ)上所采用的分割方法就是將不同區(qū)域之間的像素灰度充分利用起來(lái),掌握其不存在連續(xù)性的特點(diǎn),將區(qū)域之間的邊緣檢測(cè)出來(lái),就可以對(duì)圖像進(jìn)行分割處理。在這項(xiàng)技術(shù)操作中采用了不同的邊緣檢測(cè)方法,需要將邊緣檢測(cè)的方法劃分為兩大類(lèi),即串行邊緣檢測(cè)方法與并行邊緣檢測(cè)方法[3]。

2.1 串行邊緣檢測(cè)方法

在應(yīng)用串行邊緣檢測(cè)方法的時(shí)候,需要先對(duì)一個(gè)邊緣的起始點(diǎn)進(jìn)行檢測(cè),之后按照某種相似性準(zhǔn)則尋找邊緣點(diǎn),要確保這個(gè)邊緣點(diǎn)等同于前一點(diǎn),這是確定后續(xù)相似點(diǎn)的一種有效方法,被稱(chēng)為“跟蹤”。根據(jù)所采用的跟蹤方法有所不同,這種串行邊緣檢測(cè)方法又可以進(jìn)一步劃分為三類(lèi),即輪廓跟蹤方法、全向跟蹤方法和光柵跟蹤法。

2.2 并行邊緣檢測(cè)方法

在應(yīng)用并行邊緣檢測(cè)方法的時(shí)候,可以檢測(cè)每一個(gè)像素點(diǎn)的邊緣點(diǎn),這項(xiàng)檢測(cè)工作可以在每一個(gè)像素上展開(kāi),由此加快了搜索檢測(cè)的速度,縮短檢測(cè)的時(shí)間。在并行檢測(cè)算法中,比較常用的是Wills算子檢測(cè)方法、Roberts梯度算子檢測(cè)方法和Kirsh算子檢測(cè)方法,它們都可以實(shí)施科學(xué)有效的邊緣檢測(cè)[4]。另外,比較重要的并行邊緣檢測(cè)方法還包括方向模板的邊緣檢測(cè)方法、統(tǒng)計(jì)模板的邊緣檢測(cè)方法、斜率差分的邊緣檢測(cè)方法、滑動(dòng)平均梯度的邊緣檢測(cè)方法、紋理邊緣的邊緣檢測(cè)方法、最佳曲面擬合的邊緣檢測(cè)方法等等。由于形成邊緣的原因存在復(fù)雜性,而且圖像的邊緣在圖像中存在不連貫性,所以在進(jìn)行邊緣檢測(cè)的時(shí)候依然存在很大的難度,但是在醫(yī)學(xué)領(lǐng)域中,在進(jìn)行圖像幾何分析的時(shí)候,這種方法是非常有意義的。想要將并行邊緣檢測(cè)方法合理的運(yùn)用,還需要工程人員與醫(yī)務(wù)人員合作,通過(guò)共同努力對(duì)該種檢測(cè)方法進(jìn)行有效應(yīng)用,使其在影像醫(yī)學(xué)中更好地發(fā)揮作用。

3 建立在特定理論礎(chǔ)上所采用的分割方法

3.1 模糊聚類(lèi)法

在進(jìn)行圖像分割的時(shí)候采用模糊聚類(lèi)法,就是要將像素灰度等性質(zhì)向特定的空間映射,這項(xiàng)操作主要是根據(jù)一定的規(guī)則將空間進(jìn)行劃分,形成多個(gè)區(qū)域,之后按照像素所具備的性質(zhì)對(duì)所屬區(qū)域進(jìn)行判定,做好標(biāo)記之后對(duì)圖像進(jìn)行分割處理[5]。當(dāng)前來(lái)看,模糊聚類(lèi)法是比較常用的,這種方法是建立在模糊理論的基礎(chǔ)上所采用的圖像分割方法,事實(shí)上,這種方法就是進(jìn)行兩次尋優(yōu)的迭代過(guò)程,整個(gè)模糊算法中,最為關(guān)鍵的內(nèi)容是隸屬函數(shù)的設(shè)計(jì),不會(huì)對(duì)初值設(shè)置產(chǎn)生很大的影響。醫(yī)學(xué)圖像本身不是非常清晰的,有一定的模糊性,因此,采用模糊聚類(lèi)法效果更好一些,具有非常好的描述能力[6]。有研究者針對(duì)這方面的理論進(jìn)行研究,認(rèn)為這是通過(guò)運(yùn)用一種基于K平均聚類(lèi)算法進(jìn)行圖像分割的新技術(shù),建立在知識(shí)形態(tài)學(xué)基礎(chǔ)上的運(yùn)算技術(shù),對(duì)于醫(yī)學(xué)CT圖像可以用這種方法自動(dòng)分割。

3.2 神經(jīng)網(wǎng)絡(luò)方法

神經(jīng)網(wǎng)絡(luò)方法是在分割圖像的時(shí)候采用訓(xùn)練樣本集訓(xùn)練神經(jīng)網(wǎng)絡(luò),用這種方式確定節(jié)點(diǎn)間的連接情況,明確權(quán)值,之后再使用已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)新的圖像數(shù)據(jù)進(jìn)行分割處理,但是,與其他的分割方法有所不同,其需要的訓(xùn)練數(shù)據(jù)量非常大,這對(duì)于操作人員而言是非常困難的。神經(jīng)網(wǎng)絡(luò)的連接量是巨大的,在引入空間信息的時(shí)候非常容易,如果圖像存在質(zhì)量問(wèn)題,可以采用這種方法徹底解決,比如,解決圖像中所存在的噪聲,以及圖像所存在的不均勻問(wèn)題。選擇哪一種網(wǎng)絡(luò)結(jié)構(gòu)是采用這種分割方法的時(shí)候需要重點(diǎn)考慮的問(wèn)題[7]。在分割醫(yī)學(xué)圖像的時(shí)候,一般先提取原始圖的不確定性像特征,之后映射這些圖像的特征,然后對(duì)圖像進(jìn)行分割處理。由于醫(yī)學(xué)圖像所存在的各種問(wèn)題都是內(nèi)在的,這就需要適當(dāng)?shù)匾肽：夹g(shù),使得圖像的內(nèi)在不確定性減少,避免對(duì)圖像的分割結(jié)果造成不良影響,這樣分割結(jié)果不會(huì)對(duì)噪聲產(chǎn)生很大的影響,降低敏感程度。在研究的過(guò)程中,將神經(jīng)網(wǎng)絡(luò)和模糊技術(shù)相結(jié)合,還要結(jié)合使用其他的技術(shù),新產(chǎn)生的新型混合神經(jīng)網(wǎng)絡(luò)越來(lái)越多,包括小波神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò),以及混沌神經(jīng)網(wǎng)絡(luò)等等[8]。這些方法都有其自身的特點(diǎn),需要從醫(yī)學(xué)應(yīng)用的角度深入研究,并對(duì)醫(yī)學(xué)圖像分割技術(shù)未來(lái)的發(fā)展起到一定的促進(jìn)作用。

3.3 小波變換方法

小波分析的思想是利用一組小波函數(shù)來(lái)逼近信號(hào),當(dāng)對(duì)信號(hào)進(jìn)行二進(jìn)制小波變換的過(guò)程中,用尺度參數(shù)變換某一點(diǎn)變換值,就能夠反映該點(diǎn)是否存在特異性,以及所顯示的特異性大小。從圖像的角度而言,這些特殊點(diǎn)就可以將圖像的邊緣建立起來(lái),所以,可以將相對(duì)合適的小波函數(shù)選擇出來(lái),用于提取圖像的邊緣。

利用小波變換分割醫(yī)學(xué)圖像ICJ值的思想將小波多尺度幾何活動(dòng)的曲線(xiàn)模型建立起來(lái),應(yīng)用帶區(qū)間采樣的離散小波變換的方法將圖像分割特征提取出來(lái)?；谑噶苛炕垲?lèi)相應(yīng)地加入馬爾可夫隨機(jī)場(chǎng)的約束條件,將小波空間分割的統(tǒng)計(jì)模型建立起來(lái)。在所采用的多尺度分割方法中,跨多尺度的圖像分析事實(shí)上就相當(dāng)于粗尺度上對(duì)大類(lèi)別分辨率使用高位置分辨率替換[9]。所以,要將跨尺度信息有效結(jié)合起來(lái),對(duì)于已經(jīng)丟失的空間分辨率進(jìn)行恢復(fù),這是多尺度分割算法的運(yùn)用中很難解決的問(wèn)題。在文獻(xiàn)[9]中,要將超聲圖像充分利用起來(lái),用不同區(qū)域的多尺度零交叉來(lái)對(duì)具有尺度的曲線(xiàn)函數(shù)予以表示,使得醫(yī)學(xué)超聲圖像的區(qū)域分割得以實(shí)現(xiàn)。

3.4 遺傳算法

遺傳算法是一種隨機(jī)搜索算法,是將生物界自然選擇方法和自然遺傳機(jī)制予以借鑒而形成的一種算法。遺傳算法的主要思想是對(duì)某些基因串控制的生物種群進(jìn)化的過(guò)程進(jìn)行模擬,并在搜索算法應(yīng)用運(yùn)用這一過(guò)程的規(guī)律,發(fā)揮進(jìn)化原理的作用,促使優(yōu)化的速度提高,優(yōu)化的質(zhì)量更好。遺傳算法的一個(gè)優(yōu)勢(shì)就是可以用于全局搜索,由于其局部搜索能力相對(duì)較弱,所以常常需要結(jié)合使用其他的算法。有學(xué)者在分割心臟超聲圖像的時(shí)候使用了遺傳算法,使活動(dòng)輪廓法存在的缺陷得到有效彌補(bǔ)。采用這種方法檢測(cè)合成圖像和真實(shí)超聲圖像可以獲得良好的效果,采用方差分析方法可以對(duì)這種方法的有效性予以驗(yàn)證。將遺傳算法充分利用起來(lái),使得優(yōu)化的速度加快,而且自動(dòng)識(shí)別前列腺的能力提高,其發(fā)揮的作用是對(duì)前列腺邊界分割的速度更快。他們對(duì)22例前列腺超聲圖像采用這種方法進(jìn)行識(shí)別實(shí)驗(yàn),獲得了良好的效果,誤差非常小[10]。

4 結(jié)束語(yǔ)

通過(guò)上面的研究可以明確,大多數(shù)圖像分割算法針對(duì)性強(qiáng),但是往往缺乏通用性。也就是說(shuō),某種分割算法對(duì)某種成像方式得到的圖像可以獲得良好的處理效果,對(duì)其他圖像的處理效果可能不理想。圖像分割算法普遍存在一些缺點(diǎn),如計(jì)算量大、運(yùn)算速度慢,學(xué)者們通常對(duì)算法的速度及結(jié)果的精度更加關(guān)注。針對(duì)各種分割算法的優(yōu)點(diǎn)和不足,應(yīng)綜合各種分割算法進(jìn)行圖像分割,可以使得圖像分割精度有所提高。在評(píng)價(jià)圖像分割效果的時(shí)候沒(méi)有一個(gè)通用的標(biāo)準(zhǔn)來(lái)評(píng)價(jià)各種算法的優(yōu)點(diǎn)和不足,隨著各種圖像分割技術(shù)的發(fā)展和新理論在圖像分割處理中的不斷應(yīng)用,醫(yī)學(xué)圖像分割這一新理論、新技術(shù)、新工具的結(jié)合將朝著自動(dòng)、準(zhǔn)確、快速、自適應(yīng)的方向發(fā)展,醫(yī)學(xué)圖像分割處理技術(shù)將進(jìn)一步成熟。