基于區(qū)域生長(zhǎng)的肝影像分割系統(tǒng)的設(shè)計(jì)與研究

胡紫睿,劉 倩

(寧夏大學(xué)信息工程學(xué)院,銀川 750021)

0 引言

高新科技飛速發(fā)展,人們?cè)诎l(fā)展新科技的同時(shí)也更注重生活環(huán)境與醫(yī)療條件,作為醫(yī)生診斷與治療的重要手段的醫(yī)學(xué)影像得到了相應(yīng)的發(fā)展。如今,醫(yī)學(xué)影像在臨床診斷中具有不可低估的重要作用。電子計(jì)算機(jī)斷層掃描(Computed Tomography,CT)、核磁共振(Magnetic Resonance,MR)、超聲(Ultrasound,US)及其他醫(yī)學(xué)影像檢查技術(shù)是對(duì)人體無(wú)害的體外器官成像的有力手段,其中CT具有掃描時(shí)間短、圖像質(zhì)量高等優(yōu)勢(shì),被廣泛應(yīng)用于腹部及盆部的疾病檢查。

肝臟作為人體內(nèi)最大的腺體及實(shí)質(zhì)性器官,也是新陳代謝最活躍的器官,其疾病種類眾多且發(fā)病率高,在肝臟處的疾病診斷中,預(yù)先確定病灶位置尤為重要。臨床檢查中,肝功能檢查是最常見(jiàn)的檢測(cè)項(xiàng)目之一,對(duì)肝臟的檢測(cè)可幫助醫(yī)生判斷是否存在肝臟功能損害、肝臟損害程度及了解肝臟損害成因、判斷預(yù)后及病灶的具體位置等,而實(shí)現(xiàn)這些目標(biāo)的前提是必須盡可能準(zhǔn)確地分割出肝臟圖像中醫(yī)生感興趣的部分,即肝臟CT的醫(yī)學(xué)影像分割。根據(jù)肝臟CT的影像特點(diǎn),介紹了醫(yī)學(xué)影像分割理論方法中的一種—基于區(qū)域生長(zhǎng)的醫(yī)學(xué)影像分割,針對(duì)此方法設(shè)計(jì)開發(fā)基于區(qū)域生長(zhǎng)的肝臟影像分割系統(tǒng)。肝臟CT圖像分割在臨床上的應(yīng)用越來(lái)越廣泛,已經(jīng)成為進(jìn)行肝功能、病理及解剖研究的重要手段。為了給臨床醫(yī)學(xué)和肝臟處病理研究提供可靠依據(jù),從醫(yī)學(xué)影像入手,準(zhǔn)確分割出所需部分,避免疾病診斷的判斷失誤,具有實(shí)際應(yīng)用價(jià)值。

1 肝臟影像分割方法

目前,在肝臟影像學(xué)檢查與肝臟疾病治療方案制定中,電子計(jì)算機(jī)斷層掃描(Computed Tomography,CT)因掃描速度快、成像清晰等特點(diǎn)成為最常見(jiàn)的肝臟疾病診斷手段之一,為臨床醫(yī)生的病理診斷提供了可靠的確診依據(jù)。為了更加準(zhǔn)確地提取肝臟器官的特征信息而對(duì)肝臟CT圖像進(jìn)行感興趣區(qū)域(Regionofinterest,ROI)的圖像處理,即為醫(yī)學(xué)圖像分割。醫(yī)學(xué)圖像分割是根據(jù)醫(yī)學(xué)影像的某種相似性特征(如灰度、面積、形狀、局部統(tǒng)計(jì)特征及頻譜特征等)將醫(yī)學(xué)影像劃分為若干個(gè)互不相交的連通的區(qū)域的過(guò)程[1],相關(guān)特征在同一區(qū)域內(nèi)表現(xiàn)出一致性或相似性,而在不同區(qū)域內(nèi)表現(xiàn)出明顯的不同。一般來(lái)說(shuō),具有意義的圖像分割結(jié)果中至少存在一個(gè)包含感興趣目標(biāo)的區(qū)域。而肝臟CT影像的圖像分割是把肝臟或肝臟處的病灶作為感興趣區(qū)域從CT圖像中分割出來(lái),獲取其生理或病理相關(guān)信息,從而進(jìn)一步確認(rèn)肝臟病灶的位置、大小、數(shù)量、形狀、病變程度等,有助于計(jì)算機(jī)輔助診斷、病變組織定位、三維重建、治療方案設(shè)計(jì)等,為臨床醫(yī)生的診斷與進(jìn)一步的病情分析提供可靠依據(jù)[2-3]。在此過(guò)程存在兩個(gè)問(wèn)題:CT圖像的采集和傳輸受到噪聲、磁場(chǎng)、組織運(yùn)動(dòng)等影響,造成肝臟CT成像不穩(wěn)定[4]。在拍攝肝臟CT圖像時(shí),由于肝臟毗鄰人體腹腔中各個(gè)器官,彼此密度相差不大,因此會(huì)造成圖像局部邊緣模糊、無(wú)法準(zhǔn)確拍攝目標(biāo)器官的問(wèn)題。因?yàn)椴煌瑐€(gè)體間肝臟的大小、形狀與病灶數(shù)量、大小、形狀、灰度值等均存在不同程度的差異,這些因素均為造成肝臟醫(yī)學(xué)影像分割難題的主要原因。肝臟CT圖像分割流程如圖1所示。

圖1 肝臟CT圖像分割流程Fig.1 Liver CT image segmentation process

1.1 圖像預(yù)處理

醫(yī)學(xué)圖像處理的對(duì)象主要有CT成像、核磁共振成像(MRI)和核醫(yī)學(xué)成像(NMI)等。不論哪種對(duì)象(只介紹CT成像的圖像預(yù)處理),在圖像的產(chǎn)生、傳輸及存儲(chǔ)過(guò)程中都會(huì)不可避免地出現(xiàn)圖像清晰度下降、對(duì)比度偏低及包含噪聲等降質(zhì)現(xiàn)象。需要對(duì)肝臟CT圖像進(jìn)行圖像預(yù)處理,即采用一些技術(shù)和方法優(yōu)化圖像質(zhì)量,為后續(xù)的圖像分析過(guò)程打好基礎(chǔ)。圖像預(yù)處理大致有兩個(gè)步驟,即降噪和醫(yī)學(xué)圖像增強(qiáng)。圖像增強(qiáng)技術(shù)是根據(jù)圖像特點(diǎn)和處理目的突出圖像中感興趣的區(qū)域及特征,很好地保留圖像邊界和結(jié)構(gòu)信息及突出圖像中的某些性質(zhì)等,提高圖像的可判讀性,改善圖像質(zhì)量,便于醫(yī)務(wù)人員分析醫(yī)學(xué)圖像,從中獲得更多有價(jià)值的信息。而降噪與圖像增強(qiáng)實(shí)質(zhì)上是互相矛盾的,通過(guò)灰度變換實(shí)現(xiàn)降噪功能,但灰度變換會(huì)導(dǎo)致圖像邊緣被破壞,如需保持清晰的邊緣細(xì)節(jié)則會(huì)產(chǎn)生大量噪聲。能夠比較和諧地調(diào)和兩個(gè)問(wèn)題的濾波方法為中值濾波[5-6]。

中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù),基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替,令周圍的像素值接近真實(shí)值,從而消除孤立的噪聲點(diǎn)。方法是用某種結(jié)構(gòu)的二維滑動(dòng)模板,將板內(nèi)像素按照像素值的大小進(jìn)行排序,生成單調(diào)上升(或下降)的二維數(shù)據(jù)序列。

二維中值濾波輸出表達(dá)式如式(1):

g(x,y)=Median{f(x-k,y-l),(k,l∈W)}

(1)

式中,f(x,y)與g(x,y)分別為原始圖像和處理后圖像,W為二維模板。通常為3×3、5×5區(qū)域,也可以是不同的的形狀,如線狀、圓形、十字形、圓環(huán)形等。

圖2是使用3×3中值濾波后的肝臟CT圖像的處理效果。如圖3是使用5×5中值濾波后的肝臟CT圖像的處理效果。

圖2 使用3×3中值濾波后的肝臟CT圖像的處理效果Fig.2 Processing effect of liver CT image with 3×3 median filter

由圖可知,雖然圖像中的椒鹽噪聲可以很好的被消除,但隨著濾波器越來(lái)越大,圖像的邊緣也越來(lái)越模糊,細(xì)節(jié)也逐漸丟失。至此,中值濾波在消除噪聲的同時(shí)也會(huì)改變邊緣的灰度值造成圖像邊緣模糊。因此模板窗口大小的選取很重要,選取的尺寸太小會(huì)導(dǎo)致去噪效果變差且細(xì)節(jié)邊緣模糊,選取尺寸太大又會(huì)導(dǎo)致效率降低,計(jì)算工作量增大[7]。

1.2 區(qū)域生長(zhǎng)算法

Zucker 最先提出基于區(qū)域生長(zhǎng)的圖像分割方法[8],這里介紹最基本的區(qū)域生長(zhǎng)算法的鄰接連續(xù)閾值法,實(shí)現(xiàn)對(duì)肝臟CT圖像的分割。區(qū)域生長(zhǎng)算法是一種基于像素鄰域信息的圖像分割算法,其是根據(jù)事先定義好的生長(zhǎng)準(zhǔn)則將像素點(diǎn)(也稱為種子點(diǎn))或子區(qū)域聚合成更大區(qū)域的過(guò)程。主要思想是選取一個(gè)或一些種子點(diǎn),將與該種子點(diǎn)性質(zhì)相似的各方向的相鄰像素點(diǎn)或區(qū)域與種子點(diǎn)合并。將合并后的區(qū)域作為新的種子點(diǎn),繼續(xù)上述操作不斷迭代直到?jīng)]有新的像素點(diǎn)滿足生長(zhǎng)準(zhǔn)則,即不繼續(xù)生長(zhǎng)。這樣一個(gè)新的區(qū)域就已經(jīng)分割完成了[9]。種子點(diǎn)生長(zhǎng)準(zhǔn)則的判斷依據(jù)為灰度值、顏色、紋理等圖像信息,因此影響區(qū)域生長(zhǎng)算法效果的重要因素包括種子點(diǎn)的選取、生長(zhǎng)準(zhǔn)則的確定、生長(zhǎng)停止條件的確定。

給出一個(gè)區(qū)域生長(zhǎng)實(shí)例。圖4(a)為原始圖像,數(shù)字表示像素的灰度值。以灰度值為8的像素點(diǎn)作為種子點(diǎn),記為f(i,j)。生長(zhǎng)準(zhǔn)則制定為待測(cè)點(diǎn)與種子點(diǎn)灰度值相差1或0。圖4(b)為第一次區(qū)域生長(zhǎng)后的結(jié)果,像素f(i-1,j)、(i,j-1)與f(i,j+1)的灰度值都與種子點(diǎn)相差1,因此被合并成為新的種子點(diǎn)。圖4(c)是第二次區(qū)域生長(zhǎng)后的結(jié)果,像素f(i+1,j)被合并。圖4(d)為第三次區(qū)域生長(zhǎng)后的結(jié)果,像素f(i+1,j-1)與f(i+2,j)被合并,發(fā)現(xiàn)各個(gè)方向上已不存在符合生長(zhǎng)準(zhǔn)則的像素點(diǎn),此時(shí)所有的像素點(diǎn)已被劃分,停止生長(zhǎng),區(qū)域生長(zhǎng)完成。圖4為區(qū)域生長(zhǎng)實(shí)例。

圖4 區(qū)域生長(zhǎng)實(shí)例Fig.4 Regional growth case

可以發(fā)現(xiàn),當(dāng)選取的種子點(diǎn)不同而生長(zhǎng)準(zhǔn)則不變時(shí),劃分出的目標(biāo)區(qū)域不同。如種子點(diǎn)不變而生長(zhǎng)準(zhǔn)則改變,劃分出的區(qū)域也將不同。由此可知,區(qū)域生長(zhǎng)算法對(duì)于圖像分割的效果與種子點(diǎn)的選取與生長(zhǎng)準(zhǔn)則的制定有著密不可分的聯(lián)系。如果種子點(diǎn)選取不當(dāng),無(wú)論生長(zhǎng)準(zhǔn)則如何制定都會(huì)導(dǎo)致分割后的結(jié)果不理想。如果種子點(diǎn)選取正確,而生長(zhǎng)準(zhǔn)則設(shè)定的閾值過(guò)大,則會(huì)導(dǎo)致過(guò)度分割。如設(shè)定的閾值過(guò)小,則會(huì)導(dǎo)致分割不完全。只有正確選定種子點(diǎn)并制定合適的生長(zhǎng)準(zhǔn)則才能分割出理想的感興趣區(qū)域[10]。

區(qū)域生長(zhǎng)算法具有算法思想簡(jiǎn)單、能將具有相同特征的聯(lián)通區(qū)域分割出來(lái)、提供很好的邊界信息及分割結(jié)果等特點(diǎn),可用來(lái)分割比較復(fù)雜的圖象,如自然景物、醫(yī)學(xué)圖像等。因此使用區(qū)域生長(zhǎng)算法實(shí)現(xiàn)對(duì)肝臟CT圖像的分割具有實(shí)際應(yīng)用意義。

2 肝臟CT影像分割系統(tǒng)開發(fā)及實(shí)例驗(yàn)證

2.1 開發(fā)平臺(tái)

采用商業(yè)數(shù)學(xué)軟件MATLAB(R2017a)版本進(jìn)行基于肝臟CT圖像處理系統(tǒng)的開發(fā)。

2.2 系統(tǒng)總體結(jié)構(gòu)

2.2.1 功能模塊設(shè)計(jì)

基于對(duì)肝臟CT圖像分割處理的實(shí)際需求,設(shè)計(jì)并開發(fā)了基于MATLAB圖像處理的有關(guān)肝臟CT圖像分割的系統(tǒng)?？紤]到實(shí)際應(yīng)用中需要實(shí)現(xiàn)的功能,將該系統(tǒng)功能分為以下3個(gè)模塊:①圖像預(yù)處理模塊。該模塊負(fù)責(zé)將收集到的數(shù)據(jù)集進(jìn)行圖像預(yù)處理,如圖像降噪、圖像增強(qiáng)等操作。②肝臟CT圖像分割模塊。該模塊負(fù)責(zé)將預(yù)處理好的圖像進(jìn)行分割,利用區(qū)域生長(zhǎng)算法的鄰接連續(xù)閾值法對(duì)肝臟CT圖像進(jìn)行分割。③輸出分割結(jié)果圖像。該模塊負(fù)責(zé)將分割后的圖像進(jìn)行形態(tài)學(xué)處理,即灰度化與二值化處理,處理完成后輸出結(jié)果圖像。在完成以上3個(gè)功能模塊操作后,處理結(jié)果圖像會(huì)保存至原圖的存儲(chǔ)路徑中,由此建立儲(chǔ)存肝臟CT圖像的數(shù)據(jù)庫(kù),方便后續(xù)進(jìn)行病情分析、手術(shù)治療方案制定、了解往期病史等。

2.2.2 工作流程

此系統(tǒng)開發(fā)主要應(yīng)用于對(duì)患者肝臟CT圖像進(jìn)行圖像分割。獲得患者的肝臟CT圖像后需對(duì)圖像進(jìn)行各種操作。流程如圖5所示。

圖5 肝臟CT圖像分割流程Fig.5 Liver CT image segmentation process

2.3 系統(tǒng)測(cè)試

使用了近百?gòu)埐煌母闻KCT圖像進(jìn)行系統(tǒng)測(cè)試。選取的70張CT圖像的肝臟形狀、大小、圖片邊緣清晰度、噪聲點(diǎn)分布等各不相同,能夠切實(shí)測(cè)試出圖片預(yù)處理與圖像分割的功能效果,對(duì)測(cè)試效果不理想的部分進(jìn)行改進(jìn),之后再次測(cè)試,調(diào)試各功能模塊效果準(zhǔn)確無(wú)誤為止。

2.3.1 基于區(qū)域生長(zhǎng)算法的肝臟CT圖像分割

系統(tǒng)工作流程:讀取原始圖像數(shù)據(jù),對(duì)原始圖像進(jìn)行圖像預(yù)處理,使用去噪、圖像增強(qiáng)等技術(shù)使原始圖像更加平滑。在肝臟CT圖像中手動(dòng)選取種子點(diǎn),確定生長(zhǎng)準(zhǔn)則與停止生長(zhǎng)的條件,直到圖像中所有像素點(diǎn)沒(méi)有符合生長(zhǎng)準(zhǔn)則的點(diǎn)為止,此時(shí)所有像素點(diǎn)均已被分好區(qū)域,生長(zhǎng)停止。此時(shí)目標(biāo)區(qū)域已被分割完成,對(duì)分割后的圖像進(jìn)行形態(tài)學(xué)處理,生成被灰度化與二值化處理后的圖像。在區(qū)域生長(zhǎng)算法部分除了手動(dòng)選取種子點(diǎn)也可以自動(dòng)選取種子點(diǎn)。讀取原始的肝臟CT圖像,對(duì)圖像預(yù)處理后進(jìn)行閾值分割,找尋圖像中非零元素的坐標(biāo)并確定目標(biāo)區(qū)域位置,根據(jù)目標(biāo)區(qū)域位置裁剪原始圖像。根據(jù)裁剪后的圖像大小自動(dòng)選取種子點(diǎn),開始區(qū)域生長(zhǎng)分割,獲取分割后的圖像。進(jìn)行形態(tài)學(xué)后處理,填補(bǔ)圖像中的孔洞、去除噪點(diǎn)等。繪制邊緣得到結(jié)果圖像。

影響區(qū)域生長(zhǎng)算法圖像分割效果的3大因素:①人工種子點(diǎn)的選取。種子點(diǎn)選取的好壞決定了生長(zhǎng)方向的好壞,如沒(méi)有選取到合適位置的種子點(diǎn)將會(huì)導(dǎo)致分割出的區(qū)域并不理想,而手動(dòng)選取不可避免地存在失誤與偶然性,導(dǎo)致結(jié)果不理想。②生長(zhǎng)準(zhǔn)則與停止生長(zhǎng)條件的制定。生長(zhǎng)準(zhǔn)則影響著生長(zhǎng)速度與生長(zhǎng)區(qū)域的好壞。如生長(zhǎng)準(zhǔn)則制定不合理,會(huì)導(dǎo)致生長(zhǎng)區(qū)域過(guò)大或感興趣區(qū)域分割不完全等各種情況。③圖像噪聲的影響。在CT圖像的獲取、存儲(chǔ)、傳輸?shù)冗^(guò)程中都會(huì)出現(xiàn)不可控因素,導(dǎo)致圖像質(zhì)量降低,而圖像質(zhì)量的降低將直接影響后續(xù)區(qū)域分割效果的好壞。因此要進(jìn)行圖像預(yù)處理與形態(tài)學(xué)后處理等一系列操作,盡量避免這些因素對(duì)結(jié)果造成影響。

2.3.2 實(shí)例驗(yàn)證結(jié)果

載入jpg格式圖像,在MATLAB環(huán)境中運(yùn)行主程序main1(手動(dòng)選取種子點(diǎn))后,系統(tǒng)開始運(yùn)行。在圖像預(yù)處理模塊對(duì)圖像進(jìn)行去噪與圖像增強(qiáng)等操作。手動(dòng)選取種子點(diǎn)后輸出分割后的圖像。對(duì)分割后的圖像進(jìn)行形態(tài)學(xué)后處理輸出結(jié)果圖像。

在系統(tǒng)中讀取原始圖像并載入顯示區(qū)域中的左側(cè)窗口中,對(duì)原始圖片進(jìn)行中值濾波去噪后,將處理后的圖片載入顯示區(qū)域中的右側(cè)窗口中。圖像預(yù)處理后如圖6所示。

圖6 讀取原始圖像及中值濾波去噪Fig.6 Original image and remove of the noise with median filter

選擇手動(dòng)選取種子點(diǎn),利用區(qū)域生長(zhǎng)算法對(duì)圖像進(jìn)行區(qū)域分割。具體效果如圖7所示。

圖7 手動(dòng)選取種子點(diǎn)進(jìn)行圖像分割Fig.7 Manual selection of the seed points for image segmentation

載入jpg格式圖像,在MATLAB環(huán)境中運(yùn)行主程序main2(自動(dòng)選取種子點(diǎn))后,系統(tǒng)開始運(yùn)行。選擇自動(dòng)選取種子點(diǎn),區(qū)域生長(zhǎng)算法開始對(duì)圖像進(jìn)行區(qū)域分割。具體效果如圖8所示。

圖8 自動(dòng)選取種子點(diǎn)進(jìn)行圖像分割Fig.8 Automatic selection of seed points for image segmentation

分割完成后的圖像都將保存至原圖像的存儲(chǔ)路徑。本實(shí)例演示了系統(tǒng)對(duì)肝臟CT圖像進(jìn)行分割處理的主要過(guò)程。對(duì)原始圖像進(jìn)行圖像預(yù)處理,選擇手動(dòng)或自動(dòng)選取種子點(diǎn)開始區(qū)域生長(zhǎng)圖像分割,對(duì)圖像進(jìn)行形態(tài)學(xué)后處理(觀察分割后的圖像是否有必要再次處理),輸出結(jié)果圖像并保存至原圖像的存儲(chǔ)路徑。

3 結(jié)束語(yǔ)

研究了區(qū)域生長(zhǎng)算法對(duì)圖像分割的具體流程,設(shè)計(jì)開發(fā)了基于區(qū)域生長(zhǎng)算法的肝臟影像分割系統(tǒng),采集了70張不同的肝臟CT圖像對(duì)系統(tǒng)進(jìn)行實(shí)例驗(yàn)證。該系統(tǒng)與肝臟臨床檢測(cè)相結(jié)合,可密切關(guān)注其感興趣區(qū)域的器官生理或病理的詳細(xì)情況,為醫(yī)生判斷該處器官是否病變、病變程度如何、病灶大小及數(shù)量等提供可靠依據(jù),此系統(tǒng)的開發(fā)具有實(shí)際應(yīng)用意義和創(chuàng)新意義。

關(guān)于該系統(tǒng)的圖像預(yù)處理模塊,實(shí)驗(yàn)并選取的處理技術(shù)相對(duì)單薄,只使用了中值濾波法對(duì)圖像進(jìn)行去噪處理。圖像預(yù)處理方面還可使用各項(xiàng)異性擴(kuò)散濾波[11-12],使圖像去噪效果與圖像增強(qiáng)效果更加明顯,圖像質(zhì)量更好,有利于后續(xù)對(duì)圖像的分割處理。