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）

針對傳統(tǒng)閾值分割算法的一些缺點，通過將數(shù)字形態(tài)學(xué)與閾值分割算法相互結(jié)合提出了一種改進的閾值分割算法來進行脊椎圖像分割，并將分割結(jié)果與傳統(tǒng)圖像分割方法得到的結(jié)果進行分析對比。結(jié)果顯示本論文改進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)計了計算脊椎相鄰椎體間的相對距離、相對椎體厚度及其變化率的有效算法，可為臨床進一步應(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，脊柱不健康的人群越來越大，甚至兒童脊柱側(cè)彎癥這一病癥在近年來也很常見。同時在其他國家如美國，有超過1/4的職業(yè)病表現(xiàn)為腰部脊椎疼痛等問題美國每年僅脊柱部位手術(shù)的病例就超過25萬例，可見脊柱問題嚴重困擾著現(xiàn)代人的生活，脊柱圖像的研究對揭示脊柱和椎管內(nèi)病變都有重要的意義，對實際臨床診斷也可提供幫助[1]。近些年來，隨著計算機技術(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)域中用來輔助臨床診斷的一個重要技術(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，來達到診斷并且治療脊椎上的不同疾病的目的[2]，如醫(yī)學(xué)圖像分割可以對人體的器官、相關(guān)組織或病灶的體積和形狀進行測量[3]。然后通過對這些體積和形狀在治療前后通過一定的理論分析和測量，就可以幫助醫(yī)生進行臨床上一些疾病的例如，癌變范圍，大小，形狀等進行診斷，也可以根據(jù)這些分析的數(shù)據(jù)和測量結(jié)果，來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)生利用準確分割的椎體，在進行矯正手術(shù)時準確定位，也可以幫助脊椎畸形的殘疾人進行矯正，在臨床醫(yī)學(xué)及康復(fù)工程領(lǐng)域也有著實際應(yīng)用價值[4]。在醫(yī)學(xué)圖像分割與應(yīng)用方面，國際上已有一些研究，其中一種重要的分割方式是半自動分割，與早期的人工分割方法相比可減少人力，縮短時間，而且相比于早期的自動分割具有分割速度快，準確度精度高的一些優(yōu)點，與早期的人工分割相同的一點是同樣對操作者的知識和經(jīng)驗有很高的要求。

基于以上情況，若能從脊椎圖像中分割出醫(yī)生所需要進行診斷的一些部位，并對其中的有效信息進行提取分析，這樣就可以便于醫(yī)生對人體一些病變部位的觀察，使得影像圖像對病變部位情況的顯示變得更加直接與清晰[5-6]，可以進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，然后對處理后的圖像結(jié)果進行分析和總結(jié)。并對分割結(jié)果提出了臨床診斷與治療過程中有望得到應(yīng)用的結(jié)論。

1 脊椎圖像分割算法

圖像預(yù)處理指的是在對圖像進行分析的過程中，為了消除一些無關(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比度增強這兩種方法對原始的脊椎圖像進行預(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)圖像處理在進行圖像處理時是將一幅二值圖像看成是一個集合，通過在圖像中不斷地移動一個結(jié)構(gòu)元素，這種結(jié)構(gòu)元素的移動操作方式類似于前述所提到的卷積方式。結(jié)構(gòu)元素其實指的就是一個可以在圖像上進行平移，尺寸要求比原圖像小的一個集合。數(shù)學(xué)形態(tài)學(xué)的是通過結(jié)構(gòu)元素和所存在的原始二值圖像進行的一種特殊的邏輯運算，然后將運算后的結(jié)果存在處理后的圖像中對應(yīng)像素的位置上，形態(tài)學(xué)也就是通過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，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。腐蝕運算的計算公式為：

其中，E表示經(jīng)過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與原圖像合并到一起的一個過程。處理的結(jié)果是使原圖像中的物體的面積相比于原來增大了很多像素點。膨脹操作能容易的填補一些由于對圖像進行分割所造成的一些空洞。膨脹運算的定義公式為：

其中，D表示經(jīng)過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。先進行腐蝕操作再進行膨脹操作的過程稱為開運算。開運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節(jié)部位，也不會對這些部位的其他像素也沒有太大的影響。開運算的定義公式為：

先對圖像進行膨脹操作，然后再進行腐蝕操作的過程稱為閉運算。閉運算能夠填充一些由于對圖像進行分割后所造成的一些空洞，斷點等。同時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算操作后的圖像，在進行圖像分析中，頂帽變換可以從較暗的背景中提取所需要的部分，從而達到提取細節(jié)，增強對比度的一些效果[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。基于傳統(tǒng)的閾值分割方法對于處理脊椎圖像所存在的一些問題和不足，尤其是過分割的分割現(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)合起來的一種新型分割算法，最后對處理后的脊椎圖像進行一個腐蝕操作，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）首先提取所要進行圖像分割的脊椎圖像，并且將該圖像定義為f（x，y）；2）對上述定義的圖像f（x，y）進行預(yù)處理操作，其中預(yù)處理包括，中值濾波和對比度增強兩種變換，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；對比度增強的目的是為了使圖像的細節(jié)部分顯示的更加清晰，為后期進行的一些處理提供了方便；3）選擇一個適合的結(jié)構(gòu)元素對圖像f1（x，y）進行頂帽變換（經(jīng)過嘗試，發(fā)現(xiàn)結(jié)構(gòu)元素為ones（10，2）處理的效果最佳，進行頂帽變換的目的是為提取圖像的一些細節(jié)部分，同時也增強了背景和物體的對比度，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）對圖像f2（x，y）進行直方圖處理，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） 重新選擇一個閾值T1，然后將圖像分為兩個部分的像素值，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）選取一個合適的形態(tài)學(xué)腐蝕結(jié)構(gòu)元素，對圖像f3（x，y）進行一定的腐蝕操作，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預(yù)處理后的脊椎圖像進行了分割處理，圖4是利用改進后的閾值分割算法進行圖像分割后的結(jié)果。從上述處理的效果圖可以看出來，結(jié)合形態(tài)學(xué)的閾值分割法分割出來的效果圖（c）相比于單一的形態(tài)學(xué)處理后的效果圖（b）而言，在對比度方面有了很明顯的增強，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 改進后的閾值算法處理效果圖

對上述分割算法處理后的脊椎圖像進行椎體參數(shù)的計算和分析，來達到真正實現(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。對于椎體特征研究僅需要計算得出相鄰兩個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）是二值圖的特點可容易計算出相鄰椎體的相對間距和椎體相對厚度，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)果計算出的椎體信息

表1是改進后的閾值分割方法進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算出諸多具有生理特征的量化數(shù)據(jù)結(jié)果，對于臨床應(yīng)用而言，改進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。

3 結(jié) 論

醫(yī)學(xué)圖像處理的目的是利用從視覺上處理圖像的方法來達到輔助臨床診斷。對于脊椎圖像分割和椎體相關(guān)信息的研究彌補現(xiàn)有的醫(yī)學(xué)圖像本身所存在的一些弱點，進而準確地識別出椎體圖像中的椎體形態(tài)，并可以進一步對椎體的形態(tài)學(xué)進行量化計算。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分割等一些問題，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[J].計算機應(yīng)用研究，2012，29（9）:3497-3500.

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

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

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

[5]曹蕾，占杰，余曉愕，等.基于自動閾值的CT圖像快速肺實質(zhì)分割算法[J].計算機工程與應(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算法[J].哈爾濱工程大學(xué)學(xué)報，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)的邊緣檢測算法研究[J].計算機工程與應(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邊緣檢測改進算法[J].電子設(shè)計工程，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方法[J].計算機工程與應(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)計量研究中的比較[J].中國矯形外科雜志，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)邊緣檢測方法[J].計算機工程與設(shè)計，2010，31（18）:4036-4039.

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

[16]薛誠尤，聶萬勝，何博.基于基元反應(yīng)的總包機理建模及算法優(yōu)化[J].火箭推進，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：201607007

西安工業(yè)大學(xué)校長基金(XAGDXJJ14011)

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