圖像分割技術在醫學圖像處理中的應用實踐

曲濱鵬,魏曉潔,繆 佳,曲超毅

（1.山東醫學高等專科學校,山東 濟南 250100；2.山東大學齊魯醫院,山東 濟南 250012；3.中國聯合網絡通信有限公司濟南市分公司,山東 濟南 250000）

圖像分割技術是對圖像進行分割處理,將每個分割的圖像特征反映出來,并將所需要的圖像展示出來,在處理中所采用的技術及操作過程就是圖像分割技術的應用。在應用圖像分割技術的過程中,需要對關鍵步驟進行分析,采用科學有效的分割技術,以獲得良好的圖像處理效果。在醫學領域中應用該技術,主要是在分割圖像的時候,用這種方式提取病變的區域,測量特定組織,采用二維重建的方法將提取的圖像重新組合,以便從醫學角度深入研究[1]。所以,在醫學圖像處理的過程中,對圖像分割技術進行研究具有重要意義。

1 建立在區域基礎上所采用的分割方法

在臨床上比較常見的設備有CT、MRI和PET,其中,CT是運用X光穿透被照體,檢測X光的衰減,將被照體的衰減系數反推出來,根據衰減系數對照表將被照體的解剖圖像重新建立起來。MRI的結構成像主要檢測靜態磁場中外加射頻脈沖影響人體內氫質子的情況,獲得對應的MR信號,并將相應的解剖圖像重新建立起來。PET用于對注入人體內的放射性核醫藥物進行檢測,在人體內代謝的過程中會有γ射線放射出來,采用重新建立圖像的方法獲得對應的功能性信息。對于圖像采用分割技術,具體可以采用如下方法。

1.1 采用ICJ值法進行圖像分割

在并行區域技術中,ICJ值法是比較常用的,在圖像處理中采用這種方法,主要發揮的作用是區分目標不同的灰度值。采用ICJ值法進行分割,所獲得的結果決定于所選取的ICJ值,以此來確定ICJ值是做好圖像分割的關鍵。采用ICJ值分割法,就是按照一定準則將ICJ值的最佳值求出來。

應用ICJ值法進行圖像分割的優點是計算操作比較簡單,運算的速度也更加快,特別是不同物體之間及不同的結構之間,如果在對比的強度非常大的情況下,就能夠獲得非常好的分割效果。采用ICJ值法進行圖像分割,通常是交互式的,并且可以做到實時操作,所以,這項操作可以基于用戶視覺展開。

ICJ值法也存在不足,即運用ICJ值法進行圖像分割雖然比較簡單,但是僅能夠產生二值圖像,可以用于對兩種不同類別圖像的區分。此外,采用0值法進行圖像分割,需要對像素本身的灰度值充分考慮,不需要對圖像空間的分布情況進行考慮,采用這種分割方法所獲得的結果就是提高了對噪聲的敏感度[2]。針對ICJ值法所存在的不足,一些研究專家將經典的算法提出來,比如,模糊閾值的算法、局部閾值的算法、隨機閾值的算法等等。在進行圖像分割的時候,分割CT圖像能夠獲得良好的效果,但在閾值的選取方面,則需要用戶根據經驗作出判斷,或者需要對該技術進行嘗試,經過多次嘗試性分割之后,就可以根據具體需要來調整閾值,直到滿足用戶的要求。對這方面的問題進行研究,采用多次閾值分割的方法對螺旋CT圖像進行檢測,分析圖像中顯示的肺結性病變情況,所檢測的圖像為827張,所獲得的檢測結果可以達到的靈敏度超過95%,而且沒有假陽性的結果出現。

1.2 采用區域生長法進行圖像分割

采用區域生長法進行圖像分割,就是按照預先界定的標準,在圖像中提取相連接的區域。采用這種分割方法,一項重點內容就是合理選擇種子點的位置,明確生長準則及生長的順序。

采用區域生長法,如果需要分割的區域面積不是很大,就可以獲得良好的效果,如果需要分割的區域面積非常大,就會減緩計算的速度。在圖像的分割中,如果不相鄰的區域有著相同的灰度值,或者需要分割的區域相近,也有著相同的風格,在分割的時候就不能采用一次分割的方法,而是需要對一個區域進行多次分割。

2 建立在邊界基礎上所采用的分割方法

建立在邊界基礎上所采用的分割方法就是將不同區域之間的像素灰度充分利用起來,掌握其不存在連續性的特點,將區域之間的邊緣檢測出來,就可以對圖像進行分割處理。在這項技術操作中采用了不同的邊緣檢測方法,需要將邊緣檢測的方法劃分為兩大類,即串行邊緣檢測方法與并行邊緣檢測方法[3]。

2.1 串行邊緣檢測方法

在應用串行邊緣檢測方法的時候,需要先對一個邊緣的起始點進行檢測,之后按照某種相似性準則尋找邊緣點,要確保這個邊緣點等同于前一點,這是確定后續相似點的一種有效方法,被稱為“跟蹤”。根據所采用的跟蹤方法有所不同,這種串行邊緣檢測方法又可以進一步劃分為三類,即輪廓跟蹤方法、全向跟蹤方法和光柵跟蹤法。

2.2 并行邊緣檢測方法

在應用并行邊緣檢測方法的時候,可以檢測每一個像素點的邊緣點,這項檢測工作可以在每一個像素上展開,由此加快了搜索檢測的速度,縮短檢測的時間。在并行檢測算法中,比較常用的是Wills算子檢測方法、Roberts梯度算子檢測方法和Kirsh算子檢測方法,它們都可以實施科學有效的邊緣檢測[4]。另外,比較重要的并行邊緣檢測方法還包括方向模板的邊緣檢測方法、統計模板的邊緣檢測方法、斜率差分的邊緣檢測方法、滑動平均梯度的邊緣檢測方法、紋理邊緣的邊緣檢測方法、最佳曲面擬合的邊緣檢測方法等等。由于形成邊緣的原因存在復雜性,而且圖像的邊緣在圖像中存在不連貫性,所以在進行邊緣檢測的時候依然存在很大的難度,但是在醫學領域中,在進行圖像幾何分析的時候,這種方法是非常有意義的。想要將并行邊緣檢測方法合理的運用,還需要工程人員與醫務人員合作,通過共同努力對該種檢測方法進行有效應用,使其在影像醫學中更好地發揮作用。

3 建立在特定理論礎上所采用的分割方法

3.1 模糊聚類法

在進行圖像分割的時候采用模糊聚類法,就是要將像素灰度等性質向特定的空間映射,這項操作主要是根據一定的規則將空間進行劃分,形成多個區域,之后按照像素所具備的性質對所屬區域進行判定,做好標記之后對圖像進行分割處理[5]。當前來看,模糊聚類法是比較常用的,這種方法是建立在模糊理論的基礎上所采用的圖像分割方法,事實上,這種方法就是進行兩次尋優的迭代過程,整個模糊算法中,最為關鍵的內容是隸屬函數的設計,不會對初值設置產生很大的影響。醫學圖像本身不是非常清晰的,有一定的模糊性,因此,采用模糊聚類法效果更好一些,具有非常好的描述能力[6]。有研究者針對這方面的理論進行研究,認為這是通過運用一種基于K平均聚類算法進行圖像分割的新技術,建立在知識形態學基礎上的運算技術,對于醫學CT圖像可以用這種方法自動分割。

3.2 神經網絡方法

神經網絡方法是在分割圖像的時候采用訓練樣本集訓練神經網絡,用這種方式確定節點間的連接情況,明確權值,之后再使用已經訓練好的神經網絡對新的圖像數據進行分割處理,但是,與其他的分割方法有所不同,其需要的訓練數據量非常大,這對于操作人員而言是非常困難的。神經網絡的連接量是巨大的,在引入空間信息的時候非常容易,如果圖像存在質量問題,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題。選擇哪一種網絡結構是采用這種分割方法的時候需要重點考慮的問題[7]。在分割醫學圖像的時候,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,然后對圖像進行分割處理。由于醫學圖像所存在的各種問題都是內在的,這就需要適當地引入模糊技術,使得圖像的內在不確定性減少,避免對圖像的分割結果造成不良影響,這樣分割結果不會對噪聲產生很大的影響,降低敏感程度。在研究的過程中,將神經網絡和模糊技術相結合,還要結合使用其他的技術,新產生的新型混合神經網絡越來越多,包括小波神經網絡、模糊神經網絡,以及混沌神經網絡等等[8]。這些方法都有其自身的特點,需要從醫學應用的角度深入研究,并對醫學圖像分割技術未來的發展起到一定的促進作用。

3.3 小波變換方法

小波分析的思想是利用一組小波函數來逼近信號,當對信號進行二進制小波變換的過程中,用尺度參數變換某一點變換值,就能夠反映該點是否存在特異性,以及所顯示的特異性大小。從圖像的角度而言,這些特殊點就可以將圖像的邊緣建立起來,所以,可以將相對合適的小波函數選擇出來,用于提取圖像的邊緣。

利用小波變換分割醫學圖像ICJ值的思想將小波多尺度幾何活動的曲線模型建立起來,應用帶區間采樣的離散小波變換的方法將圖像分割特征提取出來。基于矢量量化聚類相應地加入馬爾可夫隨機場的約束條件,將小波空間分割的統計模型建立起來。在所采用的多尺度分割方法中,跨多尺度的圖像分析事實上就相當于粗尺度上對大類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合起來,對于已經丟失的空間分辨率進行恢復,這是多尺度分割算法的運用中很難解決的問題。在文獻[9]中,要將超聲圖像充分利用起來,用不同區域的多尺度零交叉來對具有尺度的曲線函數予以表示,使得醫學超聲圖像的區域分割得以實現。

3.4 遺傳算法

遺傳算法是一種隨機搜索算法,是將生物界自然選擇方法和自然遺傳機制予以借鑒而形成的一種算法。遺傳算法的主要思想是對某些基因串控制的生物種群進化的過程進行模擬,并在搜索算法應用運用這一過程的規律,發揮進化原理的作用,促使優化的速度提高,優化的質量更好。遺傳算法的一個優勢就是可以用于全局搜索,由于其局部搜索能力相對較弱,所以常常需要結合使用其他的算法。有學者在分割心臟超聲圖像的時候使用了遺傳算法,使活動輪廓法存在的缺陷得到有效彌補。采用這種方法檢測合成圖像和真實超聲圖像可以獲得良好的效果,采用方差分析方法可以對這種方法的有效性予以驗證。將遺傳算法充分利用起來,使得優化的速度加快,而且自動識別前列腺的能力提高,其發揮的作用是對前列腺邊界分割的速度更快。他們對22例前列腺超聲圖像采用這種方法進行識別實驗,獲得了良好的效果,誤差非常小[10]。

4 結束語

通過上面的研究可以明確,大多數圖像分割算法針對性強,但是往往缺乏通用性。也就是說,某種分割算法對某種成像方式得到的圖像可以獲得良好的處理效果,對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,如計算量大、運算速度慢,學者們通常對算法的速度及結果的精度更加關注。針對各種分割算法的優點和不足,應綜合各種分割算法進行圖像分割,可以使得圖像分割精度有所提高。在評價圖像分割效果的時候沒有一個通用的標準來評價各種算法的優點和不足,隨著各種圖像分割技術的發展和新理論在圖像分割處理中的不斷應用,醫學圖像分割這一新理論、新技術、新工具的結合將朝著自動、準確、快速、自適應的方向發展,醫學圖像分割處理技術將進一步成熟。