改進分水嶺算法在X線乳腺癌圖像分割中的應用研究

張 玲 顧楚華 傅華成 宋宗根 吳 江 張英俊

（1.湖南醫藥學院；2.懷化市第一人民醫院）

早期診斷和治療是降低乳腺癌發病率和死亡率的有效途徑。使用乳腺X線攝影技術進行乳腺癌的早期篩查是一種常用方法，借助于計算機輔助的乳腺癌的圖像分割在很大程度上可以幫助臨床醫生進行診斷和治療。基于傳統分水嶺算法的過分割和漏分割問題，本文提出了一種改進的分水嶺算法進行乳房腫塊的分割方法，以提升算法分割的準確性和實用性，從而有效地對腫塊進行分割。實驗選取了一例經病理確診的乳腺癌患者的兩個不同體位（LMLO和LCC）的X線攝影圖像進行腫塊分割研究，結果表明，本文提出的算法可以準確地實現乳腺癌腫塊的分割和輪廓標記，具有較高的臨床應用價值。

乳腺癌是一種眾所周知的致命疾病，全世界因乳腺癌死亡的女性人數正在加速增長。研究表明，對乳腺癌的早期診斷和治療可以有效提升治療的成功率和降低乳腺癌患者的死亡率。乳腺癌的診斷通過檢測乳房X射線攝影圖像中的高強度區域來確認腫瘤的良性或惡性。近年來，乳房X射線攝影技術作為乳房檢查的常用手段，廣泛用于乳腺癌的篩查和診斷中。對乳腺癌腫塊圖像的準確分割和標記是對乳腺癌患者進行保乳治療的關鍵步驟。

在計算機輔助診斷技術出現以前，通常需要通過醫生手動對乳腺癌腫塊進行分割和標記，其工作量非常大，而且受醫生經驗的影響較大。近年來，研究人員一直在探索不同的圖像處理方法用于乳腺癌圖像的分割和診斷。基于分水嶺算法的乳腺癌分割較早地引入到了圖像分割應用中。然而，由于傳統分水嶺算法存在過分割的問題，在乳腺癌腫塊分割應用時效果較差，因此應用起來不是很方便。為此，本文提出了一種改進的基于標記控制的分水嶺算法進行乳房腫塊的分割方法，通過算法提取圖像的前景和背景信息作為標記，并結合標記對圖像進行分水嶺分割，可以進一步提升算法分割的準確性和實用性，從而實現對腫塊進行有效分割。

1 材料和方法

1.1 分水嶺算法介紹

分水嶺（watershed）圖像分割方法是一種基于形態學的圖像處理方法，算法分割過程中把圖像當成地形圖進行處理，圖像的梯度幅值和不同梯度值區域分別對應于地形圖中的海拔高度和盆地。假設在每個盆地最低處打個洞，然后將地形圖逐漸浸入一個湖中，那么全局極小值點對應的盆地先進水，隨著水位的逐漸升高，當相鄰兩個盆地的水即將合 并時，此時在它們之間進行建壩攔截。分水嶺算法的關鍵在于水壩的構造，最簡單的構造水壩分離二元點集的方法是使用形態學膨脹。

1.2 改進的分水嶺算法

傳統的分水嶺算法容易導致過度分割，效果往往很差，應用起來不太方便，因此沒有得到大范圍推廣。此后，研究人員考慮對分水嶺算法進行改進，以提高圖像分割的準確性和可靠性。基于標記控制的分水嶺算法應運而生，其思想是在進行分水嶺算法分割時引入一些附加知識，通過在原圖中尋找一些標記來引導算法進行分割，從而防止過度分割。該方法與傳統分水嶺分割算法相比，極大提高了醫學圖像分割的準確性，應用也逐漸廣泛。然而，標記的提取是該方法的關鍵，不同的標記提取方法得到的分割結果也相差很大，尤其是在不同的應用場景下，分割結果千差萬別。標記提取方法不合理，在引入標記的過程中容易產生過度標記或者漏標記，從而導致存在過分割或漏分割等問題。

本文主要研究對乳腺癌X射線攝影圖像中的腫塊分割問題，直接應用簡單的基于標記控制的分水嶺算法效果較差，無法達到要求。因此本文引入了通過對像素進行直方圖統計的方法來確定背景標記提取過程中的圖像二值化閾值。通過對灰度圖像進行直方圖統計，可以得到正常像素和腫瘤像素的灰度分布，從而獲取相對合理的閾值。具體算法流程如圖1所示。

圖1 本文提出的改進分水嶺算法流程圖

實驗采用懷化市第一人民醫院影像中心Selenia Dimensions 3D數字乳腺X線攝影系統，選取一例經過病理確診的乳腺癌患者左乳內斜位（LMLO）和左乳頭足位（LCC）的DICOM格式數字乳腺X線圖像數據，圖像像素尺寸為4096×3328，圖像深度為12位。圖像像素分辨率和灰度分辨率均很高。

圖像分割具體步驟如下：

（1）進行圖像預處理：使用MATLAB自帶的DICOM讀取函數加載乳腺X射線攝影圖像，為了提高計算速度，將圖像尺寸壓縮為1024×832，同時由于X射線機的視野很大，因此將圖像矩陣進一步縮小到略大于乳房的尺寸（800×416），再通過灰度變換將圖像灰度深度變為標準的8位灰度級。

（2）灰度直方圖統計：為了去除無效統計，只取圖像中的非零像素進行灰度直方圖統計，通過直方圖初步確定二值化閾值。

（3）對圖像進行形態學處理：先對圖像進行基于重建的形態學開操作，再進行基于重建的形態學閉操作。

（4）基于形態學處理后的圖像計算前景標記和背景標記。

（5）計算原始圖像的梯度幅值（使用Sobel邊緣檢測算子），對加入前景和背景標記后的梯度圖做分水嶺變換，得到分割邊界。

（6）將分割邊界用白色顯示疊加到原始圖像中得到分割標記圖像。

2 實驗結果

實驗首先對該患者LMLO體位的乳房X射線攝影圖像進行腫塊分割研究。將圖像中的非零像素進行統計得到灰度直方圖如圖2所示。從灰度直方圖可以看出，正常細胞的歸一化灰度值分布以0.1為中心，而腫瘤細胞的歸一化灰度值分布以0.5為中心，實際選取灰度閾值時，取正常像素和腫瘤細胞像素分布中心的均值作為二值化灰度閾值。

圖2 圖像灰度直方圖

乳腺X射線原始圖像如圖3(a)所示，由于乳腺癌腫塊的形狀不規則，手動圈定腫塊的輪廓相對較難，工作量較大，因此需要使用計算機輔助技術進行分割診斷。對圖像進行基于重建的形態學開閉操作后得到如圖3(b)所示的圖像，像素值相近的區域得到了合并。通過采用sobel邊緣檢測算子計算得到梯度圖像，將前景和背景標記疊加到梯度圖像中進行顯示如圖3(c)所示。最后進行分水嶺變換得到腫塊的邊界信息，將邊界信息（白色曲線）疊加到原始圖像顯示如圖3(d)所示。從圖中可以看出，腫瘤區域被很好地標記出來。

圖3 LMLO體位分割結果

為了驗證算法的可行性，對該患者另一個體位（LCC）的乳腺圖像進行了腫塊分割實驗。原始圖像、基于重建的形態學開閉操作后的圖像及對腫塊進行分割標記后的結果如圖4所示。從圖中可以看出，腫塊也被準確標記出來了。同時，經影像科醫生的評價，認為兩個體位圖像的分割結果準確性都很高。

圖4 LCC體位分割結果

結論：本文介紹了一種改進的基于標記控制的分水嶺算法進行乳腺腫塊的分割方法，通過對圖像進行形態學預處理后提取圖像的前景和背景信息作為分割標記，提取背景信息時，使用灰度直方圖方法確定二值化圖像的分割閾值，有效提高了背景標記的準確性，再結合標記對圖像進行分水嶺分割，提升算法分割的準確性和實用性，從而有效地對腫塊進行分割。通過對一例乳腺癌患者的2個體位X射線攝影圖像進行分割實驗對分割算法進行驗證，結果表明，經過改進的分水嶺算法可以準確地完成乳腺X線攝影圖像腫塊的分割和輪廓標記，沒有出現漏分割和過分割的問題。將本文提出的算法用在乳腺癌診斷中可以有效提升診斷的準確性和效率，輔助臨床醫生進行乳腺癌患者的保乳治療，具有較高的臨床應用價值。