基于胃部病灶的醫學圖像分割

陳菲* 岑淑梅

(中山大學新華學院生物醫學工程學院,廣東 廣州 510520)

1 概述

圖像分割的目的就是把目標從背景中提取出來, 或將圖像劃分為若干個具有獨特性質區域的過程,在計算機視覺領域諸多分支中獲取了廣泛的應用。醫學圖像有各種成像模態,比如CT、MRI、PET、超聲等。由于醫學圖像本身的復雜性和多樣性, 如灰度不均勻、低分辨率、弱邊界和嚴重的噪聲, 分割過程中在目標區域里出現的一些問題都將導致圖像分割結果不準確。圖像分割方法一般是利用圖像梯度、亮度或者紋理等就能從圖像中獲得信息進而對圖像進行分割, 主要有聚類法、區域生長、水平集、圖割、分水嶺等算法[1]。

2 圖像分割方法分類

2.1 基于邊緣檢測方法對胃部病灶進行檢測

圖像的灰度級變化可以通過圖像灰度分布的梯度來表示,可使用微分算子進行邊緣檢測。圖1 為胃癌CT圖邊緣檢測處理效果,以分析邊緣檢測呈現胃癌CT 圖像輪廓。

圖1 五種邊緣檢測結果的對比

上述算子中,Canny 算子采用雙閾值算法檢測和連接邊緣,具有多尺度檢測和定向搜索等優點[2]。

2.2 基于梯度圖像和控制標記符分水嶺算法

分水嶺分割把圖像比擬成地理學上的地形,并且化成高地模式。首先進行局部操作,提取分界線,不斷將其布成形網絡形式[7]海拔最低的灰度點作為影響區域,所謂盆地,山脊即灰度值變化劇烈的像素點區域。

分水嶺算法具有計算速度快、定位準確的特點。對于醫學圖像,由于人體組織和器官的復雜、圖像對比度不高和易受噪聲污染的特點,分水嶺算法存在過分割問題,容易把有價值的信息分割掉。本文使用標記分水嶺算法,運用巧妙的方法來刪掉深度小于閾值的區域,可以解決過度分割問題,不會形成多個區域,這有利于胃癌病灶所處的腹腔部位機構復雜進行的分割。標記符是屬于圖像的連接組件,在每個目標區域的對象內有標記集,而外部的標記集在背景中。這些標記用來標記控制的分水嶺分割所描述的過程來改變梯度圖像,如圖2。

圖2 實驗結果

圖2 標識的部分為胃部病灶。在控制符標記分水嶺分割之后,顯示的是不同灰度值的區域不同的顏色鮮明劃分范圍,提高了形狀提取的精確性。

2.3 基于區域生長的醫學圖像分割

區域生長運用的范圍較廣泛,運用在鼻咽癌圖像、血管分割、冠狀動脈和支氣管三維分割、細胞分割、胃癌病灶分割等。首先設定種子點,把相鄰像素屬性與所選的種子比較,相似則合并。在分割的圖像中,于感興趣部位人為選取種子點,把種子點附近的相同或相似的灰度值合并到種子灰度值所在的范圍內。影響該方法的分割效果三個較關鍵的問題:種子點位置的確定,將相鄰像素包括進來的生長準則的確定,停止生長準則的確定。

圖3 選擇同一個人不同橫斷面的2 張原始圖像進行最終效果顯示。

圖3 四組實驗結果

3 實驗效果比較與分析

3.1 圖4 是選擇同一橫斷面運用三種單一的方法進行對胃癌病灶預處理及顯示。

圖4 實驗結果

標記分水嶺圖顯示分割成多個不同的區域,效果較差,但胃部病灶分割效果較好;單一的區域生長由于胃部病灶與周圍組織灰度相近,被劃分為同一個區域。如果先人工標記病灶部分,再進行區域生長,能準確提取病灶,不會將非病灶部分錯誤地提取出來。

3.2 針對不同大小和不同病灶形狀紋理,分割出來的效果也不同,圖5 是先運用梯度邊緣檢測和標記分水嶺的算法,再運用區域生長算法提取出來的效果。

圖5 實驗結果

結束語

本文結合了胃癌病灶所處的位置和特征,在一定程度上解決了在胃癌圖像中的過度分割問題,準確地提取了胃部病灶。實驗表明了該方法在某些病灶圖是可行的。在傳統的區域生長的基礎提出來基于閾值分割的區域生長方法。醫生可以運用先前的經驗,利用人機交互的方式,基于上述的標記分水嶺方法作為圖像前提,人為地選取種子點,這對于準確地進行病灶分割,判別病人的胃癌病灶診斷處在某個階段具有實際意義。本文最后對比了單一的分割方法對復雜的病灶圖進行分割,效果不利于判別也難以查找胃癌并在所在位置和大小,佐證了本文所提到的改進的分水嶺算法和閾值分割的區域生長的方法。

采用多種分割方法相結合, 進行多次處理, 是圖像分割方法研究的主要趨勢。研究圖像分割算法對提高胃部病灶計算機輔助診斷和治療的精度與效率有重大意義。