基于區域生長的肝影像分割系統的設計與研究

胡紫睿,劉 倩

(寧夏大學信息工程學院,銀川 750021)

0 引言

高新科技飛速發展,人們在發展新科技的同時也更注重生活環境與醫療條件,作為醫生診斷與治療的重要手段的醫學影像得到了相應的發展。如今,醫學影像在臨床診斷中具有不可低估的重要作用。電子計算機斷層掃描(Computed Tomography,CT)、核磁共振(Magnetic Resonance,MR)、超聲(Ultrasound,US)及其他醫學影像檢查技術是對人體無害的體外器官成像的有力手段,其中CT具有掃描時間短、圖像質量高等優勢,被廣泛應用于腹部及盆部的疾病檢查。

肝臟作為人體內最大的腺體及實質性器官,也是新陳代謝最活躍的器官,其疾病種類眾多且發病率高,在肝臟處的疾病診斷中,預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的檢測項目之一,對肝臟的檢測可幫助醫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、判斷預后及病灶的具體位置等,而實現這些目標的前提是必須盡可能準確地分割出肝臟圖像中醫生感興趣的部分,即肝臟CT的醫學影像分割。根據肝臟CT的影像特點,介紹了醫學影像分割理論方法中的一種—基于區域生長的醫學影像分割,針對此方法設計開發基于區域生長的肝臟影像分割系統。肝臟CT圖像分割在臨床上的應用越來越廣泛,已經成為進行肝功能、病理及解剖研究的重要手段。為了給臨床醫學和肝臟處病理研究提供可靠依據,從醫學影像入手,準確分割出所需部分,避免疾病診斷的判斷失誤,具有實際應用價值。

1 肝臟影像分割方法

目前,在肝臟影像學檢查與肝臟疾病治療方案制定中,電子計算機斷層掃描(Computed Tomography,CT)因掃描速度快、成像清晰等特點成為最常見的肝臟疾病診斷手段之一,為臨床醫生的病理診斷提供了可靠的確診依據。為了更加準確地提取肝臟器官的特征信息而對肝臟CT圖像進行感興趣區域(Regionofinterest,ROI)的圖像處理,即為醫學圖像分割。醫學圖像分割是根據醫學影像的某種相似性特征(如灰度、面積、形狀、局部統計特征及頻譜特征等)將醫學影像劃分為若干個互不相交的連通的區域的過程[1],相關特征在同一區域內表現出一致性或相似性,而在不同區域內表現出明顯的不同。一般來說,具有意義的圖像分割結果中至少存在一個包含感興趣目標的區域。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域從CT圖像中分割出來,獲取其生理或病理相關信息,從而進一步確認肝臟病灶的位置、大小、數量、形狀、病變程度等,有助于計算機輔助診斷、病變組織定位、三維重建、治療方案設計等,為臨床醫生的診斷與進一步的病情分析提供可靠依據[2-3]。在此過程存在兩個問題:CT圖像的采集和傳輸受到噪聲、磁場、組織運動等影響,造成肝臟CT成像不穩定[4]。在拍攝肝臟CT圖像時,由于肝臟毗鄰人體腹腔中各個器官,彼此密度相差不大,因此會造成圖像局部邊緣模糊、無法準確拍攝目標器官的問題。因為不同個體間肝臟的大小、形狀與病灶數量、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學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 圖像預處理

醫學圖像處理的對象主要有CT成像、核磁共振成像(MRI)和核醫學成像(NMI)等。不論哪種對象(只介紹CT成像的圖像預處理),在圖像的產生、傳輸及存儲過程中都會不可避免地出現圖像清晰度下降、對比度偏低及包含噪聲等降質現象。需要對肝臟CT圖像進行圖像預處理,即采用一些技術和方法優化圖像質量,為后續的圖像分析過程打好基礎。圖像預處理大致有兩個步驟,即降噪和醫學圖像增強。圖像增強技術是根據圖像特點和處理目的突出圖像中感興趣的區域及特征,很好地保留圖像邊界和結構信息及突出圖像中的某些性質等,提高圖像的可判讀性,改善圖像質量,便于醫務人員分析醫學圖像,從中獲得更多有價值的信息。而降噪與圖像增強實質上是互相矛盾的,通過灰度變換實現降噪功能,但灰度變換會導致圖像邊緣被破壞,如需保持清晰的邊緣細節則會產生大量噪聲。能夠比較和諧地調和兩個問題的濾波方法為中值濾波[5-6]。

中值濾波是基于排序統計理論的一種能有效抑制噪聲的非線性信號處理技術,基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替,令周圍的像素值接近真實值,從而消除孤立的噪聲點。方法是用某種結構的二維滑動模板,將板內像素按照像素值的大小進行排序,生成單調上升(或下降)的二維數據序列。

二維中值濾波輸出表達式如式(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區域,也可以是不同的的形狀,如線狀、圓形、十字形、圓環形等。

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,但隨著濾波器越來越大,圖像的邊緣也越來越模糊,細節也逐漸丟失。至此,中值濾波在消除噪聲的同時也會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,選取的尺寸太小會導致去噪效果變差且細節邊緣模糊,選取尺寸太大又會導致效率降低,計算工作量增大[7]。

1.2 區域生長算法

Zucker 最先提出基于區域生長的圖像分割方法[8],這里介紹最基本的區域生長算法的鄰接連續閾值法,實現對肝臟CT圖像的分割。區域生長算法是一種基于像素鄰域信息的圖像分割算法,其是根據事先定義好的生長準則將像素點(也稱為種子點)或子區域聚合成更大區域的過程。主要思想是選取一個或一些種子點,將與該種子點性質相似的各方向的相鄰像素點或區域與種子點合并。將合并后的區域作為新的種子點,繼續上述操作不斷迭代直到沒有新的像素點滿足生長準則,即不繼續生長。這樣一個新的區域就已經分割完成了[9]。種子點生長準則的判斷依據為灰度值、顏色、紋理等圖像信息,因此影響區域生長算法效果的重要因素包括種子點的選取、生長準則的確定、生長停止條件的確定。

給出一個區域生長實例。圖4(a)為原始圖像,數字表示像素的灰度值。以灰度值為8的像素點作為種子點,記為f(i,j)。生長準則制定為待測點與種子點灰度值相差1或0。圖4(b)為第一次區域生長后的結果,像素f(i-1,j)、(i,j-1)與f(i,j+1)的灰度值都與種子點相差1,因此被合并成為新的種子點。圖4(c)是第二次區域生長后的結果,像素f(i+1,j)被合并。圖4(d)為第三次區域生長后的結果,像素f(i+1,j-1)與f(i+2,j)被合并,發現各個方向上已不存在符合生長準則的像素點,此時所有的像素點已被劃分,停止生長,區域生長完成。圖4為區域生長實例。

圖4 區域生長實例Fig.4 Regional growth case

可以發現,當選取的種子點不同而生長準則不變時,劃分出的目標區域不同。如種子點不變而生長準則改變,劃分出的區域也將不同。由此可知,區域生長算法對于圖像分割的效果與種子點的選取與生長準則的制定有著密不可分的聯系。如果種子點選取不當,無論生長準則如何制定都會導致分割后的結果不理想。如果種子點選取正確,而生長準則設定的閾值過大,則會導致過度分割。如設定的閾值過小,則會導致分割不完全。只有正確選定種子點并制定合適的生長準則才能分割出理想的感興趣區域[10]。

區域生長算法具有算法思想簡單、能將具有相同特征的聯通區域分割出來、提供很好的邊界信息及分割結果等特點,可用來分割比較復雜的圖象,如自然景物、醫學圖像等。因此使用區域生長算法實現對肝臟CT圖像的分割具有實際應用意義。

2 肝臟CT影像分割系統開發及實例驗證

2.1 開發平臺

采用商業數學軟件MATLAB(R2017a)版本進行基于肝臟CT圖像處理系統的開發。

2.2 系統總體結構

2.2.1 功能模塊設計

基于對肝臟CT圖像分割處理的實際需求,設計并開發了基于MATLAB圖像處理的有關肝臟CT圖像分割的系統。考慮到實際應用中需要實現的功能,將該系統功能分為以下3個模塊:①圖像預處理模塊。該模塊負責將收集到的數據集進行圖像預處理,如圖像降噪、圖像增強等操作。②肝臟CT圖像分割模塊。該模塊負責將預處理好的圖像進行分割,利用區域生長算法的鄰接連續閾值法對肝臟CT圖像進行分割。③輸出分割結果圖像。該模塊負責將分割后的圖像進行形態學處理,即灰度化與二值化處理,處理完成后輸出結果圖像。在完成以上3個功能模塊操作后,處理結果圖像會保存至原圖的存儲路徑中,由此建立儲存肝臟CT圖像的數據庫,方便后續進行病情分析、手術治療方案制定、了解往期病史等。

2.2.2 工作流程

此系統開發主要應用于對患者肝臟CT圖像進行圖像分割。獲得患者的肝臟CT圖像后需對圖像進行各種操作。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 系統測試

使用了近百張不同的肝臟CT圖像進行系統測試。選取的70張CT圖像的肝臟形狀、大小、圖片邊緣清晰度、噪聲點分布等各不相同,能夠切實測試出圖片預處理與圖像分割的功能效果,對測試效果不理想的部分進行改進,之后再次測試,調試各功能模塊效果準確無誤為止。

2.3.1 基于區域生長算法的肝臟CT圖像分割

系統工作流程:讀取原始圖像數據,對原始圖像進行圖像預處理,使用去噪、圖像增強等技術使原始圖像更加平滑。在肝臟CT圖像中手動選取種子點,確定生長準則與停止生長的條件,直到圖像中所有像素點沒有符合生長準則的點為止,此時所有像素點均已被分好區域,生長停止。此時目標區域已被分割完成,對分割后的圖像進行形態學處理,生成被灰度化與二值化處理后的圖像。在區域生長算法部分除了手動選取種子點也可以自動選取種子點。讀取原始的肝臟CT圖像,對圖像預處理后進行閾值分割,找尋圖像中非零元素的坐標并確定目標區域位置,根據目標區域位置裁剪原始圖像。根據裁剪后的圖像大小自動選取種子點,開始區域生長分割,獲取分割后的圖像。進行形態學后處理,填補圖像中的孔洞、去除噪點等。繪制邊緣得到結果圖像。

影響區域生長算法圖像分割效果的3大因素:①人工種子點的選取。種子點選取的好壞決定了生長方向的好壞,如沒有選取到合適位置的種子點將會導致分割出的區域并不理想,而手動選取不可避免地存在失誤與偶然性,導致結果不理想。②生長準則與停止生長條件的制定。生長準則影響著生長速度與生長區域的好壞。如生長準則制定不合理,會導致生長區域過大或感興趣區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、傳輸等過程中都會出現不可控因素,導致圖像質量降低,而圖像質量的降低將直接影響后續區域分割效果的好壞。因此要進行圖像預處理與形態學后處理等一系列操作,盡量避免這些因素對結果造成影響。

2.3.2 實例驗證結果

載入jpg格式圖像,在MATLAB環境中運行主程序main1(手動選取種子點)后,系統開始運行。在圖像預處理模塊對圖像進行去噪與圖像增強等操作。手動選取種子點后輸出分割后的圖像。對分割后的圖像進行形態學后處理輸出結果圖像。

在系統中讀取原始圖像并載入顯示區域中的左側窗口中,對原始圖片進行中值濾波去噪后,將處理后的圖片載入顯示區域中的右側窗口中。圖像預處理后如圖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

選擇手動選取種子點,利用區域生長算法對圖像進行區域分割。具體效果如圖7所示。

圖7 手動選取種子點進行圖像分割Fig.7 Manual selection of the seed points for image segmentation

載入jpg格式圖像,在MATLAB環境中運行主程序main2(自動選取種子點)后,系統開始運行。選擇自動選取種子點,區域生長算法開始對圖像進行區域分割。具體效果如圖8所示。

圖8 自動選取種子點進行圖像分割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路徑。本實例演示了系統對肝臟CT圖像進行分割處理的主要過程。對原始圖像進行圖像預處理,選擇手動或自動選取種子點開始區域生長圖像分割,對圖像進行形態學后處理(觀察分割后的圖像是否有必要再次處理),輸出結果圖像并保存至原圖像的存儲路徑。

3 結束語

研究了區域生長算法對圖像分割的具體流程,設計開發了基于區域生長算法的肝臟影像分割系統,采集了70張不同的肝臟CT圖像對系統進行實例驗證。該系統與肝臟臨床檢測相結合,可密切關注其感興趣區域的器官生理或病理的詳細情況,為醫生判斷該處器官是否病變、病變程度如何、病灶大小及數量等提供可靠依據,此系統的開發具有實際應用意義和創新意義。

關于該系統的圖像預處理模塊,實驗并選取的處理技術相對單薄,只使用了中值濾波法對圖像進行去噪處理。圖像預處理方面還可使用各項異性擴散濾波[11-12],使圖像去噪效果與圖像增強效果更加明顯,圖像質量更好,有利于后續對圖像的分割處理。