李越

摘要：隨著移動(dòng)醫(yī)療新技術(shù)的進(jìn)步與創(chuàng)新，例如人工神經(jīng)網(wǎng)絡(luò)分割算法以及基于知識(shí)的分割算法等數(shù)字圖像處理分割技術(shù)，已經(jīng)被日益多元地應(yīng)用于諸多領(lǐng)域。而隨著模糊技術(shù)的發(fā)展完善，相關(guān)圖像分割領(lǐng)域中對(duì)分割技術(shù)的研究日益廣泛。圖像分割的含義指的是通過(guò)了解幾何形狀、空間紋理、彩色以及灰度相關(guān)特征，進(jìn)行圖像的分割，分割的各個(gè)部分之間都是相互獨(dú)立的。所分割形成的圖像特征在同一區(qū)域有著共同點(diǎn)，不同區(qū)域特征就不同。簡(jiǎn)而言之，分割側(cè)重點(diǎn)是定位目標(biāo)，提取感興趣的區(qū)域。

關(guān)鍵詞：移動(dòng)醫(yī)療；數(shù)字圖像處理；圖像分割；分割算法；模糊技術(shù)

作為圖像識(shí)別中的一個(gè)不可缺少的部分，圖像分割的效果對(duì)特征提取結(jié)果的準(zhǔn)確性有著很大的聯(lián)系。本文介紹了幾種高效的肝臟CT圖像分割方法，隨后對(duì)涉及的方法進(jìn)行了有效分割，確定了基于閾值的分割方法，并以此作為相關(guān)醫(yī)學(xué)影像處理的關(guān)鍵。

1醫(yī)學(xué)圖像分割概述

單就臨床應(yīng)用而言，不難發(fā)現(xiàn)，在相關(guān)領(lǐng)域的醫(yī)學(xué)研究中，圖像分割技術(shù)即對(duì)初期二維圖像的處理，以使其被分割為各種不同種類的區(qū)域，進(jìn)而為醫(yī)學(xué)研究工作提供便利。同時(shí)提取出所需要的區(qū)域，進(jìn)而在分析定量、定性中起到鋪墊的作用。對(duì)其的研究能夠給醫(yī)學(xué)研究以及臨床診療帶來(lái)指導(dǎo)性的意見(jiàn)。

醫(yī)學(xué)圖像分割涉及領(lǐng)域的領(lǐng)域較多，例如人工神經(jīng)網(wǎng)絡(luò)分割算法等，此外還有病理分析、臨床診斷等方面，具體的應(yīng)用介紹如下：

1）采用醫(yī)學(xué)圖像分割技術(shù)后，可以對(duì)人體組織器官、病變部分進(jìn)行有效界定，同時(shí)判斷其大小與范圍。隨后通過(guò)對(duì)相關(guān)部位的變化分析，研究和確定疾病屬性，進(jìn)而為后續(xù)的醫(yī)療工作提供幫助。

2）借助醫(yī)學(xué)圖像分割技術(shù)，相關(guān)圖像可以被有效分解與理解，有助于圖像相互之間的融合校準(zhǔn)工作的進(jìn)展。此外，還可以與其他技術(shù)相銜接，例如對(duì)心肺運(yùn)動(dòng)的跟蹤、解剖組織的測(cè)量等。這有助于真實(shí)頭顱模型、病變組織進(jìn)行仿生再造等技術(shù)的推廣與實(shí)現(xiàn)。

3）可用于B超引導(dǎo)下的手術(shù)，在影像的引導(dǎo)下優(yōu)化外科手術(shù)方案的模擬和制定，對(duì)病灶精確定位，將理論上的手術(shù)方案變得真實(shí)可行，并對(duì)切片病理研究、藥品療效進(jìn)行有效評(píng)估等。

4）分割圖像所得到的結(jié)果能夠是基于有用信息不丟失的時(shí)候，從而完成圖像數(shù)據(jù)的壓縮以及傳輸?shù)炔僮?，在很大程度上使得醫(yī)院PACS系統(tǒng)中圖像的運(yùn)用得到了很大的增強(qiáng)，互聯(lián)網(wǎng)與醫(yī)療讀片相互遠(yuǎn)程連接從而對(duì)傳輸速度有著十分重大的作用。

因?yàn)獒t(yī)學(xué)圖像的特點(diǎn)主要是圍繞著復(fù)雜和變化多端，同時(shí)人體的各種表現(xiàn)方式而導(dǎo)致了不同的特征，此外在目前的醫(yī)學(xué)影像相關(guān)的設(shè)備里面相關(guān)的應(yīng)用成像技術(shù)以及醫(yī)學(xué)圖像里面所包含的噪聲是很難阻止的，這樣一來(lái)就容易導(dǎo)致圖像中的目標(biāo)物體會(huì)存在部分的邊緣模糊的現(xiàn)象，從而給醫(yī)學(xué)圖像分割的實(shí)現(xiàn)造成了重大的限制?，F(xiàn)在的很多是針對(duì)醫(yī)學(xué)圖像分割的技術(shù)，同時(shí)仍然不存在高效的理論知識(shí)。此外，由于理想化分割技術(shù)還難以實(shí)現(xiàn)，即便是研究人員能夠隨心所欲地分割相關(guān)圖形，也很難將這種技術(shù)應(yīng)用于實(shí)際領(lǐng)域中。在對(duì)評(píng)判分割的相關(guān)結(jié)果進(jìn)行評(píng)判的過(guò)程中，評(píng)判準(zhǔn)則依然沒(méi)有實(shí)現(xiàn)統(tǒng)一化，現(xiàn)今的評(píng)判準(zhǔn)則大都是根據(jù)具體的實(shí)際應(yīng)用完成的。

圖像分割方法的組成部分有：基于區(qū)域的分割方法，往往會(huì)選擇利用均勻性原則，以實(shí)現(xiàn)對(duì)不同區(qū)域圖形圖像的均衡化識(shí)別。而基于邊界的則更加注重圖像中存在的邊界線，一般以性質(zhì)差異大、區(qū)域相對(duì)模糊發(fā)分界線為主要處理對(duì)象。

從現(xiàn)有的區(qū)域分割方法看，圖形圖像的區(qū)域性質(zhì)各有不同，甚至于灰度、紋理有著十分密切的關(guān)系，彼此間是互相均勻的，根據(jù)相關(guān)的區(qū)域分割方法從而在生長(zhǎng)方面是十分具有區(qū)域性甚至于是區(qū)域分裂的。所以通過(guò)這些方法甚至于圖像灰度值的這些分別獨(dú)立的關(guān)系，從而造成了這些內(nèi)容之間優(yōu)勢(shì)的最大問(wèn)題就是噪聲方面不是很敏感。然而這些方法在很多的時(shí)候都會(huì)引發(fā)出圖像分割現(xiàn)象十分惡劣的結(jié)果，此外分割的結(jié)果的運(yùn)用場(chǎng)合中應(yīng)該要充分地結(jié)合試點(diǎn)位置，同時(shí)以相關(guān)分割區(qū)域或圖形的性質(zhì)位置等進(jìn)行分割法的選擇，最終保證分割的連續(xù)有效。

經(jīng)過(guò)邊界分割方法處理后的圖像，是具有梯度信息的圖像。通過(guò)這類信息能夠有效完成對(duì)邊界的測(cè)定和確定，為下一步的工作提供便利。與此同時(shí)這里面的相關(guān)算法是能夠涵蓋局部微分算子。這些方法建立了與已處理像素之間獨(dú)立的關(guān)系，然而其中存在兩個(gè)弱勢(shì)，一是其對(duì)噪聲的敏感程度較高；而是邊緣像素值連續(xù)性的問(wèn)題。這些問(wèn)題的解決與處理還需要相關(guān)技術(shù)的輔助與支持。一旦現(xiàn)有問(wèn)題沒(méi)有得到及時(shí)的解決，就容易出現(xiàn)不連續(xù)邊界的問(wèn)題，這會(huì)極大影響圖像的處理，進(jìn)而干擾醫(yī)生的判斷。鑒于此，要想獲得意想不到的分割效果，在實(shí)際工作中需要邊界分割方法與區(qū)域分割的有機(jī)結(jié)合。

2醫(yī)學(xué)圖像分割技術(shù)的分類

大部分的模糊分割技術(shù)逐漸地出現(xiàn)。圖像分割里面關(guān)于模糊技術(shù)的應(yīng)用可以概括為這個(gè)技術(shù)與現(xiàn)今所有的分割技術(shù)都是能夠完全相互結(jié)合起來(lái)的，同時(shí)還能夠出現(xiàn)了FCM、知識(shí)的分割等許多的新興的分割技術(shù)。這些技術(shù)應(yīng)用于實(shí)際領(lǐng)域，已經(jīng)取得了初步的成效。除了以上兩者之外，新近的集成模糊分割技術(shù)還包括模糊閉值、模糊邊緣檢測(cè)技術(shù)，這類技術(shù)均是由相關(guān)的分割技術(shù)或圖形圖像處理方法演變而來(lái)的，具有很強(qiáng)的時(shí)代性、針對(duì)性和適用性。多種多樣分割方式的層出不窮，是我國(guó)醫(yī)學(xué)圖線處理分割取得進(jìn)步的重要體現(xiàn)，對(duì)實(shí)際的醫(yī)療工作有著莫大的幫助。而隨著醫(yī)學(xué)圖像分割技術(shù)的再發(fā)展、再創(chuàng)新，其在醫(yī)學(xué)研究、醫(yī)療工作中的地位還將不斷加強(qiáng)。

2.1基于統(tǒng)計(jì)學(xué)的方法

該方法是以圖像中全部像素點(diǎn)灰度值為處理核心的，通過(guò)對(duì)相關(guān)對(duì)象的模型和，使之成為一種概率上的隨機(jī)變量。關(guān)于圖像的觀察具體的公式如下所示：

G=φ（H（F））ON （1）

公式里面的F具體指的是實(shí)際景物，其中的H指的是涂污，而φ的含義代表的是非線性交換，N代表的是噪聲，O代表的是噪聲加入的方式。從公式（1）中可以看出，由F獲得G是唯一的，反之由G獲得F是無(wú)解的。分割圖像必須要保證正確，如果基于統(tǒng)計(jì)學(xué)角度，則可以得出這樣的結(jié)論：概率的最大值能夠作為圖形圖像有機(jī)呈現(xiàn)的重要依據(jù)。Markov隨機(jī)場(chǎng)是相關(guān)統(tǒng)計(jì)學(xué)分析中最為基礎(chǔ)、最為常見(jiàn)的一種處理方式。作為統(tǒng)計(jì)學(xué)的代表，Markov能夠有效呈現(xiàn)出條件概率，并不受場(chǎng)中點(diǎn)性質(zhì)、位置等的影響。與此同時(shí)，借助Markov還可以實(shí)現(xiàn)對(duì)點(diǎn)的基本信息、相互位置信息的表達(dá)。Gibbs和Markov兩類函數(shù)是Markov統(tǒng)計(jì)中使用較多的，前者能夠表達(dá)出勢(shì)函數(shù)，從而促使條件概率的確定，后者則可以展現(xiàn)圖像像素之間的關(guān)系。由此，相關(guān)圖像的處理與統(tǒng)計(jì)建立了有機(jī)聯(lián)系，通過(guò)數(shù)學(xué)模型的轉(zhuǎn)化，達(dá)到了使圖像精準(zhǔn)化、專業(yè)化、清晰化的特點(diǎn)，大大有利于醫(yī)療從業(yè)者的分析。

2.2基于模糊分割的方法

模糊分割技術(shù)是以模糊集合理論為重要的依據(jù)的，模糊分割技術(shù)具體是能夠分為以下幾點(diǎn)。一是圖像之中的模糊性處理，這種方式具有一定的目的性和準(zhǔn)確性；二是不確定性處理，這種處理就顯得較為模糊；三是噪聲的不敏感性處理，力圖通過(guò)對(duì)干擾圖像區(qū)域清晰度的噪聲進(jìn)行處理，從而改善圖像的整體清晰程度；四是以模糊聚類代表的分割。而實(shí)際向，在各類行業(yè)中，應(yīng)用最為廣泛、頻率最高的是模糊均值聚類技術(shù)，因此對(duì)FCM的研究就顯得十分重要。FCM在圖像分割里面的運(yùn)用主要是一個(gè)沒(méi)有監(jiān)督模糊聚類后的具體實(shí)現(xiàn)過(guò)程，該項(xiàng)技術(shù)的使用場(chǎng)合主要是有包含著不確定性以及模糊性的時(shí)候。FCM方法的優(yōu)點(diǎn)最大的一個(gè)就是非監(jiān)督分割方法里面的一個(gè)，另外實(shí)現(xiàn)的過(guò)程中完全沒(méi)有外人的干擾。由于該方式具有一定的智能性，能夠借助先進(jìn)的計(jì)算機(jī)和數(shù)據(jù)處理技術(shù)，實(shí)現(xiàn)對(duì)分割中存在噪聲的處理，同時(shí)解決由二維轉(zhuǎn)化至三維時(shí)出現(xiàn)的體積確定問(wèn)題。當(dāng)然，這種處理方式也存在一定的劣勢(shì)，例如局部極小值的問(wèn)題，很容易影響局部的清晰度，這對(duì)于全局最優(yōu)解的解答是很難的。

這些年以來(lái)，越來(lái)越多的相關(guān)分割方法如雨后春筍般地涌向出來(lái)，而在其他領(lǐng)域FCM也獲得了尤為普遍的應(yīng)用。

2.3基于小波變換的方法

小波分析的特點(diǎn)是時(shí)頻局部特性良好，在很多的模式識(shí)別領(lǐng)域以及圖像處理中都有著廣泛的運(yùn)用。通過(guò)小波變換從而完成醫(yī)學(xué)圖像的分割，小波系數(shù)的分解實(shí)現(xiàn)用到的原理是二進(jìn)制小波變換，根據(jù)所給出的分割準(zhǔn)則以及小波系數(shù)從而對(duì)閉值門限進(jìn)行選擇，從粗到細(xì)，通過(guò)尺度控制。基于小波小波變換，能夠?qū)D像實(shí)現(xiàn)基于尺度的分化，有助于圖像的合理化分割。

為了防止濾除噪聲中影響邊緣檢測(cè)的正確性，人們逐漸更傾向于選擇多尺度的方法進(jìn)行邊緣的檢測(cè)。醫(yī)學(xué)圖像涉及信息鱗次櫛比、車載斗量，不是一種分析方式就能夠完全應(yīng)對(duì)的。因此在尺度邊緣的劃分中，還高頻率地使用到了以梯度形式進(jìn)行的劃分，這極大地提高了分析和檢測(cè)的精準(zhǔn)度，有助于邊緣圖像的凸顯，并且最大限度解決噪聲干擾問(wèn)題。此外。精確的閾值的自動(dòng)確定則是通過(guò)多尺度小波變換實(shí)現(xiàn)的。3醫(yī)學(xué)圖像分割算法性質(zhì)分析

過(guò)去數(shù)十年間，學(xué)術(shù)界對(duì)圖像分割的研究從未中斷，也催生出大量的分割方法。但是實(shí)際醫(yī)療工作中，要應(yīng)對(duì)人體解剖結(jié)構(gòu)復(fù)雜多變等問(wèn)題，以及實(shí)際操作中的技術(shù)難點(diǎn)。因此并沒(méi)有建立起一種準(zhǔn)確的，可行的相關(guān)處理方式。每一種算法的針對(duì)性都比較強(qiáng)，一般都是針對(duì)一些相關(guān)的領(lǐng)域或者是相關(guān)的成像物理模型。所以，在具體的應(yīng)用里面采用恰當(dāng)?shù)姆指钏惴ú⑶裔槍?duì)已經(jīng)有的分割算法進(jìn)行改進(jìn)是離不開(kāi)定量評(píng)估分割算法的。分割算法中另一個(gè)重要的內(nèi)容是定量評(píng)估?？陀^地定量評(píng)價(jià)分割算法是不太容易的，有些比較復(fù)雜的醫(yī)學(xué)圖像比如MRI、PET、CT等，找到一個(gè)合適的標(biāo)準(zhǔn)是很難的。而且相關(guān)的試驗(yàn)證明了，人在相關(guān)分割技術(shù)中扮演著主導(dǎo)性的地位，這是機(jī)器所無(wú)法取代的。

醫(yī)學(xué)圖像分割算法評(píng)價(jià)主要有以下三個(gè)重要特征。一是客觀陛，即相關(guān)分割的客觀評(píng)定；二是一般性，一般性評(píng)價(jià)是一種尤為普遍的評(píng)價(jià)方式，能夠使用于多種算法的評(píng)價(jià)，具有很強(qiáng)的通用性；三是定量性，定量性是以相關(guān)結(jié)果為依據(jù)的，通過(guò)對(duì)相關(guān)結(jié)果的有效評(píng)價(jià)實(shí)現(xiàn)對(duì)分割技術(shù)與質(zhì)量的識(shí)別，定量性具體而言，又分為以下三種評(píng)價(jià)方式：一是區(qū)域內(nèi)均勻度該圖像分割指對(duì)相關(guān)對(duì)象的一次處理，已獲得多個(gè)性質(zhì)趨同的區(qū)域，分割的精細(xì)化程度較高。通過(guò)以特性均衡為判斷依據(jù)的方法，就能夠?qū)ο嚓P(guān)技術(shù)進(jìn)行精準(zhǔn)化的識(shí)別；二是區(qū)域間對(duì)比度，該評(píng)價(jià)手段是以相關(guān)圖像質(zhì)量為主要局準(zhǔn)點(diǎn)的，能夠有效判別分割的到位程度；三是，算法收斂魯棒性準(zhǔn)則，就及時(shí)以收斂概率和擴(kuò)散系數(shù)為主的組合。

總而言之，現(xiàn)今評(píng)價(jià)醫(yī)學(xué)圖像分割算法的很多方式都較為主觀化，雖然主觀評(píng)價(jià)有著很多的缺點(diǎn)，然而因?yàn)閳D像分割理論中的不完善因素和醫(yī)學(xué)圖像的繁瑣性，人們無(wú)法通過(guò)客觀評(píng)價(jià)方法進(jìn)而評(píng)價(jià)醫(yī)學(xué)圖像分割算法。