何穎+張星陽+趙金龍

摘要：將目標(biāo)圖像利用具體的算法操作將待處理圖像分割成幾個(gè)特定的、分別具有獨(dú)特性質(zhì)的區(qū)域，并把目標(biāo)區(qū)域和背景分離出來，分割結(jié)果的好壞直接關(guān)系著圖像的進(jìn)一步分析。通過區(qū)域生長法對(duì)右心室MRI圖像進(jìn)行分割算法研究，區(qū)域生長法要想?yún)^(qū)域分割算法能夠成功的三個(gè)重要因素是，選擇合理的種子點(diǎn)像素，設(shè)計(jì)針對(duì)特定圖像合理的生長準(zhǔn)則，制定合理的生長停止的條件。通過采用置信連接與孤立連接分割法的對(duì)比，實(shí)驗(yàn)驗(yàn)證了分割的效果比對(duì)。

關(guān)鍵詞：右心室分割；區(qū)域生長法；醫(yī)學(xué)圖像；置信連接法

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）10-0115-03

1 引言

圖像分割的概念主要是指：將目標(biāo)圖像利用具體的算法操作將待處理圖像分割成幾個(gè)特定的、分別具有獨(dú)特性質(zhì)的區(qū)域，并把目標(biāo)區(qū)域和背景分離出來的分割過程，分割結(jié)果的好壞直接關(guān)系著圖像的進(jìn)一步分析[1]，也是在整個(gè)圖像處理過程中比較困難和難以實(shí)現(xiàn)的一個(gè)步驟。

對(duì)于醫(yī)學(xué)圖像來說，其圖像自身包含很多的信息，可是往往只有其中的一部分是臨床診斷所關(guān)心的，往往稱這一部分為感興趣區(qū)域（Region Of Interest， ROI），而相比較這一部分其余的部分則是對(duì)臨床診斷來說并不感興趣的區(qū)域。怎樣在這些特定區(qū)域得到對(duì)臨床研究有用的圖像成分和解剖結(jié)構(gòu)，是圖像分割技術(shù)的核心問題。

近幾年來，有越來越多的學(xué)者和醫(yī)學(xué)研究者在研究和臨床案例中發(fā)現(xiàn)了右心室對(duì)心血管疾病的提前預(yù)測(cè)和后續(xù)診斷治療方面的重要作用，右心室的醫(yī)學(xué)意義也越來越多地受到認(rèn)可，對(duì)于右心室的分割也愈來愈受到大家的重視，然而另一方面，右心室和左心室相比有更復(fù)雜的特性，比如說高變異性、壁薄，邊界區(qū)域不夠明顯以及和周圍組織之間難以進(jìn)行區(qū)分等等，這一系列特征使得右心室分割在實(shí)踐操作中又增加了一定的難度。近幾十年來醫(yī)學(xué)圖像處理中提出了一些有價(jià)值的方法，比方說，基于統(tǒng)計(jì)形狀模型、三維模型的方法[2]和基于形變模型的方法[3]取得了不錯(cuò)的效果。

2 區(qū)域生長算法

區(qū)域生長算法[4]的概念是指將具有滿足某種相似特性的各個(gè)像素點(diǎn)被劃分到同一個(gè)區(qū)域來實(shí)現(xiàn)分割。首先針對(duì)整幅圖像的多個(gè)待分割區(qū)域，在每一個(gè)待分割的區(qū)域內(nèi)選擇一個(gè)種子點(diǎn)作為區(qū)域生長的起點(diǎn)，然后需要按照使自己目標(biāo)最優(yōu)化的生長準(zhǔn)則或者把它周圍與該個(gè)像素點(diǎn)特征相近或者相似的像素合并到預(yù)先設(shè)置的種子像素所在的區(qū)域中，之后把這些合并完成的新的像素作為種子區(qū)域按照上述方法繼續(xù)進(jìn)行生長，直到遍歷完整幅圖像，以至于整幅圖像中沒有滿足預(yù)先設(shè)定的條件或者準(zhǔn)則的像素可被合并到種子區(qū)域內(nèi)時(shí)，結(jié)束整個(gè)區(qū)域生長分割過程。

要想?yún)^(qū)域分割算法能夠成功實(shí)施三個(gè)重要因素必不可少：（1）選擇合理的種子點(diǎn)像素；（2）設(shè)計(jì)針對(duì)特定圖像合理的生長準(zhǔn)則；（3）制定合理的生長停止的條件。關(guān)于種子像素的選取，采取的手段既可以是通過人工交互的方法也可以通過采用全自動(dòng)的方法。前者的方法不僅簡(jiǎn)單并且實(shí)用，可用于絕大多數(shù)的物體和圖像，使用性更加廣泛；后者方法則針對(duì)性比較單一，往往面對(duì)的是具體的問題，比如說，運(yùn)用紅外線來檢測(cè)目標(biāo)的時(shí)候，往往選擇亮度最高的像素作為種子像素來使用。區(qū)域生長法[5]的算法有置信連接分割方法和孤立點(diǎn)連接分割方法等。

右心室的磁共振圖像如圖1所示，第一排顯示的為右心室在心底時(shí)期獲取到的磁共振圖像，第二排顯示的為右心室在心尖時(shí)期獲取到的磁共振圖像，第一列的顯示狀態(tài)則是處于舒張末期，第二列顯示的恰恰是處于收縮末期。由圖1中可以總結(jié)出：不同病人甚至是同一個(gè)病人的右心室在不同的時(shí)期其獲取的右心室的磁共振圖像形狀上也有很大的差別，而這一系列因素增加了對(duì)右心室得到有效分割的難度。

2.1 置信連接分割法

置信連接分割法的概念是：置信連接分割法實(shí)際上本身也是區(qū)域生長分割方法的一種，根據(jù)當(dāng)前區(qū)域簡(jiǎn)單統(tǒng)計(jì)后的結(jié)果，并把種子點(diǎn)的某個(gè)鄰域范圍內(nèi)的的所有像素點(diǎn)的灰度的平均值和標(biāo)準(zhǔn)差計(jì)算出來，之后按照提前設(shè)置好的因子和標(biāo)準(zhǔn)差的乘積當(dāng)作范圍，則鄰域內(nèi)像素點(diǎn)的灰度值在這個(gè)計(jì)算出的范圍之內(nèi)的情況下，則把這個(gè)像素點(diǎn)將被劃分到這個(gè)區(qū)域之內(nèi)。接下來，按照上次劃分好的區(qū)域，再次計(jì)算上次劃分好的區(qū)域內(nèi)的所有像素點(diǎn)灰度的平均值和標(biāo)準(zhǔn)差，按照上面方法重新計(jì)算出灰度范圍，再次檢驗(yàn)當(dāng)前區(qū)域的鄰域的像素點(diǎn)的灰度值是否在新的灰度范圍之內(nèi)。直至達(dá)到迭代停止的條件：某一次迭代時(shí)并沒有新元素被加入到這個(gè)區(qū)域或者是達(dá)到了迭代器設(shè)置的迭代次數(shù)的上限。表1顯示了用置信連接分割方法分割右心室磁共振圖像需要設(shè)置的參數(shù)、得到結(jié)果的Dice重合率和分割結(jié)果，圖像的標(biāo)號(hào)如圖2（a）、圖2（b）和圖2（c）。

分割結(jié)果如圖2所示。

2.2 孤立連接分割法

孤立連接法也屬于區(qū)域生長算法的一種，在分割過程中一般需要提前設(shè)置好三個(gè)參數(shù)，分別是：兩個(gè)種子點(diǎn)和一個(gè)下門限值，生長區(qū)域被設(shè)置在與第一個(gè)種子點(diǎn)相連卻孤立于第二個(gè)種子點(diǎn)的區(qū)域。為了檢驗(yàn)這個(gè)算法和置信連接分割法的效果，本算法，仍然選擇相同三幅圖像進(jìn)行操作，首先進(jìn)行種子點(diǎn)的選取，然后設(shè)定合適的下門限灰度值分割三幅圖像。表2顯示了使用孤立連接法對(duì)上述三幅圖像進(jìn)行操作時(shí)需要用到的實(shí)驗(yàn)參數(shù)以及用孤立連接算法在參數(shù)下得到的分割圖像的Dice重合率和分割結(jié)果，圖像的標(biāo)號(hào)如圖3（a）、圖3（b）和圖3（c）。

分割結(jié)果如圖3所示。

3 結(jié)語

論文對(duì)右心室磁共振圖像涉及的三幅圖像進(jìn)行簡(jiǎn)單分割。通過置信連接法和孤立連接法的分割結(jié)果和Dice重合率發(fā)現(xiàn)，以上兩種方法的分割結(jié)果在個(gè)別磁共振圖像上的分割達(dá)到了比較好的效果，并且要求操作者對(duì)于區(qū)域生長分割算法需要手動(dòng)選取種子點(diǎn)等操作，另外，區(qū)域生長法對(duì)于右心室磁共振圖像的分割結(jié)果中不足之處在于：使用區(qū)域生長法進(jìn)行分割時(shí)，分割效果容易受到圖像自身噪聲的影響，容易造成區(qū)域空洞。

參考文獻(xiàn)

[1]Caudron J， Fares J， Vivier P H， et al. Diagnostic accuracy and variability of three semi-quantitative methods for assessing right ventricular systolic function from cardiac MRI in patients with acquired heart disease[J]， European radiology， 2011，21（10）：2111-2120.

[2]Petitjean C， Dacher J N. A review of segmentation methods in short axis cardiac MR images[J]， Medical Image Analysis， 2011，15（2）：169-184.

[3]Lapp R M， Lorenzo-Valdes M， Rueckert D. 3D/4D cardiac segmentation using active appearance models， non-rigid registration， and the insight toolkit[J]， MICCAI，2004： 419-426.

[4]朱峰.醫(yī)學(xué)圖像自動(dòng)分割若干關(guān)鍵技術(shù)研究[D].蘇州：江蘇大學(xué)，2006.

[5]周振環(huán).醫(yī)學(xué)圖像分割與配準(zhǔn)[M].成都：電子科技大學(xué)出版社，2011，136-183.endprint