帶標(biāo)記線的心臟ＭＲＩ圖像分割方法

摘要：在分析帶標(biāo)記線的心臟MRI特點(diǎn)的基礎(chǔ)上，提出了利用Gabor濾波與Chan和Vese模型相結(jié)合對帶標(biāo)記線的心臟MRI圖像進(jìn)行分割的方法。通過對帶標(biāo)記線的心臟MRI圖像進(jìn)行Gabor 變換，把標(biāo)記線分離出來，并且擴(kuò)大心肌和血液之間的差異，再對變換后的圖像用Chan和Vese模型進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明了該方法的有效性。

關(guān)鍵詞：帶標(biāo)記線的核磁共振成像圖像；Gabor 濾波器；Chan和Vese模型；核磁共振成像圖像分割

中圖分類號：TP391文獻(xiàn)標(biāo)志碼：A

文章編號：1001－3695(2007)07－0295－03

0引言

心臟病已成為危害人類健康的重要?dú)⑹种弧Ｗ?900年以來（除1918年），心臟病是美國每年的第一死亡病因[1]。對心臟病的研究是醫(yī)學(xué)領(lǐng)域的重要課題之一。醫(yī)學(xué)影像在臨床診斷、科學(xué)研究方面正發(fā)揮著極其重要的作用。目前心臟的醫(yī)學(xué)影像包括心血管造影術(shù)(Angiocardiography)、心臟超聲 (Cardiac US)、同位素成像(Isotope Imaging)、計算機(jī)化X線斷層攝影術(shù) (CT)和心臟核磁共振成像術(shù) (Cardiac MRI)。在這些方法中，心臟MRI有其獨(dú)特長處。因?yàn)槠渌麕追N方法要么是介入性的，如心血管造影術(shù)；要么圖像質(zhì)量太差，如心臟超聲。MRI的成像機(jī)理使得該方法對生物體內(nèi)如心臟這樣的軟組織特別有效，而且圖像質(zhì)量受目標(biāo)運(yùn)動影響較小。尤其是20世紀(jì)80年代后期，新的成像技術(shù)的出現(xiàn)，如標(biāo)記線的引入，使得在該領(lǐng)域的研究得到了迅猛發(fā)展，也使得對心臟MRI的研究成為醫(yī)學(xué)圖像領(lǐng)域的熱點(diǎn)之一。

帶標(biāo)記線的心臟MRI提供了一種非介入性的技術(shù)來研究心臟的運(yùn)動。它是在心臟運(yùn)動過程中把若干個磁信息平面加上去形成的條紋（即標(biāo)記線），如圖1所示。標(biāo)記線提供了心臟運(yùn)動的豐富信息，為估計局部心肌運(yùn)動提供了定量技術(shù)。由于標(biāo)記線、心肌和血液共同存在于同一幅圖像上，要分割心肌內(nèi)膜邊緣就比較困難，帶標(biāo)記線的心臟MRI圖像對手工和自動分割技術(shù)提出了挑戰(zhàn)。

1心臟核磁共振圖像的特點(diǎn)及Chan和Vese模型分割心臟MR圖像時出現(xiàn)的問題

在心臟MRI過程中，血液的高速運(yùn)動往往會產(chǎn)生偽影、灰度不均勻，導(dǎo)致血液與心肌之間的對比度下降，加大了左心室內(nèi)外輪廓分割的難度。一般情況下，在心臟舒張過程中圖像質(zhì)量較差；只有在心臟舒張末期，心臟圖像質(zhì)量才是最好的。因?yàn)檫@時左心室內(nèi)充滿了血液，心臟處于相對靜止的狀態(tài)。心臟MRI圖像具有下列特點(diǎn)：

（1）具有噪聲、偽影、灰度不均勻等現(xiàn)象。

（2）真實(shí)的心肌邊緣不總是在灰度梯度最大的地方。

（3）邊緣缺省。左心室與右心室結(jié)合處灰度梯度信息很弱。

（ 4）心肌組織與周圍其他組織灰度呈現(xiàn)近似一致的特性，即心肌外邊界與周圍的組織之間存在著低對比度區(qū)域。

對于帶標(biāo)記線的心臟MRI，除了有上述特點(diǎn)外，還有以下特點(diǎn)：

（1）血液的運(yùn)動會沖淡血池中的標(biāo)記線。

（2）標(biāo)記線會隨時間而衰減。

（3）由于標(biāo)記線的存在，使得心臟MRI圖像具有紋理圖像的特征。

鑒于以上原因，僅用單一的方法對心臟MRI進(jìn)行分割難以獲得理想的分割效果。

D.Mumford在1989年提出通過分片光滑函數(shù)的最佳逼近解決邊緣檢測問題的Mumford－Shah模型[2]。Chan和Vese在Mumford－Shah模型的基礎(chǔ)上提出了分片常數(shù)的Mumford－Shah水平集模型[3]。該模型的一個顯著特點(diǎn)是全局優(yōu)化，所以在邊界模糊處也能獲得較好的分割效果，并且初始輪廓線可以放置在圖像中的任意位置。但該模型是基于灰度相似性來劃分目標(biāo)區(qū)域的。該模型存在四個方面的缺陷：①它不能分割目標(biāo)灰度與背景灰度相似的目標(biāo)；②不能分割目標(biāo)灰度與周圍背景灰度相似的圖像；③不能分割被遮擋、缺省的目標(biāo)；④不能有效分割紋理圖像。心臟MRI圖像具有以上四個方面的特點(diǎn)，所以僅用Chan和Vese模型對心臟MRI圖像進(jìn)行分割難以獲得理想的分割結(jié)果。圖2是用Chan和Vese模型對標(biāo)記線較強(qiáng)的MRI圖像左心室內(nèi)邊界的分割結(jié)果。

標(biāo)記線的存在，使得心肌和標(biāo)記線之間存在差異。當(dāng)曲線演化到心肌內(nèi)膜邊緣時，由于標(biāo)記線灰度較大，它就會吸引曲線繼續(xù)演化，水平集曲線無法停止。要分割心肌內(nèi)膜邊緣就很困難。

帶標(biāo)記線的心臟MRI圖像具有紋理圖像的特征。紋理圖像可以看做是具有準(zhǔn)周期性的信號，它的能量相對集中在一定的頻率范圍內(nèi)。由于Gabor濾波器的帶通性，它可以同時在空域、頻域和方向上獲得最佳的分辨率。如果這一頻率范圍與Gabor濾波器的通頻帶吻合，濾波器輸出的值就會很大；如果不吻合，其輸出就會受到限制。可見，如果設(shè)計的Gabor濾波器的濾波輸出能使一種紋理的能量順利輸出，而使另一種紋理的能量受到限制，那么就可以分割這兩類紋理。通過對帶標(biāo)記線的心臟MRI圖像進(jìn)行Gabor變換，隱匿標(biāo)記線，增加心肌和血液之間的差異；同時消除偽影、弱邊界現(xiàn)象，使血液內(nèi)部的灰度趨于一致。正是由于Gabor變換的上述優(yōu)點(diǎn)，它已經(jīng)被迅速、廣泛地應(yīng)用到圖像壓縮、紋理分析和圖像分割等領(lǐng)域中[4~6]。近來，Qian Z.等人提出了用Gabor 變換來分割標(biāo)記線的方法[7]。

為了獲得對帶標(biāo)記線的心臟MRI圖像理想的分割效果，先對圖像進(jìn)行Gabor變換，隱匿標(biāo)記線；把變換后的圖像作為特征圖像，在特征圖像上用Chan和Vese模型進(jìn)行分割。

2利用Gabor濾波與Chan和Vese模型相結(jié)合進(jìn)行圖像分割

帶標(biāo)記線的心臟MRI圖像由于心肌的變形和血液的流動，常常出現(xiàn)偽影、弱邊界、區(qū)域灰度不一致的現(xiàn)象，并且還有標(biāo)記線的存在，僅用單一的圖像分割方法難以獲得理想的效果。本文提出了利用Gabor變換與Chan和Vese模型相結(jié)合的圖像分割方法。

2．1Chan and Vese 模型

Chan和Vese對Mumford－Shah泛函數(shù)提出了更為簡化的方法，即認(rèn)為可以由分片常數(shù)進(jìn)行劃分，從而提出了分片常數(shù)的Mumford－Shah水平集模型:

3實(shí)驗(yàn)結(jié)果及分析

利用Gabor變換與Chan和Vese模型相結(jié)合對心臟MRI圖像左心室內(nèi)邊界進(jìn)行了分割；中心頻率f=0.15， 空間寬度σx=σy=2.0，Δt=0.005，λ1=λ2=1，λ=3，μ=0.01。標(biāo)記線較強(qiáng)的MRI圖像左心室內(nèi)邊界的分割結(jié)果如圖6所示。圖6(b)是僅用Chan and Vese模型的分割結(jié)果。由于標(biāo)記線的作用，它不能正確地分割出左心室內(nèi)邊界。這是因?yàn)镸umford－Shah模型不能分割紋理圖像，而帶標(biāo)記線的心臟MRI圖像具有紋理圖像的特征。（c）是Gabor濾波結(jié)果圖像。由于二維Gabor濾波可以同時在空域、頻域和方向上獲得最佳分辨率，通過對帶標(biāo)記線的心臟MRI圖像進(jìn)行Gabor濾波，可以隱匿標(biāo)記線，增加心肌和血液之間的差異；同時血液內(nèi)部的灰度也趨于一致。這時用Chan and Vese模型對圖像進(jìn)行分割可獲得較好的分割效果，如圖6（d）所示。標(biāo)記線較弱的MRI圖像左心室內(nèi)邊界的分割結(jié)果如圖7所示。從分割結(jié)果可以看出，先對圖像進(jìn)行Gabor濾波，然后再進(jìn)行分割能獲得比較理想的分割效果。

參考文獻(xiàn)：

［1］ALEJANDRO F F，WIRO N， MAX A V.Three－dimensional modeling for functional analysis of cardiac images:a review[J].IEEE Trans Medical Imaging，2001，20(1):2－25.

[2]MUMFORD D，SHAH J.Optimal approximation by piecewise smooth functions and associated variational problems[J].Communication on Pure and Applied Mathematics，1989，42(5):577－685.

[3]CHAN T，VESE L A.A level set algorithm for minimizing the Mumford－Shah functional in image processing[C]//IEEE Workshop on Variational and Level Set Methods.Vancouver， CA:[s.n.]，2001:161－168.

[4]WANG H， YAN H. Efficient implementation of Gabor transforms for image compression[J].Electronics Letters，1992，28(9):870－871.

[5]BOVIK A C， CLARK M， GEISLER W S. Multichannel texture analysis using localized spatial filters[J].IEEE Trans on Pattern Analysis and Machine Intelligence，1990，12(1):55－73.

[6]WELDON T P，HIGGINS W E. Designing multiple Gabor filters for segmenting multi－textured images[J].Optical Engineering，1999，38(9):1478－1489.

[7]QIAN Z，MONTILLO A，METAXAS D，et al.Segmenting cardiac MRI tagging lines using：Gabor filter banks[C]//Proc of the 25th Anl Intl Conf of the IEEE EMBS.2003:630－633.

[8]GABOR D. Theory of communication[J].Journal of the IEEE，1946，9(3):429－457.

[9]DAUGMAN J G.Uncertainty relation for resolution in space，spatial frequency，and orientation optimized by two－dimensional visual cortical filter[J].Journal Optical Society America，1985，2(7):1160－1169.

[10]SHER S，SETHIAN J A. Fronts propagating with curvature dependent speed:algorithms based on Hamilton－Jacobi formulation[J].Journal of Computational Physics，1988，79(1):12－49.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”