基于CT圖像的全心臟分割方法研究

尹慧平，張耀楠，何穎

（1.西安思源學院電信學院，西安　710038；2.東北大學中荷生物醫學與信息工程學院，沈陽　110819）

基于CT圖像的全心臟分割方法研究

尹慧平1，張耀楠2，何穎1

（1.西安思源學院電信學院，西安710038；2.東北大學中荷生物醫學與信息工程學院，沈陽110819）

為了解決無法準確分割全心臟的難題，提出一種基于形態學操作和形態學梯度的閾值分割算法。傳統的閾值分割由于圖像本身灰度分布不均及噪聲干擾等多種因素的影響，往往不能得到理想的分割結果。該算法結合形態學開閉操作重構圖像，在形態學梯度的基礎上，對圖像進行自動閾值分割，不但可以消除噪聲，還能較好地保留圖像的邊緣信息，得到全心臟組織。實驗結果顯示，基于形態學梯度的閾值分割算法對心臟的提取準確率較高，解決僅使用傳統閾值分割或直接對普通梯度圖像分割存在的問題。

全心臟分割；圖像處理；形態學梯度；閾值分割

陜西省教育廳專項科研計劃項目（No.16JK2147）、西安思源學院校級重大科研項目（No.XASY-B1601）

0　引言

關于醫學圖像處理的研究，領域非常廣泛，如圖像分割、圖像配準、三維重建以及圖像引導手術等，其中，圖像分割是整個醫學圖像處理的關鍵之處，也是其他技術實現的重要基礎步驟[1-2]。然而在醫學圖像中，往往存在目標組織與背景對比度小、人們感興趣的組織區域灰度不均以及圖像本身存在各種噪聲等問題，很難精確提取出特定組織[3]。針對心臟CT圖像，目前還沒有一種普遍適用的有效分割方法，想要精確地找到心臟組織還存在一定的困難。在心臟疾病的研究方面，亟需一種有效的技術能準確分割和提取心臟組織，提高醫生診斷效率。準確提取心臟中各個腔室，全心臟的定位是第一步。心臟CT圖像由于受心臟舒張、收縮以及血液的流動等影響，會導致心臟CT圖像出現弱邊界、偽影、局部梯度極大值區域等現象，若分別直接使用閾值分割和分水嶺方法分割都難以得到滿意的分割效果。因此，國內外很多研究者對現有分割算法進行改進，如通過分割前預處理，或者分割后處理[4-5]。本文提出的新算法結合心臟的形態學特點，及心臟CT圖像的噪聲特點，提出基于形態學重構及形態學梯度的閾值分割算法，在分割前后分別對圖像進行形態學開閉操作，以達到去噪效果，最終得到較為理想的分割結果。

1　全心臟定位新算法

心臟的定位主要是從CT心臟圖像中把心臟與背景圖像分割出來，找到我們研究的目標組織。結合圖像特點，使用改進的閾值分割算法找到心臟的邊緣輪廓，進行心臟組織分割。

1.1新算法原理

新算法中，結合CT心臟圖像本身特征，采用形態學操作重構原始心臟圖像，大大削弱了原始圖像中存在的噪聲等干擾信息，使得形態學梯度圖像邊緣更加清晰；因形態學梯度圖像能更好地反映圖像的變化趨勢，在梯度圖像的基礎上進行分割，比在原始圖像上直接進行分割效果更好，所以文中把形態學梯度圖像作為分割對象，保證圖像的邊緣信息沒有丟失；最后采用閾值分割，得到較為準確的分割結果。

1.2新算法流程

將形態學操作及形態學梯度與閾值分割結合在一起用于心臟圖像的分割定位，是一種較新的思路，在某種程度結合了心臟圖像的形態學特點，得到較為理想的分割結果，算法的關鍵在于形態學算子的選取，緊緊圍繞人體心臟的形態結構，對原始圖像進行形態學重構，并對分割后的心臟CT圖像進行三維重建，得到人體心臟的三維結構。

圖1　新算法流程圖

1.3心臟定位方法

由于直接對原始心臟圖像進行閾值分割，效果極差，前景與背景無法辨別，而在形態學重構的基礎上對心臟圖像進行閾值分割，獲得心臟的大致區域，并以此為基礎，進行前景、背景標記.實驗采用圓盤結構對上述區域進行形態學腐蝕操作得到前景標記；做形態學膨脹后得到背景標記，并把提取的標記強制作為心臟圖像的局部極小值修正梯度圖像，在經過修正后的形態學梯度圖像上進行自動閾值分割，得到較為理想的邊緣信息，最終獲得心臟圖像。

（1）形態學重構

為減少噪聲對下一步的干擾，在進行形態學梯度計算之前，首先對圖像進行預處理操作，以消除圖像中存在的噪聲等干擾信息。

根據所分割圖像，選擇大小合適的圓盤，對原圖像進行形態學操作，其中包括形態學膨脹和形態學腐蝕，具體的形態學操作如下[7]：

定義1：假定I（x，y）代表一幅圖像，DI表示圖像I的定義域，Mn表示一個尺寸為n的結構單元，那么數學形態學的腐蝕和膨脹定義可以定義如下：

膨脹（dilation）:

腐蝕（erosion）：

（2）形態學梯度計算

定義2：圖像I（x，y）的形態學梯度的定義如下：

式中▽（.）代表形態學梯度，δ（I）表示利用半徑為3個像素的圓盤形結構模板，對圖像I進行形態學膨脹操作，ε（I）表示利用同樣大小的算子對圖像I進行形態學腐蝕操作，▽（I）表示圖像I的形態學梯度。

（3）形態學梯度修正

如果直接對形態學梯度圖像進行閾值分割[8]，會存在過分割的問題，為得到更加精確的分割結果，需要重構形態學梯度圖像。將通過形態學腐蝕和膨脹得到的內、外標用于重構后的形態學梯度圖上，并將其進行強制作為全局極小值，以去除過多的局部極小值，對強制極小值化后的梯度圖像直接閾值分割得到心臟的邊界[11]。最終，對分割結果進行多次腐蝕操作，得到較為清晰的心臟定位結果。

2　實驗結果與分析

2.1形態學重構結果

實驗使用的心臟CT圖像存儲格式為DICOM格式，實際處理時，需要分片讀取、處理，最終重建得到心臟的三維結構。以下實驗結果是以心臟CT圖像中的某一片處理為例。

對分片灰度圖像進行形態學膨脹和腐蝕操作，是為了消除一些細小的斑點，切斷一些細長的搭接，而起到區域分離的作用，并對一些小的缺口進行填充，搭接不該存在的間隔等，最終對這些操作后的圖像重構得到更加清晰的待分割對象[12-16]。

圖2　原始圖像與形態學重構圖像對比

下面對比一組對原始圖像求普通梯度值和對形態學重構圖像求取形態學梯度值的結果：

圖3　原始圖像與普通梯度圖像

圖4　原始圖像與形態學梯度圖像

2.2內外標記提取

選取半徑為2的圓盤模板結構對心臟區域腐蝕操作得到心臟的內部標記：

圖5　內部標記提取

選取半徑為20的圓盤模板結構對心臟區域膨脹操作得到心臟的內部標記：

圖6　背景標記提取

2.3形態學梯度圖像修正

圖7　修正梯度圖像

經過形態學梯度的局部極小值修正發現消除了不必要的邊緣信息，對圖像的進一步分割奠定基礎。在此基礎上，使用Otsu算法進行分割，分割結果得到進一步的改進：

圖8　閾值分割結果

分割后處理，并對分片圖像進行三維重建[17-21]，得到心臟CT的三維結構：

圖9　心臟CT圖像的切片分割效果

圖10　心臟三維結構定位效果圖

3　結語

改進的閾值分割算法結合形態學梯度，較為準確地實現了對心臟CT圖像的分割。實驗結果表明該算法分割簡單，準確率較高.因算法只提取了含氧血管的心臟組織，并未進行心臟內的四腔分割，所以下一階段將結合心臟形狀特征，和四腔的位置特點，引入適合其分割的算法進一步地提取心臟四腔。

[1]胡曉清.CT心臟圖像分割方法研究[D].北京交通大學，2012:12-42.

[2]李志剛.心臟CT圖像分割算法研究[D].哈爾濱工程大學，2014:20-56.

[3]劉利雄，馬忠梅，趙恒博，等.一種基于主動輪廓模型的心臟核磁共振圖像分割方法[J].計算機學報，2012，35（1）:146-153.

[4]Xu X，Xu S，Jin L，et al.Characteristic Analysis of Otsu Threshold and Its Applications[J].Pattern Recognition Letters，2011，32（7）: 956-961.

[5]朱萍，梅婕，朱曉勃，等.雙邊濾波和標記分水嶺的CT心臟圖像分割[J].計算機工程與應用，2015，51（8）:170-173.

[6]Chang H H，Chu W C.Double Bilateral Filtering for Image Noise Removal[C].CSIE 2009，2009 WRI World Congress on Computer Science and Information Engineering，March 31-April 2，2009，Los Angeles，California，USA，7 Volumes.2009:451-455.

[7]高麗，楊樹元，李海強.一種基于標記的分水嶺圖像分割新算法[J].中國圖象圖形學報，2007，12（6）:1025-1032.

[8]戚曉偉，陳秀宏.改進的Otsu方法的雙邊濾波邊緣檢測算法[J].計算機工程與應用，2012，48（31）:150-155.

[9]時平，王毅，趙海濤，等.基于數學形態學和Otsu方法的VHP數據心臟圖像分割[J].生物醫學工程學雜志，2007，24（5）:996-1000. [10]王磊，段會川.Otsu方法在多閾值圖像分割中的應用[J].計算機工程與設計，2008，29（11）:2844-2845.

[11]王宇，陳殿仁，沈美麗，等.基于形態學梯度重構和標記提取的分水嶺圖像分割[J].中國圖象圖形學報，2008，13（11）:2176-2180.

[12]Yu W，Chen D，Shen M，et al.Watershed Segmentation Based on Morphological Gradient Reconstruction and Marker Extraction[J]. Journal of Image&Graphics，2008，13（11）:2176-2180.

[13]Han B.Watershed Segmentation Algorithm Based on Morphological Gradient Reconstruction[C].International Conference on Information Science and Control Engineering，IEEE，2015:533-536.

[14]Chen L L，Yang C，Min-Juan L I，et al.Study on the Improvement of Watershed Algorithm Based on Morphological Gradient Reconstruction[J].China Printing&Packaging Study，2013.

[15]黃展鵬，易法令，周蘇娟，等.基于數學形態學和區域合并的醫學CT圖像分割[J].計算機應用研究，2010，27（11）:4360-4362.

[16]張艷.基于數學形態學的醫學圖像分割方法研究[D].西南大學，2011.

[17]韓成虎.CT圖像三維重建技術的研究與應用[D].華南理工大學，2010.

[18]Shi-Guo G E，Wang M Z，Liu J J，et al.Improved Watershed Segmentation Algorithm Based on Marker[J].Journal of Sichuan University of Science&Engineering，2013.

[19]商艷麗.基于形態學重構運算的醫學CT圖像濾波方法[J].中國體視學與圖像分析，2011（1）:103-107.

[20]陳家新.醫學圖像處理及三維重建技術研究[M].科學出版社，2010.

[21]徐梅生.醫學圖像三維重建技術的研究[D].武漢理工大學，2012.

Whole Heart Location;Image Processing;Morphological Gradient;Threshold Segmentation

Research on an Improved Localization Method of Whole Heart in CT Images

YIN Hui-ping1，ZHANG Yao-nan2，HE Ying1

（1.School of Electronics and Information Engineering，Xi'an Siyuan University，Xi'an 710048；2.School of Sino-Dutch Biomedical and Information Engineering，Northeastern University，Shenyang 11081；3.College of Computer Science and Technology，Xi’an University of Technology，Xi'an 710048）

To solve the problems of accurate location of whole heart in cardiac CT images,proposes an improved threshold segmentation algorithm based on morphological operation and morphological gradient.Because of the influence of image gray distribution is uneven and the noise interference factors,traditional threshold segmentation often cannot get ideal segmentation results.Combined with the morphological opening and closing operation,reconstructs the images,the cardiac images are automatically segmented,which can not only eliminate the image noise,but also better preserves the edge information of the CT images,and gets whole heart finally.The experimental results show that the method has improved segmentation accuracy of cardiac CT images.It can solve the problem of the threshold segmentation or threshold segmentation based on general gradient only used.

1007-1423（2016）32-0062-05

10.3969/j.issn.1007-1423.2016.32.014

尹慧平（1988-），女，河南人，研究生，助教，研究方向為計算機圖形圖像處理、計算機應用

張耀楠（1962-），男，荷蘭人，博士，教授，研究方向為圖像處理和分析

何穎（1983-），女，陜西人，研究生，講師，研究方向為信號與信息處理

2016-09-02

2016-11-18