探究醫學超聲圖像分割技術以及發展方向

褚紅艷

（湖北省孝感市中心醫院，湖北孝感 432000）

綜述及其他

探究醫學超聲圖像分割技術以及發展方向

褚紅艷

（湖北省孝感市中心醫院，湖北孝感 432000）

圖像分割技術在醫學超聲圖像的定性、定量分析中占據十分重要的地位，它對后續的分析、處理工作有直接的影響。但是，盡管目前有大量的文獻記載了關于圖像的分割方法，對于許多具有復雜特性的醫學超聲圖像，往往這些方法就起不到多少作用了。本文主要以醫學的超聲圖像特性的分析為基礎，分別對醫學超聲圖像的分割方法進行介紹及評價，并對其發展的方向、趨勢進行了簡單的探討。

醫學超聲圖像；圖像分割技術；發展方向

1 引言

圖像的分割技術在醫學超聲圖像的定性、定量分析中占據十分重要的地位，它對后續所有的分析和處理等工作都有直接的關系。而正確的圖像分割技術是為了從超聲圖像中提取到準確的相關臨床應用的診斷數據以便醫護人員做出正確的判斷，這同樣也是計算機作為輔助工具在臨床上進行準確定位和實時監控非常重要的環節。

目前，在半自動化和自動化的定量分析方面，醫學超聲圖像分割技術幾乎不能同MRI、CT等的成像模式相提并論，但其因自身具有無損性、實時性、廉價性等的特點，并且在實施治療規劃和實時監控等方面有極大的發展潛力。因此此分割技術在醫學上的關注度一直很高，但其本身的復雜性較高，故成為了一個至今還未攻克的世界性難題。

近幾年以來，隨著圖像分割技術的不斷發展以及新興技術的不斷產生，醫學超聲圖像分割技術也被迅猛的帶動發展起來。尤其是近十年來，動態規劃模型以及水平集模型等技術使得圖像的分割從二維分割向三維分割的方向迅速發展著。

2 傳統的醫學超聲圖像的分割技術

在整體上把傳統的醫學超聲圖像分割技術和其它圖像分割技術分為兩類，也就是以邊緣檢測為基礎和以區域生長為基礎的分割技術方法。如果是根據圖像局部的不連續性和突變性等特征進行檢測，稱之為以邊緣檢測為基礎的分割技術方法，它是將其連成邊界并把圖像分割成為不同區域；如果是將象素按照一些特征劃分到不同區域當中以及相鄰的區域具有不同的均勻性，則稱之為以區域生長為基礎的分割技術方法。這兩種方法的使用是相輔相成的，在實際的應用過程中需要相互結合，這樣才能達到預期的分割效果。

2.1 以邊緣檢測為基礎的方法

以邊緣檢測為基礎進行分割，這種方式是通過對相鄰象素的特征值進行檢測，根據病原體的突變性在不同的區域間獲得邊緣。判定邊緣點是以檢測點本身及其相鄰點作為基礎，主要有：局部的微分算子，例如Canny算子、Roberts梯度算子等。當然，對于超聲圖像的不同，還存在其它許多不同算子或手段。在邊緣的檢測算子中，一個良好的算子不僅僅是需要具備微分的特性便于獲得灰度的信息，而且還要能夠檢測任何尺度的邊緣。因為灰度在圖像里可以按照不同的尺度而發生改變。根據試驗結果顯示，檢測邊緣所得到的邊緣信息常常會由于信息的不突出而產生了間隙，使得已形成的曲線無法封閉物體。這就要采用一些連接、跟蹤的算法根據離散的邊緣點勾勒出物體的邊界。而且，邊緣檢測這一分割方法對有較大噪音的圖像會產生偽邊緣比較，為了消除噪聲，對其提出的要求也較高。而該問題特別是在醫學超聲圖像的分割上比較突出。

2.2 以區域生長為基礎的方法

以區域生長為基礎的方法是以區域內部的均勻性為依據從而進行的圖像分割技術，主要技術有：合并、分裂技術以及隨機場技術。

2.2.1 基于合并、分裂技術的區域生長法主要分為三類：即合并、分裂以及合并-分裂的結臺。

（1）合并的方法：首先將圖像分成多個小的摹本區域，然后依據特定均勻性從而分辨合并不同區域，最終形成一個大的區域；

（2）分裂的方法：將整幅圖像作為最初的分割結果，只要當前分割的結果均勻性得不到滿足，就不斷將其進行四個方形區域的分裂，直到各個區域都足夠均勻；

（3）合并-分裂相結合的方法：將相鄰并且特征相似的區域進行合并，而明顯特征不均勻的區域則不斷進行分裂。

以上的幾種方法對圖像的質量要求都較高，尤其是同一物體的內部灰度的均勻性，否則容易導致過度合并或者過度分裂的現象。然而在醫學超聲圖像上很少使用這種方法，通常是與其它的方法結合使用，因此這類參考文獻極少。

2.2.2 基于隨機場技術的圖像分割方法利用空間區域的相互作用模型，如Markov隨機場等對圖像進行模擬構建，再結合一些概率論知識以及模擬退火等優化方法對圖像進行分割。

這種方法非常容易導致誤分類產生，紋理邊界極難進行分割，因此其在醫學超聲圖像的分割中的應用還有待繼續研究。

3 形變模型的醫學超聲圖像分割法

近幾年來，研究者們為了解決以上存在的各種問題，開始廣泛的對以形變模型為基礎的圖像分割技術進行了各種研究和應用，并取得了不小成就。以下將分別討論動態規劃模型和水平集模型兩種形變模型的超聲圖像分割法。

3.1 形變模型的醫學超聲圖像分割法-動態規劃模型

動態規劃模型的分割方法的基本思想，首先人工在原始圖像上選擇初始點、終止點，并變換原始圖像以獲得初始代價陣，而目標的邊緣對應的區域相比于其它的區域，代價相對較低；所以用初始代價陣和給定的初始點并將累積的代價陣通過計算得出結果，最后根據結果反向跟蹤，即從終止點的方向回到初始點，便可獲得實際需要的邊緣輪廓線。

本文也依據此分割法進行了實驗，實驗結果顯示該算法不僅可以取得最優解，抗干擾能力也十分顯著。但該算法仍存在以下幾個問題：

（1）計算量大：主要是在計算累積代價陣時耗費的時間較多，可以說累積代價陣的計算是整個運算的“瓶頸”；

（2）容易被引入“歧途”：由于超聲圖像有其本身的物理特性，還能產生比較大的噪聲，所以導致偽邊緣增多，在代階陣中以條紋狀低代價槽的形式表現出來，誤導了整個計算過程，導致無法算出正確的結果；

（3）初始點、終止點的選擇，極大的影響著分割結果，因初始點、終止點的不同可以形成不同的分割結果（詳見圖1中b、c、d）。

圖1 胃癌超聲圖像動態規劃模型分割法結果

(a)原始圖像，其中標志點位臨床醫生所標；(b) (c)(d)為不同初始點、終止點情況下的不同分割結果。

3.2 形變模型的醫學超聲圖像分割法——水平集模型

水平集為幾何形變的模型，應用比較多的是在計算機的視覺與圖像分析的研究之中。設定的運動曲線是X(s，t)=[X(s，t)，y(s，f)]，式中的t代表時間，s代表任意參數；而用N來表示曲線的單位法向量，k表示曲率?？梢圆捎闷⒎值姆匠淌絹肀硎厩€以及沿曲線方向的法向量的變化：

式中的V(k)表示擴展的速度。為了解答出這個偏微分的方程，將水平集的概念給引入。設水平集的函數：Φ(z，Y，t)，由運動曲線零值的集合來表示運動的曲線X(x，t)，即Φ[X(z，t)，t]=0。之后對其進行求導可得：

式中的▽Φ是Φ的梯度。假設Φ在曲線的內部是負的，在外部是正的，那么曲線單位的法向量就是：

根據（2）式與（3）式，我們可以將（1）式改寫為：

零值集的曲線曲率是：

（1）式與（4）式的關系可以構成使用水平集的方法將曲線進化的理論給解決的基礎。

在醫學的圖像分割技術中，水平集模型圖像的分割方法已得到廣泛應用，但在超聲圖像分割的應用還是較少的。這可能是因為醫學的超聲圖像產生了較大的噪聲使得其運動速度難以設定和終止的條件難以給定。因此，在醫學超聲圖像的分割領域中，水平集模型的應用仍然需要進一步的深入研究。

4 總結語

綜上所述，在分別論述了傳統的圖像分割技術對于醫學超聲圖像的分割效果以及對近幾年迅速發展起來的幾個圖像分割技術作了一一介紹和評價。通過以上的分析不難看出，傳統的圖像分割技術在對醫學超聲圖像進行分割時是很難得到人們所期望的結果的；雖然形變模型分割技術能獲得不錯的效果，但仍有許多問題沒有得到解決。因此，醫學超聲圖像分割技術的研究方向應根據這些還未解決的問題，向以下幾個方面發展：

(1)建立拓撲控制較好的形變模型；

(2)圖像能量的設計；

(3)多種模型結合的應用，從而提高分割效果和加快分割速度；

(4)將圖像分割技術由二維分割向三維分割方向發展。

［1］敖貴文.《醫學超聲影像三維目標對象的分割方法》[J].中國醫學影像技術.2012年7期.

［2］蔡勇、陳念年.《超聲醫學圖像的自動分割》[J].蘭州交通大學學報.2004.23(4)：61-64.

［2］李彩云.《基于水平集的醫學超聲圖像分割方法研究》[J].學位論文.2013.

［4］鄭麗芳.《三維超聲圖像分割方法的研究與實現》[J].學位論文. 2010.

［5］吳建華.《醫學超聲圖像處理的研究與實現》[J].學位論文.2010.

［6］劉燕杰.《基于活動輪廓模型的醫學圖像分割》[J].學位論文. 2011.

［7］鄭柏泠.《基于Grouping Bandlet的超聲醫學圖像分割與應用》[J].學位論文.2011.

［8］嚴加勇、莊天戈.《基于改進粒子群的模糊聚類超聲圖像分割》[J].科學技術與工程.2011年21期.

［9］楊丞、費紅曉.《醫學超聲圖像分割技術的研究及其發展趨勢》[J].北京生物醫學工程.2010.0067-05.

褚紅艷，1969年生，女，主治醫師，大學本科學歷，從事醫學超聲工作二十年。