一種腦切片圖像分割新法

侯發忠鄒北驥+劉召斌周支元

摘要：針對腦切片的特點和普通分割方法的不足，提出一種基于改進的Otsu分割方法，在Otsu分類后的交叉區域，預先指定若干個前、背景點，再以這些關鍵點的閾值進行最小類間方差分割，同時用關鍵點的閾值建立等高線，根據相鄰切片圖像的組織閾值具有相似性，依次將單張切片的分割結果作為相鄰切片分割的初始值，進而實現整個數據集中的組織連續自動分割。結果表明：該方法能準確從彩色人腦切片圖像中分割提取出復雜的器官組織，克服了其它方法的缺陷和交互式方法的人工依賴，并提高了分割的精度。

關鍵詞：切片圖像； Otsu算法； 多層分割；三維重建

中圖分類號：TP399文獻標識碼：A

1引言

隨著數字人概念的提出，人體器官三維重建是目前圖像處理中的一個研究熱點之一，近年來，人們對CT斷層掃描的醫學圖像進行三維重建的技術進行了深入的研究，取得了很好的效果，但CT圖像灰度是以Hounsfield標度表示的，標度共有4095個梯度，映射到顯示器的256個灰階上后忽略了大量的灰階，省去了很多細節， 影響了三維重建的效果。于是人們開始著手用斷面切削來采集數據。切削活體或近活體斷面而采集到的數據成像是平面彩色的，分辨率高， 具有更真實、顏色信息更豐富、能夠體現精細復雜的結構、更能反應經絡和病變細節等特點，成為新的重建數據源，而切片圖像中各解剖結構的準確分割是制約模型重建精度的關鍵因素。人腦解剖結構復雜，組織器官形狀不規則，腦部切片圖像中不同的組織相互包繞，各個組織間缺乏鮮明的邊界和輪廓，分割難度更大。目前關于腦部切片圖像的分割通常是將腦組織作為一個整體進行分割，即研究主要集中在顱骨和腦組織的分離，而對腦部圖像中各個組織器官的分割研究甚少。由于技術的復雜性而成為切片圖像三維可視化發展的瓶頸。但小器官的分割對醫生判斷患者疾病的真實情況并做出相應的診斷計劃至關重要。目前已有學者研究出不少邊緣檢測、區域分割及目標提取的方法，最近研究有孫立曄等提到基于Markov隨機場理論的鼠腦切片顯微圖像的分割研究[1]，李梭等提出的蜂窩狀的交互式三維分割方法[2]，但尚沒有一種普遍適用圖像分割方法，只是針對某一具體應用而采用相對行之有效的算法，專門對于人腦切片真彩色圖像分割的研究相對更少，代表性的有巫兆聰等利用高斯低通濾波和概率統計相結合的方法[3]，對圖片進行區域自適應閾值分割， 提取分割標記， 然后采用Meyer 算法進行標記分水嶺分割，算法復雜，且仍會出現比較嚴重的過分分割現象；李中健等采用將Otsu 算法推廣到多閾值彩色圖像分割中[4]，提出先在眾多極大值中尋找有意義峰值，根據峰值將直方圖劃分成多個待分割區間，算法完整，但分割出的邊界不夠圓潤；唐占紅等采用Marching Cubes（ MC） 算法分割圖像來重建[5]，MC 算法其實質采用的是閾值分割算法， 改進后限制了其應用范圍.實施過程復雜；文麗麗等提出了一種基于改進Snake模型的自動分割算法[6]，利用其能提取任意輪廓的優勢來提取人腦切片圖像中復雜的小腦結構，以實現整個腦部數據集中小腦組織的連續自動分割，實現了對小腦組織的單獨分離提取，分割結果較為理想。但對于離散或梯度值變化較小的區域的精細分割效果不明顯，且不能實現多層分割；與文章技術最近的是李敏等人提出的改進最大類間方差的方法[7]，但其改進方向是基于類方差，添加均方差，但算法中方差的迭代計算量較大，分割速度慢，必須在高性能的圖像工作站上實現，不太實用。本文在這些基礎上提出了一種基于Otsu分類后再手工指定基于若干個分割點，細分交叉部分，不同于迭代，也不同于手工分割，更不同于簡單的區域增長，引入等高線概念可輕松進行多層分割。實現效果基本達到多層分割要求，克服了計算量大和分割速度慢的缺陷。

2數據的獲取

將鉆銑床所處的室內進行安裝冷凍裝置[8]，使室溫可控制在0℃～-20℃之間，解決汽化和冰霜問題；選擇車禍死亡、 家屬自愿捐獻供醫學研究、無器質性病變和缺損的男性標本一具；選用紅色乳膠填充劑預處理，將標本按照標準解剖學姿勢定位后，置-30℃冷庫冷凍1周；選用立臥式（ZX5026）鉆銑床，在刀盤平均裝上3塊（80 mm×30 mm）鎢鋼銑刀；選擇了佳能EOS7D數碼相機，EF 24mm f/1.4 L鏡頭，采用垂直于切片面的角度拍攝，改造成支持計算機控制拍照；削切一次，采集照片一張。設備如圖1.a所示。共獲取0.1 mm 間距切片圖像627 張， 大小為3024×2016 象素、TIF 格式，從頭頂到下頜骨髁突部按0.5 mm 間距抽取用于重建的切片共計180 張， 以JPG 格式保存，切片源圖如圖1.b所示。

3切片三維建模流程

人體切片圖像的三維建模主要是指以削切冰凍器官成斷層圖像為基礎，綜合運用各種圖像處理技術，構造成三維可視化模型。其過程關鍵步驟如圖2所示：

4問題提出

流程中的前四步所遇到的問題，筆者的相關文獻已闡述，詳見參考文獻[9]。進展到第五步時面臨一個問題：鉆銑床所采取的切片圖像由于成像原理和組織本身的特性差異，圖像的形成受到冰花、切割偏移、局部體效應和組織互包含等影響，與普通圖像比較，不可避免的具有模糊、不均勻性、器官界線很不明顯等特點。從圖1.b的樣圖中右眼球的位置不難看出：此層圖片既有上層肉組織的沾染，也有因眼球房水透明拍到的底層組織，可謂是肉中有骨，骨中有肉，這就給分割帶來了困難。傳統的分割技術不能分割出眼球的形狀，有的算法甚至完全失敗，但切片圖片反映的細節是CT圖像遠遠所不能及的，如果做大多的前期處理，就失去了做切片建模的意義，所以必須找到一種分割此類圖片的方法。

經查找文獻和反復實驗，筆者采用了一種在經典的Otsu 分割法的基礎上加入半自動植入種子點的方法，再以這些關鍵點的閾值進行最小類間方差分割，同時用關鍵點的閾值建立等高線，根據相鄰切片圖像的組織閾值具有相似性，依次將單張切片的分割結果作為相鄰切片分割的初始值，進而實現整個數據集中的組織連續自動分割。

6性能分析

文中采用切片圖1.b的圖像，分別嘗試幾中較有代表性的分割方法進行分割，從作者做的實驗的角度上論述幾種方法的各自特點。如圖8所示：

雙峰法分割彩色分割分水嶺法分割

Snake模型分割最大類間方差分割修進后分割

從中可以看出，簡單的沿用傳統的方法，因為圖片中腦白峰值過于明顯，雙峰法、彩色分割法、分水嶺法幾乎分割失敗，snake模型分割效果達到了預期效果，但邊界沒有收斂，采用最大類間方差并進行迭代能分割出眼睛，但邊界不圓滿，存在過分分割現象，本文修進的方法在針對此類圖像分割上，界線較明顯，輪廓較分明，曲面較好，符合實現情況，達到建模要求。

7小結

針對腦標本切片采集的數字圖像在進行三維重建的過程中遇到的分割問題，提出了一種基于Otsu分割算法改進方法，方法不同迭代，也不同于大量的手工分割，更不同于簡單的區域增長，實驗表明方法的改進，加上等高線概念的引入，在切片圖像的多層分割處理上減小搜索區域、處理速度快、實驗簡單、三維可視化效果良好，基本上滿足了臨床、教學上的應用需求，有益于切片器官重建的廣泛開展。但文中只是針對實驗中特殊的區域部分有著特殊的處理效果，邊界線的圓滑處理等有待進一步探討。

參考文獻

[1]孫立曄，韓軍偉，胡新韜，等.基于Markov隨機場理論的鼠腦切片顯微圖像的分割研究[J].模式識別與人工智能，2013，（5）：498-503.DOI：10.3969/j.issn.1003-6059.2013.05.013.

[2]李梭，孫健永，張建國，等.蜂窩狀的交互式三維分割方法[J].中國數學學，2014，9（6）：75-77.DOI：10.3969/j.issn.1673-7571.2014.06.026.

[3]巫兆聰，胡忠文，歐陽群東. 一種區域自適應的遙感影像分水嶺分割算法[J]. 武漢大學學報：信息科學版，2011，（3）：293-296.

[4]李中健，杜娟，郭璐. 將Otsu用于多閾值彩色圖像分割的方法及優化[J]. 計算機工程與應用，2010，11：176-178.

[5]唐占紅，蘭聰花.基于區域增長分割算法的醫學圖像重建[J].蘭州工業高等專科學校學報，2010，17（5）：12-14.DOI：10.3969/j.issn.1009-2269.2010.05.004.

[6]文麗麗，羅洪艷，張紹祥，等.數字人腦切片圖像中小腦組織的連續自動分割[J].儀器儀表學報，2013，34（1）：133-139.DOI：10.3969/j.issn.0254-3087.2013.01.019.

[7]李敏，羅洪艷，鄭小林，等.一種改進的最大類間方差圖像分割法[J].南京理工大學學報：自然科學版，2012，36（2）：332-337.DOI：10.3969/j.issn.1005-9830.2012.02.026.

[8]謝正蘭； 向長和.一種胚胎數字化斷層數據獲取的方法 [J].解剖學雜志，2011，（1）：131-133.

[9]侯發忠，鄒北驥，劉召斌，等.腦切片圖像三維重建中的層間配準算法[J].計算技術與自動化，2012，31（1）：113-116.