基于區域增長法的新疆哈薩克族食管癌X射線醫學圖像的分割研究

伊力扎提·阿力甫　木拉提·哈米提　嚴傳波　阿布都艾尼·庫吐魯克

830011 新疆醫科大學

姚　娟　楊　芳

?

基于區域增長法的新疆哈薩克族食管癌X射線醫學圖像的分割研究

伊力扎提·阿力甫木拉提·哈米提嚴傳波阿布都艾尼·庫吐魯克

830011 新疆醫科大學

姚娟楊芳

【摘要】目的為了提高分類和檢索準確率從哈薩克族食管癌X射線醫學圖像中提取感興趣區域。方法通過40幅新疆哈薩克族食管癌X射線醫學圖像中得出新疆哈薩克族食管癌醫學圖像直方圖特征并利用此特征分別采用區域增長法和全閾值法分割100新疆哈薩克族食管癌醫學圖像，并利用面積大小差異和平均表面距離評價分割結果。結果分割后的圖像與手工分割的圖像進行比較評價得出區域增長法與手工分割圖像面積平均相差4.1606%，平均表面距離相差1個像素點而全閾值法分割后圖像面積平均相差13.056%，平均表面距離相差3個像素點。結論區域增長法比較適合分割新疆哈薩克族食管癌X射線醫學圖像。此研究不僅能提高新疆哈薩克族食管癌輔助診斷系統的診斷準確率并對以后的食管癌醫學圖像分割研究奠定了基礎。

【關鍵詞】新疆哈薩克族食管癌醫學圖像，區域增長法，分割評價

(ThePracticalJournalofCancer,2016,31:443～445)

計算機輔助診斷系統(computer aided diagnosis system，CAD)是通過計算機的幫助下輔助診斷醫師來輔助診斷的系統。大量的研究已證實CAD技術有助于降低X射線一些疾病的漏診率[1]。在CAD系統中準確無誤找出病灶或者感興趣區域是非常重要的環節，因此食管癌圖像的分割變成了食管癌輔助診斷系統首要突破的目標。食管癌醫學圖像中除了食管本身以外還包含了與食管灰度值相似的其他軟組織和骨骼使得分割食管癌難度加大[2]。通過觀察食管癌醫學圖像的特點可以發現食管本身是一個灰度接近的，均勻分布的區域并且它與周圍的背景有著鮮明的灰度差值[3-4]。

1資料與方法

1.1資料

收集新疆醫科大學第一附屬醫院2013年6月至2014年6月診斷為食管癌患者的X射線圖像200幅。并篩選掉其中相似度非常接近和同一患者重復的圖片。得到早晚期食管癌圖像共140幅。

1.2分析方法

食管癌醫學圖像中感興趣區域與其余的部分有著很高的相似性，但是感興趣區域本身與其背景有著明顯的灰度差異。所以本研究從收集140幅的圖像中隨機抽取40幅圖像。分析40副圖像的感興趣區域直方圖分布。

1.3分割方法

1.3.1區域增長法區域增長法的基本思路是集合相同點或者相似的點為一個區域，并此區域與灰度相差比較大的區域進行分離的方法[5-6]。在本次研究中由于食管癌醫學圖像的感興趣區域與其背景的其余組織之間有著明顯的灰度差，感興趣區域灰度分布均勻所以按照此特性在本研究中選取了以下的增長準則：|I(x+u,y+v)-I(x,y)|

1.3.2全閾值分割法全閾值分割法的基本思路是從整幅圖中篩選出所需灰度范圍。由于食管癌醫學圖像感興趣區域與其背景灰度有著鮮明的差異比較容易判斷所獲取區域的灰度范圍本研究中利用了全閾值分割法并其分割準則定義為：

1.4評價方法

為了評價分割結果，本研究采用醫學影像計算與計算機輔助介入(medical image computing and computer assisted intervention,MIC-CAI)準則提出的評價方法，對本研究分割算法與手工分割算法進行比較[8-9]。

面積大小差異評價：

平均表面距離：

在數學表達式中表示分割后的面積，表示手工分割以后的面積A表示計算機分割后圖像，B表示手工分割后的圖像。a,b分別為A和B上的點,dist(a,b)表示，a與b的距離，NA與NB分別表示A，B上點的個數。這些參數可以直觀的表示其分割結果的質量。這些數值越小表示算計分割的與專家手動分割的越接近，等于零是表示計算機分割與專家手動分割結果一致。

2結果

2.1灰度直方圖分布情況

從40幅食管癌邊界圖像的灰度直方圖中算出比例最大兩塊區間上限值和下限值的平均值分別為210和226。并且這40幅食管以外區域灰度最高值的平均值為196。所以thereshold 取值為15。

從與邊界灰度比較接近的40幅食管癌X射線醫學圖像的食管與背景區域的灰度直方圖特征來得出每兩個區域之間有著明顯地差距，并且40幅食管癌X射線醫學圖像灰度值范圍大致一致。綜上特點采用區域增長法對100幅類似的食管癌醫學圖像進行分割。分割結果見圖1。

a為原圖，b為分割后圖像。

從直方圖中可以看出食管癌醫學圖像中食管的灰度值很高，所以還考慮通過全閾值法來分割食管癌醫學圖像[7]。設食管癌醫學圖像為I(x,y)令。

從40幅食管癌醫學圖像的食管灰度直方圖中可以看出食管最小灰度值的平均值為210，所以利用全閾值法分割時threshold1取值為210，threshold2取值為230，其分割效果見圖2。

2.2分割結果的評價

所分割的圖像由新疆醫科大學第一附屬醫院提供，并且影像學專家手動分割的醫學圖像默認為標準

分割圖像，并利用手動分割后圖像分別與區域增長法和全閾值分割方法作比較進行評價。其比較結果見圖3、圖4。

a為原圖，b為全閾值法分割后圖像。

圖3　應用面積大小差異與手動分割圖像評價

圖4　應用平均表面距離與手工分割圖像評價后的折線圖

3討論

從本文圖3，4中可以看出，利用區域增長法分割新疆地方性食管癌醫學圖像與專家手工分割圖像進行比較可以得出區域增長法分割以后的面積與手工分割以后圖像面積平均相差4.1606%；全閾值分割以后圖像與專家手工分割以后的圖像面積平均相差13.056%。從圖4中可以算出100幅圖的區域增長法

分割以后的圖像與專家手工分割后圖像平均表面距離的平均值為1.019所以區域增長法分割以后的圖像與專家手工分割后圖像平均表面距離相差1個像素點。兩者平均表面距離的平均值為3.03所以全閾值法分割后圖像與專家手工分割后圖像平均表面距離相差3個像素點。

本研究通過40幅食管癌醫學圖像灰度直方圖中得出食管邊緣與背景的灰度特征來分割100幅食管癌醫學圖像。從40幅食管灰度直方圖可以看出食管本身灰度值集中在210～230之間，所以本研究還利用全閾值法來分割食管癌醫學圖像。全閾值法分割圖像雖然對于個別的食管癌醫學圖像的分割結果比較理想，但是從100幅利用全閾值分割以后的食管癌醫學圖像中可以看出區域增長法對于全閾值分割法來說比較適合分割食管癌醫學圖像。

參考文獻

[1]Astley SM,Gilbert FJ.Computer-aided detection in mammography〔J〕.Clin Radiol,2004,59(5):390-399.

[2]林瑤,田捷.醫學圖像分割方法綜述〔J〕.模式識別與人工智能,2002,15(2):192-204.

[3]姜慧研,司岳鵬,雒興剛,等.基于改進的大津方法與區域生長的醫學圖像分割〔J〕.東北大學學報(自然科學版),2006,27(4):398-401.

[4]黃敏.肝臟CT圖像分割及三維重建算法研究〔D〕.重慶大學,2013.

[5]李夢亮,翁正新.基于改進區域生長法和霍夫變換的車道分割法〔J〕.計算機應用與軟件,2011,28(12):246-248,262.

[6]於猛,劉向榮,黃曉陽,等.改進區域生長法及其在冠狀動脈造影圖中的應用〔J〕.廈門大學學報(自然科學版),2013,52(1):38-42.

[7]陶文兵,金海.一種新的基于圖譜理論的圖像閾值分割方法〔J〕.計算機學報,2007,30(1):110-119.

[8]Deng X.Du G.Editorial：3D segmentation in the clinic：a grand challenge Ⅱ liver tumor segmentation〔C〕.Pro ceedings of MICCAI Workshop on 3D Segmentation in the Clinic：a Grand Challenge Ⅱ〔M〕.New York，USA：MIC-CAI，2008：1-4.

[9]木拉提·哈米提,伊力扎提·阿力甫,嚴傳波,等.基于C均值算法的新疆維吾爾醫草藥圖像的分割研究〔J〕.新疆醫科大學學報,2015,(7):810-814.

(編輯：吳小紅)

Xinjiang Kazaks’Esophageal Cancer Medical Image Segmentation Based on Region Growing Method

ELZATAlip,MURATHamit,Chuanboyan,etal.

XinjiangMedicalUniversity,Urumqi,830011

【Abstract】ObjectiveTo improve the accuracy of the classification and retrieval Xinjiang Kazak esophageal cancer medical image segmentation.MethodsSegment 100 Xinjiang Kazak esophageal cancer medical images using regional growth method and full image threshold method which based on the features taken by other 40 Xinjiang Kazak esophageal cancer medical images.Evaluate the segmentation accuracy of the 2 methods by segment area and average surface distance.ResultsThe average area gap between region growing method and experts was 4.1606%.The average gray gap between region growing method and experts was 1 pixel.The average area gap between all threshold method and experts was 13.056%.The average gray gap between all threshold method and experts was 3 pixels.ConclusionRegional growing method is suitable for segmentation of Xinjiang Kazak esophageal cancer medical image.This study can improve the diagnostic accuracy of Kazak esophageal cancer assistant diagnosis system and later laid the foundation for esophageal cancer medical image segmentation research.

【Key words】Xinjiang Kazaks’Esophageal cancer medical image；Region growing method；Segment evaluation

(收稿日期2015-04-10修回日期 2015-10-17)

中圖分類號：R735.1

文獻標識碼：A

文章編號：1001-5930(2016)03-0443-03

DOI：10.3969/j.issn.1001-5930.2016.03.028

通訊作者：木拉提·哈米提

基金項目：國家自然科學基金項目(編號：81460281)