基于區域生長分割算法在醫學圖像中的研究

何穎+張星陽+趙金龍

摘要：將目標圖像利用具體的算法操作將待處理圖像分割成幾個特定的、分別具有獨特性質的區域，并把目標區域和背景分離出來，分割結果的好壞直接關系著圖像的進一步分析。通過區域生長法對右心室MRI圖像進行分割算法研究，區域生長法要想區域分割算法能夠成功的三個重要因素是，選擇合理的種子點像素，設計針對特定圖像合理的生長準則，制定合理的生長停止的條件。通過采用置信連接與孤立連接分割法的對比，實驗驗證了分割的效果比對。

關鍵詞：右心室分割；區域生長法；醫學圖像；置信連接法

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2017）10-0115-03

1 引言

圖像分割的概念主要是指：將目標圖像利用具體的算法操作將待處理圖像分割成幾個特定的、分別具有獨特性質的區域，并把目標區域和背景分離出來的分割過程，分割結果的好壞直接關系著圖像的進一步分析[1]，也是在整個圖像處理過程中比較困難和難以實現的一個步驟。

對于醫學圖像來說，其圖像自身包含很多的信息，可是往往只有其中的一部分是臨床診斷所關心的，往往稱這一部分為感興趣區域（Region Of Interest， ROI），而相比較這一部分其余的部分則是對臨床診斷來說并不感興趣的區域。怎樣在這些特定區域得到對臨床研究有用的圖像成分和解剖結構，是圖像分割技術的核心問題。

近幾年來，有越來越多的學者和醫學研究者在研究和臨床案例中發現了右心室對心血管疾病的提前預測和后續診斷治療方面的重要作用，右心室的醫學意義也越來越多地受到認可，對于右心室的分割也愈來愈受到大家的重視，然而另一方面，右心室和左心室相比有更復雜的特性，比如說高變異性、壁薄，邊界區域不夠明顯以及和周圍組織之間難以進行區分等等，這一系列特征使得右心室分割在實踐操作中又增加了一定的難度。近幾十年來醫學圖像處理中提出了一些有價值的方法，比方說，基于統計形狀模型、三維模型的方法[2]和基于形變模型的方法[3]取得了不錯的效果。

2 區域生長算法

區域生長算法[4]的概念是指將具有滿足某種相似特性的各個像素點被劃分到同一個區域來實現分割。首先針對整幅圖像的多個待分割區域，在每一個待分割的區域內選擇一個種子點作為區域生長的起點，然后需要按照使自己目標最優化的生長準則或者把它周圍與該個像素點特征相近或者相似的像素合并到預先設置的種子像素所在的區域中，之后把這些合并完成的新的像素作為種子區域按照上述方法繼續進行生長，直到遍歷完整幅圖像，以至于整幅圖像中沒有滿足預先設定的條件或者準則的像素可被合并到種子區域內時，結束整個區域生長分割過程。

要想區域分割算法能夠成功實施三個重要因素必不可少：（1）選擇合理的種子點像素；（2）設計針對特定圖像合理的生長準則；（3）制定合理的生長停止的條件。關于種子像素的選取，采取的手段既可以是通過人工交互的方法也可以通過采用全自動的方法。前者的方法不僅簡單并且實用，可用于絕大多數的物體和圖像，使用性更加廣泛；后者方法則針對性比較單一，往往面對的是具體的問題，比如說，運用紅外線來檢測目標的時候，往往選擇亮度最高的像素作為種子像素來使用。區域生長法[5]的算法有置信連接分割方法和孤立點連接分割方法等。

右心室的磁共振圖像如圖1所示，第一排顯示的為右心室在心底時期獲取到的磁共振圖像，第二排顯示的為右心室在心尖時期獲取到的磁共振圖像，第一列的顯示狀態則是處于舒張末期，第二列顯示的恰恰是處于收縮末期。由圖1中可以總結出：不同病人甚至是同一個病人的右心室在不同的時期其獲取的右心室的磁共振圖像形狀上也有很大的差別，而這一系列因素增加了對右心室得到有效分割的難度。

2.1 置信連接分割法

置信連接分割法的概念是：置信連接分割法實際上本身也是區域生長分割方法的一種，根據當前區域簡單統計后的結果，并把種子點的某個鄰域范圍內的的所有像素點的灰度的平均值和標準差計算出來，之后按照提前設置好的因子和標準差的乘積當作范圍，則鄰域內像素點的灰度值在這個計算出的范圍之內的情況下，則把這個像素點將被劃分到這個區域之內。接下來，按照上次劃分好的區域，再次計算上次劃分好的區域內的所有像素點灰度的平均值和標準差，按照上面方法重新計算出灰度范圍，再次檢驗當前區域的鄰域的像素點的灰度值是否在新的灰度范圍之內。直至達到迭代停止的條件：某一次迭代時并沒有新元素被加入到這個區域或者是達到了迭代器設置的迭代次數的上限。表1顯示了用置信連接分割方法分割右心室磁共振圖像需要設置的參數、得到結果的Dice重合率和分割結果，圖像的標號如圖2（a）、圖2（b）和圖2（c）。

分割結果如圖2所示。

2.2 孤立連接分割法

孤立連接法也屬于區域生長算法的一種，在分割過程中一般需要提前設置好三個參數，分別是：兩個種子點和一個下門限值，生長區域被設置在與第一個種子點相連卻孤立于第二個種子點的區域。為了檢驗這個算法和置信連接分割法的效果，本算法，仍然選擇相同三幅圖像進行操作，首先進行種子點的選取，然后設定合適的下門限灰度值分割三幅圖像。表2顯示了使用孤立連接法對上述三幅圖像進行操作時需要用到的實驗參數以及用孤立連接算法在參數下得到的分割圖像的Dice重合率和分割結果，圖像的標號如圖3（a）、圖3（b）和圖3（c）。

分割結果如圖3所示。

3 結語

論文對右心室磁共振圖像涉及的三幅圖像進行簡單分割。通過置信連接法和孤立連接法的分割結果和Dice重合率發現，以上兩種方法的分割結果在個別磁共振圖像上的分割達到了比較好的效果，并且要求操作者對于區域生長分割算法需要手動選取種子點等操作，另外，區域生長法對于右心室磁共振圖像的分割結果中不足之處在于：使用區域生長法進行分割時，分割效果容易受到圖像自身噪聲的影響，容易造成區域空洞。

參考文獻

[1]Caudron J， Fares J， Vivier P H， et al. Diagnostic accuracy and variability of three semi-quantitative methods for assessing right ventricular systolic function from cardiac MRI in patients with acquired heart disease[J]， European radiology， 2011，21（10）：2111-2120.

[2]Petitjean C， Dacher J N. A review of segmentation methods in short axis cardiac MR images[J]， Medical Image Analysis， 2011，15（2）：169-184.

[3]Lapp R M， Lorenzo-Valdes M， Rueckert D. 3D/4D cardiac segmentation using active appearance models， non-rigid registration， and the insight toolkit[J]， MICCAI，2004： 419-426.

[4]朱峰.醫學圖像自動分割若干關鍵技術研究[D].蘇州：江蘇大學，2006.

[5]周振環.醫學圖像分割與配準[M].成都：電子科技大學出版社，2011，136-183.endprint