基于Chan-Vese模型的甲狀腺結(jié)節(jié)超聲圖像分割方法

鄭 斌 徐 峰 郭進(jìn)祥 劉立波*

（寧夏大學(xué)信息工程學(xué)院，寧夏 銀川 750021）

1 引言

甲狀腺結(jié)節(jié)已嚴(yán)重危害人類健康，臨床診斷中用醫(yī)療超聲圖像對(duì)甲狀腺部位信息進(jìn)行探測(cè)，由于費(fèi)用低廉、不產(chǎn)生輻射等主要優(yōu)點(diǎn)得以廣泛使用。計(jì)算機(jī)輔助甲狀腺臨床診斷要求甲狀腺結(jié)節(jié)高精度分割，且是整個(gè)過程的重難點(diǎn)。

圖像分割方法有閾值分割、區(qū)域分割、邊緣分割以及活動(dòng)輪廓模型和水平集[1]方法等。根據(jù)甲狀腺結(jié)節(jié)的位置、大小、形狀等個(gè)體性差異，使基于活動(dòng)輪廓模型和水平集等方法效果更佳。在此基礎(chǔ)上，Chan和Vese[3]提出了基于Mumford-Shah[4]的Chan-Vese模型[5]，解決了表達(dá)式中一次長(zhǎng)度項(xiàng)，二次面積項(xiàng)所帶來的計(jì)算難度大的問題。Chan-Vese模型是一種是基于Mum ford-Shah的簡(jiǎn)化模型和水平集方法相結(jié)合的方法[6]，此方法重點(diǎn)并過度依靠梯度變化和亮度對(duì)比，從而使得分割結(jié)果不準(zhǔn)確。

韓斌[7]等人提出了綜合利用圖像全局信息和局部信息改進(jìn)的Chan-Vese模型，將原有的內(nèi)外區(qū)域能量權(quán)重利用曲線內(nèi)外區(qū)域像素灰度的最小絕對(duì)差來取代，以提高模型分割效率。張愛華[8]等人對(duì)K-means聚類對(duì)圖像演化曲線內(nèi)部像素進(jìn)行處理，有效提高了Chan-Vese 模型對(duì)目標(biāo)圖像分割的靈活適應(yīng)性。

使用Chan-Vese模型分割甲狀腺結(jié)節(jié)區(qū)域，出現(xiàn)了不準(zhǔn)確分割區(qū)域。造成不準(zhǔn)確分割原因在于超聲甲狀腺圖像分辨率低，噪聲嚴(yán)重，從而對(duì)分割結(jié)果造成嚴(yán)重影響。針對(duì)此問題，本文提出來一種基于閉運(yùn)算的Chan-Vese分割方法。此方法利用形態(tài)學(xué)閉運(yùn)算的膨脹與腐蝕消除不準(zhǔn)確分割，提高了分割效果。

2 分割算法原理

基于水平集方法的Chan-Vese模型，在于構(gòu)建能量函數(shù)，然后通過水平集理論思想，用水平集函數(shù)來代替能量函數(shù)中曲線。最后，水平集演化過程需要利用能量泛函及其對(duì)應(yīng)的Euler-Lagrange求解獲取。

2.1 能量泛函

Chan-Vese模型是基于區(qū)域的水平集方法，根據(jù)定義可以得到Chan-Vese模型的能力公式：

通常情況下，令λ1=λ2=1，c1和c2代表圖像演化曲線C內(nèi)部和外部的灰度均值。能量泛函的第一項(xiàng)是長(zhǎng)度約束，此長(zhǎng)度約束用于演化曲線C規(guī)則約束，以保證得到的曲線足夠短；而后面的兩項(xiàng)統(tǒng)稱為保真項(xiàng)，目的是將演化曲線C逐漸向目標(biāo)輪廓靠攏。用高一維水平集函數(shù)φ(x,y)來代替演化曲線C，并假定水平集函數(shù)φ(x,y)＞0，表示該點(diǎn)在曲線內(nèi)部；水平集函數(shù)φ(x,y)＜0，表示該點(diǎn)在曲線外部；水平集函數(shù)φ(x,y)=0，表示該點(diǎn)在曲線上。最終可以將上述公式(1)轉(zhuǎn)化為：

2.2 演化過程

水平集演化過程需要利用能量泛函及其對(duì)應(yīng)的Euler-Lagrange求解獲取，對(duì)公式(2)求解得：

于是曲線的演化過程得以展現(xiàn)，Chan-Vese模型的過程可以總結(jié)為:

(1)水平集初始化；

(2)計(jì)算（估算）前景和背景灰度均值；

(3)對(duì)每一個(gè)像素點(diǎn)進(jìn)行演化。

3 基于Chan-Vese模型的圖像分割

本實(shí)驗(yàn)處理采用形態(tài)學(xué)閉運(yùn)算方法與Chan-Vese模型相結(jié)合的方法，主要包含圖像的預(yù)處理、閉運(yùn)算處理、圖像分割等過程，具體流程如圖1所示：

圖1 甲狀腺結(jié)節(jié)分割流程

3.1 圖像預(yù)處理

由于超聲甲狀腺圖像的特性，分辨率和對(duì)比度較低，從而導(dǎo)致超聲甲狀腺圖像噪聲嚴(yán)重，進(jìn)而對(duì)下一步工作產(chǎn)生一定影響。因此，采用高斯濾波做平滑處理。其次，對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)、邊緣增強(qiáng)等處理，使圖像信息更加容易區(qū)分。

高斯濾波是一種線性平滑濾波，處理超聲甲狀腺圖像上的高斯噪聲效果顯著，實(shí)驗(yàn)采用的是5x5的模板掃描圖像中的每一個(gè)像素點(diǎn)，高斯濾波有效地抑制了噪聲，結(jié)節(jié)邊緣也有增強(qiáng)的效果。

3.2 形態(tài)學(xué)閉運(yùn)算

閉運(yùn)算是由膨脹和腐蝕有機(jī)結(jié)合的方法，可以分析處理圖像的形狀以及結(jié)構(gòu)等問題。閉運(yùn)算的重點(diǎn)在于結(jié)構(gòu)元素，通過結(jié)構(gòu)元素對(duì)圖像探測(cè)，可以獲取到圖像每個(gè)區(qū)域存在的各種關(guān)系，從而更詳細(xì)地獲取圖像的結(jié)構(gòu)特性。給予一幅目標(biāo)圖像A和結(jié)構(gòu)元素Y，把膨脹集合的方式表示為：

同理可以把腐蝕表示如下：

閉運(yùn)算是由先膨脹再腐蝕表示A·Y，定義為：

圖2(b)中除結(jié)節(jié)區(qū)域呈現(xiàn)較暗，周圍正常組織同樣存在呈現(xiàn)較暗區(qū)域，稱之為孔洞，孔洞會(huì)影響甲狀腺結(jié)節(jié)分割效果。閉運(yùn)算對(duì)填充物體內(nèi)細(xì)小孔洞、連接鄰近物體、平滑其邊界效果顯著。因此為消除孔洞的影響，采用閉運(yùn)算消除孔洞。

圖2 圖像處理

4 實(shí)驗(yàn)結(jié)果與分析

本算法是在Matlab 8.0編程環(huán)境下實(shí)現(xiàn)，實(shí)驗(yàn)所需數(shù)據(jù)是由50例患者且每位患者采用1-2張，共80張格式為png的甲狀腺超聲圖像組成，圖像的分辨率統(tǒng)一轉(zhuǎn)化為256×256。采用Chan-Vese模型與本文算法對(duì)患者甲狀腺超聲圖像進(jìn)行分割。

4.1 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)按照?qǐng)D1的工作流程與傳統(tǒng)方法進(jìn)行實(shí)驗(yàn)。對(duì)傳統(tǒng)方法和本文提出的方法進(jìn)行對(duì)比實(shí)驗(yàn)，圖3是對(duì)超聲甲狀腺處理結(jié)果圖，圖4是對(duì)更加復(fù)雜的超聲甲狀腺處理結(jié)果圖。

圖3 超聲甲狀腺處理圖

4.2 結(jié)果分析

圖3(a-c)是Chan-Vese模型處理的分割結(jié)果，圖3(a)是未經(jīng)閉運(yùn)算處理的圖像，圖3(b)傳統(tǒng)方法的成功分割出甲狀腺結(jié)節(jié)區(qū)域，但是甲狀腺結(jié)節(jié)標(biāo)出的同時(shí)在結(jié)節(jié)左側(cè)出現(xiàn)了兩處不準(zhǔn)確標(biāo)注，在分割結(jié)果二值化圖3(c)可以清楚地看到兩處不準(zhǔn)確分割區(qū)域。

針對(duì)此問題提出的結(jié)合閉運(yùn)算的方法，處理結(jié)果如圖3(d-f)所示。圖3(d)是經(jīng)過膨脹和腐蝕處理的圖像，甲狀腺結(jié)節(jié)區(qū)域被準(zhǔn)確分割如圖3(e)所示。在傳統(tǒng)方法分割結(jié)果中的兩處不準(zhǔn)確分割區(qū)域已被解決。

在此基礎(chǔ)上，本文對(duì)于更加復(fù)雜的甲狀腺超聲圖像進(jìn)行分割，分割結(jié)果如圖4所示。傳統(tǒng)方法的分割結(jié)果中存在多處且較大面積的不準(zhǔn)確，分割效果較差。而結(jié)合閉運(yùn)算方法后的分割結(jié)果雖然仍然存在兩處較小不準(zhǔn)確分割區(qū)域，但是不會(huì)出現(xiàn)大面積不準(zhǔn)確的分割現(xiàn)象，本文方法可以有效去除傳統(tǒng)方法的不足，提高了超聲甲狀腺結(jié)節(jié)區(qū)域的分割準(zhǔn)確性。

圖4 復(fù)雜環(huán)境

5 結(jié)論

鑒于超聲圖像具有自己獨(dú)特的特點(diǎn)，超聲圖像分割問題相對(duì)較困難。為此，本文提出了一種基于Chan-Vese模型結(jié)合閉運(yùn)算的甲狀腺結(jié)節(jié)分割方法，有效地完成了甲狀腺結(jié)節(jié)分割的目的，經(jīng)閉運(yùn)算處理，該方法有效降低了甲狀腺結(jié)節(jié)分割的不準(zhǔn)確率。

實(shí)驗(yàn)結(jié)果表明，本文的分割方法分割不準(zhǔn)確率得到大幅度降低，提高了分割的準(zhǔn)確性，分割后的超聲圖像有助于臨床應(yīng)用中的準(zhǔn)確判斷，具有較高的使用價(jià)值。

由于采用了閉運(yùn)算，導(dǎo)致了圖像邊緣信息部分缺失，今后還需對(duì)此分割方法做進(jìn)一步深入研究。