醫學超聲影像三維目標對象的分割方法論文
摘 要：探討醫學超聲影像三維目標對象的分割方法。方法：針對我院目前使用的機型為GE730的實時三維超聲，將其總體的三維分割算法分為基于結構的分割技術、基于統計學的分割技術和混合技術三大類。結果與結論：人體組織器官的三維圖像分割是醫學圖像分析和醫療診斷的重要前提，是醫學圖像三維可視化的重要研究內容。隨著醫學成像技術和三維可視化技術的飛速發展，計算機輔助診斷成為現實。計算機技術的發展使得醫生和研究者可以通過虛擬交互更好地理解人體的解剖結構，對病人作出正確的診斷。在對人體組織器官和感興趣區域的分割中，三維分割發揮著十分重要的作用。
關鍵詞：醫學超聲影像；三維分割技術
醫學圖像三維分割一直是醫學圖像分析領域的一個研究重點。在這方面國內外投入的研究很多，主要集中在三維CT和MRI圖像的分割上。筆者根據我院使用的機型為GE730的實時三維超聲，依照算法采用的分割依據將三維圖像分割算法分成三大類，即基于結構的分割方法、基于統計學的分割方法和混合方法，現報告如下。
1 分割方法的分類
1.1 基于結構的分割方法
1.1.1 三維邊緣檢測
邊緣檢測技術是通過檢測邊緣或體數據中的邊界面進行圖像分割。三維邊緣檢測算法主要有兩個步驟：①通過區分不同屬性檢測出邊緣點；②將這些邊緣點組合成連續的輪廓，將感興趣區域的體素從其他體素中分離出來。邊緣檢測常借助空域微分算子進行，通過將其模板與圖像卷積完成。目前已經提出了許多邊緣檢測算子。三維邊緣檢測算法的優點是：對于不同區域對比度強烈的數據的分割結果很好，能夠非常直觀地檢測出不同區域的邊緣；缺點是：它雖然檢測出了所有的邊緣，但是很難確定檢測出的邊緣與感興趣區域邊界的關系。另外，此類算法不適于對比度不明顯的數據，并且對噪聲十分敏感，大多數情況下邊緣檢測算法不單獨使用，而是與其他分割算法結合使用。
1.2 基于統計學方法
1.2.1 閾值分割方法
閾值分割算法是標量體數據中最簡單的分割方法。它利用閾值將體素分為兩部分：所有灰度值大于閾值的體素一起構成一類；所有灰度值低于閾值的體素一起構成另一類。該方法可以擴展為應用多重閾值，每個區域由兩個閾值來定義。輸入體數據中的每一體素根據灰度 值來判斷其屬于哪個區域。閾值分割方法盡管算法簡單，但是對于不同區域間對比度明顯的體數據的分割卻十分有效。該算法的最大缺點是分割的結果在很大程度上依賴于閾值的選擇，即閾值的改變會導致分割結果(區域)的變化。
1.2.2 分類器算法
分類器算法是模式識別中的常用技術，其目的是利用已知的訓練樣本集在圖像的特征空間中找出曲線或曲面，從而實現對圖像的劃分。
分類器算法是一種監督性的算法，需要手工分割的數據作為訓練數據，然后以此為標準指導自動分割。我們常把分類器分為參數分類器和非參數分類器兩大類：①參數分類器是指條件概率密度函數形式已知，但其中的一些參數(如均值、方差等)未知。常用的參數分類器是最大似然(分類器和Bayes分類器；②非參數分類器是指條件概率密度函數形式未知，必須從訓練樣本集中估測，因此要求的數據量遠大于參數分類器。常用的非參數分類器是K-最近鄰分類器和Parzen窗。
標準的分類器要求所要分割的結構具有明顯的定量化特征，這是為了讓訓練數據可以被作上標記。只要特征空間能充分區分每個標記，分類器就能將這些標記數據轉換為新的數據，可以用于多通道圖像，但是計算量相對較小。分類器的缺點是它們通常不進行任何空間建模，在分割強度不均勻的圖像時不能達到很好的效果。另外，在獲得訓練數據時需要人工干預，費時費力；并且由于不同人體之間解剖上和生理上的差異，對大批掃描圖像使用同一訓練集會導致分割結果的誤差甚至錯誤。
1.3 混合分割方法
1.3.1 區域增長算法
區域增長算法是混合分割方法中最為簡單的一種算法，該算法是一種根據預先定義的連接標準從三維體數據中提取連續區域的技術。一般地，區域增長算法需要一個種子點作為算法的'起始點。從種子點開始，算法增長至所有滿足連接標準的體素。與閾值算法一樣，區域增長算法非常簡單，一般不單獨使用。更多情況下，該算法只是作為分割任務中的一部分，作為最初的、更復雜的分割之前用來理解三維數據的方法。該算法最大的缺點是，需要人工交互選取種子點。而且，每一個待分割區域都需要一個種子點。另外，區域增長算法對噪聲和局部體效應敏感，使得提取出來的區域不連續(有空洞)。
2 分割算法的性能評價
上述的大多數算法通常是針對某一類問題提出的,如果給定一個具體問題去選擇一種適合的分割方法仍是個難題,這就要研究分割評價。醫學圖像影像三維目標分割算法的評價應具有一般性、客觀性和定量性。一般性是指該方法應適用于多個分割算法的評價,客觀性是指該方法不包含人為因素, 定量性是指評價結果是定量的。對分割算法評價要基于一定的評價準則( 評價指標或測度)，在分割技術的評價中,評價準則是最重要的因素。常用的評價準則有：①區域間對比度，根據區域之間特性對比度的大小可以判別分割圖像的質量,也可由此推出所用分割算法的優劣；②區域內均勻度，圖像分割就是把一幅原始圖像分割成若干個具有相似特性的區域,可以用分割圖像中各區域內部特性均勻的程度來描述分割圖像的質量。
3 討論
當今醫學超聲成像技術的發展趨勢主要表現為數字化、多功能化和多維化。其中,超聲三維或四維成像技術與常規二維超聲成像相比,不僅可以實現更加直觀形象的立體顯示,而且可以減小常規B超掃描層厚,提高B超掃描圖像質量。對基于不同數據采集方式的超聲三維成像技術,一個重要制約因素是三維體數據的有效分割,分割算法的性能直接影響后續的三維重建和可視化。目前臨床上使用的圖像分割方法主要是基于人工提取輪廓的手動分割或基于內嵌軟件的半自動分割,在分割速度和分割效果方面還存在許多問題。 本文結合超聲三維成像的研究背景,對基于多平面掃描的三維成像技術中的圖像分割算法展開研究。在深入分析、研究已有超聲圖像分割算法的基礎上,綜合考慮分割速度和分割效果等因素,對兩種廣泛應用于醫學超聲圖像分割的算法提出改進方案。超聲仿真圖像和實際圖像的實驗結果表明,改進算法得到了較為理想的分割效果。
【參考文獻】
[1]宋麥玲；楊小紅；圖像分割技術研究[J]；軟件導刊；2007年07期
[2]石峰；三維醫學圖像精準分割算法研究[D]；上海交通大學；2009年
[3]謝儀；常用數字圖像分割算法研究[J]；電腦開發與應用；2008年06期
[4]魏�。会t學超聲圖像的三維重建技術研究[D]；山東科技大學；2010年
【醫學超聲影像三維目標對象的分割方法論文】相關文章：
1.醫學影像論文
2.醫學影像的論文
7.醫學影像發展論文
8.醫學影像學論文