《医学图像分割的意义、概念、分类和研究现状.docx》由会员分享,可在线阅读,更多相关《医学图像分割的意义、概念、分类和研究现状.docx(5页珍藏版)》请在课桌文档上搜索。
1、1.1引言当今社会,是知识经济的社会,高新科技飞速发展。入们在迅速发展新科技的同时,也越来越关注自身的生活环境与医疗条件。健康,越来越成为每一个入倾心关注和孜孜追求的意境。然焉,群学技术是一把双刃剑,它带给人们得到的同时也在破坏着我们赖以生存的环境,从而严重威害人类的健康。堪愧的环境,沉重的压力以及激烈的竞争,都侵入们的健康走入低餐,从而健康成为全人类共同关注的目标。因此医学的发展面临严重的挑战,作为医生诊断和治疗重要手段的医学影像学也得到了相应的发展。现今,医学图像在医疗诊断中起着不可低估的重要作用。计算机断层扫描、核磁共振(MagnetiCReSOnance,MR)、超声(UltraS叫n
2、d)以及其它成像技术等,都是无侵害性的器宫体外成像的有力手段。但是,医学图像还有一个显著的特点,由于受成像设备的影响、局部体效应(同一个体素中包含多种组织)、患者的体位运动和检查床的匀速直线运动,使得医学图像不可避免地盘现噪声和伪影,边缘模糊和信号强度不均匀现缓,例如信号强度在同一种组织中会出现大幅度的变化或在同一个物体中也不均匀。此外,在图像形成和传输的过程中,图像的像质也会受到一定的影响,这些都给医生下达准确的诊断造成了一定的障碍。为了提高医学图像的可读性,使得医生可以对人体的解割结构以及病变部位进行更有效的观察和诊断,提离诊断的准确率,医学图像处理从而成为了一门应用性很强的学科而且得到了
3、长足的发展。1.2医学图像分割的意义、分类及其研究现状1.2.1 医学图像分割的意义医学图像分割在医学研究、临床诊断、病理分析、手术计划、影像信息处理、计算机辅助手术等医学研究与实践领域中有着广泛的应用和研究价值,具体表现为以下几个方面:(1)用于感兴趣区域提取,便于医学图像的分析和识别。如不同形式或来源的医学图像配准与融合,解剖结构的定量度量、细胞的识别与计数、器官的运动跟踪及同步等;(2)用于人体器官、组织或病灶的尺寸、体积或容积的测量。在治疗前后进行相关影像学指标的定量测量和分析,将有助于医生诊断、随访或修订对病人的治疗方案;(3)用于医学图像的三维重建和可视化。这有助于外科手术方案的制
4、定和仿真、解剖教学参考及放疗计划中的三维定位等;(4)用于在保持关键信息的前提下进行数据压缩和传输。这在远程医疗中对实现医学图像的高效传输具有重要的价值;(5)用于基于内容的医学图像数据库检索研究。通过建立医学图像数据库,可对医学图像数据进行语义学意义上的存取和查找。所谓医学图像分割,就是根据医学图像的某种相似性特征(如亮度、颜色、纹理、面积、形状、位置、局部统计特征或频谱特征等)将医学图像划分为若干个互不相交的“连通”的区域的过程,相关特征在同一区域内表现出一致性或相似性,而在不同区域间表现出明显的不同,也就是说在区域边界上的像素存在某种不连续性。一般说来,有意义的图像分割结果中至少存在一个
5、包含感兴趣目标的区域。区域(RegiOn)作为图像分割中像素的连通集合和基本分割单位,可以按照不同的连通性来定义:4连通区域和8连通区域。区域的连通性是指在一个区域中任意两个像素之间,都存在一条完全由属于这个区域的元素所构成的连通路径。如果只依据处于四正位(上、下、左、右)或四角位(左上、左下、右上、右下)的相邻像素确定区域的连通性,就称为4连通;如果同时依据处于四正位和四角位相邻的像素确定区域的连通性则称为8连通。在如上集合论模型描述中,如果保持区域连通性的约束被取消,那么对图像所属像素集的划分就称为分类(PiXelclassification),其中每一个像素集合称为一类(CIaSs)。在
6、本章后面的讨论中,为了描述上的方便,我们往往不加区分地将经典的区域分割和像素分类统称为图像分割。1.2.2 医学图像分割的分类通常,医学图像分割方法可以划归为三大类:基于阈值的分割方法、基于边缘的分割方法和基于区域的分割方法。在理想情况下,医学图像中的每一个区域都是由相应的封闭轮廓线包围着。原则上,使用边界跟踪算法可以得到区域的边缘(或封闭的轮廓线);反过来,使用简单的区域填充算法也可以得到边缘所包围的区域。但在实际的医学图像中,很少能够从区域中得到连续、封闭的边缘,反之亦然。由于受人体内外环境中种种确定性、不确定性因素的干扰和成像噪声的影响,实际所获得的医学图像不可避免具有模糊、不均匀等缺陷
7、;另外,人体的解剖结构比较复杂而且因个体的病理或生理差异有很大的不确定性,这在医学图像中引入了新的复杂性,同时也给医学图像分割带来了很大的困难;还有,现有医学图像分割的基本方法大多数是针对2D图像进行的,当推广到3D乃至4D医学图像分割应用场合时,在数据结构和算法处理上不可避免导致更大的复杂性,使得医学图像的分割更为困难。近年来大量学者致力于将新概念、新思想和新方法应用于复杂二维医学图像和高维医学图像或者图像序列的分割,其中包括数学形态学、模糊理论、神经网络、遗传算法、蚁群算法、粗糙集理论、水平集理论、支持向量机、马尔科夫随机场理论、核函数方法、小波分析和小波变换等,其间有很大一部分属于基于模
8、式识别原理的医学图像分割方法。各种分割方法或数学工具的有效应用,极大地改善了医学图像的分割效果。1.2.3医学图像分割的研究现状纵观医学图像分割技术的发展历程,实际上是一个从人工分割到半自动分割和全自动分割逐步发展的过程。人工分割是指由经验丰富的临床医生在原始胶片图像上直接勾画出组织的边界,或者通过图像编辑器用鼠标在计算机显示器上勾画出组织的边界或感兴趣区域。半自动分割技术是随着计算机科学的发展而产生的,它把计算机强大的数据处理、算法分析和智能计算能力以及自动存贮和记忆功能与医学专家的知识和经验有机地结合起来,通过人机交互的方式完成图像分割。全自动分割则彻底脱离了人为干预,完全由计算机自动完成
9、图像分割的全过程。由于全自动分割方法不存在人为因素的影响,为图像中感兴趣区域的自动精确测量奠定了基础。但是绝大多数自动分割算法实现复杂,运算量较大,在很多情况下,分割结果尚不理想,分割速度和性能也有待提高。从目前图像分割技术在临床上的应用情况来看,人工分割的精度在所有分割方法中是最高的,被视为金标准,但该方法费时、费力,其分割结果的优劣完全取决于操作者的经验和知识,且分割结果难以重现。半自动方法与人工分割相比,分割速度有明显提高,但其分割结果在很大程度上仍然依赖于操作者的主观经验和知识,这在一定程度上影响了半自动分割技术在临床上的广泛应用。研究高效、实用的全自动分割方法并最终取代繁琐的人工分割
10、和主观性依然很强的半自动分割一直是人们追求的目标,也是近年来图像分割方法的研究重点。由于医学图像经常存在对比度低、组织特征的可变性大以及不同软组织之间或软组织与病灶之间边界模糊、微细血管或神经结构形状分布复杂等特点,加上成像中种种客观因素的制约,使得医学图像分割成为医学图像处理过程中的一个经典难题,到目前为止既不存在一种通用的图像分割方法,也不存在一种准确评价分割成功与否的客观标准。1.2.4肝脏CT图像分割的研究意义肝脏CT图像分割就是把肝脏从CT图像中提取出来,为临床和病理研究提供可靠依据。近年来,肝脏CT图像分割在临床上的应用越来越广泛,已经成为医生进行肝功能、病理和解剖研究的重要手段。
11、而肝脏边界确定为定量分析的先决条件,具有很高的研究价值:(1)利于进一步确定病灶的体积大小和病变程度,便于医生及时准确的制定治疗方案。(2)提取肝脏有利于医生进行诊断和治疗1.3本课题的研究意义在过去的四十年间,图像分割在医学成像中已经发挥了日益重要的作用,被广泛地应用于医学研究的各个领域中。随着医学成像在临床诊断和治疗的作用越来越显著,医学图像分割就成必医学图像分析领域的一个挑战性的研究课题。在计算机的辅助下,从CT、MRKPET以及其它模式医学影像中可提取有关解剖结构的有用诊断信息。尽管现代成像设备提供了对内部解剖结构的精细观察,但使用计算视技术对内部解剖结构进行精确而有效的量化和分析在目
12、前仍然是有限的。医学图像分割可以提取出准确的、可重复的、量纯的病理和生理数据,满足不同的生物医学研究和临床应用的需要。医学图像分割的目的是通过提取描述对象的特征,把感兴趣对象从周围环境中分离出来,分析和计算分割对象的解裁、病理、生理和物理等方面的信息。医学图像分割是对医学图像进行对象提取、定量分析、3D重建、体积显示和配准等处理的一个必不可少的步骤。医学图像分割对医学应用方面的意义可以归纳为以下5个方面:(1)获取病理信息。提供有关解剖结构、病灶、病情和运动等信息,为临床诊断、病理分析和治疗效果评佶提供依据;(2)测量特征参数。对各个解剖结构进行几何的、物理的、病理的和统计的特征参数的测量,建
13、立解测结构的信息数据库;(3)获取解剖图谱信息。为医学图像的3D重建、3D显示、配准、融合、可视化、计算机辅助手术、入体虚拟显示系统和虚拟环境提供原始数据;(4)定位感兴趣的区域。确定解剖结构的位置、形状、分布区域,为放射治疗、化学治疗、超声治疗、穿刺、外科手术、计算机辅助手术和图像导引手术等治疗方案定位目标。此外在2D/3D/4D图像数据中对目标区域进行快速准确地定位;(5)管理图像信息。图像分割后,各个区域分明,可以对它们进行取舍,重点关注那些目标区域。还可以在不丢失有用信息的前提下进行图像数据的压缩,便于存档、检索和传输。医学图像分割到今天仍然没有获得圆满解决,一个重要的原因是医学图像的复杂性和多样性。由于医学图像的成像原理和人体组织本身的特性差异,并且图像的形成受到诸如噪声、场偏移效应、局部体效应和组织运动等的影响,医学图像与普通图像比较,不可避免地具有模糊和不均匀性等特点。另外,人体的解剖组织结构和形状复杂,而且人与人之闻有相当大的差别。这些都给医学图像分割带来了困难。传统的分割技术或者完全失败,或者需要一些特殊的处理技术。因此,我们有必要针对医学应用这个领域,对图像分割方法进行研究。