（信号与信息处理专业论文）医学超声图像分割新方法的研究.pdf

摘要 医学超声图像与计算机x 射线断层造影术、磁共振成像、核医学成像并称为现代四 大医学影像技术，其中超声成像由于其独具的实时性、无损性、廉价性、可重复性好、 灵敏度高等优势而广泛应用于临床诊断和治疗中，它在人体内部组织器官的定量分析、 实时监控和治疗规划等方面都具有极大的潜力。利用医学超声图像进行医学诊断时，常 需要提取特定的组织器官或部位，以便更好地对其进行分析和诊察，这就需要以图像分 割作为手段。虽然目前国内外已经存在很多各种不同的图像分割方法，但是由于医学超 声图像本身固有的斑点噪声和与组织相关的纹理特性，使得医学超声图像分割一直以来 成为世界性难题之一。针对这一现状，本文旨在通过对主要图像分割方法在医学超声图 像上的使用进行研究和探索，改进或提出适用于医学超声图像的处理方法，这同时也是 对低信噪比图像处理的有益探索。 本文首先对医学超声图像分割方法进行了总结，其后对几种经典的或已在某些医学 图像中使用过的图像分割方法进行了较为全面的分析，并给出了它们对医学超声图像的 分割结果。由实验结果可以说明这些方法对于存在固有斑点噪声和纹理特性的医学超声 图像并不能得到满足临床需求的结果，本文对其存在的问题也进行了简要的探讨。之后， 本文对一种新型的生物仿真的神经网络脉冲耦合神经网络作了深入的研究，针对其 本身存在的网络参数选取的问题，提出了相应的改进算法，得到了较好的实验结果。此 外，本文还将脉冲耦合神经网络引入到医学超声图像处理中来，首次提出了基于脉冲耦 合神经网络的医学超声图像增强方法，得到了较好的图像增强结果，为后续分析提供了 比较可靠的保证，并阐述了该方法也可作为一种多值分割方法的原因。同时，本文也通 过上述实验证明了脉冲耦合神经网络是一种具有很大应用潜力的医学超声图像处理工 具。 关键词：医学超声图像；图像分割；生物仿真神经网络；脉冲耦合神经网络 a b s t r a c t m e d i c a lu l t r a s o u n di m a g i n g ，c o m p u t e r i z e d t o m o g r a p h y , m a g n e t i c r e s o n a n c ei m a g i n ga n d n u c l e a ri m a g i n ga r et h ef o u ri m p o r t a n tm e d i c a l i m a g i n gt e c h n i q u e si nm o d e ms o c i e t y a m o n g t h e m ，m e d i c a lu l t r a s o u n di m a g i n g i sw i d e l yu s e di nm e d i c a ld i a g n o s i sa n dt r e a t m e n td u et oi t s u n i q u e c h a r a c t e r i s t i co fr e a l - t i m e ，n o n i n v a s i v e n e s s ，c h e a p n e s s ，e a s y r e p e t i t i o n ，a n dh i g h s e n s i t i v i t y i t h a sh i 曲p o t e n t i a li nq u a n t i t i v e a n a l y s i s ，r e a l - t i m em o n i t o r i n ga n dt r e a t m e n t s c h e d u l i n g ，e t c w h e n u l t r a s o u n di m a g e sa r eu t i l i z e dt od om e d i c a la n a l y s i sa n d d i a g n o s i s ，i t s u s u a lt oe x t r a c tt h es p e c i f i co r g a n so ra r e a st od of u r t h e ra n a l y s i sb e t t e r , s oi m a g e s e g m e n t a t i o n i se s s e n t i a l a l t h o u g ht h e r ea r el o t so fi m a g es e g m e n t a t i o nm e t h o d su pt on o w , u l t r a s o u n d i m a g es e g m e n t a t i o nr e m a i n saw o r l d w i d ed i f f i c u l tp r o b l e mb e c a u s eo fi t s i n t r i n s i cs p e c k l e n o i s e sa n dt h et i s s u e r e l a t e dt e x t u r e s b a s e do nt h ea b o v ef a c t s ，t h i s p a p e rd o e ss o m e r e s e a r c h e so nu l t r a s o u n di m a g es e g m e n t a t i o nt oi m p r o v ec t n 弛n ta l g o r i t h m so rp r o p o s en e w m e t h o d s i t sa l s oam e a n i n g f u le x p l o r a t i o nf o rt h es e g m e n t a t i o no f l o ws n r i m a g e s t h e p a p e rf i r s tg i v e sa no v e r v i e w o ft h eu l t r a s o u n di m a g es e g m e n t a t i o nm e t h o d s t h e n s e v e r a lc l a s s i cs e g m e n t a t i o na l g o r i t h m sa n ds o m ea l g o r i t h m st h a th a v eb e e nu s e di nm e d i c a l i m a g e s a r ea n a l y z e da n dt h ee x p e r i m e n t a lr e s u l t sb a s e do nt h e ma r eg i v e nt os h o wt h a tt h e ya r e n o ta p p l i c a b l ef o ru l t r a s o u n di m a g e sa c c o r d i n gt ot h ec l i n i cr e q u i r e m e n t s t h ep a p e ra l s o d i s c u s s e st h e i rp r o b l e m sw h i l eu s e do nu l t r a s o u n di m a g e sb r i e f l y t h e n , an e w b i o l o g i c a l l y s i m u l a t e dn e u r a ln e t w o r k , i e ，p u l s ec o u p l e dn e u r a ln e t w o r ki sa n a l y z e di nd e p t h f o rt h e i n t r i n s i cp r o b l e m so fp c n n ，t h ep a p e rp r o p o s e san e wc o r r e s p o n d i n ga l g o r i t h ma n ds o m e g o o de x p e r i m e n t a lr e s u l t sa r ea c q u i r e d f u r t h e r m o r e ，t h ep a p e rb r i n g sp u l s ec o u p l e dn e u r a l n e t w o r ki n t ou l t r a s o u n di m a g ee n h a n c e m e n tf o rt h ef i r s tt i m ea n dr a t h e rg o o de x p e r i m e n t a l r e s u l t sa r eg o t t h er e a s o nt h a tt h ep r o p o s e de n h a n c e m e n ta l g o r i t h mc a na l s ob ev i e w e da sa m u l t i v a l u es e g m e n t a t i o nm e t h o di sg i v e ni nt h ep a p e r t h ea b o v ee x p e r i m e n t sa l s os h o wt h a t p c n ni sat o o lo f h i g h p o t e n t i a li nu l t r a s o u n di m a g ep r o c e s s i n ga n da n a l y s i s k e yw o r d s ：m e d i c a l u l t r a s o u n d i m a g e ；i m a g es e g m e n t a t i o n ；b i o l o g i c a l l y s i m u l a t e d n e u r a ln e t w o r k ；p u l s ec o u p l e dn e u r a ln e t w o r k i i 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究 工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 大连理工大学或其他单位的学位或证书所使用过的材料。与我一同工作 的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢 意。 作者签名：盛羹连日期：塑竺：! 医学超声图像分割新方法的研究 1 绪论 1 1 课题背景及意义 自从1 8 9 5 年伦琴( r o n t g e n ) 发现x 射线以来，临床影像学( c l i n i c a li m a g e o l o g y ) 的进 展很快，特别是近三十年来，显像技术更加丰富多彩，研究范围越来越广，在影像学的 密度、时间和空间分辨率方面有了空前的突破，使得临床影像学发生了质的变化。 随着医学影像技术的飞速发展和广泛应用，超声成像( u l t r a s o u n di m a g i n g ) 、计算机x 射线断层造影术( c t ，c o m p u t e r i z e dt o m o g r a p h y ) 、磁共振成像( m r i ，m a g n e t i c r e s o n a n c e i m a 西n 0 、核医学成像( 如p e t 、s p e c t 等) 逐渐成为现代四大医学影像技术。其中超声 成像由于其独具的实时性、无损性、廉价性、可重复性好、灵敏度高等优势而广泛应用 于临床诊断和治疗中，它在人体内部组织器官的定量分析、实时监控和治疗规划等方面 都具有极大的潜力。 在利用超声图像对内部组织器官进行定量分析、实时监控和治疗规划时，常需要提 取特定组织器官的信息，其不可缺少的手段就是图像分割。通过图像分割，可以从医学 超声图像中分离出感兴趣的解剖结构或定位出病源的位置和形状，它常直接决定着后续 分析的准确性。但是由于医学超声图像固有的斑点( s p e c k l e ) 噪声和与组织相关的纹理 ( t i s s u e - r e l a t e dt e x t u r e ) ，用传统的基于边缘的分割方法和基于区域的分割方法对医学超声 图像进行分割还远达不到临床应用上的要求，医学超声图像分割至今仍是悬而未决的世 界性难题叫。目前，在临床中广泛使用的还仅停留于医生的手工分割和简单的闽值分割方 法。1 。医生的手工分割既耗时且随机性很大，简单的阈值分割需要人工交互、往往得不到 精确的边界且容易丢失一些重要的细节，这些在i 缶床实际应用中是远远不够的。因此， 提出和改进适用于临床应用的医学超声图像分割方法，通过其得到精确的分割结果，不 仅可以为后续分析提供可靠的保障，也是对低信噪比图像分割方法的丰富和有效探索， 具有重要的理论意义和应用价值。 1 2 医学超声诊断概述及应用现状 1 2 1 医学超声诊断概述 超声诊断是利用超声的物理特性和人体器官组织声学性质上的差异，以波形、曲线 或图像的形式显示和记录超声波，借以进行疾病诊断的检查方法。医学超声诊断法是广 泛应用于临床的主要诊断法之一，按其发展历程和使用频率，可以将其种类概括为a 型 超声、b 型超声、d 型超声、介入性超声等。 大连理工大学硕士学位论文 ( 1 ) a 型超声：又称超声示波诊断法。5 0 年代初，奥地利、美国、芬兰等国家的研究 人员应用a 型超声诊断法成功地探测了颅脑占位性病变。此后，a 型超声诊断法又被用 于乳腺、胆囊结石以及妇产科疾病的诊断。6 0 年代后a 型超声诊断法已在我国广泛开展。 但由于在a 型超声诊断中，探头在一个位置上只能探测到一个组织器官的一条线，所以 示波屏上只是一维空间的显示，即波形显示。在a 型超声的显示波形中，许多问题很难 解释清楚，对一些疾病常常不能得到令人满意的观察和诊断结果，因此，随着超声诊断 技术的不断进步，a 型超声使用得越来越少。 ( 2 ) b 型超声：即超声显像法，简称为b 超。在5 0 年代，研究人员已经开始研究利 用超声将器官进行层面成像，从而使超声诊断技术产生了质的飞跃。b 型超声以解剖学 和病理学的形态变化为基础，可以实时地观察人体器官的动态二维图像，并且作纵、横、 斜切面的扫查，大大提高了诊断的准确性。此外，由于b 型超声具有直观的图像显示、 诊断快速及可重复性好等优势，从而取代了a 型超声而成为主要诊断方法之一。b 型超 声诊断主要广泛应用于头颅、心脏、腹部器官、妇产科、浅表器官( 眼睛、甲状腺、乳腺) 等诸多脏器的检查。 ( 3 ) d 型超声：即超声多普勒( d o p p l e r ) 显像。d 型超声能够对腹腔各脏器血管及外周 血管的血流流向、流速进行测定，评价各脏器的功能，对疾病的鉴别和诊断有重要意义， 因此d 型超声在临床应用中也较为广泛。 ( 4 ) 介入性超声：近几年来，介入性超声作为超声医学的一个分支也已经获得临床的 广泛应用。在实时超声的引导下，完成穿刺、插管、抽吸以及灌注药物进行治疗等，深 受临床医疗专家和患者的欢迎。术中超声检查能对手术时看不到的病变进行探测，对指 导手术有较大的意义，因此也在医学界占据着比较重要的地位。 此外，近年来，有研究人员从成像技术上入手，提出了一些新的超声成像技术( 如3 d 超声、超声c t 等) ，以改进医学超声成像的质量。但是由于对这些技术的研究尚未成熟 或者还只处于模型阶段，因此距其投入实际应用尚需要一段时日。 在上述医学超声诊断方法中，目前使用最广的是b 型超声检查( 简称b 超) ，即我们 所说的超声显像法。这是因为超声显像设备虽然不能形成c t 图像或m r i 图像那样的高 分辨率图像，但它具有廉价、可获得器官的任意断面图像、可实时地观察运动器官的活 动情况、对人体的软组织具有高度的分辨能力、成像快、操作简单、诊断及时、无痛苦 与危险、无射线辐射、属于非损伤性检查等优点，正是因为如此，超声成像技术在医学 界得到了广泛的应用，由此也推动了人们利用计算机技术和信息处理技术处理和分析医 学超声图像的研究进程。 本文的研究对象是灰度超声图像( g r e y s c a l eu l t r a s o u n di m a g e ，以下简称为超声图像) ， 因此本文只对其加以详细的介绍。 1 2 2 超声成像简介 超声波是超过正常人耳能听到的声波， 于医学上的超声波频率为2 5 m h z - 1 0 m h z ， 即频率在2 0 k h r l 0 0 m h z 之间的机械波。用 常用的是2 5 m h z - 5 m h z 。 医学超声图像分割新方法的研究 超声波需要在介质中传播，其传播速度因介质不同而异：在固体中最快，液体中次 之，气体中最慢。介质有一定的声阻抗( 声阻抗是表示介质声学特性的一个重要物理量， 它等于介质的密度和声速的乘积) ，超声波在介质中直线传播，有良好的指向性，这些是 可以用超声波对人体器官进行探测的基础。当超声波传播经两种声阻抗不同相邻介质的 界面时，若其声阻抗的差大于0 1 ，而界面又明显大于波长，则发生反射现象。一部分 声能在界面后方的相邻介质中产生折射，超声波继续传播，遇到另一个界面再产生反射， 直至声能耗竭。反射回来的超声波称为回波。声阻抗相差越大，反射越强，如果界面比 波长小，则发生散射。超声波在介质中传播还会发生衰减现象，即振幅与强度随着超声 波的传播而减小。超声波在复杂介质中传播时，反射、折射、散射以及衰减现象常常同 时存在。 超声成像技术是利用超声仪器的探头向人体内发射超声波，并接收由体内组织返回 的回波信号，根据回波信号所携带的有关人体内部组织的信息，进行检测、放大和处理， 然后显示成像的技术。 根据成像方法的不同，超声成像可以分为静态成像和动态成像( 也称为实时成像) 两 种。前者获得静态声像图( s o n o g r a r n 或e c h o g r a m ) ，图像展示范围较广，且较清晰，但检 查时间长，应用相对较少；后者是在临床广泛应用的一种检查方式，可在短时间内获得 多帧图像( 2 0 - 4 0 帧秒) ，所以可以观察器官的动态变化，但图像展示范围较小，影像清 晰度不及前者。 1 2 3 超声成像基本原理 人体结构对超声而言是一个复杂的介质，各种器官与组织( 包括病理组织) 都具有其 特定的声阻抗( 如表1 1 所示) 和衰减特性，从而构成了声阻抗和衰减上的差异。超声波射 入体内，由表面到深部，将经过不同声阻抗和不同衰减特性的器官与组织，从而产生不 同的反射与衰减，这种不同的反射与衰减是构成超声图像的基础。超声显像设备就是将 接收到的回波，根据其强弱，用明暗不同的光点依次显示在荧屏上。从而得到人体的断 面超声图像( 即声像图) 。 表1 1 人体不同介质的声速与声阻抗 t a b l e1 1d i f f e r e n t v e l o c i t i e s o f s o u n da n d a c o u s t i c i m p e d a n c e s i n d i f f e r e n t m e d i u m s r ( r a y l s 产l k 璺秆s 大连理工大学硕士学位论文 人体器官表面有被膜包绕，被膜同其下方组织的声阻抗差较大，能形成良好的界面 反射，声像图上出现完整而清晰的周边回声，从而显示出器官的轮廓，根据其能够判断 出器官的形状与大小。 超声经过不同正常器官或病变部位的内部，其内部回声可以是无回声、低回声或不 同程度的强回声。 ( 1 ) 无回声：如果超声在经过某区域时没有发生反射现象，则该区域表现为无回声的 暗区( 黑影) 。这种隋形可能包括以下几种情况： 液性暗区：区域由均质的液体构成，如血液、胆汁、尿和羊水等；血管、胆囊、 膀胱和某些病理情况下的积水或含液体的囊肿等。由于均质液体的声阻抗无差别或差别 很小，因此不构成反射界面，从而形成液性暗区。 衰减暗区：由于区域对超声较强的吸收而造成的明显衰减所致，多为肿瘤，如巨 块型癌等。 实质暗区：区域由均质的实质构成，如肾实质、脾等正常组织和肾癌等病变区域。 由于均质的实质内部声阻抗差别小，所以可出现无回声暗区。 ( 2 ) 低回声：声阻抗较小时，透声增高，从而出现低回声区( 灰影) 。例如实质器官肝 的内部回声为分布均匀的点状回声，在发生急性炎症时，出现渗出，其声阻抗比正常组 织小，透声增高，以致出现低回声区。 ( 3 ) 强回声：包括较强回声、强回声和极强回声。 较强回声：实质器官内组织致密或血管增多的肿瘤，声阻抗差别大，反射界面增 多，使局部回声增强，里现密集的光点或光团( 灰白影) ，即较强回声。如癌、肌瘤及血 管瘤等。 强回声：由于介质内部结构致密，与邻近的软组织或液体有明显的声阻抗差，从 而引起强反射。例如骨质、结石、钙化等。 极强回声：由于介质与邻近软组织之间的声阻抗差别极大，声能几乎全部被反射 回来，不能透射，因而出现极强的光带，即极强回声。例如含气器官肺、充气的胃 肠等。 图1 1 超声设备基本结构示意图 f i g 1 1b a s i c a r c h i t e c t u r eo f u l t r a s o t m de q u i p m e n t s 医学超声图像分割新方法的研究 用于超声成像的设备主要由超声换能器和发射与接收、显示与记录以及电源等部分 组成，如图1 1 所示。其中换能器即探头( p r o b e ) ，也称电声换能器，其作用是完成超声 的发生和回波的接收，是超声成像设备的关键部件，其性能影响设备的灵敏度、分辨力 和伪影干扰等。一般换能器性能可分3 0 m h z 、3 5 m h z 、5 8 m h z 等，其频率越高，穿透 能力越小，因此高频率探头适于检查一些深度不太大的浅表器官或组织，如腮腺、淋巴 等，而低频率的探头适于检查一些较深部位的组织或器官，如心脏等。在实际应用中， 需要根据检查部位选用合适的换能器。 1 2 4b 超诊断的临床应用 b 超对心、腹部和盆部器官包括妊娠的检查应用较多，如对肝、胆、胰腺、脾、肾、 膀胱、前列腺、肾上腺、子宫、眼、甲状腺及乳腺等的检查及对妊娠的诊断等都有相当 的价值。 b 超诊断本身也有一定的限制。例如由于超声的物理性质，使b 超对骨骼、肺和胃 肠的检查受到限制。此外，由于声像图所显示的是器官和组织声阻抗差的改变，缺少特 异性，所以对病变性质的判断，有时需要与其它影像学及相应临床资料综合分析。当病 变过小( 直径在o 5 c m 左右) 或声阻抗差不大时，超声波不能发生反射，此时病变也难于 在声像图上显示出来。此外，超声设备的性能、检查人员的技术与经验也会影响诊断的 结果。尽管如此，超声成像技术仍以其独具的优点而广泛应用于临床医学诊断中。 利用b 超图像进行检查和诊断，通常是根据两类超声回波完成的，即边缘超声和内 部超声。 ( 1 ) 边缘回声：利用脏器的边缘回声可以获得脏器形态、大小、位置等信息，如受检 脏器形态有无改变，边缘是否完整，有无隆起、凹陷以及回声失落区域；受检脏器各径 线测量值是否正常，有无增大或缩小；观察脏器的位置有无偏移及其活动度等。 ( 2 ) 内部回声：利用脏器内部回声的强弱、粗细及均匀度可以获得脏器的血管分布和 走行、病灶、纹理等信息。 基于上述b 超诊断的原理和应用可知，在利用计算机技术和信息处理技术对超声图 像进行处理和分析时，需要关注的往往是超声图像所反映的组织器官的边缘( 主要是针对 图像分割及目标提取而言) 或者内部的纹理( 主要是针对后续分析和判别而言) 。本文是对 超声图像的分割进行研究，因此更关注的是组织器官的形态和大小，或者说是图像的“边 缘”细节，而内部纹理对于疾病或者组织器官类别的判别更为重要，本文不将其作为判 别实验结果优劣的首要因素。 1 3 本文工作及内容安排 本文在对医学超声图像及图像分割方法进行比较全面研究的基础上，进行了如下几 方面的工作： ( 1 ) 对医学超声图像分割方法进行了比较全面的总结，在此基础上，对最大类间方差 大连理工大学硕士学位论文 法、最大熵方法、硬限模糊c 均值聚类方法、h 0 p 矗e l d 神经网络方法、流域分割方法、 动态规划方法进行了较为详细的研究和探讨，考察它们用于医学超声图像时的性能，通 过实验和分析指出了这些经典的或已在某些医学图像中使用过的图像分割方法用于医学 超声图像时存在的问题。 ( 2 ) 对一种新型的生物仿真的神经网络_ 脉冲耦合神经网络进行了深入研究，针对 其用于图像分割时需要人工调整网络参数以得到较好分割结果的问题，提出了一种利用 待分割图像自身特性自动确定网络参数的自适应图像分割方法，较好地克服了原方法的 不足，实现了基于脉冲耦合神经网络的图像自动分割，并得到了令人满意的结果。 ( 3 ) 首次将脉冲耦合神经网络用于医学超声图像的增强处理上，提出了一种基于脉冲 耦合神经网络累积点火图的医学超声图像增强方法，得到了较好的结果，并通过多次实 验和分析指出该方法也可以作为一种多值分割方法。 基于上述工作内容，本文结构安排如下： 第一章，介绍了本课题的研究背景和理论意义，简要对医学超声诊断的相关知识进 行了概述着重介绍了医学超声成像及其应用情况，最后给出了本文的工作和内容安排。 第二章，对图像分割方法进行了简要的概述，重点对主要医学超声图像分割方法进 行了比较全面的总结和分析。 第三章，对一些经典的或已在某些医学图像中使用过的图像分割方法在医学超声图 像上的使用进行了探讨，给出其仿真结果，并作出简要的分析和比较。 第四章，对脉冲耦合神经网络作以深入的介绍，指出其网络参数设置的问题，并提 出了一种改进方法。 第五章，将脉冲耦合神经网络用于医学超声图像处理，提出一种基于脉冲耦合神经 网络的医学超声图像增强新方法，给出了实验仿真结果，并指出该方法也可以作为一种 多值分割方法及其原因。 第六章，对本文的工作做以总结，并对医学超声图像分割方法的研究和发展进行了 讨论和展望。 医学超声图像分割新方法的研究 2 医学超声图像分割的原理与方法 2 1 图像分割概述 图像分割是一种重要的图像技术，它不仅得到研究者的广泛重视，也在实际中得到 了大量的应用。 在对图像的研究和应用中，人们往往对图像中的某个部分或者某些部分感兴趣，这 些部分称为目标或前景，其它部分称为背景，它们通常对应图像中特定的、具有独特性 质而区别于其它部分的区域。为了辨识和分析目标，需要将目标和背景分离出来，在此 基础上才有可能对目标进一步的利用，如特征提取和测量等。图像分割就是把图像分成 各具特性的区域并提取出感兴趣目标区域的过程和技术，这个特性可以是图像的灰度或 纹理等。预先定义的目标可以对应单个区域，也可以对应多个区域。下面是对图像分割 的一个简单的文字定义： 启戈：图像分割就是将给定的图像按照某种准则分为互不相交的有意义的子图( 区 域) 的过程，这里的准则可以依据图像的灰度、颜色、纹理等界定。 对图像分割也可借助集合概念用如下方式定义翻： 定义2 ：令集合r 代表整个图像，对r 的分割可看作将r 分成若干个满足以下条件的 非空子集( 即子区域) r 1 ，r ：，r 。： ( 1 ) i 二| 冠：r ，即各子区域组成整个图像、每个象素都被分配到一个子区域中； f ，i ( 2 ) 对所有的f ，有rn r j = 中，即任意两个子区域是互不重叠的： ( 3 ) 对f = 1 , 2 ，n ，有p ( r ，) = t r u e ，即同一个子区域的象素具有某些相同的特性 ( 4 ) 对f ，有尸( 五：u r j ) = f a l s e ，即不同区域的象素应具有一些不同的特性 ( 5 ) 对i = 1 , 2 ，卅，r j 是连通的区域。 其中尸俾，) 是对所有在集合且中元素的逻辑谓词，m 是空集。 图像分割是由图像处理进行到图像分析的关键步骤，也是种基本的计算机视觉技 术。通过图像分割可以将原始图像转化为更易理解的形式，从而使更高层次的图像分析 和理解成为可能。 图像分割在实际中已经得到了广泛的应用，例如在工业自动化、在线产品检验、生 产过程控制、文档图像处理、遥感图像处理、生物医学图像处理、保安监视、以及军事、 体育、农业工程等多方面。概括来说，在各种图像应用中，只要是对图像目标进行提取、 测量等都离不开图像分割。 大连理工大学硕士学位论文 由于其重要性和难度，图像分割多年来一直得到人们的高度重视。早在5 0 年代中期， 计算机视觉理论体系形成之前，人们就开始了图像分割的研究，至今已提出了上千种各 种类型的图像分割方法。对分割算法的分类有很多种方式，如文献 3 将分割算法划分为 以下几个类别： ( 1 ) 并行边界类，如r o b e r t s 算子、p r e w i t t 算子、s o b e l 算子、拉普拉斯算子、h o u g h 变换方法等： ( 2 ) 串行边界类，如图搜索方法、动态规划方法等； ( 3 ) 并行区域类，主要是各种阚值分割法： ( 4 ) 串行区域类，如区域生长法、分裂合并法等。 本文探讨的是医学超声图像的分割方法，因此2 2 中只对国内外应用于医学超声图像 分割的主要分割方法作了比较全面的总结，首先对医学超声图像分割中使用的传统分割 方法进行简要介绍，然后对近年来使用的主要医学超声图像分割方法及其研究进展进行 了综述和评价。 2 2 主要医学超声图像分割方法及其研究进展 2 2 1 传统的图像分割方法 2 2 1 1 边缘检测法 边缘检测法是通过检测边界上特征值的突变性来获得不同区域间的边缘。传统的边 缘检测法多为搜索象素点的强度变化区域，一般采用微分法实现。常见的边缘检测算子 有s o b e l 算子、c a n n y 算子、l a p l a c e 算子、l o g ( l a p l a c i a no f g a u s s i a n ) 算子等。 使用边缘检测法获得的边缘信息通常不能形成闭合曲线，因此，常需要使用一些边 缘跟踪方法来连接这些不连续的边缘线段以形成封闭的轮廓，如根据梯度实现边界闭合 的方法等；另一方面，边缘检测法对图像质量要求较高，因此通常需要先进行噪声抑制， 但是超声图像固有的斑点噪声和纹理特性使经过噪声抑制的图像往往仍不能达到需要的 质量，因此传统的边缘检测法对医学超声图像的分割效果并不理想，很少单独使用。近 年来，有研究人员提出基于“窄条( s t i c k ) ”的边缘检测法，使用“窄条”近似组织的边 界部分，为边缘检测法开拓了新的思路“。 2 2 1 2 基于区域的分割方法 基于区域的分割方法是根据目标和背景区域内部的相对均匀性和区域间大的差异 性，提取图像的连通区域以实现图像分割的。基于区域的分割方法主要有以下三种： 医学超声图像分割新方法的研究 ( 1 ) 阈值分割法 闺值分割法是广泛应用于临床的一种方法，它根据图像灰度直方图的分布选取适当 的阈值以区分目标和背景区域。 闽值分割法实现简单，但是由于它只使用了灰度信息，因此对图像的噪声和灰度的 不均匀性非常敏感，应用于医学超声图像分割时常会丢失一些重要的边缘和细节信息。 针对其缺点，研究人员提出了一些改进算法，如m a n a y 等人提出使用各向异性扩散模型 ( a n i s o t r o p i cd i f f u s i o n m o d e l ) 对超声图像进行自适应阈值分割科等。 ( 2 ) 区域生长法 区域生长法是在一个区域内选取合适的种子点( s e e d ) ，然后按一定的规则提取出和种 子点具有相同或相似特征向量的区域，其关键是区域增长规则的设计。 区域生长法计算较简便，但对图像质量的要求也较高，常会出现提取出的区域有空 洞或局部体效应等问题。针对这些问题，一些研究人员提出了改进的区域生长法，如h a o 等人在由纹理特征、灰度和梯度组成的多特征向量空间中进行区域生长，通过使用地理 优先权准则( g e o g r a p h yp r i o r i t yc r i t e r i o n ) 使区域生长得以完全进行，克服了由于斑点噪声 的存在使区域中有空洞的问题”3 ；c h e n 等人引入“区域竞争”机制。1 ，通过综合区域竞 争、斑点噪声的统计模型、早期视觉模型等的优点伽，较好地克服了斑点噪声和纹理特性 对图像分割的影响。 ( 3 ) 分裂合并法 分裂合并法是先将图像按一定规则分成任意大小互不重叠的若干小区域，然后将相 似区域按照一定规则进行合并，形成大的区域的图像分割方法，其关键是分裂合并规则 的设计。 分裂合并法对图像质量，尤其是同一物体内部的灰度均匀性要求较高，并且可能会 破坏分割区域的边界，因此对医学超声图像，这种方法也很少使用。 上述边缘检测法和基于区域的分割方法是图像处理领域中传统的分割方法，它们最 初是针对质量较高的图像提出来的，对于存在固有斑点噪声和纹理特性的医学超声图像 显然达不到理想的效果。针对超声图像的特点，研究人员对这些方法的改进已进行了一 些探索，其方向多为两种分割方法的结合使用。 2 2 2 现代图像分割方法 2 2 2 1 基于动态规划的分割方法 基于动态规划( d y n a m i cp r o g r a m m i n g ，d p ) 的分割方法的基本思想是先对原始图像进 行一定的处理( 如求梯度等) 得到初始代价矩阵，并给定起始点和终止点，由初始代价矩 阵和给定的起始点迭代得到最小累积代价阵，之后由终止点反向跟踪最小代价路径得到 边缘。基于动态规划的分割方法实际上是将边缘点的检测融入代价函数的计算从而把 边缘检测和边界连接结合起来。 通过使用基于动态规划的分割方法可以得到稳定、唯一的全局最优解，而且不需要 大连理工大学硕士学位论文 大量的初始化点。但是，由于需要反复迭代计算累积代价矩阵，计算量显著增加，起始 点和终止点的选取对于分割结果也有较大的影响。基于d p 方法，f a l c o 等人提出了l i v e w i r e 和l i v el a n e 的分割方法，使用户能够对分割进行实时的有效控制，从而保证了分割 的正确性m 1 ，但它对算法计算量方面却无明显改善。 2 2 2 2 形变模型法 形变模型法是近些年受到研究人员普遍关注的一种图像分割方法，它结合了几何学、 物理学和近似理论的知识，综合利用区域和边界的信息，通过使用从图像获得的约束信 息，对目标进行分割。与传统的分割方法相比，形交模型法可以较好地克服超声图像中 的斑点噪声对图像分割的影响，从而能够更好地分割医学超声图像，因此得到了广泛的 关注。 目前研究最多的形变模型法是较为成功的基于活动轮廓模型( a c t i v ec o n t o u rm o d e l ， 又称s n a k e 模型) 的分割方法和基于形变曲面( d e f o r m a b l es t a f a c e ) 模型的分割方法。 基于活动轮廓模型的分割方法是针对二维图像的分割提出来的，它通过使用适当的 内部能量函数和外部能量函数来控制轮廓曲线的运动，外部能量函数推动轮廓运动，内 部能量函数保持轮廓的光滑，从而使初始化的轮廓曲线逼近目标的实际边缘，以达到分 割图像的目的。因此简而言之，基于活动轮廓模型的分割方法就是对用户选择的初始轮 廓曲线的能量函数不断更新迭代，推动其运动，直到找到一条能量最小的曲线，这条曲 线就是目标区域的边界曲线。 活动轮廓模型法的优点是可以保证所检测边缘的连续性和闭合性；缺点是初始化点 数较多且需要在实际目标边缘的附近进行初始化、易于陷入局部最优解、能量函数较难 给出。针对活动轮廓模型法的缺点，许多研究人员提出了改进的算法，如c h e n 等人提出 使用基于细胞变形方式的双重s n a k e 模型( c e l l - b a s e dd u a ls n a k em o d e l ) “”和不连续主动 模型0 3 对超声图像进行分割，在一定程度上克服了初始化点必须在实际边缘附近以及易于 陷入局部最优解的缺点：l u 等人提出一种交互式的b 一样条s n a k e 模型“”，它将用户交互 作为一个重要因素结合到传统的b 一样条s n a k e 模型中，通过用户交互约束活动轮廓的活 动形状和范围，并通过观查被用户接受的边界实时地训练模型( o n - t h e - f l yl e a r n i n g ) ，通 过这种方式避免活动轮廓陷入局部最优，实现了超声图像的快速半自动分割等。这些改 进算法多是将活动轮廓模型与其它分割方法结合，或者再加入另一个外力以避免活动曲 线陷入局部最优解，其目的都是为了解决初始化限制或易于陷入局部最优解的问题。 基于形变曲面模型的分割方法是基于活动轮廓模型的分割方法在三维空间的推广形 式，其基本思想与基于活动轮廓模型的分割方法是相同的，它可以更高效地利用三维数 据，对三维医学超声图像进行分割“”。 近年来，一种基于曲线演化理论的几何形变模型被用于医学超声图像的分割，称为 水平集( l e v e ls e t ) 法。它是将曲线对应为一个更高维曲面的演化函数的零水平集，先使用 适当的偏微分方程表示演化函数，再利用由图像得到的信息控制曲线的演化过程。由于 超声图像严重的固有斑点噪声，使这种方法中的一些关键参数较难给出，因此它在超声 图像分割中的使用还相对较少“”。 医学超声圈像分割新方法的研究 2 2 2 3 其它方法 近年来，研究人员引入了一些其它的新理论和技术，如神经网络、数学形态学、小 波理论等，结合前面所述的图像分割方法，对医学超声图像的分割进行了尝试，并取得 了一定的进展。如c h i u 等人使用= 进制小波和离散动态轮廓对前列腺超声图像进行半自 动分割，解决了m a l l a t 对边界的定义所带来的边界不闭合及一些重要边缘特征被忽略的 问题，取得了良好的分割效果“；k o t r o p o u l o s 等人将支持向量机( s v w s ) 引入超声图像 分割中，对病灶区域的分割进行了尝试，取得了较令人满意的效果“”，这是模式识别技 术在超声图像分割中的一次有效尝试；陈冠饶等人将l e g i o n ( l o c a l l y e x c i t a t o r y g l o b a l l y i n h i b i t a t o r yo s c i l l a t o rn e t w o r k ) 这种新的生物仿真结构的神经网络应用于心脏超声图像的 分割“，由于l e g i o n 以生物学原理为基础，具有天然的并行、分布式处理的特点，因 此较适于超声图像的实时分割，并且也可以得到图像边缘较为清晰、细节保留良好的分 割结果；z a y e d 等人用多分辨率分析技术提取出输入图像每个象素的特征向量泡括灰度 级、矩和其它纹理信息) ，在此基础上使用模糊c 均值聚类方法对超声图像进行了的分割 “”，这是小波理论和模糊理论的结合在超声图像分割中的有效应用。目前，这些方法应 用于超声图像的分割还处于零散的研究阶段，尚未形成完整的理论体系，且分割效果还 有待进一步改善，但这些方法由于使用了一些先进的或者本身具有图像处理和分析优势 的理论工具，因此，可以预见它们将在医学超声图像分割的研究中扮演越来越重要的角 色。 大连理工大学硕士学位论文 3 几种主要图像分割方法在医学超声图像上的应用 基于前文的总结和分析，本文尝试将几种经典的或已在某些医学图像中使用过的图 像分割方法在医学超声图像上进行了探索性的实验和分析。这些方法由于本身具有独特 的优势，因而能够经受住检验，在一般图像或部分医学图像的处理上取得成功j 因此对 它们在医学超声图像分割上的使用进行研究具有一定的意义。 3 1 最大类问方差法 最大类间方差法又称o t s u 方法，是日本学者大津展之在最小二乘法原理基础上提出 来的，其本质是一种阈值分割方法。 传统的阈值分割法是利用图像中所要提取的目标与背景在灰度特性上的差异，把图 像视为具有不同灰度的区域的组合，通过选取闽值将目标区域从背景中区分出来。因此， 图像的分割结果完全依赖于阅值的选取。如果闽值选取得过高或过低，都将使图像分割 出来的目标严重失真。这种方法简单易行，对各个区域内部灰度级相对均匀、而相邻区 域间的灰度级差别相对较大的图像效果较好，但在很多情况下需要人工调整阈值参数以 得到令人满意的分割结果。 而最大类间方差法利用图像的灰度直方图，以目标和背景的方差最大作为准则来动 态地确定图像分割的闽值，是一种自适应的自动闽值分割方法。因此，自1 9 7 9 年最大类 间方差法提出之后，就以其良好的性能和能自动分割的特性，成为经典算法之一。该方 法计算简单，在一定的条件下不受图像对比度和亮度变化的影响，具有很强的适应性， 并被后来的学者证明是一种公认较好的方法。o 及在象素分类错误率、被分区域均匀性等 方面性能最优的方法。4 。 最大类间方差法的基本思想为：将灰度直方图在某一闽值处分割成两组，当被分成 的两组方差最大时，确定闽值。即对于一幅具有上个灰度级的图像，要将其划分为目标 和背景两个区域( 即c 1 和岛两类) ，当阈值取t 时，所划分的两部分的方差最大，则确定 其判别闽值为f ，此时，若灰度级，高于判别阈值t ，划分为一类，其它的灰度级划分为 另类，即c j = f0 f f ) ，c 2 = ，l t + 1 f l 一1 ) 。 设灰度级? 出现的频数为 ，待分割图像的大小为m x ，则灰度级f 出现的概率为： 舻。l “ m x n 所以图像被分成的两部分的概率分别为： q = p l 加 l - 1 0 3 2 = p l = i - o ) i ( 3 1 ) ( 3 2 ) ( 3 3 ) 医学超声图像分割新方法的研究 各部分对应的均值分别为 锄 “= 世l _ q 锄 如= 丝l 一 q 总均值为： l - i 所= 碗= h q + p 2 c a 2 最大类间