医学CT图像虚拟切片的三维分割与可视化研究

发布时间：2015-01-13 10:51

 

【摘要】 医学影像领域的迅速发展给医学带来了新的革命,计算机断层成像(ComputedTomography, CT)、核磁共振成像(Magnetic Resonance Imaging, MRI)、超声(Ultrasonography,US)及其它模式的医学影像已被广泛地应用于临床诊断和治疗。在计算机辅助下,从医学图像中分割出医生感兴趣区域(regions of interest, ROI),并结合可视化技术进行三维显示,使医生对人体病变部位的观察更直接、更清晰,有助于进一步提高疾病的确诊率和治愈率。图像分割是医学图像处理分析中的一个重要步骤。由于医学图像具有极其繁杂的多样性和复杂性,并且图像中还存在噪声的干扰,这使医学图像的准确分割往往具有较大的难度。目前,研究者们提出了许多分割方法,但在临床应用中,这些方法在准确度、执行速度、鲁棒性及自动化程度上还存在一定问题,因此,设计实用高效的自动分割方法一直是研究者们追求的目标。医学图像可视化是医学图像处理的重要研究内容,也是科学计算可视化中最成功的应用领域之一,已成为辅助疾病诊断和治疗的重要手段,并且已深入到医学的各个领域。目前已有很多可视化方法,如体绘制、面绘制、局部显示等等,如何充分利用这些可视化技术方便、快捷地显示图像中有价值信息已成为目前医学图像可视化领域的研究热点。本论文对医学CT 图像三维分割与可视化中的关键技术进行了一些有益的探讨,其贡献主要有以下几个方面:1. 设计了一种医学CT 图像三维分割框架,提出了两种三维分割算法:单目标三维自适 应迭代分割算法(SO3DAISA)和多目标三维分割算法(MO3DSA)。本文设计的医学CT 图像三维分割框架主要有三部分组成:图像预处理、三维分割和分割结果后处理。(1) 在图像预处理部分,首先采用切片堆叠方式构建3D 图像,然后探讨了基于3D 图 像的各向异性滤波方法,最后针对3D 图像中层间分辨率远低于层内分辨率的特点, 采用三线性插值算法对3D 图像进行切片内插,提高切片间分辨率。(2) 在分割部分,针对医学CT 图像,提出了一种基于3D 区域生长的单目标三维自适 应迭代分割算法(SO3DAISA),设计了一种综合全局特征和局部特征的生长准则, 以迭代方式获取了令人满意的分割结果;提出了一种过分割检测准则,有效地解决 了3D 区域生长方法中的过分割问题。针对3D 图像中多目标分割问题,本文提出 了一种多目标三维图像分割算法(MO3DSA),有效地解决了直方图呈单峰分布图像 的分割问题。(3) 由于人体组织结构的复杂性以及图像中噪声的干扰,采用基于区域生长方法进行分 割时,分割结果中往往会存在“空洞”。为获取完整的目标边界,本文提出了基于 数学形态学和基于行程的“空洞”填充方法,有效地填充了“空洞”。 

第 1 章 绪  论

医学成像设备的不断涌现以及医学成像技术的不断提高使得所获得的医学图像数量不断增多，导致医生通过逐片解读医学图像来判断疾病种类和程度的方式逐渐变得不可能，并且判断结果变得具有不可重复性（与医生经验有很大关系），由此限制了医学成像设备在临床实际中的应用。但是伴随着计算机网络、人工智能、医学物理的迅猛发展以及图形图像技术的日臻成熟，使其逐渐的渗透到医学领域当中，一门具有特色的新兴交叉学科---医学图像处理与分析，应运而生。该学科有效的解决了上述问题，借助医学图像处理与分析手段不仅减轻了由于图像过多而使医生解读费时的压力，同时极大地提高了医生诊疗水平，从而为医学的研究和进一步发展提供了坚实的基础[2]。 医学图像处理与分析主要包括医学图像分割、配准、三维重建、结构分析以及运动分析等研究方向，其中医学图像分割是其他研究方向的基础，因为其它研究均是建立在所处理的数据是在准确分割基础之上的。图像分割结果有许多重要的用途，如目标物体体积的定量计算[3]、疾病诊断[4]、病变区域的定位[5]、解剖结构的研究[6]、治疗方案的设计[7]以及计算机辅助外科手术[8]（Computer Assisted Surgery，CAS）等，因此研究医学图像分割具有重要意义，可以说该技术的解决与否直接影响着计算机辅助诊断（Computer  Aided Diagnoisis，CAD）技术能否在医学上的成功应用。
..........

第 2 章 医学 CT 图像的数据获取及预处理

2.1 引言
计算机及其图形图像技术的日渐成熟，使其逐步渗入医学领域中，开创了数字医疗的新时代。CT 以其分辨率高、成本小、技术成熟等优点成为检查和病理研究的主要手段，广泛的应用于临床。了解所获取 CT 数据的基本信息有利于进一步评价分割结果的准确性以及算法适用性。 本章首先详细总结所获得各部位图像的基本信息，其中包括数据来源、平面像素间距、层间距、数据集尺寸范围等；接下来概括性的讨论了各部位数据的分割难点以及针对该分割难点所构建的分割方法；  最后重点探讨了与具体分割方法相适应的图像预处理手段。

2.2 CT 图像数据获取
本文总共搜集到 55 套髋关节 CT 数据，共包含 110 个髋关节，数据由哈尔滨医科大学附属第一医院 CT 室提供。这些数据中，32 套为女性，23 套为男性。数据集的年龄范围为 22 至 75 岁，平均年龄为 52 岁。实验数据来源于GE ProSpeed CT 机，切片平面像素数目为 512?512 ，平面像素间距为 0.68 mm，层间距为 1.5  mm。本文搜集到的数据中包含了从正常到严重病变的各种类型的髋关节。所有数据的分割结果在实验前均已由放射专家手动标出。 本文共搜集到 20 套肺部 CT 数据，所有的数据中均包含胸膜结节。这些数据来自两种多排计算机断层扫描（Multidetector Cmputed Tomography）仪器： 其中 10 个来源于西门子医学系统 Somatom  Sentation  64 仪器（由哈尔滨医科大学附属第二医院 CT 室提供），另外 10 个来源于飞利浦医学系统 Brilliance 64仪 器 （ 由 威 海 市 立 医 院 CT 室 提 供 ）。层间距范围为：0.6-1.0mm。20 个数据的分割结果在本实验前均已由放射专家给出。在这 20 个数据里，总共包含 307 个肺结节（结节最大直径范围为：1.2-17mm；  均值为：3.9mm），其中 65 个是胸膜结节。

第 3 章  基于自适应分类和法线方向校正的髋关节 CT 图像分割......................31
3.1  引言 .................................. 31
3.2  图像初始分割 ..................................... 31
第 4 章  基于迭代平均和曲率修复的肺部 CT 图像分割与光滑..........................57
4.1  引言 ........................................ 57
4.2  胸腔抽取.................................. 57
4.3  肺部辨别...................................... 58
第 5 章  基于概率约束形状强度水平集的肝脏 CT 图像分割..............................81
5.1  引言 .......................................... 81
5.2  算法描述........................................ 81
5.3  肝脏粗分割 .................................. 82

第 5 章 基于概率约束形状强度水平集的肝脏 CT 图像分割

5.1 引言
基于CT图像的肝脏分割是肝脏疾病计算机辅助诊断和手术治疗的关键步骤。然而，在 CT 图像中由于腹部器官之间的低对比度、器官病变的存在以及个体之间器官形状的差异，使得仅依赖灰度信息的图像分割方法（如阈值法、区域生长法和模糊分割等）难以奏效，传统方法往往导致肝脏分割结果的泄露。到目前为止，基于 CT 图像的肝脏分割仍是当前医学图像分割领域的重点和难点。 近几年将更多的先验知识如统计图谱，融入到肝脏分割方法中已经引起广泛的注意。统计图谱主要包括基于统计形状模型（Statistical Shape Model, SSM）的形状图谱（Shape  Atlas,  SA）和基于空间位置分布信息的概率图谱（Probabilistic Atlas, PA）。大量的实验结果表明，统计图谱的加入对后面的分割过程具有较好的指导和约束作用，能有效的提高分割算法的鲁棒性，因此使得分割结果更加准确。

5.2 算法描述
对于测试相中的每一个目标数据集，首先计算该目标数据集与所有图谱的相似度，根据相似度生成该目标数据集的权重概率图谱（Probabilistic  Atlas, PA）；然后根据所产生的 PA，得到该目标数据集中最有可能的肝脏区域（Most Likely  Liver  Region,  MLLR）；接下来，在 MLLR 中，根据最大化后验概率分类 PM 的方法得到肝脏粗分割结果；最后，利用形状强度先验水平集方法得到肝脏准确分割结果。为了优化分割过程并避免肝脏分割结果的泄露，在最后一步的实现过程中使用窄带技术（Narrowband Technique）并将水平集函数演化范围限制在 MLLR 中。
...........

结  论

医学图像分割是计算机辅助诊断和自动识别组织器官的基础，研究医学CT 图像分割方法对于进一步推动计算机辅助诊断在临床实际中的应用具有十分重要的意义。由于医学图像分割方法具有面向特定对象的特点，本文主要就髋关节、包含胸膜结节的肺部以及肝脏等部位 CT 图像分割方法进行了深入的研究。 （1）论文的主要研究工作 1）针对髋关节 CT 图像中股骨头与髋臼准确分割问题，提出和设计实现了一种通过迭代自适应阈值分类，并利用贝叶斯判别分析的处理流程，解决了该部位图像分割中常出现的骨与骨之间的错误粘连现象。实验过程中首先将所得 110 个数据按照解剖学特征进行分组，笔耕文化传播，随后与当前流行的髋关节 CT 图像分割方法相比较验证了该方法的准确性，最后通过 ROC 分析验证了该方法的临床适用性。
.........

参考文献:
[1] 周礼平,高新波.  图像分割的快速模糊c均值聚类算法[J]. 计算机工程与应用. 2004(08)
[2] 王刚,高新波,姬红兵.  三维重建中形状插值的快速算法研究[J]. 计算机辅助设计与图形学学报. 2003(08)
[3] 罗希平,田捷.  一种改进的交互式医学图像序列分割方法[J]. 电子学报. 2003(01)
[4] 聂斌.  医学图像分割技术及其进展[J]. 泰山医学院学报. 2002(04)
[5] 于水,马范援.  一种基于数据融合的医学图像分割方法[J]. 计算机辅助设计与图形学学报. 2001(12)
[6] 田捷,韩博闻,王岩,罗希平.  模糊C-均值聚类法在医学图像分析中的应用[J]. 软件学报. 2001(11)
[7] 林瑶,田捷,张晓鹏.  基于模糊连接度的FCM分割方法在医学图像分析中的应用[J]. 中国体视学与图像分析. 2001(02)
[8] 宛铭,唐泽圣.  基于微机环境的三维数据场多等值面快速显示算法[J]. 软件学报. 1996(09)


本文编号：11577