張植莉

(黑龍江建筑職業(yè)技術(shù)學(xué)院，黑龍江 哈爾濱 150025)

基于MR圖像的軟骨特征自動(dòng)分割方法

張植莉

(黑龍江建筑職業(yè)技術(shù)學(xué)院，黑龍江 哈爾濱 150025)

圖像分割是關(guān)節(jié)軟骨精確檢測(cè)和評(píng)估的首要前提。針對(duì)股骨頭軟骨MR圖像提出基于邊緣的自動(dòng)分割技術(shù)。利用Hough變換和髖關(guān)節(jié)的解剖學(xué)結(jié)構(gòu)約束提取股骨頭中心和圖像的目標(biāo)位置，確定出粗略分割圖像的范圍，并結(jié)合自適應(yīng)閾值的Canny邊緣檢測(cè)算子確定被分割圖像的邊界，按照股骨頭軟骨邊界的像素特點(diǎn)對(duì)檢測(cè)結(jié)果進(jìn)行逐一排查，以去除噪聲獲得精確的軟骨內(nèi)外邊緣。提取內(nèi)側(cè)與外側(cè)邊緣之間的圖像信息作為最后的分割結(jié)果。實(shí)驗(yàn)表明，分割方法可以實(shí)現(xiàn)對(duì)MR圖像中髖關(guān)節(jié)股骨頭軟骨快速準(zhǔn)確的自動(dòng)分割。

MR圖像；自動(dòng)分割；Hough變換；股骨頭軟骨；髖關(guān)節(jié)

類風(fēng)濕性關(guān)節(jié)炎、骨性關(guān)節(jié)炎等髖關(guān)節(jié)疾病、髖關(guān)節(jié)軟骨損傷是重要的初期癥狀之一。治療的根本目標(biāo)是保護(hù)軟骨不受破壞的情況下對(duì)其進(jìn)行修復(fù)[1]。正確評(píng)價(jià)關(guān)節(jié)軟骨的重要條件是迅速和準(zhǔn)確分割關(guān)節(jié)軟骨。

在診斷關(guān)節(jié)軟骨方面，MRI與X線、CT、超聲等檢測(cè)方法相比，擁有較好的對(duì)比度和分辨率。MRI檢測(cè)技術(shù)在檢測(cè)和評(píng)估關(guān)節(jié)軟骨損傷和修復(fù)方面是當(dāng)前最有效的無(wú)創(chuàng)技術(shù)[2]。國(guó)外學(xué)者在計(jì)算機(jī)輔助關(guān)節(jié)軟骨的MR圖像處理方面已經(jīng)取得了一定的研究成果。McWalter等人通過(guò)比較3種人機(jī)交互方法下分割MR圖像，發(fā)現(xiàn)即使采用不同的方法也不會(huì)影響其精度[3]。Brem等人采用半自動(dòng)的方式配對(duì)分割膝關(guān)節(jié)軟骨MR圖像的相鄰射影切片，提升其準(zhǔn)確度[4]。Khanmohammadi等完成了自動(dòng)提取人類髖部關(guān)節(jié)空間的邊緣，為分割關(guān)節(jié)空間和提取其中心線奠定了基礎(chǔ)[5]。國(guó)內(nèi)研究人員對(duì)MR圖像的分析處理主要集中在心腦等部位[6]，對(duì)關(guān)節(jié)軟骨的相關(guān)研究還處于起步階段[7-8]。

髖關(guān)節(jié)由股骨頭和髖臼相對(duì)構(gòu)成，類屬于杵臼關(guān)節(jié)。正常情況下，兩層軟骨在MR圖像中不易分辨，但是運(yùn)用牽引技術(shù)作用于髖關(guān)節(jié)，可以在MR圖像看到分離的股骨頭軟骨和髖臼軟骨。圖1是1幅經(jīng)過(guò)牽引的髖關(guān)節(jié)的成像效果，亮度較高的半球面為軟骨部分。在MR圖像中，除了股骨頭軟骨和髖臼軟骨亮度較高，周圍部分的軟組織和噪聲存在亮度較高的問(wèn)題。本文選用基于邊緣的分割方法，達(dá)到了股骨頭軟骨在MR圖像中可以自動(dòng)分割的目的。首先對(duì)MR圖像進(jìn)行插值、平滑和增強(qiáng)處理。利用Hough變換確定預(yù)處理后的圖像股骨頭的中心，找到需要分割區(qū)域，并結(jié)合在解剖學(xué)中股骨頭結(jié)構(gòu)進(jìn)一步確認(rèn)。然后再選用邊緣檢測(cè)Canny算子提取出粗分割部分內(nèi)的軟骨邊緣，利用股骨頭軟骨自身存在的特性逐一排查的方法處理噪聲邊緣，精準(zhǔn)地確定股骨頭軟骨內(nèi)外邊緣。最后，提取軟骨內(nèi)外邊緣的數(shù)據(jù)達(dá)到自動(dòng)分割股骨頭軟骨的目的。由于這個(gè)過(guò)程是自動(dòng)的，不需要人工參與，所以提升了圖像分割的效率。對(duì)自動(dòng)和手動(dòng)兩種分割效果比較，其平均配準(zhǔn)率為96.1%。用相似的理論自動(dòng)分割髖臼軟骨也有顯著效果。

圖1 牽引后的人體髖關(guān)節(jié)MR攝影圖像

1 圖像預(yù)處理

MR圖像射影標(biāo)本來(lái)自中年男性的右側(cè)盆骨髖關(guān)節(jié)，在品牌為HDe MR system的1.5 T的核磁共振機(jī)器上采用FSPGR對(duì)該髖關(guān)節(jié)射影。主要參數(shù)如下：重復(fù)時(shí)間(TR)/回聲時(shí)間(TE)= 10.4/4.8 ms；翻轉(zhuǎn)角度為15°；可視范圍(FOV)：160 mm×160 mm；矩陣：256×256；截面厚度：1.6 mm；獲取的信號(hào)數(shù)量為2；獲取時(shí)間為4 min 38 s。

圖像的預(yù)處理包括插值、平滑和增強(qiáng)。為了讓圖像分割更精準(zhǔn)，對(duì)圖像進(jìn)行插值處理，提升圖像的分辨率和每個(gè)像素的尺寸。

因?yàn)镾inc函數(shù)可以對(duì)MR射影過(guò)程的點(diǎn)擴(kuò)散(PSF)較好地?cái)M合[9]，能夠提高M(jìn)R圖像的分辨率，所以本文采用Sinc插值。一維離散信號(hào)的Sinc插值公式為

式中：點(diǎn)數(shù)N=2M+1。

采用高斯濾波器來(lái)削弱通過(guò)插值后圖像的噪聲，對(duì)其進(jìn)行處理。為了提高關(guān)節(jié)軟骨與背景的對(duì)比度，采用直方圖均衡化的方法對(duì)MR圖像進(jìn)行增強(qiáng)處理。圖2顯示了原始的MR射影圖像和經(jīng)過(guò)預(yù)處理后的射影圖像。

圖2 原始MR圖像和預(yù)處理后的圖像

2 圖像分割

根據(jù)不同的成像原理和分割對(duì)象，專家學(xué)者研究出了許多分割方式用于醫(yī)學(xué)圖像。為了實(shí)現(xiàn)全自動(dòng)的分割方法，根據(jù)在MR圖像中軟骨具有位置固定、灰度高等優(yōu)點(diǎn)，本文采用基于Canny邊緣檢測(cè)算子的優(yōu)化分割算法。針對(duì)邊緣檢測(cè)方法對(duì)噪聲敏感的缺點(diǎn)，提出了粗分割區(qū)域減少噪聲和逐一排查去除噪聲的方式，精準(zhǔn)提取到股骨頭軟骨的內(nèi)外邊緣，以達(dá)到對(duì)股骨頭軟骨的快速準(zhǔn)確分割。

2.1 基于Hough變換的中心提取

從解剖學(xué)知識(shí)表示，股骨頭的關(guān)節(jié)面約為球面的2/3，半徑在20～25 mm[10]。這里假定股骨頭軟骨是球面狀，能夠自行選擇目標(biāo)位置，采用基于Hough變換的方式計(jì)算過(guò)球心的MR切片圖像中股骨頭的圓心位置。圖像中軟骨邊緣周圍的像素點(diǎn)擁有如下特點(diǎn)：1)像素的梯度向量都是沿圓心指向像素的方向分布；2)梯度向量的模較大。從以上特點(diǎn)和已知的半徑范圍約束，能夠得到符合自適應(yīng)閾值要求的梯度向量的累加數(shù)組，累加數(shù)組中最大數(shù)值對(duì)應(yīng)了股骨頭的中心位置。

由于在不能丟失信息的情況下還要提高適應(yīng)能力，所以此算法將半徑標(biāo)準(zhǔn)的限定范圍擴(kuò)大至15～30 mm。為了實(shí)現(xiàn)對(duì)目標(biāo)區(qū)的完全分割，要按照股骨頭尺寸和中心位置約束自動(dòng)分割目標(biāo)位置，將此選定準(zhǔn)則運(yùn)用到另外射線成像的圖像中。圖3顯示了股骨頭中心的選取過(guò)程和提取出的目標(biāo)區(qū)域。

圖3 股骨頭中心提取和目標(biāo)區(qū)域的選擇

2.2 選取粗分割區(qū)域

運(yùn)用Hough變換既能計(jì)算股骨頭的中心區(qū)域，又能對(duì)股骨頭軟骨內(nèi)的圓形邊緣進(jìn)行擬合，獲取1幅圖像里軟骨內(nèi)邊緣半徑的相近值。通過(guò)邊緣半徑的相近值和股骨頭軟骨在醫(yī)學(xué)上的厚度范圍，能夠粗分割其位置。這樣可以大大減少位置區(qū)域范圍以外的噪聲干擾，是精準(zhǔn)地提取軟骨內(nèi)外邊緣的必要條件。圖4顯示了MR圖像髖關(guān)節(jié)的粗分割區(qū)域。

圖4 髖關(guān)節(jié)MR圖像的粗分割區(qū)域

2.3 精確的邊緣提取和分割

為了實(shí)現(xiàn)對(duì)股骨頭軟骨的精確分割，只采用Hough變換和生理特征約束顯然無(wú)法準(zhǔn)確地分割出關(guān)節(jié)軟骨，需要準(zhǔn)確提取出軟骨的邊緣。對(duì)圖像的目標(biāo)區(qū)域選用自適應(yīng)閾值的Canny算子實(shí)現(xiàn)邊緣檢測(cè)[11]。對(duì)于圖像中的噪聲干擾，首先要消除粗分割部分外的邊緣，再對(duì)粗分割部分內(nèi)的邊緣進(jìn)行逐一排查：1)由于邊緣的持續(xù)性，消除長(zhǎng)度較短的邊緣；2)由于邊緣梯度的平滑性，消除變化強(qiáng)烈的邊緣；3)如果消除后的邊緣數(shù)量超過(guò)2，選離中心近的兩段邊緣。然后就可以獲得精準(zhǔn)的內(nèi)外邊緣。圖5顯示了提取邊緣和消除噪聲的過(guò)程?？梢钥吹綀D5(c)中的邊緣不能完全閉合，這是由于在牽引過(guò)程中，不可能將股骨頭軟骨和髖臼軟骨完全分離，所以只能得到不是完全閉合的影響。人類的髖關(guān)節(jié)軟骨的作用區(qū)域主要在球形的上1/3處，這個(gè)區(qū)域也相對(duì)較容易發(fā)生病變，所以圖像分割的研究目的不會(huì)因?yàn)檫@些原因改變。將內(nèi)外邊緣之間的圖像區(qū)域作為股骨頭軟骨的最終分割結(jié)果，圖6顯示了分割的效果。

圖5 邊緣檢測(cè)和噪聲去除

圖6 自動(dòng)分割效果

3 實(shí) 驗(yàn)

MR圖像來(lái)自35歲成年男性右側(cè)盆骨髖關(guān)節(jié)標(biāo)本，在GE-1.5 T的核磁共振機(jī)器上采用快速擾相梯度回波序列對(duì)該髖關(guān)節(jié)標(biāo)本進(jìn)行MR攝影成像。在實(shí)驗(yàn)室Matlab7.1.0環(huán)境下對(duì)圖像進(jìn)行處理，對(duì)4組MR射影序列共計(jì)160幅圖像進(jìn)行測(cè)試實(shí)驗(yàn)。運(yùn)行時(shí)間為2.84 s，每幅圖像的平均分割時(shí)間為17.75 ms。

結(jié)果顯示，僅有4幅圖像沒(méi)有達(dá)到預(yù)期效果，分割的成功率超過(guò)97%。其中失敗的原因主要在于影像中的中心位置偏離，在牽引作用下股骨頭軟骨與髖臼軟骨沒(méi)有較顯著的分離，即使采用手動(dòng)分割，效果也并不理想。為了比較分割方法的優(yōu)劣，將手工分割的結(jié)果作為參照模型，計(jì)算自動(dòng)分割的結(jié)果與參照模型之間的相似度，結(jié)果表明圖像間的平均相似度達(dá)到95.4±1.7%，平均分割誤差僅為4.6%，說(shuō)明本文的方法具有較高的準(zhǔn)確性。圖6顯示了第48幅切片圖像的精確邊緣提取和分割效果。實(shí)驗(yàn)流程如圖7所示。

圖7 自動(dòng)分割程序流程

4 結(jié) 論

為了達(dá)到能夠?qū)晒穷^關(guān)節(jié)軟骨的MR圖像的自動(dòng)分割，提出了一種基于邊緣檢測(cè)的自動(dòng)分割方法。通過(guò)Hough變換對(duì)處理過(guò)的MR圖像算出股骨頭的中心位置，聯(lián)合髖關(guān)節(jié)的解剖學(xué)結(jié)構(gòu)約束選取出圖像處理的目標(biāo)區(qū)域，并對(duì)目標(biāo)區(qū)域進(jìn)行粗分割。再通過(guò)Canny邊緣檢測(cè)算子提取目標(biāo)區(qū)域的邊緣，對(duì)粗分割區(qū)域內(nèi)的邊緣進(jìn)行逐一排查，檢測(cè)出精確的股骨頭軟骨內(nèi)外邊緣，最后精準(zhǔn)分割邊緣位置的軟骨圖像。實(shí)驗(yàn)結(jié)果表明，采用該方法能夠達(dá)到高效分割股骨頭關(guān)節(jié)軟骨MR圖像的目的，用類似的方法也可以實(shí)現(xiàn)髖臼軟骨的自動(dòng)分割，為下一步研究軟骨厚度分布及三維重建奠定了基礎(chǔ)。

[1]楊濱，楊柳．關(guān)節(jié)軟骨的MRI研究進(jìn)展[J]．中國(guó)運(yùn)動(dòng)醫(yī)學(xué)雜志，2008，27(1)：113-116．

[2]KORNAAT P R，REEDER S B，KOO S，et al．MR imaging of articular cartilage at 1.5T and 3.0T: Comparison of SPGR and SSFP sequences[J]．Osteoarthritis and Cartilage,2005，13(4)：338-344．

[3]MCWALTER E J，WIRTHZ W，SIEBERT M，et al．Use of novel interactive input devices for segmentation of articular cartilage from magnetic resonance images[J]．Osteoarthritis and Cartilage,2005，13：48-53．

[4]BREM M H，LANG P K，NEUMANN G，et al．Magnetic resonance image segmentation using semi-automated software for quantification of knee articular cartilage—initial evaluation of a technique for paired scans[J]．Skeletal Radiol,2009，38：505-511．

[5]KHANMOHAMMADI M，ZOROOFI R A，SATO Y，et al．Automated segmentation of the articular space in MR images of the hip joint[C]．IET International Conference on Visual Information Engineering,2006，9：500-504．

[6]劉復(fù)昌，尤建潔，郭亮,等．結(jié)合Hough變換與測(cè)地線輪廓模型的MR圖像坐心室自動(dòng)分割[J]．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007，19(10)：1292-1297．

[7]王毅，牛奕龍，田沄,等．基于改進(jìn)遺傳算法的最佳熵多閾值三維醫(yī)學(xué)圖像分割算法[J]．西北工業(yè)大學(xué)學(xué)報(bào)，2007，25(3)：442-445．

[8]羅彤，陳裕泉．視覺(jué)注意引導(dǎo)和區(qū)域競(jìng)爭(zhēng)控制的醫(yī)學(xué)圖像分割[J]．浙江大學(xué)學(xué)報(bào)，2007，41(11)：1797-1800．

[9]PARKER D L，DU Y P，DAVIS W L．The voxel sensitivity function in fourier transform imaging：Applications to magnetic resonance angiography[J]．Magnetic Resonance in Medicine,1995，33(2)：156-162．

[10]王云祥，呂衡發(fā)，張書琴．人體解剖學(xué)[M]．長(zhǎng)春：吉林科學(xué)技術(shù)出版社，2000：20-25．

[11]林卉，趙長(zhǎng)勝，舒寧. 基于Canny算子的邊緣檢測(cè)及評(píng)價(jià)[J]. 黑龍江工程學(xué)院學(xué)報(bào)：自然科學(xué)版，2003,17(2)：3-6.

[責(zé)任編輯：郝麗英]

ResearchonautomaticsegmentationofcartilagefeatureinMRimages

ZHANG Zhi-li

(Heilongjiang College of Construction,Harbin 150025,China )

Image segmentation is the important preparation for accurate detection and estimation of the articular cartilage. A new automatic technique based on edge detection is proposed for segmentation of the femoral cartilage in hip joint from MR images. Through the implementation of the Hough transform and hip joint anatomy constraints,the center of the femoral head is estimated and the area of interest (AOI) is elected. In addition,the scopes of extracting segmentation range,the image boundaries in the rough range are then detected by exerting the adaptive threshold Canny operator. Under the peculiarities of the pixel on femoral cartilage boundary,these boundaries and screened are marked in a one-by-one manner to remove the noise edges and obtain the exact boundaries of the femoral cartilage. In the end,the femoral cartilage is partitioned by extracting the image information among the cartilage edges. Experiment proves that the technique can automatically segment the femoral cartilage fast and accurately in MR images.

MR images;automatic segmentation;Hough transform;femoral cartilage;hip joint

2014-06-24

張植莉(1960-)，女，副教授，研究方向：計(jì)算機(jī)輔助設(shè)計(jì)，計(jì)算機(jī)圖像處理.

TP391.4

A

1671-4679(2014)05-0042-04