韓貴來+詹何慶+鄧丹瓊

摘要：針對(duì)肺實(shí)質(zhì)圖像中肺結(jié)節(jié)可能存在多發(fā)的實(shí)際情況，本文改進(jìn)了ITTI模型中“贏者全拿”的策略，對(duì)多個(gè)顯著性區(qū)域進(jìn)行分析；針對(duì)基于視覺注意所檢測(cè)到的肺結(jié)節(jié)顯著性區(qū)域與肺實(shí)質(zhì)圖像中肺結(jié)節(jié)的實(shí)際位置并不完全一致的問題，該文先在肺實(shí)質(zhì)圖像中找出那些顯著區(qū)域所對(duì)應(yīng)的區(qū)域，將這些區(qū)域分割成各個(gè)連通區(qū)域，在每個(gè)連通區(qū)域中找到一個(gè)灰度值最大的點(diǎn)作為種子點(diǎn)，并在肺實(shí)質(zhì)圖像中進(jìn)行區(qū)域生長(zhǎng)，最終得到可疑肺結(jié)節(jié)圖像。相比直接將顯著性區(qū)域作為可疑肺結(jié)節(jié)的方法，本文方法分割得到的可疑肺結(jié)節(jié)更加準(zhǔn)確，更利于后續(xù)的肺結(jié)節(jié)特征提取和識(shí)別，對(duì)肺癌的早發(fā)現(xiàn)，早診治具有重要意義。

關(guān)鍵詞：視覺注意機(jī)制；肺結(jié)節(jié)；顯著圖；圖像分割；區(qū)域生長(zhǎng)

2015年中國(guó)預(yù)計(jì)有429.2萬例新發(fā)腫瘤病例和281.4萬例死亡病例。肺癌是發(fā)病率最高的腫瘤，也是癌癥死因之首，是名副其實(shí)的癌癥第一殺手。降低肺癌死亡率的重要舉措是“早期發(fā)現(xiàn)，早期診斷，早期治療”，如果肺癌能在早期被診斷和治療，5年生存率可以達(dá)到80%-90%。肺癌早期的重要表征形式為肺結(jié)節(jié)，尤其是惡性肺結(jié)節(jié)多具有毛刺、分葉等特征。如何更早的發(fā)現(xiàn)這些肺結(jié)節(jié)，實(shí)現(xiàn)對(duì)無癥狀肺癌高危人群篩選檢查，是發(fā)現(xiàn)早期肺癌的有效辦法。

隨著醫(yī)學(xué)成像技術(shù)的出現(xiàn)，利用醫(yī)學(xué)影像，醫(yī)生可以及時(shí)發(fā)現(xiàn)腫瘤，并從醫(yī)學(xué)影像學(xué)角度判斷腫瘤的性質(zhì)和種類，從而提供診斷意見。計(jì)算機(jī)斷層圖像（CT）是胸部影像學(xué)中最常用的圖像，被廣泛用于肺部腫瘤和肺結(jié)節(jié)的檢測(cè)中。由于肺部CT掃描的圖像數(shù)量巨大，醫(yī)生分析胸部CT是個(gè)枯燥而且繁瑣的過程，特別是高分辨率掃描圖片，僅一個(gè)病人的掃描圖像數(shù)量就可達(dá)到200層以上，給影像工作人員帶來了巨大的工作量，從而增加了漏診和誤診的幾率。

近年來隨著計(jì)算機(jī)技術(shù)不斷發(fā)展，醫(yī)學(xué)影像的計(jì)算機(jī)輔助診斷與檢測(cè)技術(shù)迅速發(fā)展。計(jì)算機(jī)輔助診斷被稱為醫(yī)生的“第二雙眼睛”，可以對(duì)CT圖像進(jìn)行自動(dòng)分析后向影像工作人員提示可疑肺結(jié)節(jié)，使得肺癌的早期普查成為可能，具有重大的社會(huì)效益和廣泛的應(yīng)用前景。目前常用的計(jì)算機(jī)輔助診斷技術(shù)多是通過圖像預(yù)處理、圖像分割、特征提取和分類判別完成的。其中，醫(yī)學(xué)圖像分割是最為關(guān)鍵技術(shù)。肺部含有大量的氣管和毛細(xì)血管，如何將這些氣管和毛細(xì)血管分割出去非常困難。但是如果不剔除出去，又會(huì)產(chǎn)生大量的假性肺結(jié)節(jié)。這些假性肺結(jié)節(jié)最后都要進(jìn)行特征提取和分類識(shí)別，會(huì)嚴(yán)重拖慢這種檢測(cè)方法的速度，也大大增加了誤診的概率，制約了該類軟件在臨床中的應(yīng)用。

1基于視覺注意的肺結(jié)節(jié)顯著性檢測(cè)

通常人們?cè)谟^察一副圖像或者醫(yī)生在給病人閱片時(shí)，往往會(huì)根據(jù)所要尋找目標(biāo)的特征有目的地去尋找，并且能將注意力盡可能快的鎖定在自己感興趣的區(qū)域上。在這個(gè)感興趣區(qū)域圖像尋找的過程中就有一種視覺注意機(jī)制在起作用，目前最具影響力的視覺注意模型是Itti等人提出的。在Itti模型中，首先抽取圖像的亮度、顏色、方向三個(gè)早期視覺特征，得到不同特征的高斯金字塔圖像，并采用一個(gè)線性機(jī)制將它們合成一個(gè)顯著圖，通過生物學(xué)中的勝者為王的機(jī)制獲得顯著圖中最顯著的空間位置。Itti視覺注意模型在自然圖像目標(biāo)區(qū)域的快速查找中取得了比較好的效果，但是因?yàn)獒t(yī)學(xué)圖像對(duì)比度低、比較模糊等特點(diǎn)，Itti視覺注意模型本身并不太適合醫(yī)學(xué)圖像中感興趣區(qū)域的提取。因此在本文的前期研究中，則是嘗試先從肺部CT圖像分割出肺實(shí)質(zhì)，排除胸腔輪廓的干擾，只對(duì)肺實(shí)質(zhì)部分進(jìn)行顯著性檢測(cè)。同時(shí)將更能反映肺結(jié)節(jié)本身特征而又能簡(jiǎn)單獲取的角點(diǎn)、邊緣和局部熵等特征引入到肺結(jié)節(jié)的顯著性檢測(cè)中，取得比較滿意的檢測(cè)效果?；谶x擇性視覺注意的肺結(jié)節(jié)顯著性檢測(cè)流程如圖1所示。本文則是在前期研究的基礎(chǔ)上，著重解決所檢測(cè)出來的肺結(jié)節(jié)顯著圖中感興趣區(qū)域的選擇和可疑肺結(jié)節(jié)分割問題。

2感興趣區(qū)域的選擇

圖2為肺實(shí)質(zhì)圖像，圖3為該肺實(shí)質(zhì)圖像利用角點(diǎn)、邊緣、局部熵、方向和亮度5個(gè)特征檢測(cè)生成的基于選擇性視覺注意的肺結(jié)節(jié)顯著性特征圖。從圖3中可以明顯看出肺結(jié)節(jié)的顯著性特征圖中有多個(gè)亮點(diǎn)，每個(gè)亮點(diǎn)都是一個(gè)顯著性區(qū)域，只是顯著的程度不同。在ITYI模型中采用“勝者為王”（WTA）策略，即比較幾個(gè)顯著區(qū)域，選取顯著度最大的區(qū)域做為注意焦點(diǎn)，并忽視其他區(qū)域。該策略適用于所要找的肺結(jié)節(jié)就在顯著值最大的區(qū)域，對(duì)于不是太明顯的肺結(jié)節(jié)或者有多個(gè)肺結(jié)節(jié)的情況則可能會(huì)檢測(cè)不出來或者漏掉其中一些肺結(jié)節(jié)。由于肺實(shí)質(zhì)圖像中肺結(jié)節(jié)可能存在多發(fā)的情況，因此，ITTI模型中贏者全拿的策略不太適合肺結(jié)節(jié)的顯著性檢測(cè)。為此，本文對(duì)該策略進(jìn)行了改進(jìn)，用最大類間方差的方法對(duì)顯著圖進(jìn)行分割，將分割出來的多個(gè)區(qū)域作為感興趣的顯著性區(qū)域。分割出的感興趣區(qū)域如圖4所示。

3肺結(jié)節(jié)分割

在從肺結(jié)節(jié)的顯著性特征圖分割出可疑肺結(jié)節(jié)的感興趣區(qū)域后，分割出的這些感興趣區(qū)域是否就是肺結(jié)節(jié)？單純從顯著性特征圖或分割后的感興趣區(qū)域圖很難看出這些區(qū)域在原肺實(shí)質(zhì)圖像中所在的位置，更無法判斷所檢測(cè)出來的可疑肺結(jié)節(jié)區(qū)域是否正確。為解決這個(gè)疑問，本文在對(duì)圖4分割出的感興趣區(qū)域進(jìn)行邊緣檢測(cè)后，并在在原肺實(shí)質(zhì)圖像上用紅色標(biāo)注出來，如圖5所示。從圖5可以看出，顯著性特征圖所檢測(cè)出來的感興趣區(qū)域只是可疑肺結(jié)節(jié)的大概位置，兩者之間并不存在一一對(duì)應(yīng)的關(guān)系。也就是說經(jīng)過顯著性特征圖所檢測(cè)出來的可疑肺結(jié)節(jié)感興趣區(qū)域只能相當(dāng)于人類視覺中粗略定位。如果將圖4所分割出來的感興趣區(qū)域直接對(duì)應(yīng)到肺實(shí)質(zhì)圖像上，得到的結(jié)果如圖6所示。從該圖中可以看出，分割得到的感興趣區(qū)域中除了包含可疑肺結(jié)節(jié)外，還有一些這些可疑肺結(jié)節(jié)周圍的肺實(shí)質(zhì)區(qū)域，這些區(qū)域會(huì)嚴(yán)重影響這些可疑肺結(jié)節(jié)后繼的特征提取和分類識(shí)別的精度，顯然不能滿足臨床診斷需要。要想滿足臨床診斷需要，還必須像傳統(tǒng)的肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)中所做的那樣，對(duì)檢出的可疑肺結(jié)節(jié)進(jìn)行更嚴(yán)格特征提取和分類識(shí)別。在進(jìn)行可疑肺結(jié)節(jié)特征提取和分類識(shí)別之前，首先要把這些感興趣的顯著區(qū)域中可疑肺結(jié)節(jié)精確地分割出來，不能將本來不屬于肺結(jié)節(jié)的肺實(shí)質(zhì)區(qū)域劃分為肺結(jié)節(jié)，也不能將本來屬于肺結(jié)節(jié)的區(qū)域落掉或缺失一部分。

由于顯著性特征圖中檢測(cè)出的肺結(jié)節(jié)感興趣區(qū)域與肺實(shí)質(zhì)圖像中的肺結(jié)節(jié)所在區(qū)域并不完全一致，因此在進(jìn)行肺結(jié)節(jié)的精確分割時(shí)，不能完全按照顯著性特征圖中檢測(cè)出的肺結(jié)節(jié)顯著區(qū)域進(jìn)行分割，而只能將那些顯著區(qū)域作為參考區(qū)域。為此，本文根據(jù)肺實(shí)質(zhì)中肺結(jié)節(jié)的實(shí)際情況針對(duì)顯著性區(qū)域設(shè)計(jì)了肺結(jié)節(jié)精確分割的流程圖，如圖7所示。根據(jù)該流程圖，首先用最大類間方差法對(duì)顯著性特征圖中的顯著性區(qū)域進(jìn)行分割，同時(shí)對(duì)肺實(shí)質(zhì)圖像上肺實(shí)質(zhì)部分進(jìn)行閾值分割，得到兩者的相交區(qū)域，去噪后得到各個(gè)連通子區(qū)域。由于在肺實(shí)質(zhì)圖像中，肺結(jié)節(jié)通常要比其周圍區(qū)域灰度值要大一些，因此本文尋找每個(gè)連通子區(qū)域在原肺實(shí)質(zhì)圖像上所對(duì)應(yīng)的最大值點(diǎn)，然后以這些最大值點(diǎn)作為種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)，得到最終的可疑肺結(jié)節(jié)圖像，如圖8所示。

4實(shí)驗(yàn)結(jié)果分析

圖8中本文方法所分割的可疑肺結(jié)節(jié)則有效地去除了圖6可疑肺結(jié)節(jié)周圍的那些肺實(shí)質(zhì)區(qū)域，并且經(jīng)過區(qū)域生長(zhǎng)后一些本來不是很完整的可疑肺結(jié)節(jié)則得到了很好的修補(bǔ)，使之更加完整。圖9則是傳統(tǒng)的計(jì)算機(jī)輔助檢測(cè)方法所分割出來的可疑肺結(jié)節(jié)，該圖中有大量由氣管等組成的假肺結(jié)節(jié)，在傳統(tǒng)的肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)中，這些假肺結(jié)節(jié)也要進(jìn)行特征提取和分類識(shí)別，會(huì)嚴(yán)重影響肺結(jié)節(jié)檢測(cè)的速度和精度。圖8與圖9比較可以看出，利用角點(diǎn)、邊緣、局部熵、方向和亮度5個(gè)特征生成的肺結(jié)節(jié)顯著性特征圖則可以過濾掉圖9中所包含的大量假肺結(jié)節(jié)，可以有效地改善肺結(jié)節(jié)的檢測(cè)速度。

5結(jié)論

肺實(shí)質(zhì)中含有大量的氣管和毛細(xì)血管，這些氣管和毛細(xì)血管與肺結(jié)節(jié)很相似，很難被剔除出去，因此在傳統(tǒng)的肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)方法中會(huì)產(chǎn)生大量的假肺結(jié)節(jié)，這些假肺結(jié)節(jié)在特征提取和分類識(shí)別階段都要進(jìn)行特征提取和分類識(shí)別，會(huì)嚴(yán)重影響肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)的速度和準(zhǔn)確度。本文在前期基于選擇性視覺注意的肺結(jié)節(jié)顯著性研究的基礎(chǔ)上，主要研究解決基于視覺注意所檢測(cè)到的肺結(jié)節(jié)顯著性區(qū)域與肺實(shí)質(zhì)圖像中肺結(jié)節(jié)的實(shí)際位置不完全一致的問題。相比直接將顯著性區(qū)域作為可疑肺結(jié)節(jié)的方法，本文方法分割得到的可疑肺結(jié)節(jié)更加準(zhǔn)確，更利于后續(xù)的肺結(jié)節(jié)特征提取和識(shí)別；相比傳統(tǒng)的計(jì)算機(jī)輔助檢測(cè)方法，本文方法可以減少大量假性肺結(jié)節(jié)，對(duì)肺癌的早發(fā)現(xiàn)，早診治具有重要意義。