陳兆學，孟子渲，孟靖欣

（上海理工大學 健康科學與工程學院，上海 200093）

在肝臟CT 圖像中，肋骨和脊椎骨目標比較明顯，相對容易被檢測，而且在圖像采集過程中具有不容易發(fā)生位移、形變和亮度變化等優(yōu)勢，故肋骨和脊椎骨可以作為很好的參照物，輔助進行準確的肝臟圖像分割和配準。因此在CT 肝臟計算機輔助診斷系統(tǒng)中，肋骨和脊椎骨的檢測和分割是肝臟分割與配準非常重要的預(yù)處理步驟之一[1-5]。但是在肝臟CT 灌注應(yīng)用場合中，由于肝硬化或造影劑增強等因素的影響，肝臟血管或病變組織也可能存在與肋骨和脊椎骨相類似的高亮灰度值，這使得其中肋骨和脊椎骨的分割難度增大[6-7]。為解決這個問題，周潔等[6]提出將圖像進行閾值化后利用局部解剖學知識構(gòu)造4 條邊界特征線，然后基于二值形態(tài)學重建的方法將肋骨和脊椎骨從肝臟CT 灌注圖像中分割出來。因該方法中4 條特征線的構(gòu)造過程需要事先指定相關(guān)參數(shù)，對于不同年齡段的病人，由于相應(yīng)參數(shù)會發(fā)生變化而難以有效保證分割算法的通用性。劉池等[7]在現(xiàn)有分割方法的基礎(chǔ)上，提出了一種基于解剖學和數(shù)學形態(tài)學的鏡像法。該方法首先對圖像二值化，構(gòu)造其邊界特征線及其中央對稱線，然后鏡像對稱線左側(cè)部分，并利用解剖學對稱性排除一般組織，最后通過形態(tài)學重建，實現(xiàn)肋骨和脊椎骨的分割。實際上在很多情況下，肝臟灌注圖像中的某些對比度增強的組織也可能呈現(xiàn)左右對稱分布特征，這時就不可避免地把左右大體對稱的組織區(qū)域包含于分割結(jié)果內(nèi)，進而產(chǎn)生錯誤的分割結(jié)果，使該類算法在具體應(yīng)用過程中存在一定問題。

考慮到肋骨和脊椎骨構(gòu)成了胸腔的基本骨架，且它們所對應(yīng)圖像二值區(qū)域的幾何中心的連線自然構(gòu)成一最大凸多邊形結(jié)構(gòu)，基于該特點結(jié)合其他突出的局部解剖特征，提出了一種肝臟CT 灌注圖像中肋骨和脊椎骨高效、準確的分割方法。該算法原理簡單、計算復(fù)雜度低，對于進一步進行肝臟分割和配準具有良好的臨床應(yīng)用與參考價值。

1 肝臟灌注CT 圖像的二值化

由于實現(xiàn)的直觀性和簡單性，閾值處理在圖像分割中占有重要的地位。在肝臟CT 灌注成像過程中，經(jīng)常出現(xiàn)其他器官和組織的灰度值與肋骨和脊椎骨相近的情況，從而使得僅僅使用簡單的閾值分割無法得到預(yù)期效果。針對肝臟灌注圖像的特點，并為進一步滿足后續(xù)肋骨和脊椎骨檢測分割步驟的需要，經(jīng)過理論分析和實驗驗證，本文采用高斯濾波預(yù)處理后再采用最大相關(guān)準則法進行閾值分割的方法，實現(xiàn)肝臟灌注CT 圖像的二值化。

1.1 對于肝臟灌注CT 圖像的高斯濾波預(yù)處理

高斯濾波是性能良好的低通濾波器，在圖像處理中常常被用來濾除高頻椒鹽噪聲或孤立噪聲。由于在肝臟CT 灌注圖像中，病變肝臟區(qū)域或正常肝臟血管壁等會存在一些高亮度的點，容易對肋骨和脊椎骨的分割造成干擾，這些干擾往往以類椒鹽噪聲的形式體現(xiàn)，可采用高斯濾波算法盡可能予以排除。此外，由于高斯濾波在本質(zhì)上屬于一類鄰域加權(quán)平均算法，合理化運用該類算法可以改善原圖像局部灰度分布，進而影響后續(xù)閾值分割的結(jié)果。在本文研究過程中，筆者經(jīng)過實驗發(fā)現(xiàn)，在對肝臟CT 圖像二值化以前，采用高斯濾波作為預(yù)處理步驟，通過加權(quán)平均使高亮度的肋骨和脊椎骨能量向周圍領(lǐng)域逐步平滑過渡，可以使得分割出的肋骨和脊椎骨區(qū)域相對不容易出現(xiàn)斷續(xù)、丟失和缺損現(xiàn)象，而且分割區(qū)域邊緣相對平滑而不具有毛刺。將高斯濾波作為本文算法預(yù)處理步驟，可大大改善二值化處理的效果。

1.2 基于最大相關(guān)準則法的肝臟灌注CT 圖像的二值化

在各種閾值分割方法中，一般都根據(jù)一個最優(yōu)化閾值選取準則進行最優(yōu)閾值的選取，比如OSTU 方法采用最大類間方差準則，最小誤差法基于最小分類誤差準則，一維灰度直方圖熵法基于最大信息熵準則，最大相關(guān)準則法采用來源于混沌和分形理論的最大相關(guān)準則等[8-11]。其中，最大信息熵和最大相關(guān)準則都是基于分割后圖像和原圖盡可能相似的原理來實現(xiàn)分割閾值的選取[12]，對于肝臟CT 灌注圖像而言都能夠有效保留肋骨和脊椎骨所對應(yīng)的區(qū)域，但基于最大相關(guān)的算法，由于在計算過程中要涉及比最大信息熵準則少得多的對數(shù)運算，計算效率相對較高，因此本文基于最大相關(guān)準則實現(xiàn)圖像的二值化。

2 肝臟灌注CT 圖像中肋骨和脊椎骨的分割與標識

肝臟CT 灌注圖像經(jīng)過二值化后，圖像中一般存在肋骨和脊椎骨區(qū)域以及少量其他高亮干擾區(qū)域。由于肋骨和脊椎骨構(gòu)成了胸腔的基本骨架，且它們所對應(yīng)圖像二值區(qū)域的幾何中心的順次連線自然構(gòu)成一最大凸多邊形結(jié)構(gòu)，根據(jù)這個特點可以設(shè)計特定的凸多邊形檢測算法，將大多數(shù)肋骨相應(yīng)區(qū)域首先標識出來，同時把無關(guān)的干擾區(qū)域予以有效排除?；谙闰炛R和凸多邊形頂點檢測結(jié)果，經(jīng)過必要的后處理步驟補全所遺漏的脊椎骨和脊椎骨附近少部分肋骨區(qū)域，即可最終完成脊椎骨和所有肋骨區(qū)域分割與標識。綜上，算法流程如圖1 所示。

圖1 算法處理流程Fig.1 Program of algorithm

2.1 用于肋骨分割的凸多邊形頂點檢測方法

為了提高算法處理速度和效率，對于經(jīng)過二值化后的區(qū)域，首先采用Yen 等[13]提出的基于游程鏈的快速Blob 分析法進行連通區(qū)域的標識，快速計算每一個連通區(qū)域的幾何中心參數(shù)，同時進行必要的面積濾波，以盡可能濾除二值化圖像中小的隨機點狀區(qū)域的干擾和影響。

根據(jù)凸多邊形的基本性質(zhì)，待檢測的最大凸多邊形結(jié)構(gòu)的邊應(yīng)該滿足如下任意條件：

根據(jù)如上規(guī)則，可篩選并標記出最大凸多邊形所對應(yīng)的所有邊。由于最大凸多邊形的頂點為待檢測肋骨區(qū)域所對應(yīng)的幾何中心，這樣就可以很容易把大多數(shù)肋骨區(qū)域標識出來。

2.2 基于先驗知識的脊椎骨和肋骨分割

根據(jù)解剖學知識可知，在肝臟CT 灌注圖像中，脊椎骨在圖像中的部位是基本固定的，且不受呼吸、胃腸蠕動等成像過程中隨機運動的影響。具體來說，脊椎骨位于圖像縱向中軸線上，橫向位置偏下，在二值化圖像中所對應(yīng)區(qū)域面積相對較大且與肋骨二值化區(qū)域點的縱坐標存在密切關(guān)聯(lián)。需要指出的是，在脊椎骨兩側(cè)相距非常近的位置，一般還存在兩塊肋骨一般還存在兩塊肋骨，因其與脊椎骨所對應(yīng)二值化區(qū)域幾何中心連線在所涉多邊形結(jié)構(gòu)中微微有內(nèi)凹傾向，則在以上檢測方法中很容易被遺漏掉。因此有必要基于上述解剖學先驗知識，增加一后處理步驟，確保將脊椎骨和附近兩肋骨保留在分割結(jié)果內(nèi)，基于凸多邊形檢測結(jié)果，結(jié)合面積、位置濾波方法，該步驟非常容易實現(xiàn)。

3 實驗結(jié)果與討論

為了驗證所引入的肝臟CT 灌注圖像肋骨和脊椎骨分割方法的有效性，本文進行了分割實驗，實驗結(jié)果如圖2 所示。其中，圖2（a）為所處理的原始圖像，圖2（b）～（d）分別給出了對同一幅圖像采用OSTU 方法、最小誤差法和最大相關(guān)準則法的分割結(jié)果。從圖2（b）和（c）可以看出，采用OSTU 方法和最小誤差法進行二值化只能分割出大致輪廓，其分割結(jié)果不能有效區(qū)分待分割肋骨區(qū)域，顯然不適合后續(xù)肋骨和脊椎骨的分割。而最大相關(guān)準則法由于能保證信息量最大，使得二值化前后圖像盡可能地相似，保留了待分割的肋骨和脊椎骨區(qū)域，有利于進行進一步的處理。圖2（e）和圖2（d）分別為經(jīng)過高斯濾波和未經(jīng)過高斯濾波的二值化結(jié)果，從圖中可以明顯看出，采用高斯濾波后不但減少了隨機噪聲干擾（如圖2（d））下方高亮的帶狀區(qū)域），同時可以使得肋骨和脊椎骨所對應(yīng)二值圖像區(qū)域變大，且邊界相對變平滑，（如圖2（d）最上邊左右對稱的一對肋骨）。圖2（f）為對圖2（e）中的二值圖像進行快速Blob 標記并進行面積濾波后的結(jié)果，從圖中可以看出，該過程可以把面積小于一定數(shù)值的絕大多數(shù)無關(guān)區(qū)域濾除。圖2（g）為凸多邊形頂點檢測和肋骨標記后的處理結(jié)果，把該處理結(jié)果與原始圖像進行類比可知，由于脊椎骨附近凹陷的存在，在凸多邊形檢測的過程中遺漏掉了脊椎骨和附近兩塊肋骨，如圖2（h）所示，參照已檢測出的肋骨區(qū)域，通過運用相應(yīng)解剖學先驗知識，可將所遺漏區(qū)域進行補齊，最終檢測結(jié)果如圖2（i）所示。

圖2 肝臟CT 灌注實驗圖像與處理結(jié)果Fig.2 Experimental images and results of liver CT perfusion

在本算法實驗過程中，采用2.4 GHz AMD Sempron（tm）X2 180 處理器和2 GB 內(nèi)存配置的PC 機，并基于Visual C++6.0 對整個算法予以實現(xiàn)，在不采取任何加速和優(yōu)化措施的情況下，處理一副512×512 標準圖片的平均時間約為94 ms，處理速度還是比較快的。

4 結(jié) 論

針對肝臟CT 灌注圖像的基本特點，采取高斯濾波和最大相關(guān)準則法進行二值化，并在充分參考肋骨和脊椎骨解剖學分布特征基礎(chǔ)上，設(shè)計了基于凸多邊形檢測的肋骨和脊椎骨檢測和分割方法。該方法是一種高效的肋骨和脊椎骨分割方法，其原理比較簡單，計算量較小，且在耗時比較大的連通區(qū)域求取和Blob 標記環(huán)節(jié)采用了快速實現(xiàn)方法，進行肋骨、脊椎骨分割和檢測的速度比較快。該方法對于進一步進行肝臟分割和配準乃至肝臟計算機輔助系統(tǒng)的實現(xiàn)，具有重大的臨床應(yīng)用與參考價值。