牡丹江市第一人民医院 黑龙江牡丹江 157011
摘要：核磁共振成像以其非介入性、非损伤性、很少受目标物体运动的影响等特点，己被广泛运用于医学图像拍摄，并在临床医学上起着越来越重要的作用。磁共振（MR）图像可以提供脑内部组织解剖结构的高分辨率和高对比度的三维（3D）医学图像。医学图像分割技术就包含了从多模式医学图像中提取和分割出各种脑组织结构的方法。然而，医学图像分割是医学图像分析中最具有挑战性和最困难的问题之一。本文通过探究，得出ITK算法获得较为理想的分割效果，算法简单、分割速度快，避免了脑灰质和脑脊液误分割现象，有效性强，为进一步研究脑组织的内部特征提供了良好的基础。
关键词：脑部；核磁共振图像；分析；
Abstract：Magnetic resonance imaging has been widely used in medical imaging because of its characteristics of non-intervention，non-invasive and little affected by the movement of target. It plays an increasingly important role in clinical medicine . Magnetic Resonance（MR）images can provide high-resolution and high-contrast three-dimensional（3D）medical images of brain tissue anatomy. Medical image segmentation techniques include the extraction and segmentation of various brain tissue structures from multi-modality medical images. However，medical image segmentation is one of the most challenging and difficult problems in medical image analysis. In this paper，we find that ITK algorithm can achieve better segmentation results，the algorithm is simple，the segmentation speed is fast，avoiding the false segmentation of cerebral gray matter and cerebrospinal fluid，which is robust and provides a good foundation for further study of the internal features of brain tissue .
Keywords：Brain；MRI；Analysis
前言
随着医学成像技术的快速发展，很多神经科学的研究放在了对比脑内组织解剖结构的差异上，从而寻求和脑疾病有关的解剖结构形态改变的相关特征，以期提高治疗方案的有效性和脑疾病诊断的可靠性。作为图像分割领域中的一个重要分支，医学图像分割是实现医学图像分析，进而完成医学图像理解和图像分析的首要的和关键性步骤。
1.脑部核磁共振图像
磁共振成像是一种重要的成像手段，它在医学临床诊疗过程中发挥的作用十分巨大，它是一种多序列、多参数的成像技术。磁共振成像的原理是将患者放置在某一特定的磁场中，使用点射频脉冲将病人体内氢原子核激发，使得氢原子核发生共振现象，同时吸收对应能量。当停止射频信号之后，氢原子核以某一频率放射出电信号，同时把被吸收的能量全部释放，这些能量能够被体外的接收器发现，经计算机的信号采集得到图像。
磁共振图像能为我们提供内部结构的三维描述是通过非介入测量实现的，成像序列不同其所包含频率的射频不同、梯度脉冲不同和弛豫时间（Relaxation timings）等也不同。T1 序列图像、T2 序列图像和FLAIR图像为常见的三种MR 图像。脑组织不同的特性可以被其所提供，被疾病改变的脑组织结构也能更方便的被识别和分割出。
磁共振成像作为一种最新兴起的成像技术，与其余的成像技术有许多不同的特点，例如磁共振成像具有比较小的辐射、比较高的分辨率、并且可以多参数以及立体成像等。磁共振成像十分适合应用于人脑成像，是因为它的两种特性：对软组织分辨率高、能够多谱成像，在临床以及神经科学研究中核磁共振成像已经成为十分重要的成像工具，在医学影像学领域之中，磁共振成像已经成为最活跃的技术之一，为人脑的研究提供了一个十分有效的技术途径。
脑MR图像成像方式和其他的成像方式相比较具有很多优势，在脑MR 图像的自动分割方面存在的困难依旧很多。
期刊文章分类查询,尽在期刊图书馆造成以上困难的原因主要有两点：MR 图像成像技术本身的局限性、脑组织结构的复杂性。
2.核磁共振图像的分割
2.1图像的三维分割形式
医学图像的三维分割按照分割形式划分为两类。第一类：一种是将CT切片的数据集当成是最初图像来源来完成三维分割，运用该成像设备的约束成为了一个不可忽略的问题，CT切片的间距一般都会大于切片内部的像素距离，或在空间坐标上数据集合的分辨率是不一样的，这使得数据集出现了不一致性。第二类：以切片分割为基础，但考虑切片之间数据在空间位置上和灰度值的相关性，提供的信息比单一切片提供的信息更多，从而保证获得的分割结果更好。
2.2医学图像分割方法
图像分割是根据图像本身的特征提取感兴趣区域的过程。图像的特征既可以是图像原始特征，也可以是图像的空间频谱，常用的特征有灰度值、边界梯度、颜色、纹理、直方图等。图像的分割目的是将图像的不同区域划分开来，分成一些不相交的区域，而这些区域之间的特性相互一致，并且在相邻的区域之间，其属性特征有明显差别。在图像分割领域中医学图像分割是一个重要的组成部分，广大学者对其十分的关注，许多学者都置身于这一领域的研究。传统的方法和结合特定理论的方法是医学图像分割的两种方法。
2.3医学图像分割在ITK 中的应用
ITK是完全面向医学图像的，它包含的分割算法也是针对医学图像的，医学图像的形式各不相同，因此不可能有分割算法对所有的医学图像都有效，不同的算法所适合的对象也各不相同。为了选择出适合自己对象的算法，需要通过对对象特点的了解，进行有选择性的实验，对实验结果进行分析，找出适合自身对象的分割算法，并且得到的分割效果也是最好。在ITK中可以获得基于区域的图像分割算法的不同实现，诸如阈值连接、邻域连接、置信连接等。
3基于三维区域增长的脑部核磁共振分割方法
从三维医学图像中自动分割出感兴趣的目标，是医学图像分割的终极目的。但是，由于不同成像设备间的特征差别、个体间解剖组织的差异性以及同一个人在不同时自身解剖组织的微小变化等客观原因，导致当前没有一种方法能胜任所有的自动分割任务。对于自动地从三维体数据中分割出感兴趣的目标，实际上要根据分割任务的特点来选定一种或几种分割算法来共同完成目标的分割。
3.1利用高斯滤波去噪
临床上采集的脑部MR 图像，通常含有图像偏场（Bias Field）、噪声、部分容积效应和伪影。所有的 MR 图像都含有随机噪声，噪声是由检测线圈中的杂散电流引起的，而杂散电流是由被成像对象内的随机离子电流和检测线圈中的热波动导致的。高斯滤波器在处理服从正态分布的噪声方面效率非常高，这种滤波器选择权值是通过高斯函数的形状来决定的。
3.2利用阈值分割算法粗分割
阈值分割方法的特点是具有并行检测区域的，它主要分为单阈值分割和多阈值分割两种方法。阈值分割算法的思想是假设所有背景或者目标像素之间存在着相似的性质，但是它们之间的像素又是有差异的，这种差异表现在灰度值上，通过图像直方图可以很清晰的表现出来。在分割算法实现过程中选择阈值是选取直方图中峰值和相邻谷值之间的值。
3.3三维区域增长
区域生长是典型的串行区域分割方法，其特点是将分割过程分解为多个顺序的步骤，其中后续步骤要根据前面步骤的结果进行判断而确定。区域生长算法在处理噪声图像时缺点也十分明显，容易出现孔洞或者将一些原本分开的区域反而链接起来了。本文采用三维区域增长方法继续分割。三维区域增长主要分为三点：（1）确定种子体素；（2）设定三维区域增长条件；（3）确定三维区域增长终止条件。
4.结语
伴随着医学成像技术地不断提高，三维医学图像分割具有重要的临床实用价值和科学研究价值。至今，对医学图像的分割方法的研究已经取得了显著的成果。只是美中不足的是，现有的图像分割的方法仍然存在着许多的局限性，导致了分割算法在应用于医学诊断时受到一定程度的限制。因此，对三维医学图像分割算法的研究迫在眉睫，并且具有重要的实用价值。三维医学图像分割技术为医学诊疗中的许多应用领域提供了必要的数据依据，是不可或缺的技术之一。本文通过大量的文献调研和对脑组织及其解剖结构的分割进行了较为深入的研究，依据医学图像分割的特点和要求及目前医学图像分割的发展方向，重点研究和分析了基于三维区域增长分割方法的各个步骤，并介绍了对图像分割评价技术的相关理论。
针对现有算法的局限性，本文以为不同的应用场合选择合适的分割算法为目的，将应用场合限定在脑部 MR 图像上完成了以下的研究内容。（1）针对三维脑部 MR 图像的对噪声敏感和灰度不均匀等特点，对体数据进行平滑滤波去噪声处理，为后续的分割做准备。（2）论文将分割分为粗分割和精分割两个部分，其中粗分割使用了阈值分割算法。对ITK 中基于阈值分割算法在三维脑部 MR 图像上予以实现，通过对算法参数的大量测试，验证了该算法对三维脑部 MR 图像分割的有效性，为三维医学图像分割奠定了理论与实践基础。医学图像分割作为图像分割重要的分支之一，根据医学图像本身的不确定性和不准确性，医学图像分割算法的研究一直是研究者巨大挑战和瓶颈问题，研究人员一直寻找有效的、更通用的分割算法，以期待更加完美的、精确的和接近事实的分割结果。
参考文献：
[1]王昊一．多模医学图像处理平台的设计[D]．杭州：浙江大学，2006：8（9）：14-23．
[2]严小波.基于三维分割的Marching Cubes算法重构研究[D]哈尔滨工程大学，2008.
论文作者:范斌
论文发表刊物:《健康世界》2018年2期
论文发表时间:2018/4/8
标签：图像论文; 医学论文; 算法论文; 区域论文; 阈值论文; 磁共振论文; 脑部论文; 《健康世界》2018年2期论文;