圖像分割技術(shù)在醫(yī)學(xué)圖像處理中的應(yīng)用方法

王志強(qiáng)

（川北醫(yī)學(xué)院 四川省南充市 637000）

在醫(yī)療領(lǐng)域，運(yùn)用多媒體技術(shù)，醫(yī)學(xué)成像已經(jīng)成為了醫(yī)生診斷不可或缺的必要工具。而計(jì)算機(jī)技術(shù)的廣泛普及，更是在現(xiàn)有基礎(chǔ)上對(duì)醫(yī)學(xué)成像技術(shù)實(shí)現(xiàn)了全面調(diào)整，達(dá)成了必要的治療機(jī)制。作為帶動(dòng)醫(yī)學(xué)診斷技術(shù)的變革，區(qū)域圖像分割技術(shù)必須實(shí)現(xiàn)全面優(yōu)化，根據(jù)灰度、色彩、空間、紋理、幾何形狀等將其劃分為不同區(qū)域。就臨床醫(yī)學(xué)研究而言，圖像分割技術(shù)可以對(duì)原始的三維圖像分為不同性質(zhì)，將醫(yī)生需要集中處理的區(qū)域進(jìn)行標(biāo)記，以便于醫(yī)生根據(jù)其展示結(jié)果分析病理原因，提供可靠的診斷治療，最大程度的發(fā)揮其自身特性。

1 圖像分割技術(shù)概述

對(duì)圖像分割技術(shù)進(jìn)行分析，可以得知圖像分割技術(shù)可以將圖像有效分為互不重疊且具有各自特征的區(qū)域技術(shù)。其自身具有有效的特征，根據(jù)分割后的區(qū)域以及整個(gè)圖像，可以實(shí)現(xiàn)某種特征的融合。例如，以顏色、紋理或同一目標(biāo)或相應(yīng)區(qū)域?qū)崿F(xiàn)全面連接[1]。在圖像分割技術(shù)應(yīng)用當(dāng)中，為了實(shí)現(xiàn)醫(yī)學(xué)圖像處理，需要貼合實(shí)際情況，對(duì)處理過程進(jìn)行圖像目標(biāo)設(shè)置。圍繞相關(guān)的圖像，按照情景以及背景，在診斷流程里對(duì)圖像進(jìn)行分割后，完成后續(xù)的識(shí)別流程，保證分割后的圖像區(qū)域能夠?qū)崿F(xiàn)全面提取，完成有效分析。由此可見，圖像分割在診斷過程當(dāng)中具有非常重要的應(yīng)用價(jià)值。

2 圖像分割技術(shù)在醫(yī)學(xué)圖像處理的關(guān)鍵因素

基于圖像分割技術(shù)，可以在相同的圖像分割方法當(dāng)中，對(duì)同一目標(biāo)區(qū)域的圖象實(shí)現(xiàn)全面分析，依照不同的圖像屬性劃分圖像區(qū)域，在分割技術(shù)當(dāng)中進(jìn)行最常見的分割操作。通過計(jì)算機(jī)處理性能，可以將相關(guān)圖像分割為與周圍圖像或背景具有一定聯(lián)系性的灰度圖像[2]。閾值分割算法，對(duì)目標(biāo)灰度相差的圖像具有明顯的應(yīng)用性，經(jīng)常被用于皮膚、骨骼等傷情診斷當(dāng)中。在計(jì)算機(jī)算法里，可以根據(jù)圖像之間的灰度差異有效判斷出患者的病患部位，得到準(zhǔn)確的治療依據(jù)。

3 基于區(qū)域分隔方法

3.1 閾值法

作為一種常見的變形區(qū)域技術(shù)，閾值可以區(qū)分不同的目標(biāo)值。閾值分割方法的基本操作原理主要依賴于相應(yīng)閾值的選取，以確定分割處理的關(guān)鍵性流程。按照某個(gè)準(zhǔn)則，求出閾值的最佳過程。通過閾值法計(jì)算，其優(yōu)點(diǎn)非常簡(jiǎn)單，可以顯著達(dá)到計(jì)算速度快、針對(duì)不同物體或結(jié)構(gòu)具有強(qiáng)烈的對(duì)比、可以得到較好的分割效果[3]。通過分割方法以交互式為基準(zhǔn)，實(shí)現(xiàn)實(shí)時(shí)操作，更易于建立在符合用戶視覺估計(jì)的基礎(chǔ)上。但閾值法通常具有一定缺陷，首先，最常見的便是閾值法只能產(chǎn)生一定值的圖像來區(qū)分二者的不同區(qū)別。因此，在灰度值當(dāng)中缺乏一定的空間分布率，導(dǎo)致閾值法對(duì)噪聲非常敏感。為了彌補(bǔ)其自身的不足，在后續(xù)的改良過程當(dāng)中提出了一些優(yōu)化類型的算法。例如，采用局部閾值、模糊閾值、隨機(jī)閾值等。由于閾值分割對(duì)于相應(yīng)的CT 圖像處理效果極好，在選取閾值時(shí)需要根據(jù)醫(yī)生經(jīng)驗(yàn)進(jìn)行判斷，如選取閥值時(shí)，先進(jìn)行嘗試性分割，再對(duì)閾值進(jìn)行后續(xù)調(diào)整，直至達(dá)到用戶滿意。在后階段分割過程中，可以通過閾值分割法檢測(cè)螺旋CT 圖像，對(duì)患者的肺結(jié)性病變可以實(shí)現(xiàn)靈敏檢測(cè)，據(jù)相關(guān)數(shù)據(jù)分析，檢測(cè)靈敏度高達(dá)96%，且并未出現(xiàn)假性效果（如圖1 所示）。

圖1：閾值法工作原理（圖片來源：Bing 圖庫搜索）

圖2：模糊聚類法原理（圖像來源：Bing 圖庫搜索）

3.2 區(qū)域生長(zhǎng)法

區(qū)域生長(zhǎng)法可以根據(jù)定義的標(biāo)準(zhǔn)提取圖像中關(guān)聯(lián)區(qū)域，作為一種有效的分割方法，區(qū)域生長(zhǎng)法可以對(duì)其種子點(diǎn)的位置、生長(zhǎng)準(zhǔn)則以及生長(zhǎng)順序?qū)崿F(xiàn)全面分割。對(duì)于區(qū)域生長(zhǎng)法，可以在分割時(shí)產(chǎn)生有效的效果，對(duì)于面積不大的區(qū)域能起到完美性的應(yīng)用。但區(qū)域生長(zhǎng)法對(duì)面積較大的區(qū)域進(jìn)行分割時(shí)，則整體計(jì)算速度稍慢。此外，區(qū)域生長(zhǎng)法在處理灰度值當(dāng)中無法有效進(jìn)行一次分割，僅單次分割區(qū)域，在使用當(dāng)中呈現(xiàn)一定的不足。

4 基于邊界分割方法

區(qū)別于區(qū)域分割法，邊界分割法可以明顯地利用不同區(qū)域之間的像素或灰度檢測(cè)出區(qū)域邊緣，實(shí)現(xiàn)有效的圖像分割[4]。根據(jù)檢測(cè)流程不同，通常會(huì)將邊緣檢測(cè)方法分為“串形邊緣檢測(cè)”以及“并行邊緣檢測(cè)”。

4.1 串行邊緣檢測(cè)法

串行邊緣檢測(cè)法可以檢測(cè)出相應(yīng)邊緣，根據(jù)某一相似點(diǎn)尋找相同邊緣點(diǎn)，此種方式在醫(yī)學(xué)圖像處理當(dāng)中可以稱之為“跟蹤法”，根據(jù)跟蹤模式的不同，串行邊緣檢測(cè)方法可以分為“輪廓跟蹤”、“光棚跟蹤”以及“全效跟蹤”三種模式。

4.2 并行邊緣檢測(cè)

在并行邊緣檢測(cè)當(dāng)中，可以根據(jù)單個(gè)像素點(diǎn)對(duì)單個(gè)圖像進(jìn)行檢測(cè)，因此，可以極大增加搜索檢測(cè)時(shí)間。在醫(yī)學(xué)圖像處理當(dāng)中，常用檢測(cè)方法包含了“Roberts 梯度算子”、“Kirsh 算子邊緣檢測(cè)”、“Wills 算子”。根據(jù)方向模板、統(tǒng)計(jì)模板等邊緣檢測(cè)方法，可以對(duì)相關(guān)圖像完滑度、紋理邊緣、斜度等處理，分析出最佳數(shù)據(jù)。雖然并行邊緣檢測(cè)法可以極大加快檢測(cè)速度，但是其在使用當(dāng)中，整體復(fù)雜圖像邊緣極容易出現(xiàn)灰度不連貫的情況。因此，邊緣檢測(cè)在推廣過程里存在了一定的困難。在后續(xù)調(diào)整過程當(dāng)中，醫(yī)學(xué)圖像處理必須對(duì)邊緣檢測(cè)法完成全面優(yōu)化，增加其在幾何分析當(dāng)中的意義。

5 基于特定理論方法

5.1 模糊聚類法

在模糊聚類法當(dāng)中，必須將像素灰度等性質(zhì)完成映射，根據(jù)一定的規(guī)律將其劃分為不同的區(qū)域空間，達(dá)成有效計(jì)算以及精簡(jiǎn)測(cè)試[5]。在后續(xù)的測(cè)試流程里，根據(jù)圖像之間的性質(zhì)進(jìn)行判斷，并對(duì)其進(jìn)行標(biāo)記以及分割。目前，最常用的聚類方法為均值算法，基于模糊頭像理論進(jìn)行衍生。在運(yùn)用過程當(dāng)中，該算法呈現(xiàn)尋優(yōu)迭代，可以運(yùn)用函數(shù)設(shè)計(jì)對(duì)整個(gè)模糊算法進(jìn)行初始設(shè)置。由于在醫(yī)學(xué)圖像當(dāng)中其本質(zhì)上存在著一定的模糊性，因此模糊聚類法可以更適合對(duì)不確定性的圖像產(chǎn)生良好的描述能力，進(jìn)行模糊理論。在醫(yī)學(xué)圖像處理當(dāng)中，通常將模糊距離法廣泛用于心臟疾病的檢測(cè)，可以實(shí)現(xiàn)良好的應(yīng)用效果，以達(dá)成全面增長(zhǎng)（如圖2 所示）。

5.2 神經(jīng)網(wǎng)絡(luò)算法

在神經(jīng)網(wǎng)絡(luò)算法當(dāng)中，可以根據(jù)分割圖像的不同特性完成訓(xùn)練樣本的采集，以便對(duì)神經(jīng)網(wǎng)絡(luò)以及相關(guān)節(jié)點(diǎn)實(shí)現(xiàn)全面連接。根據(jù)圖像的權(quán)值，在訓(xùn)練過程當(dāng)中依照神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)有效分割。神經(jīng)網(wǎng)絡(luò)可以對(duì)圖像數(shù)據(jù)完成良好的數(shù)值分析，但神經(jīng)網(wǎng)絡(luò)方法在運(yùn)行當(dāng)中必須提前吸收大量的訓(xùn)練數(shù)據(jù)，以保證其訓(xùn)練精準(zhǔn)。目前，神經(jīng)網(wǎng)絡(luò)算法在我國(guó)醫(yī)學(xué)圖像處理當(dāng)中擁有巨大的潛力，其自身極容易引入空間信息，可以全面解決圖像中的噪聲以及不均勻問題，對(duì)醫(yī)學(xué)產(chǎn)生非常明顯的提升。在醫(yī)學(xué)圖像分割當(dāng)中，首先對(duì)原始圖像進(jìn)行提取，根據(jù)圖像特征進(jìn)行映射。在現(xiàn)有的醫(yī)學(xué)圖像當(dāng)中，其大部分圖像存在著一定的不確定因素，引入模糊技術(shù)可以全面減少圖像的內(nèi)在不確定性，實(shí)現(xiàn)分割結(jié)果的精簡(jiǎn)，降低分割結(jié)果對(duì)噪聲敏感程度。通過神經(jīng)網(wǎng)絡(luò)以及其他技術(shù)結(jié)合，相關(guān)研究極多，因此在后續(xù)優(yōu)化里，基于神經(jīng)網(wǎng)絡(luò)方法延伸了“模糊神經(jīng)網(wǎng)絡(luò)”、“小波神經(jīng)網(wǎng)絡(luò)”、“混沌神經(jīng)網(wǎng)絡(luò)”等新型檢測(cè)方式。

5.3 小波變換算法

根據(jù)小波變換算法，可以利用函數(shù)之間的特性來對(duì)信號(hào)值實(shí)現(xiàn)全面提取。在進(jìn)行二進(jìn)制轉(zhuǎn)換時(shí)，小波變換算法可以根據(jù)相關(guān)的變換值，依照指數(shù)、尺度參數(shù)等體現(xiàn)出檢測(cè)點(diǎn)是否具有特異性，如出現(xiàn)特異性可以分析出特異性的大小[6]。基于圖像處理而言，此類特異點(diǎn)可以構(gòu)成圖像邊緣，因此選擇小波函數(shù)可以有效提取圖像邊緣。小波變換方法可以對(duì)醫(yī)學(xué)圖像實(shí)現(xiàn)全面處理，建立小波多尺寸幾何活動(dòng)的曲線模式，根據(jù)采樣變化分析圖像自有特征。小波變換法通常采用矢量圖，并基于矢量圖的馬爾可夫限制條件，建立小波空間分割統(tǒng)計(jì)模型。在對(duì)相關(guān)圖像進(jìn)行尺度分割下，其多圖像的分析模式可以實(shí)現(xiàn)分辨率以及高位置分辨率的轉(zhuǎn)換。由此可見，如何有效組合相關(guān)的跨度信息，恢復(fù)空間分辨率，可以將其算為多尺度分割算法的有效處理點(diǎn)。利用超聲圖像的不同區(qū)域，可以對(duì)過零點(diǎn)隨尺度變化曲線函數(shù)實(shí)現(xiàn)醫(yī)學(xué)超聲圖像的有效分割。

5.4 遺傳算法

遺傳算法可以有效模擬生物界的選擇以及遺傳規(guī)律，實(shí)現(xiàn)全面擬生。在算法當(dāng)中，遺傳算法可以完成隨機(jī)化搜索，對(duì)計(jì)算機(jī)核心芯片實(shí)現(xiàn)連接，使其整體運(yùn)作機(jī)制可以由計(jì)算機(jī)實(shí)現(xiàn)完美模擬。對(duì)基因串控制生物群體實(shí)現(xiàn)全面的分析，并將該分析過程應(yīng)用到搜索算法當(dāng)中。因此，遺傳算法具有極高的速度以及有效質(zhì)量遺傳算法，對(duì)全局搜索具有較強(qiáng)的掌控能力，但其對(duì)于局部搜索能力不強(qiáng)。因此，在醫(yī)學(xué)處理當(dāng)中，可以將相關(guān)原理運(yùn)用到搜索，并將其與其他算法結(jié)合應(yīng)用。我國(guó)在2018年，將遺傳算法應(yīng)用到心臟超聲波圖像當(dāng)中，將二者實(shí)現(xiàn)有效融合，成立了學(xué)習(xí)分割框架。用該方法對(duì)人工進(jìn)行圖像合成，可以完成試驗(yàn)，得到較好的應(yīng)用效果及有效性，可以通過對(duì)方差異完成全面分析。此外，遺傳算法對(duì)于前列腺檢查也可以得到有效效果，根據(jù)我國(guó)某醫(yī)院數(shù)據(jù)測(cè)量，在前列腺邊界檢查當(dāng)中，遺傳算法平均誤差為6.2mm，遠(yuǎn)小于其他算法。

6 結(jié)束語

綜上所述，隨著科技的不斷發(fā)展，圖像分割技術(shù)將在醫(yī)學(xué)圖像處理當(dāng)中得到全面應(yīng)用。就現(xiàn)有的分割方法而言，我國(guó)目前常用于三大領(lǐng)域的分割方式，“基于區(qū)域分割方法”、“基于邊界分割方法”以及“基于特定理論方法”。在各方法里，也延伸出了相應(yīng)算法，可以對(duì)不同患者以及不同圖像實(shí)現(xiàn)全面分析，實(shí)現(xiàn)有效構(gòu)建。因此，在后續(xù)發(fā)展流程當(dāng)中，圖像分割技術(shù)將在現(xiàn)有基礎(chǔ)上實(shí)現(xiàn)全面增強(qiáng)，為臨床醫(yī)療診斷以及病理學(xué)研究提供切實(shí)可靠的依據(jù)，并根據(jù)其提供的數(shù)據(jù)完成全面試算，對(duì)我國(guó)醫(yī)療領(lǐng)域具有非常重要的提升性，增強(qiáng)我國(guó)居民的生活質(zhì)量。