基于MBD 的乳腺超聲圖像腫瘤分割方法

辛元

（四川大學(xué)計算機學(xué)院，成都610065）

0 引言

超聲圖像是乳腺異常檢測和分類工作中最常用的診斷工具之一。近年來，計算機輔助系統(tǒng)越來越多的應(yīng)用于超聲圖像中，幫助放射科醫(yī)生在檢測和診斷過程中提高效率和精度。一般的，應(yīng)用于超聲圖像的乳腺癌CAD 系統(tǒng)包括四個階段：圖像預(yù)處理、圖像分割、特征提取和選擇、分類。在這四個階段中，圖像分割將病變區(qū)域從背景中區(qū)分出來，是下一階段處理的關(guān)鍵，并且決定著最終的分析質(zhì)量。包括非常高的斑點噪聲、低信噪比和灰度不均勻等問題存在的各種干擾因素，使準確的超聲圖像分割仍然是乳腺癌CAD 系統(tǒng)面臨的難題之一[1]。

眾多學(xué)者在圖像分割方向提出了自己的方法或框架，包括依賴于先驗知識的傳統(tǒng)算法，如Xian 在2015年提出一種基于乳腺時域頻域特征的乳腺超聲分割算法[2]，以及依賴于大量數(shù)據(jù)訓(xùn)練的機器學(xué)習(xí)方法，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）等。然而醫(yī)學(xué)圖像的標記是很困難且?guī)в兄饔^色彩的，尤其是由于個體差異性需要綜合很多專家的意見[3]，要得到統(tǒng)一且有效的先驗知識和大量訓(xùn)練數(shù)據(jù)是很困難的，由此現(xiàn)有的大部分方法在醫(yī)學(xué)圖像復(fù)雜的情況下適應(yīng)性不足。本文借鑒視覺注意力機制，將顯著性檢測算法和思想引入乳腺超聲圖像腫瘤分割任務(wù)中，避免了先驗知識和數(shù)據(jù)量的限制條件。

顯著性檢測是機器視覺中的研究方向，由人的視覺特征分割出顯著性區(qū)域，目的是檢測圖中人作為主體最為感興趣的區(qū)域。最小障礙物距離[4]是顯著性檢測中一種非常常用的方法，通過像素點與種子點之間的代價函數(shù)衡量像素點與種子點之間的連通性，由此判斷該像素點是否為前景。

本文提出了一種基于最小障礙物距離的乳腺超聲圖像腫瘤分割方法，借助最小障礙物距離顯著性檢測方法對乳腺超聲圖像進行處理，實現(xiàn)了乳腺超聲圖像中腫瘤區(qū)域的分割。引入紋理去除算法對超聲圖像進行預(yù)處理，減弱超聲圖像中噪聲和偽影的影響；融合經(jīng)MBD 計算得到的前景、背景顯著圖，進一步精確腫瘤范圍和邊界；最后經(jīng)后處理得到分割結(jié)果。實驗結(jié)果表明，本文方法在超聲圖像質(zhì)量差、干擾嚴重的情況下能更為精確地將腫瘤區(qū)域分割出來；針對腫瘤后方回聲減弱造成的聯(lián)通現(xiàn)象也可以形成較好的邊界。

1 MBD顯著性檢測算法

顯著性檢測的目標是突出場景中的顯著性區(qū)域，同時抑制場景中的背景區(qū)域，生成一張顯著圖來表達前景和背景。背景先驗和聯(lián)通先驗是顯著性檢測中非常有效的兩種手段，背景先驗假設(shè)圖像邊緣大部分是背景區(qū)域，聯(lián)通先驗假設(shè)背景區(qū)域通常與圖像邊緣相聯(lián)通[5]。最小障礙物距離（Minimum Barrier Distance，MBD）[4]被廣泛應(yīng)用在衡量聯(lián)通性中，將圖像邊緣作為種子點，計算圖像每個像素點到種子點的最小障礙物距離，以此得到顯著圖。像素t 的最小障礙物距離代價函數(shù)定義為：

其中π 表示t到種子點的聯(lián)通路徑，I為原始圖像，ΠS,t表示t 點到所有種子點的路徑集合。同測地線距離[6]相比，MBD 對于像素值波動有著更好的魯棒性，這一點在噪聲嚴重的超聲圖像中尤為重要。從公式中也可以看出，為得到精確的MBD 需要對圖像進行反復(fù)掃描，耗費大量時間，于是Zhang 提出的光柵掃描方法[7]、Huang 提出的水流方法[5]都用于縮短MBD 時間，水流方法相比光柵掃描在精度和速度上取得了更好的效果。結(jié)合乳腺超聲圖像特點可知，以圖像邊緣作為種子點的方式顯然不合適，種子點應(yīng)與前景相似度越低越好，與背景相似度越高越好。本文在前景、背景區(qū)域分開選擇種子點，分別計算前景顯著圖、背景顯著圖，以此提高分割精度。水流方法更適用于由種子點作為起點向四周輻射的顯著性計算方式，由此作為本文顯著圖的計算方法。

2 基于MBD的乳腺超聲圖像腫瘤分割方法

本文算法主要分為四個步驟：圖像預(yù)處理；MBD計算前景、背景顯著圖；前景、背景顯著圖融合；后處理。本文算法流程及結(jié)果如圖1 所示，下面分為四個部分進行詳細介紹。

圖1 算法流程展示

2.1 預(yù)處理

由于超聲波在人體內(nèi)的衰減和散射，超聲圖像中存在著大量的斑點噪聲且組織不均勻有一定的模糊。本文方法采用利用相對全變分從紋理中提取結(jié)構(gòu)的方法[8]達到去噪和平滑的效果。該方法對紋理和結(jié)構(gòu)進行了區(qū)分，形成了一種簡單有效的基于局部變化的紋理去除方法。該方法公式如下：

p 為當前像素點，R(p)表示p 點鄰域，λ是超參數(shù)，ε是為防止除零錯。

經(jīng)過預(yù)處理后的圖像如圖1（b）所示，可以看出，經(jīng)過預(yù)處理后，噪聲和不均勻的組織都被抹平，組織之間的界限更為明顯。腫瘤區(qū)域是低回聲區(qū)域，邊緣的細微像素波動也得到了很好的處理。

2.2 MBD計算前景、背景顯著圖

從前文對MBD 的介紹得知，現(xiàn)有MBD 算法基本以圖像邊緣點作為種子點，結(jié)合超聲圖像特點可以看出這樣是不可行的。超聲成像是以皮膚為起點，垂直于皮膚向下的一個橫截面，圖像寬度取決于設(shè)備探頭的成像寬度，圖像邊緣就是組織在圖像中的截斷位置，所以組織內(nèi)部和邊緣肯定是相連的。腫瘤區(qū)域是低回聲區(qū)域，圖像中表現(xiàn)為低灰度區(qū)域，由于腫瘤對超聲波的吸收和衰減作用導(dǎo)致某些情況下腫瘤后方區(qū)域存在回聲衰減現(xiàn)象，圖像中表現(xiàn)為腫瘤下方存在延伸出來的低灰度區(qū)域。綜上所述，以圖像邊緣作為種子點并不合適。本文集中于腫瘤分割步驟，種子點選擇采取人工選擇的方式，分別在腫瘤內(nèi)部和外部畫出灰度不同的直線，直線上的每個點都作為種子點進行計算。選擇前景種子點、背景種子點分別計算前景顯著圖和背景顯著圖，從兩個方面加強分割效果。采用水流方法[5]計算得到的前景顯著圖及背景顯著圖分別如圖1（c1）、圖1（c2）所示。

2.3 前景、背景顯著圖融合

顯著圖中像素點的灰度表示與當前種子點的連通性，所以前景顯著圖中灰度大的區(qū)域表示腫瘤可能區(qū)域，背景顯著圖中灰度小的區(qū)域表示腫瘤可能區(qū)域。以f 表示前景顯著圖、b 表示背景顯著圖、M 表示前景種子點集合、I 表示全圖，融合公式如下：

其中λ（0 ≤λ<1）是縮放系數(shù)，p∈I，Mnum表示前景種子點數(shù)量。由此將前景和背景顯著圖進行融合，融合結(jié)果如圖1（d）所示。

2.4 后處理

由上一步結(jié)果圖可以看出：顯著圖融合后仍然存在很多待選擇區(qū)域（如圖1（d）中白色區(qū)域），目標腫瘤區(qū)域中有空洞的存在。后處理的目標是將腫瘤區(qū)域在顯著圖融合結(jié)果中選擇出來，對選擇出來的腫瘤區(qū)域空洞進行填充。上文中提到前景種子點是在腫瘤內(nèi)部的直線，計算前景種子點直線的中點，包含該中點的區(qū)域就是腫瘤區(qū)域。對選擇的腫瘤區(qū)域進行形態(tài)學(xué)膨脹腐蝕操作填充其空洞，得到最終分割圖，效果如圖1（e）所示。

3 實驗與分析

本文算法與FastMBD[7]、測地線距離顯著性檢測算法[6]（GeoD）、基于乳腺時域頻域特征的乳腺超聲分割算法[2]（BUSSeg）進行對比，實驗評估標準為查準率、查全率、F1，公式如下：

其中，TP（True Positive）：被正確標記的腫瘤區(qū)域像素總數(shù)；FP（False Positive）：被錯誤標記的腫瘤區(qū)域像素總數(shù)；FN（False Negative）：被錯誤標記的非腫瘤區(qū)域像素總數(shù)。對比結(jié)果如圖2。

分割對比圖（圖2）中可以看出FasMBD 方法以圖像邊緣作為種子點計算連通性，由于超聲圖像是一個截面且組織之間的相互連接，導(dǎo)致其顯著圖出現(xiàn)大面積強顯著的結(jié)果產(chǎn)生；GeoD 方法采用測地線距離作為連通性代價函數(shù)，對超聲中存在的嚴重噪聲過于敏感；BUSSeg 方法由于非常強的先驗知識存在，對圖像質(zhì)量差帶來的特征不明顯情況無法處理，對于腫瘤后方回聲衰減的區(qū)域也無法準確處理。本文方法在乳腺超聲圖像腫瘤分割任務(wù)中能達到更好的效果，尤其是在超聲成像效果不佳的情況下，可以更好地區(qū)分腫瘤和非腫瘤區(qū)域。大片低回聲（低灰度）區(qū)域中，本方法可以捕捉到其中幅度很小的灰度波動，生成更符合實際情況的腫瘤邊界。

圖2 實驗結(jié)果圖對比

表1 實驗對比評估表

4 結(jié)語

本文提出了一種基于最小障礙物距離的乳腺超聲圖像腫瘤分割方法。該方法從人類的視覺注意力機制出發(fā)，能對乳腺超聲圖像中的腫瘤部分進行準確的分割，且具有較好的適應(yīng)性。通過引入紋理去除算法，融合前景、背景顯著圖，經(jīng)后處理后即使針對質(zhì)量較差、腫瘤后方衰減嚴重的超聲圖像，也具有很好的腫瘤分割效果。