图像分割技术对脑部动脉瘤CTA影像的特征提取方法研究_高杨.pdf

|1智慧医疗医疗信息化图像分割技术对脑部动脉瘤CTA影像的 图像分割技术对脑部动脉瘤CTA影像的 特征提取方法研究 特征提取方法研究 高杨1，王廷华2，董默1，徐春环1，高铭泽1，陈广新1（通信作者）1.牡丹江医学院 医学影像学院，黑龙江牡丹江157011；2.牡丹江医学院招生就业处，黑龙江牡丹江157011摘要：动脉瘤与骨骼、软组织毗邻，增强动脉瘤的灰度值与骨骼接近，目前现有的分割方法都无法快速、精准地提取动脉瘤病灶。为实现医学图像的精准分割，本研究提出一种基于阈值、数学形态学的分割方法，在此基础上尝试提取病灶的形状特征。本研究利用OPENCV的图像分割算法库，结合自动化、半自动化两种方式，实现CTA动脉瘤病灶的分割提取与特征提取。结果表明，利用传统的分割方法，能够快速、精准地提取动脉瘤病灶与形状特征。关键词：图像分割；CTA；动脉瘤；特征提取DOI:10.19335/ki.2096-1219.2023.05.001 Extraction Methods Research for CTA Images Feature of Brain Aneurysms with Image Segmentation TechniquesGAO Yang1,WANG Tinghua 2,DONG Mo1,XU Chunhuan 1,GAO Mingze 1,CHEN Guangxin 1(corresponding author)1.Medical Imaging School,Mudanjiang Medical College,Mudanjiang,Heilongjiang 157011;2.Recruitment and Employment Office,Mudanjiang Medical College,Mudanjiang,Heilongjiang 157011ABSTRACT：Aneurysm is adjacent to bone and soft tissue,and gray value of enhanced aneurysms is close to bone.Currently,existing segmentation methods can not extract aneurysm lesions quickly and accurately.To achieve accurate segmentation of medical images,the paper proposed a segmentation method based on threshold and mathematical morphology,and on the basis,made an attempt to extract shape features of the lesions.With image segmentation algorithm library of OPENCV,combined with automatic and semi-automatic methods,the paper realized segmentation and feature extraction of CTA aneurysm lesions.Result show that traditional segmentation methods can extract aneurysm lesions and shape features quickly and accurately.KEYWORDS：Image segmentation;CTA；Aneurysm;Feature extraction 0引言医学图像分割是医学影像分析的关键步骤。医学图像分割方法主要分为基于阈值、基于区域、基于边缘、基于特定理论的分割方法1。医学图像通常由前景区域（即目标区域）、背景区域（即非目标区域）组成2。临床诊断与病理学研究依赖于目标区域包含的重要信息，由于人体解剖结构的复杂性以及影像特点的不同，不同组织器官的影像学检查方式不同3。如CTA影像在脑血管检查中，可直观地提供血管结构信息，而MRI影像能够反映脑血管系统的组织活动。临床与医学科研中需要对脑组织解剖结构进行深入分析，因此血管的图像精确分割在临床中的疾病诊断、图像引导手术、医学数据可视化中具有重要意义。近些年来，颅内动脉瘤已经成为一种常见基金项目：本文系牡丹江市应用技术研究与开发计划项目图像分割技术对脑部血管疾病标注的应用（项目编号：HT2020NS102）作者简介：高杨（1982-），女，汉族，黑龙江牡丹江，硕士，研究方向：图像处理与应用物理。通信作者：陈广新（1978-），男，汉族，黑龙江牡丹江，硕士，研究方向：医学图像处理。2|智慧健康Smart Healthcare2023 年 第 5 期的脑血管疾病，已造成社会、经济的沉重负担。针对颅内动脉瘤的图像分割问题，一些学者已取得了一定的成果4。但由于脑血管CTA影像的噪声、容积效应造成的低质量成像，动脉血管与软组织之间的灰度差异小等问题，脑血管的图像分割仍然存在很多困难。本文以颅内动脉瘤CTA影像数据为研究对象，开展基于灰度先验信息水平集方法的颅内动脉瘤图像分割研究，以期为临床诊断、评估提供借鉴。1原始数据采集选取牡丹江医学院附属第二医院影像科颅内动脉瘤患者一例影像数据，经医院伦理委员会批准，患者知情同意并签署同意书。CTA影像数据以DICOM格式保存，使用pydicom读入并转换为jpg格式。2动脉瘤图像分割算法2.1动脉瘤图像阈值分割图像阈值分割的主要思想是利用图像的骨骼、血管（打完造影剂）轮廓与软组织之间像素灰度值的巨大差异，通过阈值设定，提取出感兴趣（Region of Interest）区域。阈值分割算法中输入图像到输出图像的转换公式如式（1）：（1）式中，T为阈值，f(x,y)为输入图像，g(x,y)为输出图像，当f(x,y)T时，对于前景物体的图像g(x,y)=1;当f(x,y)T时，对于背景的图像元素g(x,y)=05。对动脉瘤CTA影像进行全局阈值分割，分割算法包括二进制阈值化、反二进制阈值化、截断阈值化、阈值化为0、反阈值化6。本文采用二进制阈值分割法，设定阈值为130，提取出包括骨骼、血管信息的图像，如图1所示。2.2动脉瘤图像数学形态学算法经阈值分割后的脑血管图中存在大量的亮度较高的细小区域，需进一步处理。本文采用数学形态学算法中的开运算与闭运算,开运算的基本思想为对于较大物体，可以在不明显改变面积的情况下平滑其边界，从目标中消除细小的尖刺，并断开窄小的连接，保持面积大小不变，平滑边界消除噪声6-8。闭运算与开运算的过程相反，先膨胀再复试，主要用于填充白色物体内细小黑色孔洞区域，连接近邻物体，同一结构单元多次迭代处理，在不明显改变面积的情况下平滑其边界。2.3动脉瘤区域提取动脉瘤与骨骼组织存在连接区域，且灰度值相近，无论是区域增长算法或其他算法分割动脉瘤都非常困难，因此采用图像裁切方法将ROI以外的区域去除9。裁切分割思想为手动构建一个掩膜区域，利用原始图像与掩膜图像的“位与操作”，实现动脉瘤区域的提取。3实验结果分析采用本文方法对分割结果进行了测试，图像大小为512512。图1为阈值分割算法、数学形态学算法的结果图。动脉瘤病灶图像特征提取过程为阈值分割-查找轮廓-取出单个的轮廓值-计算轮廓的面积-计算轮廓的周长。由图1所见，由于CTA具有增强特性，血管的灰度水平与骨骼相当，本文设定阈值为130，应用阈值分割算法后，图像中的大多数软组织被分割掉，仅剩余灰度值较高的区域。而通过数学形态学开运算算法的运算后，一些噪点等信息被过滤掉，血管边界变得光滑，再通过数学形态学的闭运算后，一些空洞信息被填充。图2为采用蒙版裁切（即图像剪切）方式，手动提取感兴趣区域10-13。动脉瘤提取后的几何特征在目标分析、图像分类、模式识别中发挥重要的作用。几何特征包括面积、周长等。分割后的图像还可进一步应用影像组学特征，包括纹理特征等。|3智慧医疗医疗信息化图 1阈值分割与数学形态学算法的结果图图 2动脉瘤裁切过程4讨论本文利用一例CTA颅内动脉瘤影像数据进行了动脉瘤区域的分割算法研究，并利用图像轮廓的查找方法，找到轮廓线并在此基础上提取图像的几何特征。脑血管图像分割在医学研究、疾病诊断、病理分析、影像信息处理等方面具有重要的意义10-13。本文利用OPENCV算法库的阈值分割、形态学运算等方式，对动脉瘤进行了分割尝试，并利用手动方式，对动脉瘤病灶感兴趣区域进行了进一步的提取。结果表明，阈值分割对血管CTA的背景、前景分离十分有效，灰度值的阈值选择适当可最大程度地降低后续分割的难度。但由于阈值分割只能处理灰度值相差较大的情况，若图像背景（如软组织）和前景（目标）灰度值十分接近，则无法实现有效分割14-17。数学形态学算法适用于二值图像的处理，其开运算为先腐蚀再膨胀，能够消除亮度较高的细小区域，在纤细点处分离物体，能够消除细小的尖刺，断开窄小的连接。动脉瘤提取采用这种算法，可在一定程度上将血管与骨骼连接处断开，有利于动脉瘤病灶的提取。数学形态学的闭运算适用于填充空洞、平滑边界和。应用此算法，动脉瘤的轮廓更为平滑，并且其空洞也得到填充，一些细小的结构被滤掉等。5不足与展望本文以动脉瘤CTA为研究对象，以OPENCV的经典分割算法为工具，对动脉瘤的病灶进行了分割和特征提取，自动化程度还不够高。近几年，医学图像分割越来越多地采用基于人工智能的分割方法如U-Net，准确率、自动化程度更高，为动脉瘤的智能辅助分析提供了发展基础。因此，在后续的研究中，将结合U-Net等优秀的算法开展进一步的研究工作。参考文献1 冯龙锋,陈英,周滔辉,等.CT图像肺及肺病变区域分割方法综述J.中国图象图形学报,2022,27(3):722-749.2 王雪,李占山,吕颖达.基于多尺度感知和语义适配的医学图像分割算法J.吉林大学学报(工学版),2022,52(3):640-647.3 夏平,王塽,任强,等.基于统计聚类与无向图模型的医学图像分割J.现代电子技术,2022,45(5):61-66.4 赵广文,王阳,杨晨.基于注意力与金字塔融合的医学图像分割仿真J.计算机仿真,2022,39(2):184-190.5 杨继宏.基于局部特征的体育运动损伤超声医学图像分割J.河北北方学院学报(自然科学版),2021,37(11):52-56.6 王雪.基于U-Net多尺度和多维度特征融合的皮肤病变分割方法J.吉林大学学报(理学版),2021,59(1):123-127.7 王芮,陈香存,颜澍,等.医学图像分割技术研究及在图像引导放射治疗系统中的应用价值探讨J.名医,2019(10):118-119.8 许敏,贺松,张玉玺.基于空间域模糊聚类与CV模型的医学图像分割J.智能计算机与应用,2019,9(5):236-239,245.（下转第13页）|13智慧医疗医疗信息化参考文献1 俞如权,黄李红.标本溶血对常规生化检验项目的影响J.中国基层医药,2020,27(10):1237-1241.2 王玮嘉.溶血对临床生化检验结果的影响研究J.中国卫生标准管理,2020,11(12):107-109.3 王俊平,李万琴.PDCA在降低患者静脉血标本溶血率中的应用价值J.贵州医药,2021,45(1):154-155.4 王艳艳.标本溶血对临床生化检验结果的作用研究J.医学食疗与健康,2021,19(20):173-174.5 李艳,毕玉珍.标本溶血对临床生化检验结果的影响及防范措施J.基层医学论坛,2021,25(14):2020-2021.6 白雪晶.研究在生化检验中标本溶血对其检验结果的影响和干扰情况J.系统医学,2021,6(10):41-43.7 李进,祁从辉,郭美玲.标本溶血对干式免疫荧光法检测CRP的影响J.当代临床医刊,2021,34(3):73-74.8 罗宏伟.标本溶血对生化检验结果的影响J.中国实用医药,2020,15(32):205-206.9 裴秀阁.血清标本溶血对生化检验结果的影响分析J.数理医药学杂志,2020,33(10):1438-1440.10 颜彦,林应标,夏川.标本溶血、脂血对实验室检验的影响及对比分析J.吉林医学,2020,41(4):898-899.11 史剑飞,卢北玲,李俏,等.2岁以下儿童溶血与重抽血后的血液标本对生化检验结果的影响J.临床医学研究与实践,2021,6(14):101-103.12 王毅,金红星,王虹元.不同溶血标本对临床常规化学检验准确性的对比研究J.中外女性健康研究,2021(11):170-171.13 朱敏.溶血对生化检验准确性的影响及纠正方法J.智慧健康,2020,6(14):7-8.14 高丽华.临床检验中血液标本不合格的原因分析及优化措施J.基层医学论坛,2021,25(1):93-95.15 易艳华,徐长志.静脉血标本不合格的原因分析及改进措施J.实用检验医师杂志,2021,13(1):25-27.（上接第3页）9 关天民,刘光孟,轩亮.基于ITK和VTK的医学图像分割与重建J.大连交通大学学报,2019,40(3):61-65.10 宫进昌,赵尚义,王远军.基于深度学习的医学图像分割研究进展J.中国医学物理学杂志,2019,36(4):420-424.11 王文娜.基于多图谱的脑MRI海马体分割方法研究D.银川:宁夏大学,2019.12 寇毛蕊,杨新国.医学图像分割系统设计J.长春师范大学学报,2018,37(12):38-44.13 亢寒,张荣国,陈宽.基于深度学习的医学图像分割技术J.人工智能,2018(4):30-37.14 张晓达.sss探讨CT平扫结合CT血管造影(CTA)诊断大面积急性脑梗塞的临床价值J.智慧健康,2020,6(23):16-18.15 兰红,韩纪东,方毅.活动轮廓模型在医学图像分割的综述J.科学技术与工程,2018,18(16):161-167.16 陈红,吴成东,于晓升,等.多描述子活动轮廓模型的医学图像分割J.中国图象图形学报,2018,23(3):434-441.17 王晓丹,张龙波,王雷,等.基于Nystrom方法的水平集医学图像分割算法J.山东理工大学学报(自然科学版),2018,32(3):13-16,20.