基于图像块匹配的肾小球基底膜自动分割.docVIP

基于图像块匹配的肾小球基底膜自动分割 　　摘 要：为了实现肾小球基底膜的自动分割，提出了一种基于图像块匹配策略的图像自动分割方法。首先，针对肾小球基底膜的特点，将块匹配算法的搜索范围从一幅参考图像扩展到多幅参考图像，并采用了一种改进的搜索方式提高匹配效率；然后，开始搜索最优的图像匹配块；最后，提取最优匹配块对应的标记匹配块进行加权，重组为肾小球基底膜的初始分割结果，经形态学处理后即可得到基底膜最终的分割结果。在采集到的肾小球透射电（TEM）图像上进行测试，算法分割结果与病理专家手动分割结果之间的Jaccard相似系数最低为83%，最高为95%。实验结果表明所提方法能取得精度较高的分割结果。 　　关键词：图像分割；块匹配；相似性；透射电镜；肾小球基底膜 　　中图分类号：TP391.41 　　文献标志码：A 　　文章编号：1001-9081（2016）11-3201-06 　　0 引言 　　慢性肾脏病已成为威胁全球公共健康的重要疾病，在慢性肾脏病的诊断和治疗中，肾穿刺病理活检是诊断慢性肾脏疾病的重要手段[1]，借助透射电镜（Transmission Electron Microscopy， TEM）检查能观察到肾小球各种细胞的亚显微结构，从而作出进一步的病理诊断。研究指出，肾小球基底膜（Glomerular Basement Membrane，GBM）的变化与慢性肾脏疾病有密切的关系[2-3]，但是，由于GBM的TEM灰度图像纹理复杂，病变种类繁多，依靠肉眼进行识别与判断既困难又耗时。因此，利用计算机图像处理技术对GBM区域进行分割，能更快速直观地观察基底膜的形态，有利于辅助慢性肾脏病的病理诊断。 　　分割GBM的研究开始于1993年，新加坡国立大学的Ong等[4]对肾小球电镜图像中的膜结构进行了跟踪检测与测量。随后的研究主要可以分成半自动分割和全自动分割两大类。半自动分割方面，加拿大卡尔加里大学的Rangayyan等分别用区域划分合并[5]和动态轮廓模型[6]两种方法对GBM进行了半自动分割，该方法的主要缺点是对初始化轮廓要求高，不同的初始化轮廓得到的分割结果差别较大。瑞典乌普萨拉大学的Liu[7]不仅对基底膜进行了半自动分割，还对基底膜长度进行了测量，但该方法需要进行繁琐的初始化手动工作，不适用于实际应用。全自动分割方面，美国西奈山医学院的Wu等[8]根据基底膜附近区域的灰度特征，使用阈值法和形态学方法自动分割出基底膜部分，该方法的主要不足是需要基底膜与邻域结构有较高的对比度，当遇上基底膜与周围组织对比度较低的情况时，该方法并不能准确分割基膜。上述这些方法在处理厚度均匀、形态变化不大的小段基膜时能得到较好的效果，但是实际上由于大部分基底膜与周围组织结构对比度较低、自身形状差异性大等特点，使得现有的大部分方法[4-7]都需要进行繁琐的手工初始化工作，并且对初始参数敏感，造成性能不稳定，而个别全自动方法[8]主要针对局部走向简单、边界明显的基底膜段进行分割或测量，对于复杂的基底膜段则难以保证分割效果，适应性较低，存在易泄漏以及假阳性的问题。因此，基底膜分割的自动化程度和精细水平仍然需要进一步提升。 　　近年来，块匹配算法在图像分割中的应用，得到了国内外学者的关注[9-11]。Ourselin等[9]利用块匹配改进了图像分割前的配准工作，提高了分割的准确率；王敏尤等[10]基于图像块匹配和活动轮廓模型实现了对肿瘤的自动检测，获得了较为准确的肿瘤初始轮廓；佘广南等[11]利用图像块的密集特征进行匹配，实现了肺野的自动分割。图像块匹配算法可以有效搜索两幅图像间的相似图像块，但是当参考图像数量较多时，逐一将查询图像与参考图像进行块匹配，效率是很低的。实际上由于基底膜对比度低、自身形状差异性大的特点，仅仅从一幅参考图像中搜索查询图像的相似块将难以得到最优的匹配结果，因此，本文在块匹配算法的基础上，将搜索范围从一幅参考图像扩展到多幅参考图像组成的集合，并采用改进的搜索方式提高匹配效率，进行最优图像匹配块的搜索。 　　本文针对肾小球基底膜自身形状差异性大、与周围组织结构灰度相似的特点，利用图像块匹配算法实现对基底膜的分割。对于匹配结果出现的假阳性问题，本文采用数学形态学的方法对分割结果进行后处理，得到精度更高的结果。 　　1 肾小球基底膜的分割方法 　　1.1 构建肾小球基底膜数据库 　　构建肾小球基底膜数据库是实现本文分割方法的前提条件。本实验采集了700张肾小球的透射电镜（TEM）图像，其参数分别是：加速电压为60kV，放大倍率为5000倍。由病理学专家从700张图像当中，选取了330张作为参考样本，构建成肾小球基底膜图像数据库，以下称为库X；然后，由专家对这330张参考图进行基底膜的手动分割标记，得到了一