基于局部C—V水平集的腹部CT图像肝脏病灶提取.pdfVIP

基于局部C-V水平集的腹部CT图像肝脏病灶提取 liver lesionsinabdominalbasedon of focal Segmentation image set localC．Vmodellevel 罗朝辉11’3吴效明1欧陕兴2岑人经1 1华南理_f：大学生物医学工程系；2广州军区总医院放射科；3湖南科技大学信息与电气工程学院 1．前言 近年来螺旋CT多期动态扫描，在肝癌等肝脏病变的诊断中得到日趋广泛的应用。CT多期增强动态 扫描图像能揭示病灶的增强特性，反映肝癌、血管瘤和病灶的血供变化情况，为提高_|升=癌等肝脏病 变的检出率和定性准确率提供了有力的丁具…心‘。随着计算机技术的不断进步，计算机辅助诊断 (CAD)系统的J“泛应用为医学研究和应用，特别在医学影像诊断方面提供了～种有效的补充手段， 对肝脏病变的CAD技术也逐渐成为研究热点。在肝脏病变CAD系统中，首先是对腹部CT图像进行分 割，提取感兴趣区域(R01)，即病灶，为后面的特征提取和病变识别作好准备。 肝脏的形状和大小都因人而异，由于肝脏图像千变万化，并且不同人的生理条件不同，所以肝 脏在不同人的CT图像中表现为不同的灰度特征，且腹部CT图像包括肝、脾、胆等多个器官等多个器 官，结构复杂，各个器官的灰度特征对比也不是单一的情况，CT图像病变区域，即感兴趣区域(R01) 的分割仍然是一个难点。 为C-V水平集模型。该方法将原始图像视为由不连续集和分片常数图像组成的简单形式，假设图像 中仅存在两类均质域．所以对于灰度层次不多的图像分割效果较好，但是对于灰度层次丰富的腹部 cT图像，效果较差。本文根据腹部cT图像的特点，针对C叫模型的不足，提出一种局部C—V模型 水平集算法，将其用于肝脏病灶的分割，较好地提取出病灶。 2．材料和方法 笔者在PC机上采用Matlab软件对CT图像进行处理。病灶的提取分两步走：首先采用人工方法在 肝脏区域选出一块包含病灶的区域，再在该区域内采用局部C．V水平集模型对图像进行分割，提取 出病灶。由于病灶在肝脏的位置是随机的，为保证在肝脏内部所选区域能包括整个病灶或多个病灶， 本文采用在肝脏内部选取N个点围成一个包含病灶不规则多边形区域。 初始水平集对曲线演化影响很大，零初始水平集越接近目标边界，所需的迭代次数就越少。在 局部区域里，肝实质和病灶存在一定差别。本文采用最大类间方差阈值法对图像进行初分割，得到 它的基本思想是利Hj图像的灰度直方图，以目标和背景的方差最大米自动确定图像的分割闽值161，具 体算法参考文献[8]。该方法是针对一幅完整图像的，本文对其进行局部化处理，即只在多边形区域 内计算其类问方差，从而得到最佳蒯值Th。 我们根据多边形的边界，构造一幅最小的包含整个多边形区域局部肝脏病灶图像u(x，y)。为减 少多边形边界的梯度，我们将图像中除多边形外的其他区域用初分割图像的肝实质部分的平均灰度 值进行填充。初始水平集函数为 131 ≯(x，Y，0)=u(x，y)一Th． 初始零水平集为初分割的目标边界。由于它和实际的边界比较接近，因此所需的迭代次数较少。 我们对C-V水平集模型进行改进，实现水平集的演化，方法如下： 部)和背景区域％(在C的外部)2个区域，并且假设这个2个区域分别具有相同近似强度，即这 基础上做了简化，从而转换为最小化卜．面的能鼍函数， E(q，C2，C)=pLength(C)+oArea(uI) ‘2’ +A跏(础)_c112蛐+五廿(训)一乞12蚴 数(这里为o)，第一个积分项表示曲线C内部能量，第二积分项表示外部能量，磊、乃分别是这 两个积分项系数，显而易见，两积分项之和在曲线C处于两个同质区域的边界时值最小。 转换成为： +五仆(Ⅵ)--C112日(矽(x，y))dxdy