基于稀疏特征竞争和形状相似性的超声图像序列分割方法.PDF

中国科学: 信息科学 2017 年 第47 卷 第6 期: 752–770 SCIENTIA SINICA Informationis 论文 基于稀疏特征竞争和形状相似性的超声图像序列 分割方法 1* 2 1 1 倪波 蔡贤涛 邓丹君 袁涌 1. 湖北理工学院计算机学院, 黄石 435003 2. 武汉大学计算机学院, 武汉430072 * 通信作者. E-mail: nibo0906@ 收稿日期: 2017–01–30; 接受日期: 2017–03–01; 网络出版日期: 2017–05–09 国家自然科学基金(批准号: 和湖北省教育厅青年人才项目 (批准号: 资助 摘要 从超声图像序列中精确地分割出目标区域对于提高基于超声图像引导的计算机辅助治疗的 效果具有重要的意义. 活动轮廓模型被广泛地应用于医学图像的分割, 但是超声图像固有的低信噪 比、灰度分布不均匀等特点导致活动轮廓容易搜索到错误的区域. 为此, 学者们提出了不同的目标特 征或形状先验知识来约束活动轮廓的演化. 目前, 大多数目标图像特征的工作仅限于提取目标区域 信息的特征, 目标形状先验也需要通过对大量训练样本中的目标形状进行学习, 而且训练样本中形 状是否能足够描述分割目标的形状信息也是值得怀疑的. 本文提出了一种基于稀疏特征竞争和形状 相似性的超声图像序列分割方法. 该方法首先利用稀疏表达理论分别构建目标和背景的特征字典, 并根据目标和背景特征字典的重构误差构建一种基于稀疏特征竞争的目标搜索策略, 从而提高活动 轮廓搜索真实边缘的鲁棒性. 然后, 对图像序列中目标形状的相似性进行建模, 并证明了目标形状 的变化符合低秩属性, 该属性可看作是对图像序列中目标形状的先验知识进行无监督学习. 为了验 证该方法的性能, 本文采用临床的超声图像序列作为训练和测试集合, 并与其他3 种典型的分割方 法在同一测试集合下进行比较. 实验结果显示, 针对超声图像中出现的边缘模糊、缺失等缺点, 该方 法提供了更准确和鲁棒的分割结果, 从而提高了计算机辅助治疗的效率和效果. 关键词 超声图像序列分割, 活动轮廓模型, 稀疏特征竞争, 形状相似性 引言 高强度超声聚焦(high intensity ultrasound focuse, HIFU) 作为一种基于超声图像引导的计算机辅 助治疗取得了良好的治疗效果 . 如图1 所示, 精确地从超声图像序列分割出病灶区域对提高HIFU 治疗的效果具有重要意义．目前这项工作是由临床医生在每一帧图像上对目标区域进行分割, 显然这 引用格式 倪波 蔡贤涛 邓丹君 等 基于稀疏特征竞争和形状相似性的超声图像序列分割方法 中国科学 信息科学 ⃝ 《中国科学》杂志社 中国科学: 信息科学 第47 卷 第 6 期 图 治疗的流程 The flowchart of HIFU therapy 是一个枯燥而又低效的过程. 因此, 一个精确而高效的超声图像序列的分割方法对提高HIFU 治疗的 效果具有重要的临床价值和研究意义. 然而, 有效的超声图像分割方法依然面临以下挑战: (1) 超声图 像自身固有的低信噪比和灰度分布不均匀造成目标区域边缘模糊, 甚至边缘缺失; (2) 成像过程中病人 体内软组织的形变, 从而引起病灶区域的几何轮廓的复杂性; (3) 部分病灶区域周边组织比较复杂, 容 易与目标区域产生混淆, 产生误导性边缘特征. 这些因素导致许多方法不容易分割到真实的病灶区域.