一种小鼠CT图像分割的方法.docVIP

一种小鼠CT图像分割的方法 　　摘要：由于microCT图像的成像原理和组织特性导致的多样性和复杂性，针对小鼠CT图像，单一的图像分割方法难以取得良好的分割结果。结合当前医学图像分割方法，提出将阈值分割和基于Amira软件的交互式分割相结合的方法。针对不同的器官组织，根据对象灰度特征、形状、空间分布以及边缘分布等信息，使用不同的分割方法及工具进行逐一分割，最后将不同的器官融合成完整的分割后CT图像。该半自动交互式分割方法结合了两者的特点，可实现小鼠CT图像的准确分割。 　　关键词：医学图像分割；阈值分割；Amira软件；MATLAB应用 　　DOIDOI：10.11907/rjdk.151432 　　中图分类号：TP317.4 　　文献标识码：A 文章编号文章编号2015）008020703 　　0 引言 　　在小鼠microCT图像数据获取过程中，如使用液体麻醉剂容易使小鼠的呼吸和心跳运动加快，导致运动伪影的产生，致使microCT图像成像分辨率低，进而降低图像分割的准确性并对后期重建工作造成误差；而可以提高图像分辨率的用于小动物的造影剂价格昂贵，成本较大。基于准确性、快捷性和成本代价适当的原则，本文提出使用阈值分割与交互式分割相结合的分割方法对小鼠microCT图像进行分割。 　　1 小鼠microCT图像分割 　　基于小鼠microCT图像特点，分步进行分割：①利用阈值分割方法[13]分割出小鼠的骨骼部分；②利用基于Amira软件的交互式分割方法分割出其它器官；③利用Amira软件对分割后的各切片进行平滑操作；④利用Matlab将各器官融合[4，5]。操作流程如图1所示。 　　1.1 基于阈值的自动分割 　　阈值分割法是一种将灰度图像变为二值图像以达到分割目的的方法。该方法简单、有效，特别是当不同对象 　　结构之间有很大强度对比时，能够获得很好的效果。一般意义下，阈值运算可以看作是一种图像中某点的灰度函数，或者该点的某种局部特征（如该点的平均灰度）及该点在图像中的位置检验，阈值一般可以写成以下形式[6]： 　　T=T[x，y，f（x，y），p（x，y）]（1） 　　利用式（1），可将取阈值分割方法分成如下3类，其中阈值分别为： 　　（1）全局阈值。只与点的灰度值有关。 　　T=T（fx，y）（2） 　　（2）局部阈值。与该点的灰度值和该点的局部邻域特征有关。 　　T=T（fx，y，px，y）（3） 　　（3）动态阈值。与该点的位置、该点的灰度值或该点邻域特征有关。 　　T=T（x，y，fx，y，px，y）（4） 　　由于本文小鼠microCT图像中骨骼灰度值与其它器官对比度明显，利用Matlab软件采用阈值分割方法对小鼠骨骼部分进行预分割，将图像中阈值大于215小于255的都赋值为255，并视为小鼠骨骼部分。实现自动阈值分割的部分matlab程序如下： 　　For k=1：512 　　Ic = fread（fid，[N_xslice，N_yslice]，bitdepth）； 　　Ic（find（Ic=215Ic=255））=255； 　　fid1=fopen（‘segImrotate12.raw’，’a’）； 　　fwrite（fid1，Ic，bitdepth）； 　　fclose（fid1）； 　　1.2 基于Amira的交互式分割 　　由于小鼠microCT图像中其余器官之间的灰度值对比度不够强烈，利用一般的自动分割方法很难得到满意的分割结果，因此利用Amira软件采用交互式分割方法分割其余器官。 　　（1）读取原始数据。参数设定如下： data type：byte；dimensions：609*609*512；size：0.08*0.08*0.08；此时该文件的绿色图标出现，代表该数据集，右击对象池中的绿色按钮，display-Orthoslice，就将其与Orthoslice模块连接，数据图形显示在三维图形显示器。 　　（2）器官分割。分割就是将图像上每个像素分配一个标签，以注明该像素所在的区域及其材质属性，比如该像素代表的是骨骼，还是肌肉、血管、脏器等。进行器官分割时，首先创建一个空白的标号场（labelfield），然后在图像编辑器中进行交互编辑标签。针对不同的器官，根据其形状、大小、灰度值、边缘等信息使用不同的工具进行图像分割，并为分割区域作上标签。其中，常用工具为套索工具，可以将需要的区域用套索将其边界围起来，然后再作上标签，但该工具标出的边界不太光滑。一般情况下，对于边界曲度较好的器官，可以用笔刷分割，该工具刷出区域为圆，且半径可以进行调整，因此可以与边界进行较好地匹配，而且其分出的区域边界光滑，不需要作太多修改。例如对