医学图像分割的意义、概念、分类和研究现状.docVIP

第1章 绪 论 1.1 引言 当今社会，是知识经济的社会，高新科技飞速发展。入们在迅速发展 新科技的同时，也越来越关注自身的生活环境与医疗条件。健康，越来越成为每一个入倾心关注和孜孜追求的意境。然焉，群学技术是一把双刃剑，它带给人们得到的同时也在破坏着我们赖以生存的环境，从而严重威害人类的健康。堪愧的环境，沉重的压力以及激烈的竞争，都侵入们的健康走入低餐，从而健康成为全人类共同关注的目标。因此医学的发展面临严重的挑战，作为医生诊断和治疗重要手段的医学影像学也得到了相应的发展。现今，医学图像在医疗诊断中起着不可低估的重要作用。计算机断层扫描、核磁共振(Magnetic Resonance，MR)、超声(Ultras叫nd)以及其它成像技术等，都是无侵害性的器宫体外成像的有力手段。但是，医学图像还有一个显著的特点，由于受成像设备的影响、局部体效应(同一个体素中包含多种组织)、患者的体位运动和检查床的匀速直线运动，使得医学图像不可避免地盘现噪声和伪影，边缘模糊和信号强度不均匀现缓，例如信号强度在同一种组织中会出现大幅度的变化或在同一个物体中也不均匀。此外，在图像形成和传输的过程中，图像的像质也会受到一定的影响，这些都给医生下达准确的诊断造成了一定的障碍。为了提高医学图像的可读性，使得医生可以对人体的解割结构以及病变部位进行更有效的观察和诊断，提离诊断的准确率，医学图像处理从而成为了一门应用性很强的学科而且得到了长足的发展。 1.2 医学图像分割的意义、分类及其研究现状 1.2.1 医学图像分割的意义 医学图像分割在医学研究、临床诊断、病理分析、手术计划、影像信息处理、计算机辅助手术等医学研究与实践领域中有着广泛的应用和研究价值，具体表现为以下几个方面：(1) 用于感兴趣区域提取，便于医学图像的分析和识别。如不同形式或来源的医学图像配准与融合，解剖结构的定量度量、细胞的识别与计数、器官的运动跟踪及同步等；(2)用于人体器官、组织或病灶的尺寸、体积或容积的测量。在治疗前后进行相关影像学指标的定量测量和分析，将有助于医生诊断、随访或修订对病人的治疗方案； (3)用于医学图像的三维重建和可视化。这有助于外科手术方案的制定和仿真、解剖教学参考及放疗计划中的三维定位等；(4)用于在保持关键信息的前提下进行数据压缩和传输。这在远程医疗中对实现医学图像的高效传输具有重要的价值；(5)用于基于内容的医学图像数据库检索研究。通过建立医学图像数据库，可对医学图像数据进行语义学意义上的存取和查找。 所谓医学图像分割，就是根据医学图像的某种相似性特征（如亮度、颜色、纹理、面积、形状、位置、局部统计特征或频谱特征等）将医学图像划分为若干个互不相交的“连通”的区域的过程，相关特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同，也就是说在区域边界上的像素存在某种不连续性。一般说来，有意义的图像分割结果中至少存在一个包含感兴趣目标的区域。 区域(Region)作为图像分割中像素的连通集合和基本分割单位，可以按照不同的连通性来定义：4连通区域和8连通区域。区域的连通性是指在一个区域中任意两个像素之间，都存在一条完全由属于这个区域的元素所构成的连通路径。如果只依据处于四正位(上、下、左、右)或四角位(左上、左下、右上、右下)的相邻像素确定区域的连通性，就称为4连通；如果同时依据处于四正位和四角位相邻的像素确定区域的连通性则称为8连通。 在如上集合论模型描述中，如果保持区域连通性的约束被取消，那么对图像所属像素集的划分就称为分类(Pixel classification)，其中每一个像素集合称为一类(Class)。在本章后面的讨论中，为了描述上的方便，我们往往不加区分地将经典的区域分割和像素分类统称为图像分割。 1.2.2医学图像分割的分类 通常，医学图像分割方法可以划归为三大类：基于阈值的分割方法、基于边缘的分割方法和基于区域的分割方法。在理想情况下，医学图像中的每一个区域都是由相应的封闭轮廓线包围着。原则上，使用边界跟踪算法可以得到区域的边缘（或封闭的轮廓线）；反过来，使用简单的区域填充算法也可以得到边缘所包围的区域。但在实际的医学图像中，很少能够从区域中得到连续、封闭的边缘，反之亦然。由于受人体内外环境中种种确定性、不确定性因素的干扰和成像噪声的影响，实际所获得的医学图像不可避免具有模糊、不均匀等缺陷；另外，人体的解剖结构比较复杂而且因个体的病理或生理差异有很大的不确定性，这在医学图像中引入了新的复杂性，同时也给医学图像分割带来了很大的困难；还有，现有医学图像分割的基本方法大多数是针对2D图像进行的，当推广到3D乃至4D医学图像分割应用场合时，在数据结构和算法处理上不可避免导致更大的复杂性，使得医学图像的分割更为困难。近年来大量学者致力于将新概念