種改進分水嶺算法的MRI腦腫瘤圖像分割研究碩士研究生

1、山東中醫(yī)藥大學碩士研究生學位論文開題報告 論文題目： 一種改進分水嶺算法的MRI腦腫瘤圖像分割 研究 學號 201302179 研究生姓名 楊瑞雪 導師姓名及職稱 馬志慶 教授 學科專業(yè) 生物醫(yī)學工程 研究方向 醫(yī)學圖像處理 所屬院所 理工學院 擬授學位 醫(yī)學科學碩士學位 二O 一五年 三 月 九 日填12 / 12文檔可自由編輯打印說 明1.開題報告在本專業(yè)教研室（科室）范圍內舉行，須成立開題考核小組，于第四學期4月底之前完成，開題時間和論文答辯時間必須間隔1年以上。2.本表一式三份（可復?。萄惺?、所屬學院（所）、研究生處各一份，原件交所屬學院（所）存檔。3.本表用藍黑或黑色鋼筆填寫或打

2、印（不能打印表后粘貼），字跡要工整。4.根據(jù)需要可自行加頁，雙面打印。 山東中醫(yī)藥大學研究生處選題依據(jù)（包括選題目的、意義及所選課題目前國內外研究的動態(tài)、水平等，并附主要參考文獻及出處）1、 選題目的及意義 腦腫瘤的發(fā)病率較高，約占全身腫瘤1.4%，而死亡比例卻超過2.4%1。因此只有在臨床上盡早地發(fā)現(xiàn)并加以治療，才能有效地減少腦腫瘤對人類和社會造成的巨大危害。 核磁共振成像（Magnetic Resonance Imaging，MRI）技術以其非介入性、非損傷性、多角度多參數(shù)成像、高度的軟組織分辨能力、無骨偽影等優(yōu)勢，成為腦部疾病臨床診斷和治療的主要成像方式。腦腫瘤的分割技術在腦腫瘤的診斷和

3、治療上起著重要的作用，通過對腦腫瘤的分割，醫(yī)生可以測量腫瘤的大小、位置等各種參數(shù)，對它進行定量的分析和跟蹤比較，確定腫瘤的生長狀態(tài)和變化過程。此外，它在制定手術計劃、手術導航、放療計劃、病人跟蹤系統(tǒng)、病理的研究與分析、腫瘤模型和圖譜的建立，三維可視化成像等方面也有著重要的意義。由于腦部MRI序列圖像的數(shù)據(jù)量龐大，人工分割耗時耗力，而且人工分割的結果受醫(yī)生的專業(yè)知識和操作熟練度的影響，往往因人而異，主觀度較大，很容易產(chǎn)生不可預測的結果。因此，研究腦腫瘤的自動分割技術非常重要。2、 國內外研究歷史及現(xiàn)狀 由于臨床應用和科學研究的需要，研究人員提出了許多MR圖像腦腫瘤的分割方法，但每種算法都無法在任

4、何條件下的一般圖像中取得好的效果2 。這是由于MR腦腫瘤圖像的復雜性所決定的。具體的歸納為以下幾點：3 (1)由于磁共振成像原理、技術上的限制和圖像采集過程中各種因素的影響，圖像存在部分容積效應、場偏移效應、噪聲和運動偽影等（2）腦的組織結構復雜，MRI腦圖像中正常組織主要包括腫瘤、水腫以及腫瘤內部的壞死、囊變，而且每種組織結構形狀復雜。（3）顱內病變的空間占位、形狀和大小不確定，不同軟組織之間或病變組織與軟組織之間的灰度分布不均，密度分布有混疊，邊界比較模糊。（4）不同個體的組織結構存在較大差異，甚至同一個人在不同年齡段也會有較大的差異。以上這些特點給腦腫瘤圖像的分割帶來了很大的困難。磁共振

5、圖像中腦腫瘤分割的研究主要從圖像處理、模式識別、人工智能等領域對圖像中病變組織進行分析，形成了幾類腦腫瘤分割方法：(1)基于區(qū)域的分割方法。這類方法是根據(jù)同一目標區(qū)域內像素相似的特點，有閾值法、K均值聚類方法、模糊C均值聚類方法、基于高斯混合模型的方法、基于Markov隨機場的方法、基于形態(tài)學分水嶺的分割方法和區(qū)域生長的方法等。 (2)基于邊緣的分割方法。該類方法是利用不同區(qū)域間特性不連續(xù)的特點，主要是可形變模型的方法。 (3)其它分割方法。有基于異常檢測的分割方法、人工神經(jīng)網(wǎng)絡算法、基于圖割的分割方法、基于圖譜的分割方法，多譜MR圖像分割方法等。本文所采用的分水嶺算法是一種基于數(shù)學形態(tài)學的分

6、割方法。它主要是從圖像中提取那些性質（灰度值或者圖像紋理等）一致的目標區(qū)域，實現(xiàn)圖像分割，所以可以認為是一種基于區(qū)域的分割方法。分水嶺算法是把圖像看成是跌宕起伏的山形地貌，把圖像中每一點的像素值表示成該點的海拔高度，每個局部極小值區(qū)域形成一個集水盆，盆地之間的山脊就是分水嶺。分水嶺的形成主要采用兩種原理。（1）模擬浸水法。它的基本思想是在每個盆地的最低處打一個小孔，使水慢慢均勻地侵入每個盆地，當水快要淹沒盆地使兩個盆地的水匯合時，就在這兩個盆地之間修建堤壩，這樣直到所有的盆地被水淹沒，這時所有的分水嶺都修建成堤壩，即完成圖像分割。（2）模擬降水法，其基本思想是當雨滴落到山地模型上時，就會沿著山

7、坡注入谷底，雨滴所經(jīng)過的路線形成一個連同分支，注入同一谷底的雨滴形成的所有連同分支就形成一個盆地。目前，分水嶺算法一般是采用模擬浸水法的原理實現(xiàn)的。 Vincent3于1991年提出的基于浸沒技術的分水嶺分割算法，成為許多后來改進分水嶺算法的一個很好的技術。分水嶺算法運算簡單4、計算速度快、對微弱邊緣敏感。運用此算法可得到單像素寬的并且封閉的區(qū)域輪廓。直接應用分水嶺算法在MRI圖像中，很容易產(chǎn)生過分割現(xiàn)象。無法區(qū)分出有意義的區(qū)域。針對這一問題的改進方法主要有： （1）在分水嶺分割之前，對圖像進行濾波5,6,7，或限定允許分割的數(shù)目8 (2)通過對目標區(qū)域進行標記限定分割區(qū)域9，然后再進行分水嶺

8、分割 （3）在分水嶺分割之后，采用相應的合并準則進行區(qū)域合并10,11目前越來越多的基于分水嶺分割的方法應用于醫(yī)學圖像領域。文獻13針對傳統(tǒng)分水嶺算法在分割過程中較少用到邊界特征信息、圖像過分割現(xiàn)象比較突出的缺點,提出利用能量驅動的分水嶺算法，將其應用到人腦MR圖像中，但是該計算方法較為復雜，且對其他弱邊界醫(yī)學圖像分割精度不高。文獻14提出了一種基于形態(tài)學優(yōu)化和區(qū)域合并的分水嶺分割算法，采用簡單的區(qū)域灰度均值對分水嶺變換后的圖像進行有效的合并，該算法有效地解決了分割問題，但對內部結構較為復雜的醫(yī)學圖像分割效果不明顯。近年來，也有學者對分水嶺過分割的直接成因-梯度谷底15,16即局部梯度極小值作

9、相應的處理，提出了一種人工填充梯度谷底閾值的方法來減少分割區(qū)域數(shù)量。但該方法在分割過程中梯度谷底閾值不能自適應調整。文獻17在解決梯度谷底閾值時引入互信息，以互信息為目標函數(shù)來計算分割圖像與原圖像的互信息量?；バ畔⒆畲髸r的閾值為最優(yōu)值。盡管現(xiàn)階段已經(jīng)有了許多MRI腦腫瘤分割方法，但該領域仍然存在著許多亟待解決的問題18,如：（1）大量分割算法沒有實現(xiàn)自動分割，還依賴于人為的手動干預。 （2）由于MRI圖像的數(shù)據(jù)量極大和算法本身的限制，分割速度慢，實時性較差。 （3）由于實際中沒有大量的實驗數(shù)據(jù)供研究，算法的有效性和魯棒性得不到充分的驗證。 （4）沒有一個完善的評價系統(tǒng)。 隨著腦腫瘤分割技術的發(fā)

10、展，分割方法朝著全自動、分割速度快、分割精度高、自適應性和魯棒性高、三維化方向發(fā)展 。 主要參考文獻1Siegel R,Naishadham D,Jemal A. Cancer statistics，2013J.CA:A cancer Journal for Clinicians,2013.63(1):11-30.Siegel R,Naishadham D,Jemal A癌癥統(tǒng)計,2013J.CA:臨床醫(yī)生癌癥雜志,2013(1):11-302林瑤窗體頂端2林瑤,田捷.醫(yī)學圖像分割方法綜述J.模式識別與人工智能,2002,02:192-204.3Luc Vincent，Pierre Soill

11、e.Watersheds in digital spaces:An efficient algorithm based on inmersion simulations JIEEE Transactions on Pattern Analysis and Machines Intelligence,1991,13(16):583-598.4鄧萬凱.MRI圖像的腦腫瘤分割方法研究D.華中科技大學,20115張鶴,吳謹.基于運動信息和標記多尺度分水嶺的運動目標檢測算法J.液晶與顯示,2012,27(2):250-256.6KUMAR S V,LAZARUN M N,NAGARAJU C.A nov

12、el method for the detectionn of microcalcifications based on multi-scale morphological gradient watershed segmentation algorithmJ.International Journal of Engineering Science and Technology,2010,2(7):2616-26227苗加慶.基于自適應字典學習降噪改進的腦MRI圖像分水嶺精確分割算法研究J.激光雜志,2015,01:35-39.8侯曉文,劉奇.自適應帶寬均值漂移腦部磁共振成像腫瘤分割J.生物醫(yī)學

13、工程學雜志,2014,05:1001-1004+1010.9KARNTZALOS K,ARGIALAS D.Improvingedge detection and watershed segmentation with a nisotropic diffusion and morphologiclalevellingJ.International Journal of Remote sensing,2006,27(24):5427-543410XU S,LIU H,SONG E.Marker-controlled watershed for lesion segmentation in mam

14、mogramsJJournal of Digital Imaging,2011,24(5):754-763.11張建明,張菊,王娟.基于梯度修正和區(qū)域融合的分水嶺分割算法J.計算機應用,2011,31(2):369-37112陳家新,王紀剛.一種改進的醫(yī)學圖像分水嶺分割算法J.計算機應用研究,2013,08:2557-2560. 13魯向，蘆勤，羅述謙?；谀芰框寗拥姆炙畮X算法在MRI海馬圖像分割中的應用J計算機輔助設計與圖像學學報,2008,20(6):748-752.14黃展鵬,易法令,周蘇娟.基于數(shù)學形態(tài)學和區(qū)域合并的醫(yī)學圖像CT圖像分割J.計算機應用研究,2010,27(11):436

15、0-4362.15盧官明.一種計算圖像形態(tài)梯度的多尺度算法J中國圖像圖形學報,2001,6(3):214-218.16黎鑫.一種程度可控的形態(tài)學多尺度梯度分水嶺算法J.計算機應用研究,2008,25(2):475-478.17夏倩倩,宋余慶,劉哲,劉雅婧.結合分水嶺和互信息的醫(yī)學圖像自適應分割方法J.計算機應用與軟件,2015,01:221-224+274.18萬俊,聶生東,王遠軍.基于MRI的腦腫瘤分割技術研究進展J.中國醫(yī)學物理學雜志,2013,04:4266-4271.19窗體頂端【】【】窗體底端19刁智華,趙春江,郭新宇,陸聲鏈,王秀徽. 分水嶺算法的改進方法研究J. 計算機工程,20

16、10,17:4-6.20孫穎,何國金.基于標記分水嶺算法的高分辨率遙感圖像分割方法J.科學技術與工程.2008(11):2776-278121張博,何彬彬.改進的分水嶺變換算法在高分辨率遙感影像多尺度分割中的應用J地球信息科學學報,2014,01:142-150.22GONZ LEZ R C,WOODS R E.Digital Image ProcessingM,Upper Saddle River,NJ,USA,Printice Hall,200823OCallaghan R J,Bull D R,Combined morphological spectral unsupervised im

17、age segmentationJ.Image Processing,IEEE Transactions on,2005,14(1):49-62.24SOILLE P.Morphological Image Analysis:Principles and ApplicationsM,Springer,2003.課題設計：（包括研究內容、研究方法、技術路線及可行性分析）1、 研究內容 本文主要討論針對腦腫瘤MRI分割存在的問題，以分水嶺分割在腦腫瘤分割具體應用為主線，減少分水嶺分割產(chǎn)生的過分割問題，以正確分割出腦腫瘤為目的。研究內容具體分為以下方面：（1）基于MR圖像中存在的噪聲問題，考慮用自適

18、應各向異性擴散濾波對MR腦腫瘤圖像進行濾波，在濾出各種噪聲的同時還能保持影像的邊緣特征和重要的細節(jié)信息。（2）對分水嶺過分割的直接成因-梯度谷底進行探討，探討一種自適應閾值的梯度谷底解決方案。選取填充閾值T,對所有梯度落差小于T的谷底進行梯度填充。使其與周圍像素梯度值一致。采取形態(tài)學H-minima標記提取技術提取標記?？赏ㄟ^調整閾值的方法控制最終分割塊數(shù)。2、 研究方法 本論文的理論基礎是基于數(shù)學形態(tài)學的分水嶺分割方法。實現(xiàn)的平臺是Matlab R2012a。使用的資料是山東省泗水縣人民醫(yī)院CT-MRI科室的腦部腫瘤MRI圖像。 Matlab是集數(shù)值計算，符號運算及圖形處理等強大功能于一體的

19、科學計算語言。作為強大的科學計算平臺，它幾乎能夠滿足所有的計算需求。MATLAB對圖像的處理功能主要集中在它的圖像處理工具箱（Image Processing Toolbox）中。圖像處理工具箱是由一系列支持圖像處理操作的函數(shù)組成，可以進行諸如幾何操作、線性濾波和濾波器設計、圖像變換、圖像分析與圖像增強、二值圖像操作以及形態(tài)學處理等圖像處理操作。3、技術路線 可行性分析1 理論可行性分析 1.1 由于圖像本身的噪聲影響和量化誤差的影響，會在本該形成一個被大邊緣包圍的區(qū)域內，分割出許多小區(qū)域，由于下一步的梯度信息對噪聲較敏感，因此將造成在真正的邊緣里混進許多虛假邊緣，即過分割現(xiàn)象。19 傳統(tǒng)的濾

20、波器雖然較好地濾掉噪聲和平滑圖像，但是卻損害原信號的強度，不能保持圖像中有用的細節(jié)（如線、邊緣等），不利于后續(xù)圖像分割，也無法滿足針對醫(yī)學圖像的實時、數(shù)據(jù)量大的特點。濾波時要保持原有信號不受損，同時能濾除噪聲。目前，比較常用的濾波方法有均值濾波、中值濾波、維納濾波等。其中均值濾波對加性噪聲有較好的抑制，但是容易造成整幅影像的模糊。中值濾波能有效地消除隨機噪聲的同時對邊緣有一定的保護作用20，但依賴于所選窗口的大小。對點、線等細節(jié)多的影像效果不好。維納濾波在保護邊緣的能力方面有選擇性，對高斯噪聲處理效果較好。但對方差較大的噪聲去除能力較差，在像元領域內會造成模糊。為了既能有效地濾除噪聲，又能保留

21、圖像的邊緣特征和重要的細節(jié)信息，本文選用各向異性擴散濾波技術來對MRI腦腫瘤圖像進行預處理。21 各向異性擴散濾波（Anisotropic Diffusion Filter，ADF)是一種非線性的濾波思想，它可以在同質區(qū)域增強擴散，并且在邊緣區(qū)域抑制擴散。本文將各向異性濾波應用于MRI腦腫瘤圖像中，達到保持圖像邊緣、細節(jié)的同時，能有效濾除MRI的噪聲。1.2自適應分水嶺梯度谷底的選擇。擬采用閾值法選取分水嶺梯度谷底,來減少分水嶺分割的區(qū)域。采取預處理濾波后，減少了圖像局部的灰度起伏，增強了圖像的邊緣，圖像變得更加平滑。在實際應用中，分水嶺分割通常不直接在輸入圖像上而是在其梯度圖像上實施。梯度圖

22、像能較好的表現(xiàn)圖像像素灰度的變化趨勢，梯度變化明顯的地方一般是目標對象邊緣。在梯度圖像上進行分水嶺算法分割，分割后分水線在目標邊界上，比在原始圖像上分割得到的結果更加準確，所以梯度圖像更適合作為分水嶺算法的分割圖像。實在中也證明了分水嶺算法和梯度有很大的關系，而與圖像本身相關性不大22.在圖像分析中有很多種梯度運算22,包括梯度算子，Sobel、Prewitt、Robert、Gauss、Canny算子等。與這些空域中卷積運算求梯度的運算相比，數(shù)學形態(tài)學梯度算子能使輸入圖像灰度級的躍變更加急劇，且受邊緣方向的影響較小，求取的梯度更好。本文在進行梯度影像構建時使用多尺度形態(tài)學梯度算子，結構元素的形

23、狀和大小會決定圖像的結果。如果結構元素過大，會造成鄰近邊緣間的相互影響，進而導致邊緣與梯度極大值不一致。如果結構元素過小，雖然能得到高分辨率的梯度，但對于較微弱邊緣檢測效果會較差。23圖像經(jīng)過形態(tài)學多尺度重建后，目標邊界輪廓的提取得到了很大的改善。但也同時削弱了原始灰度圖像的邊緣信息，從而縮短了邊緣與噪聲的落差，在后面的梯度谷底填充階段會導致邊緣輪廓偏移甚至丟失的情況。本文擬采用Canny算子對圖像邊緣進行修正。對圖像進行谷底填充可以有效地減少分水嶺分割的塊數(shù)。本文擬采用直方圖結合邊緣的方法，對圖像的谷底閾值進行填充。選取填充閾值T,對所有梯度落差小于T的谷底進行谷底填充，使其與周圍像素一致。

24、選取的閾值越大，則被填平的谷底越多，毎填平一個谷底就相當于在分水嶺分割的結果中減少一個對應區(qū)域塊。用直方圖可以看到圖像的整體概貌，用直方圖中圖像的低點閾值去調整圖像的填充閾值，然后使用H-minima擴展最小濾波24提取標記，能將多數(shù)無關區(qū)域設為0，隨即完成圖像的分割。2 技術可行性 本課題采用的Matlab 在圖像處理具有極大的優(yōu)勢。Matlab 全稱是Matrix Laboratory（矩陣實驗室），它是一種專門用于矩陣數(shù)值計算的軟件，在矩陣運算上有自己獨特的特點。Matlab 中的絕大多數(shù)的運算都是通過矩陣這一形式進行的。這一特點也就決定了Matlab 在處理數(shù)字圖像上的獨特優(yōu)勢。理論上講，圖像是一種二維的連續(xù)函數(shù)，然而在計