一种新的肝脏CTA图像肋骨和脊椎骨分割方法

摘要:肋骨和脊椎骨的分割是从肝脏CTA图像中准确分离肝脏的重要预处理步骤。常规阈值分割方法在移除肋骨和脊椎骨的同时也可能移除对比度高的肝脏脉管或其他组织。针对这一问题,提出一种结合形态学操作和解剖学的肋骨和脊椎骨镜面分割法。首先进行一系列数学形态学操作,构造两条特征边界线及其中央对称线,然后镜像对称线左边部分,最终利用解剖学知识实现肋骨和脊椎骨的分割。50组分割实验表明新方法可以适应不同分割复杂度,高效准确地将肋骨和脊椎骨分割出来。

关键词:CT血管造影(CTA);镜像变换;阈值处理;二值形态学重构;肋骨和脊椎骨分割

中图分类号:TP391文献标识码:A文章编号:1009-3044(2010)05-1166-02

A New Method Used in Spines and Ribs Segmentation from Liver CTA Images

LIU Chi1, LENG Tao2

(1.School of Info-Physics and Geomatics Engineering, Central South University, Changsha 410083, China; 2.School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China)

Abstract: The segmentation of ribs and spines is an important preprocesssing step in segmentation of liver from CTA images.In the literature, the common method to remove the spine and the ribs is thresholding. However, this method can also remove some vessels inside the liver or some other enhanced tissues. To solve this problem, the paper proposed a novel mirror method based on morphology and anatomy. Firstly, constructed two border characteristics lines and calculated the central symmetry line. Followed by the mirror transformation of left part of symmetry line. Finally, removed the ribs and spines based on anatomy. 50 segmentation experiments show that the novel method can adapt different segmentation complexity and remove the ribs and spines successfully.

Key words: computed tomography angiography(CTA); mirror transformation; thresholding; binary morphological reconstruction; spines and ribs segmentation

1 概述

医学影像已成为医学技术中发展最快的领域之一,其结果使临床医生对人体内部病变部位的观察更直接、更清晰,同时也为临床诊断及生物医学研究提供了有力的科学依据。其中医学图像分割占有重要地位,已广泛应用于特征提取,医学图像三维可视化等技术,而肝脏分割研究已成为此类领域的热门方向。肋骨和脊椎骨的分割是肝脏分割预处理的重要步骤。在实际应用中,由于造影剂的影响,肝脏脉管或其他组织也有较高灰度值,使得肋骨和脊椎骨的分割难度增大。

阈值处理作为肋骨和脊椎骨分割的一般方法具有速度快,实现简单的优点。但在某些CTA序列图像中阈值处理在移除肋骨和脊椎骨的同时也会丢失部分目标信息,造成肝脏分割失败。文献[1]提出构造四条边界特征线,采用不同结构元素膨胀后提取边界外部分作为标识图像,原图像作为掩模进行重建实现分割,但当灰度较高的肝脏脉管与肋骨或脊椎骨距离相近时,这种方法会将有价值的肝脏信息移除。

本文在现有分割方法的基础上,提出一种基于解剖学和数学形态学的镜像法。首先对图像二值化,构造其边界特征线及其中央对称线,然后进行一系列数学形态学操作,镜像对称线两侧部分,最后利用解剖学知识实现肋骨和脊椎骨分割。

2 数学形态学操作原理

数学形态学的数学基础和所用语言是集合论,它具有完备的数学基础,数学形态学的应用可以简化图像数据,保持它们基本的形状特性,并除去不相干的结构。数学形态学是由一组形态学的代数运算子组成的,它的基本运算有4个:膨胀、腐蚀、开运算和闭运算。

2.1 膨胀与腐蚀

二值形态学膨胀是在二值图像中“加长”或“变粗”的操作。图像A被结构元素B膨胀,记为:

腐蚀是在二值图像中“收缩”或“细化”的操作。图像A被结构元素B膨胀,记为:

2.2 开运算与闭运算

开运算和闭运算是膨胀与腐蚀的组合。图像A被结构元素B的形态学开运算记做A ?莓B:

闭运算一般将狭窄的缺口连接形成细长的弯口,并填充比结构元素小的空洞。图像A被结构元素B的形态学闭运算记做A・B:

(4)

3 本文算法

3.1 算法思想

本文提出一种基于数学形态学和解剖学的镜像分割法。首先采用合适阈值保留完整的肋骨和脊椎骨部分,接着进行一系列形态学操作,构造两条边界特征线,算法自动计算出中央对称线。根据解剖学知识,肋骨和脊椎骨关于中央对称线左右大体对称,而对比度增强的组织关于对称线无对称部分,这样就可以判定肋骨和脊椎骨,最后通过形态学重建实现其准确分割。

3.2 算法流程

首先根据图像的灰度直方图确定合适的阈值,移除脂肪,肌肉组织,皮肤,并保留完整的肋骨和脊椎骨(图1(b))。对二值图像进行平滑滤波和一系列开闭运算以去除小的杂散点,处理后大的杂散点仍然存在(图1(c))。接着对图像进行8-10次细化可以大大减少后期处理的运算时间。细化后效果如图1(d)所示。

采取列扫描方式查找图像从左向右和从右向左的第一个列非零点,并以此标记边界特征线的位置。算法自动计算出两条边界特征线的中央对称线,如图1(e)中白色直线所示。接着将对称线左边部分关于对称线进行镜像(图1(f))。根据解剖学知识,肋骨和脊椎骨关于中央对称线应左右大体对称,而对比度增强的组织在右边关于中央线无对称部分。在二值图像中镜像的肋骨和脊椎骨位置在右边有非零点与之交汇,其他对比度增强组织的镜像在右边无非零点。在本文算法中,若一段肋骨或脊椎骨的对称部分有交汇,则将其八连通区域视为目标信息。这样就可以利用解剖学知识,准确区分肋骨和脊椎骨,并将其保留下来,如图1(g)所示。

最后将图1(g)作为标识图像,阈值处理图像(图1(c))作为掩模进行二值形态学重建,从而得到完整的肋骨和脊椎骨,如图1(h)所示。由图可以看出左边肋骨附近的较大杂点已经成功移除,保留了完整的肋骨和脊椎骨。

a)原CTA肝脏图像b)阈值处理图像(T=0.8)c)开闭运算后图像d)多次细化后图像

e)构建两条边界特征线及对称线f)镜像对称线左边部分 (g)标识图像h)分割结果

图1 肋骨和脊椎骨分割过程

需要强调的是,由于肋骨和脊椎骨的不完全对称性,所以需要设置一个合理的容差以满汇条件。在本文算法中,设置5×5(单位:像素)区域为容差。在镜像部分的容差区域内若有非零点则判定交汇。在此狭小区域内已少见杂散点干扰算法判定。

4 实验结果及分析

为了充分验证新方法的有效性,本文将新方法与阈值法,文献[1]算法进行对比,实验结果如图2所示。

a)原图像b)阈值处理结果(T=0.95) c)文献[1]处理结果 d)新方法处理结果

图2 肋骨与脊椎骨对比分割

由图2(b)可见,阈值处理结果在保留肋骨和脊椎骨的同时也保留了肝脏内脉管(图中红线内部分),在肝脏的后期分割中会丢失重要的目标信息,造成分割失败。图2(c)中,由于肝脏脉管(红线内部分)与左侧最上方肋骨大致在同一直线(图2(b)所示),因此采用结构元素膨胀时,肝脏脉管和肋骨都在特征边界线之外,所以全部被保留下来。图2(d)中由于阈值后的肝脏脉管在对称线右边无对称部分,故新算法可以将肋骨和脊椎骨正确分割出来。本文采用新方法另对50幅肝脏CTA图像进行肋骨和脊椎骨分割并与人工分割结果对比,新方法的分割正确率为98.72%,满足肝脏分割预处理要求。

5 总结

本文提出了一种基于解剖学和数学形态学的分割肝脏CTA图像肋骨和脊椎骨新方法。首先多次细化阈值处理后图像,构造两条边界特征线,算法自动计算出其中央对称线。然后镜像对称线左边部分,依据镜像位置是否有非零点区分肋骨,脊椎骨与杂散点。最后将保留肋骨和脊椎骨的细化图像作为标识图像,阈值处理结果作为掩模进行二值化形态学重构,从而将肋骨和脊椎骨分割出来。本文另选取50幅肝脏CTA图像进行分割并与人工分割结果进行对比,实验结果表明新方法分割精度高,通用性强,特别当杂散点位于肋骨附近时,新方法能辨别目标与杂散点,将肋骨和脊椎骨准确分割出来,为肝脏后期分割奠定较好基础,具备一定临床应用价值。

致谢:感谢中南大学湘雅医学院医学影像中心提供肝脏CTA数据。

参考文献:

[1] 赵于前,周洁,唐建,等.肝脏CTA图像肋骨和脊椎骨分割方法研究[J].计算机工程与应用,2009,45(31):215-217.

[2] 田野,王怀军,方志良.基于形态学重构算法的瞳孔精确检测[J].光电子・激光,2008,19(3):409-411.

[3] 段汕,秦前清.广义二值形态变换的方法及应用[J].计算机应用研究,2008,25(5):1566-1568.

[4] 张艳玲,刘桂雄,曹东.数学形态学的基本算法及在图像预处理中应用[J].科学技术与工程,2007,7(3):356-359.

[5] Alper S M,Aykut K,Güleser K D,et al.Patient oriented and rubust automatic liver segmentation for pre-evaluation of liver transplantation[J].Computers in Biology and Medicine,2008,38(7):756-784.

[6] 杨安庆.数学形态学与自适应结合的超声医学图像滤波方法的研究[J].电子测量技术,2009,32(8):109-113.

[7] 夏国清,鲍苏苏,陈华珍,等.基于数学形态学的CT腹部器官提取[J].2009,26(8):3172-3174.

[8] 张小萍,朱志松,王君泽.基于CT医学图像的边缘提取研究[J].生物医学工程研究,2009,28(1):31-34.