一种基于改进水平集算法的乳腺肿瘤超声图像分割方法
【技术领域】
[0001] 本发明属于医学图像处理领域，涉及一种基于改进水平集算法的乳腺肿瘤超声图 像分割方法。
【背景技术】
[0002] 近年来，乳腺癌已成为当今女性发病率最高的恶性肿瘤，严重危害女性健康。目 前，临床上以活检结果作为诊断乳腺肿瘤的标准。但是，活检是一种有创检查手段，会给患 者造成严重的身心负担。随着医学成像技术的发展，借助医学图像，医生可以及时发现肿 瘤，并判断肿瘤的性质和种类，从而提供诊断意见。目前临床上对乳腺肿瘤图像的常用检测 手段有钼靶X线摄片、磁共振、超声成像等。其中，钼靶X线摄片检测是依据乳腺中形成的 微小钙化结构进行的，其缺点为X线具有放射性，对人体有一定的伤害，对年轻女性的诊断 准确率太低；磁共振成像的空间分辨率高，涵盖解剖结构细节丰富，但由于检查费用较为昂 贵，尚未被列入乳腺常规检查项目。而超声成像具有实时，无创等优点，因而成为诊断乳腺 疾病最常用的手段，在临床诊断中具有重要意义。
[0003] 然而，医生需要依靠临床经验才能准确判读超声检测结果。在常规乳腺癌筛查中， 医生工作量大，诊断效率亟需提高。因此，若能开发出自动辅助诊断系统来帮助医生进行超 声图像的判读，将有望提高乳腺肿瘤超声图像检测的准确度和客观性，降低恶性肿瘤的漏 诊率。乳腺肿瘤超声图像自动分割是计算机辅助诊断系统开发的关键环节。分割算法的性 能优劣决定了计算机辅助诊断系统的可靠性和实用性。迄今为止，常用的乳腺肿瘤超声图 像分割的方法主要包括：基于直方图阈值化的方法，基于马尔科夫随机场的方法，神经网 络和基于活动轮廓模型的方法等。
[0004] 直方图阈值化是应用阈值将乳腺肿瘤超声图像进行分割的处理方法。研宄成果内 容表明可以通过以下步骤实现乳腺肿瘤分割：（1)对原始图像进行预处理，包括去除图像 中皮下脂肪内容，用中值滤波去除斑点噪声；（2)将图像进行反色处理，并将处理后的图像 与高斯约束函数进行卷积运算，增强图像对比度，即使高亮度的像素更明亮（肿瘤区域）， 低亮度的像素更暗（背景区域）；（3)人工选择阈值，对图像进行二值化处理，确定候选肿瘤 区域；(4)将平均径向导数被应用于确定肿瘤区域，取得最大平均径向导数的区域被认为 是肿瘤区域。除此之外，另有研宄通过以下步骤实现乳腺肿瘤分割：（1)用4*4的中值滤波 去除斑点噪声，同时达到增强乳腺肿瘤超声图像中的各类特征的目的；(2)用3*3的边缘锐 化过滤器增强目标与背景的对比度；(3)在灰度直方图中找到一个阈值，保证此阈值在像 素总数量的1/3至2/3的范围内，对图像进行二值化处理；（4)经过形态学处理，最终确定 乳腺肿瘤区域。直方图阈值化的优点为处理简单和快速，缺点为对灰度直方图仅为单峰的 图像处理效果很不好；
[0005] 马尔科夫随机场的方法是将乳腺肿瘤超声图像分割问题视为标号问题，即图像中 的每一个像素被赋予一个确定的标号。有的研宄把马尔可夫随机场与吉布斯随机场相结 合，首先用一阶邻域系统构造能量函数，再用Metropolos采样算法对图像进行分割，同时 结合期望最大化的方法估计每类的参数，从而实现乳腺肿瘤超声图像的分割。还有的研宄 将最大后验概率应用于马尔科夫随机场中，利用成像时间补偿增益来矫正图像的灰度，利 用最大后验概率方法估计灰度模型的参数，马尔科夫随机场方法提供了一种融合乳腺组织 类分布的方式，作为空间光滑性约束。此外，基于多分辨率的贝叶斯超声图像分割方法也被 应用于乳腺肿瘤分割中：首先利用具有不同参数的高斯函数来表示各个图像区域的灰度分 布，并用最大似然法构造能量函数，最后通过模拟退火算法使得能量函数最小，从而得到分 割结果。基于马尔科夫随机场方法的优点在于准确率很高，缺点在于处理速度较慢；
[0006] 神经网络将分割问题转化为输入特征集合的分类决策问题。有学者结合神经网络 和形态学分水岭分割方法来提取乳腺肿瘤的轮廓：首先，利用自组织映射方法分析纹理，并 将其作为神经网络的输入；再用分水岭方法确定了肿瘤轮廓。有的研宄提出了一个具有5 个隐藏单元和一个输出点的贝叶斯神经网络方法，用于乳腺肿瘤超声图像的分割：该方法 以肿瘤的长宽比、径向梯度指数（radial gradient index，RGI)、疑似肿瘤的后方回声衰减 特征作为神经网络的输入。首先，用RGI过滤技术来定位感兴趣区域，将感兴趣区域的中心 标记为感兴趣点；接着，用区域增长算法来确定候选肿瘤的轮廓，通过贝叶斯神经网络来分 割出肿瘤区域。神经网络的优点在于可以自动地找到肿瘤轮廓，缺点在于训练过程费时，并 且需要庞大的数据库。
[0007] 活动轮廓模型（Active contour model)又被称为"蛇（Snake)模型"，通过建立高 层知识和低层图像信息相互结合的机制，在高层知识的作用下，通过对低层图像信息进行 分析完成乳腺肿瘤超声图像的分割。有研宄提出了基于Snake模型的分割方法，该方法分 四步从乳腺肿瘤超声图像中提取肿瘤边界：首先，用多次中值滤波的方法消除斑点噪声的 影响；然后，用结构张量的方法计算像素点的梯度；接着，用区域增长方法确定Snake模型 的初始轮廓；最后，通过Snake模型的逐步演化确定肿瘤的边界。另有学者提出了基于纹理 特征的各向异性滤波和测地活动轮廓方法来分割乳腺肿瘤：首先，用Gabor滤波器描述纹 理特征，并基于此提出了各向异性扩散方法，以达到去除斑点噪声的目的，同时保持边缘信 息；然后，利用基于梯度权重的前向传播方法作为预分割的方法，获得初始的肿瘤轮廓；最 后，用测地活动轮廓模型得到准确的肿瘤边界
[0008] 传统的蛇模型方法要求初始轮廓需要接近分割目标边界的轮廓，因此有学者提出 了水平集算法来解决这一问题。有研宄提出了基于水平集的活动轮廓方法来提取肿瘤轮 廓：首先，用各向异性扩散和stick方法对图像进行预处理，以实现图像去噪和边缘增强的 目的；然后，用阈值方法对预处理的图像进行二值化，并将得到的结果与预处理后的图像结 合起来，利用水平集模型来寻找肿瘤边界。此外，还有研宄利用基于水平集的最大化概率方 法来获得目标的分割。该方法用Rayleigh概率分布对超声图像进行建模，通过考虑灰度的 密度概率分布和光滑性约束构造能量泛函，对该泛函应用快速下降法得到基于偏微分方程 的几何流并以水平集方法表示，通过求得水平集模型的极小值来完成超声图像的分割。但 水平集算法受限于起始轮廓，而由于通常的分割技术需人工干预、分割过程繁琐，严重影响 了分割结果和效果。
【发明内容】
[0009] 本发明提出一种乳腺肿瘤超声图像自动的分割方法，在保证分割结果准确性的同 时，进一步提高分割方法的自动化水平，从而促进计算机辅助分割乳腺肿瘤的发展。
[0010] 为实现上述目的，本发明采取如下技术方案：首先，对原始图像进行预处理，包括