试论医学图像分割方法及作用
第一章绪论
医学图像处理的结果使科研人员和临床工作者对人体内部正常和病变位置的观察更加直观、更加清晰，提高了确诊率，为临床诊断和生物医学研究提供了强有力的保证。因此，国内外相关专家一直都十分重视医学图像处理技术，而医学图像分割是图像处理技术中的一个經典难题，不仅是进行图像分析和识别首要解决的问题，同时也是制约医学图像处理中可视化、不同模态图像配准和融合、三维重建等相关技术发展与应用的瓶颈⑶。长期输血可以延长地中海贫血患者的生命使其生长发育接近正常和防止骨豁病变，然而本方法容易导致含铁血黄素沉着症，损伤肝脏、心脏和胰腺组织，导致病发率和死亡率增加。同时给予铁螯合剂治疗可以去除身体内多余的铁，但是由于其化学毒性，会伴随着并发症。准确地测量和控制人体的铁含量对治疗和评估铁螯合剂治疗是十分重要的。由铁诱发的心律失常和心脏病是长期依赖于输血的地中海贫血症患者死亡的主要因素。心肌内膜活检虽然是测量心肌铁含量的一种方法，但是其不仅伴随着并发症，而且会因小采样导致测量结果不准确。
..........
第二章医学图像分割及评价指标
2.1引言
但是手动分割方法费时、费力、效率低，其分割结果的好坏还依赖于观察者的知识经验等，具有一定的主观性，所以可重复性低。半自动分割方法是将计算机强大的图像数据存：、处理能力与操作者的知识经验有效地结合起来，通过人机交互的方式来完成图像分割的过程。与人工分割方法相比，半自动分割方法在速度方面有了很大的提高，然而其分割结果依然需要依赖于操作者的经验知识等，这在一定程度上限制了半自动分割方法在临床中的推广应用。全自动分割方法是指完全利用计算机来自动完成图像分割的全过程，分割过程中完全脱离人为干涉。由于全自动分割过程中不存在人为因素的影响，所以能够很好地再现分割结果，效率高。
2.2医学图像分割方法
科研人员和临床医生提出了各种各样确定边界的方法，例如可以借住鼠标和光笔等工具在图像上以人工方式来确定边界。此时，操作者既可以根据边界像素某种特性的不连续性，以及对分割图像的先验知识来确定边界的位置。也可以先用人工方式画出初步边界或确定若干边界点，然后用某种算法来修正得到最终的边界。这是一种半自动的方法，人工方法和半自动方法虽然有效率低、可重复性较差、对主观因素的依赖性强等缺点，但由于将先验知识加入判断过程，特别是对于被分割图像的关于专业知识，所以可能会得到比自动分割更好的结果。在医学图像中确定目标的边界时，由于图像的复杂性，有时还需要采用人工或者半自动的方法。自动确定边界的方法往往是先确定边缘像素，然后再根据一定的规则将符合条件的边缘像素连成边界。
第三章脊椎MR中椎体旳提取............29
3.1引言.......29
3.2基本理论...........30
3.3基于邻域信息和高斯加权卡方距离的脊椎MRI分割...............31
第四章脑部MR中肿瘤组织的提取...................49
4.1引言......49
4.2基础理论..............50
4.3基于熵和局部邻域信息的高斯约束CV模型..................51
第五章心脏黑血MRT2测量中心肌组织的提取.......59
5.1引言...........................59
5.2基础理论......................62
5.3本章方法..............64
第五章心脏黑血MRT2测量中心肌组织的提取
5.1引言
科研人员和临床医生利用感兴趣区域的T2值作为心铁含量分级的指标。因为室间隔区域不容易受到心外膜脂肪、肝脏和肺组织等强磁化系数的影响，因此，医生通常会选择室间隔作为感兴趣区域。手动提取心肌组织不仅十分耗时，且观察者具有主观性，存在个体差异性，可重复性较差。为了自动测量心脏铁沉积，我们提出了一种全自动心脏黑血测量中心肌组织提取方法。该方法不仅避免了观察者的主观差异，并且提高了数据处理效率。全自动的分割方法记为AISS，我们用大量的数据验证了该算法的可行性。
5.2基础理论
Hough变换是一种应用范围广泛的从图像中检测几何形状的基本方法，且鲁棒性强。Duda等人提出的圆形Hough变换是一种改进的霍夫变换方法，利用图像的梯度信息从图像中识别圆形物体。圆形Hough变换的基本原理是利用点和线的对偶性，将原始图像中的给定曲线变换到参数空间的一个点，这样就把寻找原始空间中一条曲线的问题，转化到寻找参数空间中峰值点的问题。在活动轮廓模型中，如果初始轮廓位置远离目标，不仅增加曲线演化时间，而且容易造成错误的分割结果。考虑到改进的活动轮廓模型对初始轮廓位置的敏感性，而左心室壁内、外膜都是类圆形，本文使用霍夫变换检测噪声图像中的圆形目标，将圆形Hough变换检测过程中拟合的圆形曲线作为初始轮廓。
........
第六章总结和展望
6.1本文工作总结
本文首先介绍了医学图像分割技术在医学领域的发展和应用，阐述了几种常见的医学图像分割算法，为了评估所提分割算法的精确性，给出了几种以手动分割为金标准的客观评价指标。本文主要研究了基于图论的图像分割算法和基于活动轮廓模型的图像分割算法。具体如下：
1. 研究了基于Ncuts的图像分割算法，提出了一种基于邻域信息和高斯加权卡方距离的椎体分割方法，首先，将图像中像素的局部邻域信息以向量的方式排列起来，然后，考虑到邻域内各像素对中心像素的影响不同，权重也应该不同，利用高斯核函数将这些特征向量以卡方距离的方式组合起来，最后，我们引入局部收缩的概念，图像中所有像素不再用一个单一的尺度参数，而是用自适应的方式为每一个像素自动赋予一个尺度参数。本文所提出的方法不需要反复调节尺度参数以获得令人满意的分割结果，高斯核函数组合的邻域信息可以更好地描述图像的信息，克服了噪声的影响，在分割脊椎图像中的椎体时，精度更高、鲁棒性强。作为一种一般性的分割方法，该技术还可以提取脑部肿瘤。
6.2未来工作展望
首先，为了对提取的椎体进行定量分析，利用已分割的椎体，提取椎体的上下边缘，测定其位置，找到一种自动判定椎体是否发生退行性改变的方法。
其次，我们提出了一种针对地中海贫血病人的全自动心脏黑血MRT2测量框架，其中右心室血池的提取决定着室间隔的位置，右心室血池有时会出现其它结构，导致提取的血池可能仅仅是原来血池的一部分，下一步工作是利用图像的解剖信息，找到一种更稳定的提取右心室血池和室间隔的方法。
...........
参考文献（略）