摘 要：探討醫學超聲影像三維目標物件的分割方法。方法：針對我院目前使用的機型為GE730的實時三維超聲，將其總體的三維分割演算法分為基於結構的分割技術、基於統計學的分割技術和混合技術三大類。結果與結論：人體組織器官的三維影象分割是醫學影象分析和醫療診斷的重要前提，是醫學影象三維視覺化的重要研究內容。隨著醫學成像技術和三維視覺化技術的飛速發展，計算機輔助診斷成為現實。計算機技術的發展使得醫生和研究者可以通過虛擬互動更好地理解人體的解剖結構，對病人作出正確的診斷。在對人體組織器官和感興趣區域的分割中，三維分割發揮著十分重要的作用。
關鍵詞：醫學超聲影像；三維分割技術
醫學影象三維分割一直是醫學影象分析領域的一個研究重點。在這方面國內外投入的研究很多，主要集中在三維CT和MRI影象的分割上。筆者根據我院使用的機型為GE730的實時三維超聲，依照演算法採用的分割依據將三維影象分割演算法分成三大類，即基於結構的分割方法、基於統計學的分割方法和混合方法，現報告如下。
1 分割方法的分類
1.1 基於結構的分割方法
1.1.1 三維邊緣檢測
邊緣檢測技術是通過檢測邊緣或體資料中的邊介面進行影象分割。三維邊緣檢測演算法主要有兩個步驟：①通過區分不同屬性檢測出邊緣點；②將這些邊緣點組合成連續的輪廓，將感興趣區域的體素從其他體素中分離出來。邊緣檢測常藉助空域微分運算元進行，通過將其模板與影象卷積完成。目前已經提出了許多邊緣檢測運算元。三維邊緣檢測演算法的優點是：對於不同區域對比度強烈的資料的分割結果很好，能夠非常直觀地檢測出不同區域的邊緣；缺點是：它雖然檢測出了所有的邊緣，但是很難確定檢測出的邊緣與感興趣區域邊界的關係。另外，此類演算法不適於對比度不明顯的資料，並且對噪聲十分敏感，大多數情況下邊緣檢測演算法不單獨使用，而是與其他分割演算法結合使用。
1.2 基於統計學方法
1.2.1 閾值分割方法
閾值分割演算法是純量體資料中最簡單的分割方法。它利用閾值將體素分為兩部分：所有灰度值大於閾值的體素一起構成一類；所有灰度值低於閾值的體素一起構成另一類。該方法可以擴充套件為應用多重閾值，每個區域由兩個閾值來定義。輸入體資料中的每一體素根據灰度 值來判斷其屬於哪個區域。閾值分割方法儘管演算法簡單，但是對於不同區域間對比度明顯的體資料的分割卻十分有效。該演算法的最大缺點是分割的結果在很大程度上依賴於閾值的選擇，即閾值的改變會導致分割結果(區域)的變化。
1.2.2 分類器演算法
分類器演算法是模式識別中的常用技術，其目的是利用已知的訓練樣本集在影象的特徵空間中找出曲線或曲面，從而實現對影象的劃分。
分類器演算法是一種監督性的演算法，需要手工分割的資料作為訓練資料，然後以此為標準指導自動分割。我們常把分類器分為引數分類器和非引數分類器兩大類：①引數分類器是指條件概率密度函式形式已知，但其中的一些引數(如均值、方差等)未知。常用的引數分類器是最大似然(分類器和Bayes分類器；②非引數分類器是指條件概率密度函式形式未知，必須從訓練樣本集中估測，因此要求的資料量遠大於引數分類器。常用的非引數分類器是K-最近鄰分類器和Parzen窗。
標準的分類器要求所要分割的結構具有明顯的定量化特徵，這是為了讓訓練資料可以被作上標記。只要特徵空間能充分割槽分每個標記，分類器就能將這些標記資料轉換為新的資料，可以用於多通道影象，但是計算量相對較小。分類器的缺點是它們通常不進行任何空間建模，在分割強度不均勻的影象時不能達到很好的效果。另外，在獲得訓練資料時需要人工干預，費時費力；並且由於不同人體之間解剖上和生理上的差異，對大批掃描影象使用同一訓練集會導致分割結果的誤差甚至錯誤。
1.3 混合分割方法
1.3.1 區域增長演算法
區域增長演算法是混合分割方法中最為簡單的一種演算法，該演算法是一種根據預先定義的連線標準從三維體資料中提取連續區域的技術。一般地，區域增長演算法需要一個種子點作為演算法的'起始點。從種子點開始，演算法增長至所有滿足連線標準的體素。與閾值演算法一樣，區域增長演算法非常簡單，一般不單獨使用。更多情況下，該演算法只是作為分割任務中的一部分，作為最初的、更復雜的分割之前用來理解三維資料的方法。該演算法最大的缺點是，需要人工互動選取種子點。而且，每一個待分割區域都需要一個種子點。另外，區域增長演算法對噪聲和區域性體效應敏感，使得提取出來的區域不連續(有空洞)。
2 分割演算法的效能評價
上述的大多數演算法通常是針對某一類問題提出的,如果給定一個具體問題去選擇一種適合的分割方法仍是個難題,這就要研究分割評價。醫學影象影像三維目標分割演算法的評價應具有一般性、客觀性和定量性。一般性是指該方法應適用於多個分割演算法的評價,客觀性是指該方法不包含人為因素, 定量性是指評價結果是定量的。對分割演算法評價要基於一定的評價準則( 評價指標或測度)，在分割技術的評價中,評價準則是最重要的因素。常用的評價準則有：①區域間對比度，根據區域之間特性對比度的大小可以判別分割影象的質量,也可由此推出所用分割演算法的優劣；②區域內均勻度，影象分割就是把一幅原始影象分割成若干個具有相似特性的區域,可以用分割影象中各區域內部特性均勻的程度來描述分割影象的質量。
3 討論
當今醫學超聲成像技術的發展趨勢主要表現為數字化、多功能化和多維化。其中,超聲三維或四維成像技術與常規二維超聲成像相比,不僅可以實現更加直觀形象的立體顯示,而且可以減小常規B超掃描層厚,提高B超掃描影象質量。對基於不同資料採集方式的超聲三維成像技術,一個重要制約因素是三維體資料的有效分割,分割演算法的效能直接影響後續的三維重建和視覺化。目前臨床上使用的影象分割方法主要是基於人工提取輪廓的手動分割或基於內嵌軟體的半自動分割,在分割速度和分割效果方面還存在許多問題。 本文結合超聲三維成像的研究背景,對基於多平面掃描的三維成像技術中的影象分割演算法展開研究。在深入分析、研究已有超聲影象分割演算法的基礎上,綜合考慮分割速度和分割效果等因素,對兩種廣泛應用於醫學超聲影象分割的演算法提出改進方案。超聲模擬影象和實際影象的實驗結果表明,改進演算法得到了較為理想的分割效果。
【參考文獻】
[1]宋麥玲；楊小紅；影象分割技術研究[J]；軟體導刊；2007年07期
[2]石峰；三維醫學影象精準分割演算法研究[D]；上海交通大學；2009年
[3]謝儀；常用數字影象分割演算法研究[J]；電腦開發與應用；2008年06期
[4]魏巍；醫學超聲影象的三維重建技術研究[D]；山東科技大學；2010年