文摘

本文提出了一种新颖的半自动提取方法从腹部胰腺CT图像。传统水平集和区域增长的方法请求定位初始轮廓的最后边界附近的对象已经泄漏到附近的胰腺组织的地区的问题。该方法包括一个定制的地对水平集方法生成最优初始胰腺地区来解决这个问题,水平集方法对初始轮廓的位置和修改距离正规化水平集方法中提取准确的胰腺。新奇的方法是适当的选择和组合的水平集方法,提出了另外一个energy-tune能量衰减算法和算法造成的结合力降低负面影响连接强度类似于胰腺的组织。因此,我们的方法克服了短缺的oversegmentation弱边界,可以准确地从CT图像中提取胰腺。该方法相对于其他五个最先进的医学图像分割方法基于CT图像数据集包含了来自10个病人腹部图像。评估结果表明,我们的方法优于其他方法实现更高的精度和更少错误分割的胰腺提取。

1。介绍

胰腺提取是一个高度要求计算机辅助诊断的工具,因为它是最基本的步骤胰腺癌等进一步的医学图像处理分析、胰腺损伤检测和胰腺三维可视化。胰腺疾病如胰腺癌死亡率高,很难及时的检查和治疗1]。病人通常使用腹部电脑断层扫描检查,从CT图像中提取和胰腺可以提高各种临床应用。然而,医学图像往往影响噪音和失真,导致困难应用传统的分割方法,如边缘检测方法和区域生长方法(2胰腺提取。

各种半自动的方法,提出了解决分割问题。一个著名的活动轮廓模型称为蛇(3提出了]。该模型首先初始化一个动态参数等值的对象;然后曲线渐屈线目标边界的影响下一个能量函数包含弯曲力方面,严格的力量,和形象力。然而它对初始条件敏感和拓扑问题。

为了克服这一问题,提出了水平集方法Osher和Sethian [4]。水平集方法嵌入活动轮廓作为时间水平集函数的零水平集(5),和评价的轮廓是隐式地通过更新水平集函数通过最小化能量函数。水平集方法可以表示复杂拓扑结构的轮廓和处理拓扑变化自然和有效的方法。灵感来自这些优势,许多经典水平集基于框架研究人员提出的分割方法。在这些模型中,测地线活动轮廓(GAC) [6)模型表示成一个范例boundary-based分割方法,和C-V模型(7)被认为是一种范式介绍基于区域的分割方法。

GAC模型引入了测地距离,导致拉回穿过边界对象的轮廓。这个模型一定程度上减少了弱边界的影响。C-V模型是一个全局优化的基于区域的活动轮廓模型的信息。更抵制噪音和适合全球疲软的梯度图像分割。此外,加性算子分裂(代谢)的方法(8)中使用这些模型,以减少数值错误评估。因为水平集方法通常需要大量的计算,一些著名的地方法(9- - - - - -11提出了加快处理。此外,混合水平集方法(12)结合边界和区域信息实现分割结果是在本研究开发的。它利用一个预定义的参数表示的下界的目标对象区域的灰度。其边界词与广汽的方法相似。然而预定义的参数是不容易准确地定义和零水平集的仅是必要的。

到目前为止,CT图像分割的胰腺地区仍然是一个巨大的挑战。胰腺周围的通常是复杂的。胰腺总是连接到邻居器官和它的边界是模糊的,甚至在大多数情况下不能视觉上区分。低反差胰腺提取胰腺和周围器官造成巨大困难。所有提到的水平集方法有问题的泄漏到附近组织分割的结果。

本文提出了一种新颖的混合胰腺分割的方法。的主要目的是解决泄漏问题,得到更好的精度,提高时间效率。我们的方法的主要贡献是适当的选择和水平集方法的组合。地对水平集方法不仅提高了时间效率还生成一个最优初始胰腺地区解决问题,水平集方法对初始轮廓的位置很敏感。此外,修改后的正则化水平集方法保证分割的准确性。新奇的方法是一个能量衰减算法和一种energy-tune算法提出了修改水平集方法。能量衰减算法优化地对水平集,减少了泄漏概率最初的胰腺。energy-tune算法优化初始距离正则化水平集方法,作为最初的胰腺地区能源将能量分布的边缘特性,最后克服过分割问题。

该方法的准确性是区域增长方法相比2],GAC模型[6],C-V模型[7,地方法9],结合水平集方法(12]。三个措施,(1)假阳性错误(消防工程),(2)假阴性错误(FNE),和(3)相似性指数(SI),作为评价标准的准确性。此外,胰腺地区由有经验的放射科医生手动提取作为黄金标准。

本文的其余部分安排如下。该方法在部分说明2。数据集用于本文介绍部分3。方法的结果与讨论部分4。部分5本文总结和阐述了我们未来的工作。

2。材料和方法

胰腺新颖的混合分割方法结合first-marching水平集方法和修改距离正规化水平集(MDRLS)方法。MDRLS方法利用一个遥远的正规化水平集演化(DRLSE)方案提出了13]。自MDRLS消除了水平集函数的需要仅通过内在保持签名距离剖面附近的零水平集,它能够提供准确的水平集演化的数值计算。此外,一个energy-tune函数用于MDRLS可以削弱的结合力弱边界地区出现。因此,MDRLS可以克服弱边界地区的oversegmentation短缺甚至可以保持一个稳定的进化在胰腺的复杂纹理的环境。

然而,MDRLS需要的计算量,水平集演化对初始位置敏感的零水平集轮廓。一个不理想的初始位置可以降低分割的准确性,增加计算时间。为了解决这些问题,一个定制的地对水平集方法基于多个种子用于提供一个最优初始胰腺地区MDRLS方法和提高计算的效率。最初的胰腺地区胰腺生成基于梯度特征,所以它是用于胰腺质地结构。此外它涵盖了胰腺的不同部分地区由于多个种子。此外,能量衰减算法应用于保护初始胰腺地区从泄漏到附近的组织。生成的初始胰腺地区地方法最优,符合要求的零水平集的初始轮廓的位置。

因此,提出混合水平集方法是有效的,能够实现在胰腺从CT图像中提取准确的分割结果。两层的协作方法和energy-tune算法描述如下(图1)。(1)首先使用一个各向异性扩散滤波降噪输入CT图像。(2)梯度级过滤器生成去噪CT图像的梯度图。(3)乙状结肠滤波器形式一个边缘特征图像基于渐变映射。(4)能量衰减过滤器优化边缘特征图像形成一个边缘的能量映射基于标准的线。(5)然后边缘能量映射应用于修改地对水平集的生成最优初始胰腺地区。(6)一个energy-tune过滤器energy-tune算法适用于调整CT图像的渐变映射来生成一个能量特性映射。(7)地图的能量特性是用来修改距离正规化水平集方法。然后使用修改实际的胰腺提取距离正规化水平集方法基于最初的胰腺。(8)最后实际胰腺阈值和平滑。

介绍了上述的细节处理剩下的这部分内容。

2.1。CT图像的去噪

由于胰腺的强度分布是不规则的图像中由于噪声引起的形成阶段,必然腹部CT图像去噪预处理。此外,胰腺的边界地区连接到邻近器官通常是模糊的。重要的器官很容易模糊边缘和细节明显失去了CT图像平滑后用一个简单的高斯滤波器。因此,修改后的曲率扩散方程(MCDE) [14基于各向异性扩散滤波(15是用来降低噪声的影响,同时保留器官的边界和细节。

2.2。能量衰减和Energy-Tune算法。

地的分割结果明显影响轮廓传播速度分布图(图2 (e)),很容易泄漏到附近的组织在一个弱边界。一个简单的能量衰减算法防止生成的初始胰腺地区地水平真实胰腺地区以外的方法。算法的前提是,一个标准的线是由医生。标准的线是用来定义耦合区和分离两个器官(图2 (b))。被定义为的能量衰减函数 在哪里是轮廓传播速度的最小值映射。是像素最短的距离标准的线。是一个距离阈值。如果一个像素的距离小于标准一致,这意味着它是开放标准,它的能量的最小值设置为等高线地图传播速度。能量图用作功能映射而不是轮廓传播速度映射地对水平集方法。

energy-tune计划是用来支持水平集函数(LSF)进化在修改距离正规化水平集(MDRLS)方法。优势指标函数定义获得边缘特征图如下: 在哪里梯度的大小是CT图像预处理。这个函数通常需要更小的值对象的边界比在任何其他位置。它拒绝噪音。其价值观属于。

自边缘位于胰腺及其邻近器官之间的连接区域弱,甚至断裂,边缘指标可能会设置一个较大的值在弱边界。这导致oversegmentation水平集演化。

胰腺和其他器官有很高的能量在边缘处理后的指标。假设的边界地区有很高的能量是由能量泄漏的器官。一个energy-tune算法衰变能量泄露在边界地区。它抑制oversegmentation键合力造成的。认为越接近一个像素是能源,获得更多的能量。最初的胰腺地区使用地生成被认为是能源。此外,标准的线也应用于标签两个器官之间的强度相似的区域。

每个像素的能量来自定义为能量来源 在哪里是能量的像素。是能量来源。像素之间的欧几里得距离吗能源和像素。是地图边缘特征。越接近一个像素是能源,更大的能量吸收的能量来源。

energy-tune函数被定义为 在哪里调整能源的像素。是能量来源。在能源的像素总数。是像素最短的距离标准的线。类似的是像素最短的距离能量来源。是地图边缘特征。和控制能源优化参数。

energy-tune函数衰减的能量像素关闭标准行但远离能源,但提高了像素的能源属于最初的胰腺。此外,我们还提出一个自动energy-tune算法,不依赖于标准的线。最初的胰腺地区仍被视为能源。距离阈值定义分区优化区域的能量。如果像素的能量来源是最短的距离比阈值,它的能量将会大大衰减。能源能源属于最短的像素距离调整由以下方程: 在哪里是距离阈值。是能量来源。是像素最短的距离能量来源。和控制能源优化参数。是地图边缘特征。

它是特别指出,如果一个标准的线不是由医生,能量衰减函数不能工作。此外,自动energy-tune方案用于MDRLS当标准的线是没有定义的医生。

2.3。最初的胰腺区域提取

最优初始胰腺地区运用CT图像生成使用地对水平集方法基于多个种子点。地对水平集方法包括五个步骤:(1)计算强度梯度大小,(2)等高线地图传播速度的计算基于梯度大小,(3)计算的能量映射使用能量衰减算法基于轮廓传播地图,(4)计算time-crossing地图表明,对于每一个像素,需要多少时间到达前的像素位置,(5)一代的最优初始胰腺地区基于time-crossing地图。

首先,在每个像素级图像的梯度位置计算。图像平滑是用高斯卷积核,然后应用微分算子生成梯度大小。无限脉冲响应滤波器(16],接近与高斯核函数的导数卷积计算过程中采用。

第二,乙状结肠过滤器(17)应用于计算活动轮廓传播速度地图基于梯度的大小。乙状结肠强度转换是由以下方程: 在最小和最大输出值的最小值和最大值的乙状结肠过滤器。是在像素梯度大小吗。定义了梯度大小范围的宽度,和定义了梯度的大小范围为中心;他们是用来控制夸大的强度差异胰腺和其他器官。最小总是设置为0,最大设置为1。

第三,轮廓传播地图是用能量衰减算法处理形成能量图(图3 (f))。

然后time-crossing地图指示的到达时间活动轮廓传播在每个像素使用快速计算方案。让的时间曲线穿过点。表面满足以下方程: 在哪里是能量的地图。如果没有定义标准的线,被轮廓传播速度地图吗。

最后,提取最优初始胰腺地区通过定义一个时间阈值采取的快照轮廓在特定时间在其进化的time-crossing地图。

2.4。修改距离正规化水平集方法

距离实际的胰腺提取区域使用修改后的正规化水平集方法基于最初的胰腺。

一个原始距离正则化水平集演化提出了(13)和水平集能量函数的定义 在哪里是一个常数。水平集距离正则化项,是外力项。被定义为 在哪里是一个double-well势函数正则化项的距离吗和构造

为了降低泄漏到附近的组织在分割结果中,修改距离正则化水平集方法,提出了基于energy-tune算法,。energy-tune算法修改原来的距离正则化水平集方法。能量函数对修改后的水平集函数被定义为 在哪里是一个常数。第二能量项代表边缘推的力对物体的边界曲线。它使初始轮廓移动得更快和更接近物体的边界。这是最小化的轮廓零水平集位于对象的边界。是能量特性图,用于优化水平集函数。

此外,在函数(11)和外部能量的系数来控制体重。和是光滑函数水平集方法提出了(18,19]。此外,和设置为1.5。

第三能量项代表区力必然是用来加快传播运动零水平集的初始轮廓时远离所需的对象边界。零水平集轮廓的传播速度会慢下来当关闭对象边界,由于能源地图小值的边界。

最初的胰腺区域是用来构造初始水平集函数(LSF)作为一个二进制阶跃函数。

考虑 在哪里是一个常数,胰腺是初始区域。在胰腺分割总是正的。

MDRLS配方的水平集演化方程是最后定义的 在哪里散度算子和吗是一个函数中定义(13]:

距离正则化项本质上能够维持一个签署了距离剖面附近的零水平集,消除了水平集函数的需要仅。因此,诱导数值仅造成的错误是可以避免的。此外,edge-based活动轮廓模型在本地对象的最优分割是一个优势。因此,edge-based活动轮廓模型在MDRLS配方更适合下胰腺分割复杂周边稳定和精确的数值计算。

2.5。实际胰腺区域提取

在实际胰腺区域提取工艺,two-phase-segmentation方案采用基于edge-based MDRLS水平集方法。第一阶段可以看作是一个高速度水平集演化,和第二阶段可以被视为一种高精度零水平集曲线演化。两个迭代数,一个interiteration号码和一个outeriteration数,分别应用于不同的阶段。

在第一阶段,零水平集初始化为一个二进制阶跃函数按照函数(3)。由于胰腺地区的强度分布是不规则,边界通常不是定义,一个小的系数将能量项−1吗为了防止轮廓扩张过快,保持零水平集胰腺轮廓穿越边界的地区。通常是比。相对较大的体重分配给能量项这意味着更强的约束边界的力量推动零水平集曲线边界而限制胰腺的oversegmentation地区。interiteration是用于定义在第一阶段水平集演化时间。

第一阶段进化后,零水平集封闭轮廓对象边界。在第二阶段,主要目的是准确地提取胰腺地区。水平集演化方程是重置

能源项用于加速运动的零水平集轮廓是废除了通过设置,因为高速扩张可能会使整个对象边界然后导致oversegmentation轮廓。水平集演化的第二阶段是由边缘的力量。outeriteration用于定义演化时间。

实际胰腺地区最终优化使用开放操作和关闭操作胰腺光滑的边界,同时保持原始形状。胰腺内的小洞地区了,和小噪音消除。

3所示。胰腺的数据集

胰腺数据集包含960的胰腺CT图像来自10个病人使用进化。所有图片由解放军总医院,提供中国沈阳。这些在胰腺CT图像数据集的分辨率像素与厚度0.6毫米和0.7毫米之间的不同。每个图像的数据集提供了相应的黄金标准手动并由有经验的放射科医生。

4所示。结果与讨论

提出的混合水平集方法比较自信的连接区域增长方法(CCRG) [2),测地线活动轮廓法(GAC) [6),测地线活动没有边缘方法(C-V) (7),地方法(F-M) (9),结合edge-region水平集方法(CER) (12]。我们的方法依赖于标准的线称为FMDSL-SL。它被称为FMDSL-WSL当它不是基于标准的线。我们的方法,广汽方法,地方法,和自信的连接区域增长的方法是使用C / c++语言实现。C-V法和CER法是在MATLAB中实现的代码。所有方法运行在桌面PC和8 GB RAM和2.4 GHz Intel Core i7制造者。应用到所有相同的预处理方法。

4.1。绩效衡量标准

评价的效率和准确性,三个措施,(1)假阳性错误(消防工程),(2)false-negative-error (FNE),和(3)相似性指数(SI),用于测量方法的性能。

假阳性错误(20.)被定义为胰腺提取区域像素的总数比外面的黄金标准地区总数胰腺地区的黄金标准如下: 在哪里代表胰腺提取区域的像素。代表了胰腺的黄金标准。代表其余地区除了地区黄金标准的CT图像。代表胰腺提取区域像素的总数之外地区的黄金标准。代表的总数胰腺地区的黄金标准。

假阴性错误(20.)被定义为黄金标准的总数的比率胰腺提取的胰腺外区域的像素总数的胰腺地区的黄金标准如下: 在哪里在十字路口的像素总数的胰腺提取区域和胰腺的黄金标准。的总数是胰腺提取的胰腺外地区的黄金标准。

相似性指数(21)被定义为胰腺提取区域的像素的比例在十字路口和胰腺的黄金标准如下: 在哪里是胰腺提取区域的总数。

4.2。评估和比较

所有的先进的医学图像分割方法,该方法应用于胰腺提取区域从胰腺CT图像在相同的数据集。平均假阳性错误,假阴性错误,相似性指数,分别计算每个方法相比,基于所有片分割的结果从所有的病人。首先我们计算假阳性错误,假阴性错误,相似性指数为每个分割结果的方法。然后三个衡量标准(数据的平均值6,7,8每个方法的计算基于各自的分割结果。

通过大量的实验,我们经验定义一些参数的值来优化分割结果具有重要意义。在(6),设置为−0.5和被设置为3。常数在(3)被设置为2。interiteration设置20至60 outeriteration将10至20实际的胰腺分割处理。此外,在(10),,在第一阶段和,,在第二阶段工作。

在这个配置参数,平均相似性指数的分割结果可以得到一个高速率()。胰腺的分割结果不同形状和面积的控制通过调整迭代时间。此外,该参数可以被精确调整适应不同的CT图像来得到最优的结果。

图4我们的方法的分割结果的显示了一些示例。完成胰腺提取区域和边缘光滑。

图5显示胰腺提取的3 d视图使用我们提出的混合水平集方法。

图6显示的例子不同的方法相同的CT图像分割效果。红色区域代表分割结果,黄色轮廓代表胰腺地区的黄金标准。

数据7,8,9显示每个测量的平均值的柱状图标准方法相比。表1包含准确的价值衡量标准的比较方法。较低的假阳性错误值意味着更少的像素的背景分割为胰腺地区和低假阴性错误值意味着更少的胰腺尚未提取的黄金标准。此外,更高的相似性指数方法分割结果更准确。总之,假阳性和假阴性错误错误较低和分割结果更准确。在相反的位置,相似性指数较高,分割结果更准确。

图10显示了每个评估方法的时间效率。

4.3。讨论

评估结果表明,水平集方法表现自信的连接区域(CCRG)方法在胰腺提取。图6 (f)表明CCRG造成严重oversegmentation胰腺和回忆是不够完整的。其平均消防工程= 1.26735和FNE = 0.476太高,如果= 0.46是最低的。因为在自信的连接区域增长法,强度值的平均值和标准偏差计算所有像素都包含在该地区然后用于定义一系列的意思。邻居像素的强度值下降范围内接受并包含在该地区。这条规则的强度相似的胰腺周围地区容易归类为胰腺地区。这造成严重oversegmentation难以控制。

所有评估水平集方法可以分为三种类型:(1)edge-based水平集方法包括我们的方法,快速行进法和测地线活动轮廓的方法,(2)提出水平集方法:C-V方法,(3)水平集方法结合边缘和区域信息(CER)。评估结果表明,edge-based水平集方法是更有效的针对单一器官从医学图像分割它包含许多其他器官。自从C-V方法(简称FPE = 0.5, FNE = 0.278)放弃边缘约束和只追求实现全局最优分割结果,很难得到一个准确的结果当分割的目的是提取当地胰腺等器官。CER(消防工程= 0.43,FNE = 0.23)方法利用边缘和区域信息段对象。它执行比C-V方法由于边缘约束。

edge-based水平集方法实现最好的效果评价;特别是我们的混合方法得到最高的精度,使最少的错误分割(消防工程= 0.12,FNE = 0.11,如果= 0.88)。时间有效地方法,但通常牺牲准确性和对象不够光滑和定期的边界(图6 (c))。测地线活动轮廓的方法很容易造成oversegmentation胰腺的边界在哪里星期甚至骨折(图6 (b))。

提出的混合水平集方法采用地方法优化的能量衰减算法生成最优初始胰腺地区,以便初始轮廓附近的最后的一个。修改距离常规水平集方法维护所需的水平集函数演化的形状,这样零水平集轮廓可以定期扩大向期望的位置。energy-tune算法克服问题的泄漏在分割结果中。此外,two-phase-segmentation方案实际用于胰腺提取过程。进化功能的更新提供了一个有效的方法来控制oversegmentation。因此,我们的混合法优于其他评估方法在胰腺提取得到更高的精度和更少的分割错误。

在时间效率上比较,区域增长的方法是比水平集方法。在所有评价水平集方法,地方法是最快的(秒/片);因此,它可以快速生成最优初始胰腺MDRLS地区。广汽第二最快的方法是(秒/片)。因为我们的方法需要应对能源优化和维护的距离正则化项,这样需要秒/片,这是慢于广汽方法,C-V法和CER法需要更多的计算时间由于全球信息计算。

5。结论和未来的工作

提出的混合水平集方法有效地结合了地对水平集方法和修改距离正规化水平集方法从CT图像中提取胰腺。我们的主要贡献是提出一个可行的分割方案和实现更好的准确性和时间效率胰腺提取。我们的混合水平集方法需要更少的和简单的人机交互。

基于energy-tune算法,混合水平集方法克服了短缺的分割对象的非理想的边缘复杂的医学图像纹理。修改后的距离正规化水平集演化提供了稳定和精确的数值计算。此外,two-phase-segmentation方案用于MDRLS进一步防止oversegmentation胰腺地区的非理想的边缘。地对水平集方法采用我们的方法能够生成最优初始区域MDRLS在短时间内有效提高分割速度。因此,提出混合水平集方法不仅实现了准确的分割结果,同时也是时间效率。

在未来,我们会应用提出的混合水平集方法来提取其他器官,如肝脏、脾脏、心脏。此外,我们将利用先验知识包括形状、位置和强度分布指导胰腺分割。一个全自动的算法是我们的下一个研究目标。

确认

这项研究是由中国国家自然科学基金(没有。61272176)。作者也欣然承认评论者的有益的意见和建议,提高论文的演示。