| 标题 | 一种小鼠CT图像分割方法 |
| 范文 | 邵萌珠 邹辰 摘要：由于microCT图像的成像原理和组织特性导致的多样性和复杂性，针对小鼠CT图像，单一的图像分割方法难以取得良好的分割结果。结合当前医学图像分割方法，提出将阈值分割和基于Amira软件的交互式分割相结合的方法。针对不同的器官组织，根据对象灰度特征、形状、空间分布以及边缘分布等信息，使用不同的分割方法及工具进行逐一分割，最后将不同的器官融合成完整的分割后CT图像。该半自动交互式分割方法结合了两者的特点，可实现小鼠CT图像的准确分割。 关键词：医学图像分割；阈值分割；Amira软件；MATLAB应用 DOIDOI：10.11907/rjdk.151432 中图分类号：TP317.4 文献标识码：A 文章编号文章编号：16727800（2015）008020703 0 引言 在小鼠microCT图像数据获取过程中，如使用液体麻醉剂容易使小鼠的呼吸和心跳运动加快，导致运动伪影的产生，致使microCT图像成像分辨率低，进而降低图像分割的准确性并对后期重建工作造成误差；而可以提高图像分辨率的用于小动物的造影剂价格昂贵，成本较大。基于准确性、快捷性和成本代价适当的原则，本文提出使用阈值分割与交互式分割相结合的分割方法对小鼠microCT图像进行分割。 1 小鼠microCT图像分割 基于小鼠microCT图像特点，分步进行分割：①利用阈值分割方法[13]分割出小鼠的骨骼部分；②利用基于Amira软件的交互式分割方法分割出其它器官；③利用Amira软件对分割后的各切片进行平滑操作；④利用Matlab将各器官融合[4，5]。操作流程如图1所示。 1.1 基于阈值的自动分割 阈值分割法是一种将灰度图像变为二值图像以达到分割目的的方法。该方法简单、有效，特别是当不同对象 结构之间有很大强度对比时，能够获得很好的效果。一般意义下，阈值运算可以看作是一种图像中某点的灰度函数，或者该点的某种局部特征（如该点的平均灰度）及该点在图像中的位置检验，阈值一般可以写成以下形式[6]： T=T[x，y，f（x，y），p（x，y）]（1） 利用式（1），可将取阈值分割方法分成如下3类，其中阈值分别为： （1）全局阈值。只与点的灰度值有关。 T=T（fx，y）（2） （2）局部阈值。与该点的灰度值和该点的局部邻域特征有关。 T=T（fx，y，px，y）（3） （3）动态阈值。与该点的位置、该点的灰度值或该点邻域特征有关。 T=T（x，y，fx，y，px，y）（4） 由于本文小鼠microCT图像中骨骼灰度值与其它器官对比度明显，利用Matlab软件采用阈值分割方法对小鼠骨骼部分进行预分割，将图像中阈值大于215小于255的都赋值为255，并视为小鼠骨骼部分。实现自动阈值分割的部分matlab程序如下： For k=1：512 Ic = fread（fid，[N_xslice，N_yslice]，bitdepth）； Ic（find（Ic>=215&Ic<=255））=255； fid1=fopen（‘segImrotate12.raw，a）； fwrite（fid1，Ic，bitdepth）； fclose（fid1）； 1.2 基于Amira的交互式分割 由于小鼠microCT图像中其余器官之间的灰度值对比度不够强烈，利用一般的自动分割方法很难得到满意的分割结果，因此利用Amira软件采用交互式分割方法分割其余器官。 （1）读取原始数据。参数设定如下： data type：byte；dimensions：609*609*512；size：0.08*0.08*0.08；此时该文件的绿色图标出现，代表该数据集，右击对象池中的绿色按钮，display-Orthoslice，就将其与Orthoslice模块连接，数据图形显示在三维图形显示器。 （2）器官分割。分割就是将图像上每个像素分配一个标签，以注明该像素所在的区域及其材质属性，比如该像素代表的是骨骼，还是肌肉、血管、脏器等。进行器官分割时，首先创建一个空白的标号场（labelfield），然后在图像编辑器中进行交互编辑标签。针对不同的器官，根据其形状、大小、灰度值、边缘等信息使用不同的工具进行图像分割，并为分割区域作上标签。其中，常用工具为套索工具，可以将需要的区域用套索将其边界围起来，然后再作上标签，但该工具标出的边界不太光滑。一般情况下，对于边界曲度较好的器官，可以用笔刷分割，该工具刷出区域为圆，且半径可以进行调整，因此可以与边界进行较好地匹配，而且其分出的区域边界光滑，不需要作太多修改。例如对于本文所使用生数据中的肌肉可以用套索工具，而心脏、肺、肾脏，肝脏可以用笔刷进行分割。将各器官大体分割好后作上标签。调整好边界后，用“smooth label”对边界进行平滑，size值设为3；再应用 “Remove islands”去除岛屿，完成分割。各器官阈值对应如表1所示。 1.3 各器官融合 对分割后得到的各器官，采用两两器官分别融合的方法，比如将肌肉和骨骼融合，阈值分别设定为0、11和0、51，相加后产生4个阈值：0、11、51、62。其中，阈值为0的部分视为背景，阈值为11的部分视为肌肉，阈值为51的部分视为骨骼，阈值为62的部分可以视为骨骼。其余器官也采用同样的方式进行两两融合，得到3个融合结果，再利用该方法逐一融合得到完整的分割后CT图像，需要注意的是，阈值设定要避免相加所得结果产生重复的数据，导致各器官混淆，图像分割准确度降低。其中肌肉和骨骼融合部分matlab程序如下： Fid1 = fopen（‘muscle.raw，r+）； fid2 = fopen（‘bone.raw，r+）； for n=1：256 Ic1 = fread（fid1，[width，height]，uint8）； Ic2 = fread（fid2，[width，height]，uint8）； Ic = Ic1+Ic2； Ic1 = Ic； Ic1（find（Ic==62））=51； fwrite（fidsave，Ic1，uint8）； end 1.4 分割结果对比与验证 小鼠器官分割前后的结果分别如图2、图3所示。 为验证分割准确度，利用3Dmed软件中的配准功能将分割后的数字鼠结果和分割前的CT重建结果作叠加对比，结果如图4、图5所示。 可以看出，阈值分割和基于Amira软件的交互式分割相结合的方法可以得到满意的分割结果。分割后的microCT数据存储为生数据格式（.raw），此数据格式可以直接读入到Amira中，进行小鼠表面数据的提取和内部体数据剖分。所有器官的表面均被提取出来后，就可以进行四面体剖分，剖分后的四面体数据可以用于内部光源的重建，为后续研究打下基础。 2 结语 小鼠microCT图像分割具有以下显著特点：①采取单独的图像分割方法，对小鼠microCT图像难以取得良好的分割结果，需要对现有方法进行改进并有效结合；②医学图像分割通常需要应用医学领域中的相关知识，要实现正确分割，需要了解图像中不同对象的灰度分布情况、形状特征以及对象间的空间几何关系；③由于小鼠microCT图像分割是生物发光断层成像的基础，后期获取的表面2D分布需要映射到小鼠的3D表面，而且光源重建时也需要对分割后的数据作有限元剖分，因此其准确性非常重要。鉴于自动分割方法难以满足双模态系统中小鼠microCT图像分割结果准确性的要求，因此应重视用户参与控制进行引导的交互式图像分割方法。本文应用软件Amira5.2.1进行交互式与阈值分割相结合的方法，最终得到较满意的小鼠器官分割结果。 图5 分割前后三维立体图叠加 参考文献： [1] 谢勰，王辉，张雪峰.图像阈值分割技术中的部分和算法综述[J].西安邮电学院学报，2011，16（3）：113. [2] 王文宁，王汇源，牟文英.一种新的灰度直方图分割阈值的自动检测方法[J].计算机工程与应用，2005，26（6）：8991. [3] 韩思奇，王蕾.图像分割的阈值法综述[J].系统工程与电子技术，2002（24）：9194. [4] 王晓辉，唐劲天，李运智，唐露新.基于Amira的小鼠肺部同步辐射图像的三维重建[J].北京生物医学工程，2008，27（4）：482485. [5] 黄剑玲.利用MATLAB进行数字图像的分析和处理[J].计算机与现代化，2000（6）：104107. [6] 杨修国.图像分割方法研究与分析[D].上海：华东师范大学，2009. （责任编辑：陈福时） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。