医学超声图像豆剖技术研究及发展

导语：医学超声图像豆剖技术研究及发展一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

【摘要】在医学超声波图像中对图像进行豆剖有助于对于图像的定量分析和定性分析，图像豆剖与后续的分析和处理工作密切相关。到目前为止，虽然有许多记录中都有大量的图像豆剖方法，但是在面对复杂且困难程度较高的医学超声图像，这些方法的作用往往很小，至于起不到任何作用。文章在分析医学超声图像特性的基础上，对医学超声图像豆剖方法进行统一的论述和评价，并对它发展的趋势进行预测。

【关键词】图像分割；医学超声图像；分割算法

1传统图像处理领域中的意识产生图像豆剖

1.1基于边缘检测的方法

基于边缘检测的豆剖方法是通过相邻像素之间的特征的改变来获得不同区域之间的边缘，边缘点的判断依据是检测点的本身和与它相邻的点，具体包括局部微分算子，例如：Roberts梯度算子、Soble梯度算子和Canny算子，面对不同的超声图像，有着不同的算子、通过不同的手段来检查这些边缘点。通过实验表明，边缘检测方法获得边缘信息通常是因为这些信息不够突出而产生的空间，无法形成包围物体的封闭曲线，这就要求根据这些离开的边缘点采用一定的追踪、连接算法规划出有意义的物理范围。同时，噪声增大时边缘检测豆剖方法的图像会形成比较多的假边缘，对去除噪音提出出了比较高的要求。这个问题在医学超声图像豆剖中显得极其重要。

在医学超声波图像中图像豆剖有助于图像的定位、定量分析、定性研究，图像豆剖与后续的分析和处理工作有着密切关系。正确的豆剖是从超声图像中为临床应用，目的是能够准确提取与诊疗相关联的消息同时也是临床中进行定量分析和通过计算机对临床辅助操作中进行每一个时刻的监测、对信息进行精准分析的十分重要的环节。到目前为止，自动或半自动化方面超声图像与CT、MRI之间仍有很大的差异性，但是超声成像因为有独特的无损性、能够随时的都进行检测以及低于平常的价钱，并且在定量分析、实时监控以及医治规划等方面都有很大的发展能力，因此超声图像的豆剖在近年来越来越被人们所关注。因为本身所组成的部分十分复杂，医学超声图像的豆剖在事实上是一件非常难以达到的事情，到现在不就是一个没有被解决的世界性难题。目前，在临床应用中对超声图像系统进行豆剖最为主要的陈海是基于阙值法和大夫手动豆剖两种办法。阙值豆剖法虽然应用简单方便，但是在超声图像中会出现斑点噪音和出现的纹路使得图像不能获得一个较高的清晰度。手动豆剖法在实际操作起来最为便捷，最后得出的结果也可以被接受和采纳，但是沉重的工作量和较长的时间通常会是大夫和病人都难以忍受。因此，用计算机实现自动化和半自动化的工作方法是在临床应用上更快捷，更为高效的实现超声图像豆剖的理想选择。

1.2基于区域生长的方法

区域生长的方法是根据区域内部的均匀性给图像进行豆剖，主要是基于豆剖和合并技术和随机场的技术作为基础。豆剖和合并技术的区域生长法分为合并、豆剖、、豆剖-合并这三种方式。合并的主要方式是将图像分红许多小的基本区域，依据特定的均匀性进行判决从而进行合并，形成一个范围，面积更大的区域。分类的方法是将整幅图像作为原始豆剖图像，如果到豆剖的结果不能保证足够的均匀，就将其豆剖成四个方形区域。合并-豆剖相互结合的方法是将相邻且具有相似特征的区域进行合并，然后将具有不明显均匀特征的区域进行豆剖。这三种方式对图像的质量，尤其是铜与物体内部的灰度均匀性的要求极高，否则很容易出现过甚合并，和过甚分离的情况。对于医学超声图像，极少数人采用这种方式，在使用的过程中，也是与其他方式相结合，所以关于这样的描述少之又少。基于随机场技术的图像豆剖方式是空间区域相互作用模型随机场对图像进行模型的创建，与概率的知识和模拟退火相结合对图像进行细化从而方便豆剖。运用这种方法有时候极易产生错误的分类，对于纹理和范围难以隔绝，因此在超声图像豆剖中的应用需要进一步的分析和探索。为了避免这种错误分类，他需要更加精确的技术进化。

1.3其它豆剖技术

图像豆剖是一个具有较高要求的并且有着十分广泛的应用，许多年来多数的研究人员从以上的几个方面对图像进行豆剖，并且积极的与其它学科的知识相结合对图像豆剖进行尝试，比如创建起积分几何、运用随机理论、采用恍惚理念和时频分析为基础的数学形态学法、神经网络法、恍惚聚类法、小波转变法等，并且得出了一系列的研究结果。作为图像豆剖的一个分支，医学超声图像纷飞的研究与所有的豆剖技术都有交集，但是效果却欠差人意，在临床中难以得到应用和推广。因为本身所组成的部分十分复杂，医学超声图像的豆剖在事实上是一件非常难以达到的事情，到现在不就是一个没有被解决的世界性难题。目前，在临床应用中对超声图像系统进行豆剖最为主要的陈海是基于阙值法和大夫手动豆剖两种办法。阙值豆剖法虽然应用简单方便，但是在超声图像中会出现斑点噪音和出现的纹路使得图像不能获得一个较高的清晰度。手动豆剖法在实际操作起来最为便捷，最后得出的结果也可以被接受和采纳，但是沉重的工作量和较长的时间通常会是大夫和病人都难以忍受。因此，用计算机实现自动化和半自动化的工作方法是在临床应用上更快捷，更为高效的实现超声图像豆剖的理想选择。

2变形模型医学超声图像豆剖

为了解决上述传统图像豆剖技术中出现的困难和问题，在最近几年中，研究人员以形变模型的图像为基础对于豆剖算法进行了更为宽泛的研究和应用，并且取得了重大的进展。接下来对动态规则模型、活动详情模型和水平集模型的超声图像豆剖办法进行讨论。

2.1基于动态规划模型的医学超声图像豆剖

动态规划算法的基本思想：人员在原图像上选择特定的点作为初始点和终止点，对原始图像进行转变从而得到初始价格阵，目标边缘部分对应位置的价格比较低，其他的价格较高，从初始价格阵和规定的初始点计算积聚价格阵，最终由终止点方向反向追踪到初始点，最终获得所需要的范围详情。以往的研究结论中运用DP算法对于不同的医学超声图像进行豆剖并且得到了相对令人满意的豆剖结果。文章对着种算法在医学上的超生图像进行实际的豆剖操作，结果如图一所示。通过实际实验我们不难发现通过算法得到全局的最优解的同时具有一定的抗干扰能力。但是仍旧存在以下几个缺陷：第一点运算量过大：大部分的时间运用的积累价格阵，在运算中遇到了困难。第二点：超声图像通过自身固有的物理特性，产生较大的噪音，所以存在假性边缘，在价格阵中出现条纹状的低价格槽，会对运算造成干扰和影响，难以得到正确的结论。第三点：人工选取的初始点和终止点对结果有着严重的影响，这可以从图一体现出来，不同的初始点和终止点最终的结果也都不尽相同。

2.2基于活动详情模型得到医学超生图像豆剖

活动详情线模型，又被称作Snake模型，自从Kass在1978年提出，这种模型已经整体运用于数字图像分析和对于计算机视觉等方面。依据近些年的研究数据体现出，主动详情线模型有着强悍的提取和追踪特定区域内所想要去的的目标的功能，所以适用于医学图像比方CT、MBI和对于超生图像的处理，从而获得想取得的器官和组织的详情。有研究人员以活动详情模型为基础，对医学超声图像的豆剖进行深入的探索和研究。文章一梯度矢量流主动详情线为模型和基础，对软组织中的肿瘤图像进行豆剖尝试，达到了预期的理想效果。

3讨论和展望

通过分析可以看出，仅仅使用传统的图像豆剖技术对医学超声图像的豆剖通常很难得到令人认可的结果，；最近高速发展的形变模型豆剖技术虽然可以获得不错得医学超声图像，但是仍然存在许多的问题。

（1）外力和运动速度函数的对图像的设计；

（2）能够更好的拓展形变模型；

（3）结合模型的好处，提升豆剖效果，加快豆剖的速率；

（4）从二维向三维豆剖进行推广。重中之重的是要将临床实际与理论相互结合。

4总结

以最近的形势而言，我们可以看到在现在的社会当中。许多年来，大多数的人就人员一直在这个方面进行研究和探索，并取得了一定的成就。但是因为这些方法通常只能对一些特定的应用和目标区域与背景区域有着明显灰差的超声图像具有很好的效果，但是面对多数的超声图像则起不到作用，因此很难在临床中加以应用也得不到人们的认可。但随着近年来一些新兴的科学技术的出现和发展，医学超声图像豆剖也到了高速的发展时期，尤其是几十年发展起来的形变模型例如动态规划法、活动详情模型、水平集等技术的发展表明了发展的方向和趋势，图像豆剖由平面二维豆剖向三维豆剖转变。

【参考文献】

[1]喻艺斌.基于概念的医学超声图像豆剖技术分析[J].医学美学美容（中旬刊），2015，(6).

[2]柳艳.豆剖技术在医学超声图像中的应用[J].中外健康文摘•临床医师版，2008，(4).

[3]李靖宇，张裕，冯利民，穆伟斌.豆剖技术在医学图像中处理的应用[J].齐齐哈尔医学院学报，2009，(14).

作者:王琳璐 单位:北京市清华大学玉泉医院