1、上海大学硕士学位论文医学图像病变区域的自动定位和分割姓名：戴珮璟申请学位级别：硕士专业：计算机应用技术指导教师：张武20070201上海大学硕士学位论文翌！堡受堂坐旦型！坚！竺堕旦！塑堡摘要大型设备已经成为各家医院的必备的医疗仪器，并为临床医师诊断病情提供了坚实的依据。但是目前的诊断方式还是基于人工观察，计算机辅助水平不高，数据的保存和传输等周边设施投入不足，大量的数据没有记录信息，而且在未得到充分利用前就丢失了。本课题要研究并探索一种不依赖特殊设备，完成针对病交区域的自动定位分割（）的方法，同时具有较高的自动 化水平和人机交互效率。这样能够改进并提高目前医院人工诊断的效率，而自动定位病变区域
2、并提取能够使计算机自动识别所保存数据的信息，同时为其它依赖输入的计算机辅助诊断方法提供自动化的预处理方法，更好的为医生、患者和计算机服务。本课题首先对现有人工和计算机辅助诊断方法以及流程进行研究，并向专业 医师学习了中耳炎诊断的经验和技巧，协助别的课题组完成了中耳区域的人工分割：然后继承吸收了技术的研究现状，并总结了的基本计算模型，提出了以模板匹配和区域提取为核心的针对三维医学图像病变区域算法框架。算法通过重采 样和刚性配准等算法实现体数据标准化（），将标准化样本进行统计运算生成正常人模板，使用金字塔配准（）和双模式区域提取（）算法完成模板匹配和病变区域的提取。在算法实现中， 还在和的基础上实
3、现了双模式（交互和批处理）中耳病变区域插件。在中耳区域自 动提取应用中，病 变区域提供了近似于人工分割的 结果：通过和其他自动分割算法的对比实验，也显示出更好的性能和交互效率，整个课题的研究成果得到了验证。关键词：自动定位分割；模板匹配；配准；金字塔模式上海大学硕士学位论文堡！塑墅！坐堡墅！堕！型型坐！型生，（），出。，：（），；（）（）（）血：；上海大学硕士学位论文！坠！竺塑型唑！旦竺坚堕兰垒翌壁型旦！兰！塑原创性声明本人声明：所呈交的论文是本人在导师指导下进行的研究工作。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已发表或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何
4、贡献均已在论文中作了明确的说明并表示了谢意。鲶晦期：犁砧本论文使用授权说明本人完全了解上海大学有关保留、使用学位论文的规定，即：学校有权保留论文及送交论文复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容。（保密的论文在解密后应遵守此规定）签名：上海大学硕士学位论文旦！壁受查坐旦竺！业！旦！型垡课题来源第一章绪论本课题来源子上海大学计算机学院、复旦大学附属眼耳喉鼻医院、美国北卡罗来纳大学夏洛特分校数学系、以及美国路易斯安那州立大学“耳鼻喉”外科系四方合作项目，旨在利用计算机辅助诊断方式检测人类中耳的胆脂瘤的病状。课题研究的目的和意义本课题研究的目的是开发一个具有临床实用价值的耳部自
5、动定位与分割方法，使得对于同一 类的人类脑部图像，系 统自动分割并提取出中耳以及内耳区域，以辅助后续的胆脂瘤诊断与分析。医学图像处理的最终和最重要的目标实现计算机自动地检出病变、分析病变并最后智能地得出辅助诊断结论。由此目的出发，可以把医学图像处理的主要研究内容分为下面几个部分：医学图像的数据获取、医学图像分割、医学图像配准、三维 可视化、医学结构分析、运动分析等，而其中医学图像分割的研究具有更重要的意义。医学图像分割是正常组织和病变组织的三维重建、定量分析、辅助诊 断等后续操作的基础，分割的准确性对医生判断疾病的真实情况并做出正确的诊断计划至关重要。然而由于人体解剖结构的复杂性、组织器官形状
6、的不规则性及不同个体的差异性等，医学图像分割，包括正常解剖结构和异常病变区域的图像分割一直是图像处理和分析领域的研究难点。目前还没有一种能对所有图形都能产生效果满意的分割方法。本文研究的对象一胆脂瘤，是鳞状上皮囊状袋内角化物增生沉淀而形成的肿块，是一种耳科的常见病。 这种肿块能侵蚀中耳、乳突 颞骨岩尖，甚至危害到颅神经和脑内结构。胆脂瘤临床确诊主要是由医生根据病人头颅放射学图像片凭借自己的个人经验判断病状的发生与否。显然，这很大程度上也依赖医生的个人经验。因此，引入一种既有足够理论依据，同时又可客观度量的上海大学硕士学位论文！坚！坚里！坐！壁堡型！竺业墅！翌堕方法来辅助诊断显得很有临床价值。但
7、在同医院合作进行计算机辅助胆脂瘤检测时遇到一个问题，一些比较好的方法都要求事先给定感兴趣区域。因为一开始缺乏医学知识，这些的分割必须在专家的指导下手工进行，尽管经过一定的培训能够自行手动分割，但大量的数据不仅耗费了许多时间，不恰当的分割也对后续研究的结果造成了影响，因此，开发 一个具有临床意义的自动定位分割程序，不仅为那些依赖预分割、 预定位、或其他需提供初始范 围的算法提供了新的方法，增强了那些方法的自动化程度，为原本人工定位分割占主导地位的分割算法领域增加了多样性选择；同时，因为无法快速而有效的处理图像，医院平时不会保留全部的数据，自动化水平的提高也为大型医学图形数据库的研究和开发提供了需
8、求，使得人们 能够更有效的使用大型的医学模板库和医学图像数据库等；而且一些共同的思想能够应用到通用图像处理当中，丰富图像处理技术领域的研究。国内外研究概况医学图像分割技术的发展是一个从人工分割到半自动分割和自动分割的逐步发展过程。 较早的图像分割完全是靠人工完成的。完全的人工分割方法是在原始图像上直接画出期望的边界”。 这种方法费时费力，分割结果完全依赖于分割者的解剖知识和经验，而且分割结果难以再现。半自动的分割方法是随着计算机技术的发展产生的，它把操作者的知识和计算机的数据处理能力有机地结合起来，从而完成对医学图像的交互分割【。与人工方法相比，半自 动的分割方法大大减少了人为因素的影响，而且
9、分割速度快，分割精度高，但操作者的知识和经验仍然是图像分割过程的一个重要组成部分。近年来，由于大量的新兴技术如模糊技术和人工智能技术在图像分割中的应用，图像分割领域中也涌现出一些自动的分割技术【。自动分割方法能完全脱离人为干预，由计算机实现医学图像分割的全过程。由于自动分割方法的运算量较大，目前大部分的自动分割方法都是在工作站上实现的。从目前图像分割技术在临床上的应用情况来看，自动分割方法并没有完全取代人工分割方法和半自动分割方法。在许多医院，图像分割仍然是由人工完上海大学硕士学位论文！型世苎兰！皇壁堡！兰！竺业型望里！竺塑成。这是由于医学 图像常表现为对比度低， 组织特性的可变性及不同软组织
10、之间或软组织与病灶之间边界的模糊性、以及形状结构和微细结构（血管、神经）分布的复杂性等， 给研制自动分割技术造成了极大的困难。在实际应用中为获得理想的分割效果，常常需要对分割过程进行人工干预。虽然近年来出现了许多自动的图像分割方法阿，但是目前大部分自动方法仍然停留在实验阶段，真正能用于临床的还为数不多【】。尽管如此，研究 实用的自动分割方法并最终取代繁琐的人工分割和主观性很强的半自动分割一直是人们追求的目标，也是近年来图像分割方法的研究重点。近年以来，人们研制开发出众多的图像分割方法，许多方法最初都是采用单一的图像分割技术，如单纯利用各种微分算子进行边界探测的基于边界的分割技术，利用区域生长或
11、区域分裂的基于区域的分割技术，利用概率统计理论的分割技术等。随着、和成像模式的产生和普及应用，单一的分割技术已难以胜任对新的成像模式产生的复杂的医学图像的分割任务。为此，人们提出了集成（）分割技术的概念，即把两个或两个以上的单一技术结合在一起，使它们扬长避短，互 为补充。实际应用表明，集成分割技 术比单一技术能够达到更理想的分割效果，是图像分割技术发展的一个重要方向。医学图像从本质上是模糊的，在医学图像中存在许多不确定的因素，如灰度、纹理和区域的 边界等。虽然这些不确定性给图像分割技术的研究带来了许多麻烦，但是却 给模糊技术提供了用武之地，因为模糊技术非常适合处理事物的不确定性。近年来，随着模
12、糊技术的不断成熟，它在 图像分割中的应用也日益活跃，成了医学 图像分割技术的一个研究热点，许多模糊分割技术也应运而生，如应用模糊子集理论的模糊分割技术【、模糊均值聚类分割技术（）【引、应用模糊逻辑的基于规则的模糊分割技 术【等。目前，模糊技术在图像分割中一个显著的应用特点是它几乎能与所有现有分割技术结合使用，从而形成一系列的集成模糊分割技术，如与基于知识的分割技术结合形成了基于知识的模糊分割技术，与人工神经网络结合形成了模糊人工神经网络分割技术【】。 诸如此类，模糊阈值、模糊聚类、模糊边缘检测技术等都是模糊技术与其它技术结合的产物。由此看来，模糊技术为医学图像分割技术上海大学硕士学位论文！坠壁
13、坚！璺竺坐！璧塑垡墨！竺业型望翌！兰！堡展示了乐观的前景。随着人工智能在图像分割中的应用，基于知识的分割技术和基于人工神经网络的分割技术也成了近年来图像分割技术的研究热点。论文的主要研究内容为了研究自动化技术在医学图像特定区域的定位和分割中的作用，探索、使用和改进传统算法的自动化性能，进而提出高效的自动化定位分割技术作为交互式方法的补充，因此本课题将主要研究以下两个问题：口同人工定位分割相比，自动定位分割的有效性研究；口自动定位分割同其他自动化分割方法的性能和交互比较；第一个问题主要考虑到人工定位分割依然是定位以及分割判断的黄金标准，因此衡量自动定位分割的效果必须通过同人工结果进行比较，同时考
14、察自动定位是否真的提取出了所需要的区域。验证了自动定位分割的有效性后，第二个问题主要考察自动定位分割的算法性能和交互效率同一般自动化分割方法的比较，由此 验证本课题研究的应用前景。本论文是以作者攻读硕士学位期间承担课题的工作为基础，在第一章中阐述了课题研究的来源、目的、意 义以及国内外研究的现状。第二章主要介绍了人工诊断和计算机辅助诊断现状，以及人工诊断胆脂瘤和人工分割中耳病变区域的方法，提出自动定位分割技术的必要性。第三章在现有图像分割方法的基础上，继承和吸收自动定位分割技术的研究成果， 总结和探讨了自动定位分割的一般模型，并给出了相关的技术背景。在第三章的基础上，第四章详细阐述了医学图像病
15、变区域自动定位分割的框架和模型，并给出了算法设计和平台介绍。第五章 实现了病变区域自动定位分割算法，并进行了实验和结果分析。第六章总结全文，并 对本课题提出了进一步研究目标和展望。上海大学硕士学位论文！些塑墅翌璺竺堡！嬖！堕兰！竺韭型望！型堡第二章及计算机辅助诊断尽管设备越来越复杂和高级，但是 诊断依然主要在依赖人工观察的阶段，计算机辅助水平不高，数据的保存和 传输等周边设施投入不足，大量的数据没有记录信息，而且得到充分利用前就丢失了。这在胆脂瘤诊断案例中较为明显。诊断现状基本原理及标准机成像的原理就是根据人体内不同物质对于射线的吸收程度不同而显示出不同的灰度值，继而组成图像。用值这个概念来表
16、示物质对射线的吸收程度。一般把水的值定义为，物 质的密度越高，值就越大。一般来说，骨骼对射 线的吸收程度最高，一般定义为，空气对于射线的吸收程度最低，定义位。人体中不同密度的各类组织则居于到的个分度之间。图像显示中另外两个参数窗宽和窗位，用来表示图像显示的值的范围，即，。本课题使用的格式 对应的窗宽：，窗位：，其显示的物质的 值在到之间。这种显示格式比较适用于检查骨骼，正好符合本课题研究中耳区域的要求。而另一种显示格式，对应的窗宽：，窗位：，比 较 适用于凸显软组织，适合检查肺部等内部软组织器官。是医学数字影像和通讯（）的缩写，是医疗设备的国际标准通讯协议。为了克服医学影像信息学得发展中不同医
17、疗设备产生的医学影像之间的不兼容和交换阻碍，美国放射学会（）和全美电子厂商联合会（）联合组成委员会，在参考了其他相关国际标准的基础上，推出了医学数字图像存储与通信标准，即上海大学硕士学位论文里！生蹩型竺堕旦壁！坚！塑墅望！翌！塑标准。它从最初年的版本到年发布的标准，已经发展成为医学影像信息学领域的国际通用标准。它包含了医学图像的数字化采集、归档、通信、显示及查询 等各种信息交换的协议，以开放互联的构架定义了一套几乎可以涵盖所有类型的医学诊断图像及其相关的分析、报告的信息对象集，是实现医学影像信息有效管理和共享的基础。基础设 施和处理流程计算机辅助诊断技术研究的一大难题就是缺乏真实数据，无法验证
18、方法的可靠性，尤其是那些比较特定组织的数据，如眼睛、耳朵等。当初成立合作 项目研究的原因，就是考虑到复旦大学附属眼耳鼻喉五官科医院拥有大量的中耳图像，其病例数甚至 “超过美国一个州所拥有的数据”。但是经过调查和研究，国内虽然 拥有众多的病例和数据，但是其利用程度远远低于国外水平。由于项目合作的缘故，本课题研究得到了复旦大学附属眼耳鼻喉五官科医院的大力支持，不仅 得到了许多胆脂瘤图像，而且 对医院目前诊断和数据处理的现状有了一定的认识。一 目前眼耳鼻喉五官科医院所使用的是拥有排探测器、“层数据采集系统的西门子采集工作站，专门用于采集并提取图像数据。此外，为了在临床医生共享图像，以便医生的会诊和综
19、合分析，医院还引进了医学影像归档和通信系统（即，），除影像采集设备机外， 还包括服务器、影像数据 库、网络设备、传输设备 以及图像显示工作站。网 络通讯协议采用，通过任何一个终端，医生可以调出相关的图片进行数据察看、三维重建和三位操控等一些基础的图像处理工作。如图所示。上海大学硕士学位论文！生！堕！坐坐！堕！垡！竺坠！：！垡图医学影像信息系统从图中可以看出，该系统通过医学影像采集工作站采集图像设备输出的医学图像， 经过不同的处理之后，将 图像存储到服务器中，并最终存储到影像数据库中去，供医院各科室调用、 查询并在显示工作站上显示。但由于该医院的系统刚处于初步应用阶段，存储设备的容量和网络设备受
20、到很大的限制，因此在影像数据库中保存的病例数据都是原数据经转变后的低精度数据，而网络的设置只局限在放射科的局域网中，只有放射科的医生可以访问该数据库，其他 临床医生只能通过病人的物理光片获得信息。医院归档的数据也是以物理光片的形式放入存储室，影像数据库中只有未经整理的杂乱无章的数据。存在问题这个看似完备的系统却并没有得到应有的利用，存在下列问题：首先数据获取形式较少。通过图看到，只有放射科的医生终端被允许访问低精度数据库，其他临床医生无法访问数据。而且由于软件本身的限制，数据输 出的形式主要是刻盘和冲片，不提供别的形式共享数据，更不允上海大学硕士学位论文！竺望型！竺堡！塑！竺韭型！兰堡堕许非西
21、门子客户端访问新数据。数据获取形式单一无疑为数据共享和合作研究带来了障碍。其次数据存储受限制。存储数据库中一般只保存低精度数据，因为高精度数据一般要多花三到四倍的数据量。并且数据库中没有相应的归档服务器，病例信息杂乱无章，存储着只是“为了在发生医疗纠纷时作为证据”。为了获得不同时间的数据，医生总是到不同的地方进行刻盘拷贝，有些数据甚至还“找不到了”。数据存 储限制造成了医院空有大量的数据，却因为得不到及时利用而被浪费掉了。第三，该系统 也只是为医生提供影像学上的信息。病人到底患什么病，病灶区域在哪里，有什么诊断建议， 还是完全依赖医生的肉眼判断和经验诊断，没有发挥计算机辅助医生诊断的作用，更不
22、用说达到半自动化或全自动化的数字诊断水平了。最后也是最重要的问题，数据存储不保存信息。放射科医师做完初步诊断后，直接将诊断信息输出打印，不将信息保存入数据库，至于诊断信息是否归档也不得而知。据说是因为医生总能根据数据做出正确判断，因此不需要保存诊断信息或关联相应数据。至于医生是否如确定自动机一般，这点无法证实，但无信息的数据带来的最大问题就是在获取信息时，也无法知道该图片是否有病，有什么病，谁看的，等等。任何医学影像系统，无 论是西门子还是，在图像编码和传输上都遵循一个通用的标准】，而且预留了信息的字段，因此仅仅数据格式上的标准不能解决数据没有信息问题。而专用系统的封闭性，即使或者西门子愿意使
23、用公开标准，也不会对其系统的扩展性有所投入。因此需要一种技术，能 够辅助医生作判断，降低学习门槛，提高诊断效率；同时能够自动为数据提供信息，或者实现差异存储，即高精度保存重要的病变信息，其他信息使用低精度保存，提高存储和传输效率。上海大学硕士学位论文！塑！竺堡翌！坐！壁！坐！竺堕！苎旦计算机辅助诊断计算机 辅助诊断概述计算机辅助诊断在医学中的应用可追溯到世纪年代。年，美国学者等首次将数学模型引入临床医学，提出了计算机辅助诊断的数学模型，并诊断了一组肺癌病例，开创了计算机辅助诊断的先河；年，首次提出“计算机辅助诊断”（，）的概念。计算机辅助诊断的过程包括病人一般资料和检查资料的搜集、医学信息的量
24、化处理、统计学分析，直至最后得出诊断。就是基于医学影像的计算机辅助诊断（），属于医学影像学的研究范畴。自世纪年代开始，就出现了用 计算机分析医学影像资料的报道。此后十几年里由于计算机技术等各种原因，的研究一度陷入低谷：一方面，由于人们对于期望过高，希望能 够借助计算机实现自动诊断（）；另一方面的研究结果也并不理想。直到八、九十年代，由于计 算机技术及各种数学、统计 学的快速发展， 计算机辅助诊断才在一些发达国家的医学影像学领域获得较快发展，并取得了可喜的成，就【】。随着对这一方向的研究不断深入，各方面研究人员包括医生、学者以及工程人员对于计算机辅助诊断在医学影像学中的含义也逐渐达成了一个共识：
25、在应用计算机辅助诊断系统时，做出最终诊断结果的仍应该是医生等医务工作者，只是医生在判断时可以也需要参考计算机输出的计算结果，这样使得诊断结果更客观更准确。 简单地说， 计算机的输出结果被强调为一种参考（）而不是最终结 果，这与最初六、七十年代的计算机自动诊断的观念以及现在某些人对于的理解是很不相同的。医学影像学中，计算机的输出结果是定量分析相关影像资料特点而获得的，其作用是帮助放射科医师提高诊断准确性和对于图像、疾病解释的一致性（）。之所以能够提高医生的诊断准确性，原因就在于：放射科医生的诊断是主观判断过程，因而会受到医生经验及知识水平的限制和上海大学硕士学位论文！塾！竺堡璺璺竺堕！壁堡坐兰皇
26、竺业型坚坐兰墅！望影响；其次，医生诊断时易于遗漏某些细微改变，如肺 结节，乳腺内的 细微钙化等。而计算机 对于纠正这些错误和不足具有巨大的优势。计算机 辅助诊断一般过程医学影像学中通常把计算机辅助诊断分为三步来进行【：第一步是图像的采集过程，目的是把病变由正常结构中提取出来。在这里图像处理的目的是让计算机易于识别可能存在的病变，让计算机能够从复杂的解剖背景中将病变及可疑结构识别出来。通常此过程先将图像数字化：一般用扫描仪将图像扫描；如果是数字化图像如、刚图像则可省去此步。各种病变运用不同的图像处理和计算方法，基本原则是图像增强和图像滤波的应用等，通过处 理计算机将可疑病变从正常解剖背景中分离、
27、显示出来。第二步是图像征象的提取，或图像特征的量化过程。目的是将第一步计算机提取的病变特征进一步量化，即病变的征象分析量化过程。所分析征象是影像诊断医生对病变诊断具有价值的影像学表现，如病变的大小、密度、形态特征等。第三步是数据处理过程。将第二步获得的图像征象的数据资料输入人工神经元网络等各种数学或统计算法中形成诊断系统，可以对病变进行分类处理，进而区分各种病 变，也即实现疾病的诊断。 这一步中常用的方法包括决策树、神经元网络（）、网络、规则提取等方法，目前应用十分广泛，并取得较好的效果。医学图像处理方法医学图像处理及可视化技术不同于通用的图像分析技术，其特点主要集中于数据获取、数据存 储与管
28、理、三维重建、图像显示和交互以及应用扩展技术。数据获取是指从信号信息转化为计算机可识别的格式，它既规定了数据的各种格式，也规定了信号采集的方式。比如 说和是毫米 级灰度图像，但存在 组织区分困难的特点，因此需要特殊的图像分割技术；切片是高精度彩色图像，但对机械切削加工有很高要求，而且对物理研究对象有不可逆的破坏作用。数据获上海大学硕士学位论文！壁坚！坚！塑！垡！竺鲤型！堡壁堕取技术发展的总趋势是高精度、低信息损耗。医学图像数据量大，对存储、 传输和检索技术要求高。数据存 储与管理技术就是对海量、高效存储和数据传输（数据网格）的研究，同时要求数据检索和快照（）。三维重建要求将二维医学图像序列转换
29、成三维的体模型，一般方法为预处理、配准、重采样、后处理、科学计算可视化和分割。预处理步骤主要对图像进行标准化操作，比如说通过直方图均衡进行亮度统一；配准是将反应相同内容的图像进行对齐，比如 说金字塔互信息配准；重采样通过线性插值、双线性插值或三次插值将图像的分辨率统一；后处理步骤主要包括去除背景、高斯平滑降噪和镜像修补（如化石）等方法；科学计算可视化主要是对模型的显示问题；图像分割则穿插在其他方法中，提取感兴趣区域。图像显示和交互包括大规模数据空间的虚拟现实漫游，目前等知名大公司纷纷推出了自己的虚拟世界计划，这对医学数字虚拟计划也是一种契机和推动。除此之外 还有实施立体显示帮助进行远程手术，还
30、有多感官技术，使得医生不仅看得到，还能感受到人体内部的碰撞、温度和气味。应用扩展主要包括虚拟内窥镜技术，包括路径自动生成、视点的自动确定（类似于虚拟摄相机的自动避障）和实时高速显示技术；虚拟仿真包括全景图场景的制作（技 术和柱面投影反变换算法）、 软组织弹性形变（优化现行弹性模型、 弹性有限元法和实时弹性形变算法）以及流血特效和高光纹理（粒子系统）等。胆脂瘤诊断胆脂瘤特征胆脂瘤亦称表皮样囊肿，是起源于异位胚胎残余组织的先天性良性肿瘤，可为多发，无明 显性别差异，任何年龄均可发病，高峰年 龄均在岁。它一般呈圆形，在一定的条件下会慢慢增长，能 压迫并破坏周围的骨质，其破坏组织的行为酷似肿瘤，故于年
31、首次发现后就命名为胆脂瘤，实质上上海大学硕士学位论文旦！塑业里坚！堕！竺塑！旦尘！苎堕并非肿瘤，因 为它里面没有肿瘤细胞或癌细胞，但因沿用己久，所以并没有纠正。胆脂瘤的侵蚀行为能在乳突内形成腔洞，腔洞里面是由脱落的上皮细胞堆积而成，其内容物很像臭豆腐渣，将其放在显微镜下检查，有胆固醇结晶的化学物质。根据病史、临 床表现再加上病理检查手段，也能诊断出胆脂瘤，但这样一方面诊断周期长，需要等待化验结果；另一方面也不利于胆脂瘤的早期诊断。由于胆脂瘤在发展的过程当中，始终会伴随着对周围骨组织的侵蚀行为，因此，临床上往往利用图像本身的特点，尤其是高分辨率对显示颞骨细微结构、病变软组织及骨质破坏方面的优势，
32、将高分辨率广泛地应用于胆脂瘤的诊断中，以利于明确诊断胆脂瘤及选择手术方式。人工判别胆脂瘤，主要根据胆脂瘤的图像特点来判断。典型的图像特点表现为【】：、鼓室、鼓窦入口或鼓 窦内软组织块影，呈 图案状、团片状或充满病区；如图、盾板骨质变钝 或消失和听小骨骨质破坏或移位，破坏骨质边缘锐利硬化；如图、骨质破坏 严重可以累及鼓室鼓 窦盖、乙状窦壁、面神经管以及半规管等；如图、并发 外耳道胆脂瘤，可见其内充填团块状软组织块影伴局部骨壁毛糙或署膏由探图胆脂瘤的表现上海大学硕士学位论文旦！塑唑坠壁！堕坠竺型堡旦璺！竺堡业胆脂瘤计算机辅助检测方法虽然借助高分辨率，医生可以直观地观察到胆脂瘤瘤体以及它对周围骨质的
33、破坏程度。但是，并不是每个医生都可以很顺利地从高分辨率的图像上得到有价值的信息，从而快速、准确地做出诊断的。对于胆脂瘤这样的疾病，即便提供了高分辨率的图像，医生自身也需要有足够的专业知识和临床经验来识别、诊断。目前已有人开发出了半自动方式的胆脂瘤人工诊断方式【捌，他利用胆脂瘤在临床表现中的单侧性，从不对称理论出发， 辅以临床胆脂瘤诊断的一些经验，直接从医学图像的局部不对称度计算入手，开发了一个针对性很强的医学辅助诊断系统。系 统以病人头颅图像作为输入，采用逐次求精的方法来快速搜索图像的最佳对称轴，进而计算该图像的不对称度，并通过与经验闽值的比较，给出初步的病理判断，供医生参考取舍，帮助医生快速
34、准确的诊断胆脂瘤病例。该方法主要算法过程如下：首先读入数据，形成三维图像；其次，确定两个需要进行对称度计算的病变区域。、。（通常为中耳区域），并确定两个区域的中心点、，以为中心的小领域内遍历，与另一区域计算得出最佳对称轴；第三，遍历。，根据对称轴计算对称度。最后， 选取最小对称度与经验阈值比较，得出初步的病理判断。胆脂瘤手动分割方法在计算不对称度的过程中，有一个关键问题，就是对病变区域。，。的确定。这两个区域是不 对称度计算的遍历区域，选取的大小关系到计算结果和病理判断。理想的来说计算点的遍历区域应该是中耳区域，即经过自动分割和提取的颞骨区域位置。但在实验初步阶段，在尚未达到充分自动分割的情况
35、下，采用了以长方体作为区域的形状，以长方体的中心点为遍历的中心点。主要由人工凭经验给出，如 图。上海大学硕士学位论文坠！塑型坚！堡嬖！坚！竺韭型型！竺兰竺横断面冠状位图胆脂瘤的人工分割方法在人工分割中，长方体的长以头骨至耳蜗之间距离为限，以乳突气房的宽度为长方体的宽度，以中耳区域所占切片数为高度的一块遍历区域。显然，这块区域的大小已经超过了可能病灶的区域，在搜索中难免产生结果不均的情况。因此需要更精确的分割方法将病变区域提取出来。小结本章主要介绍了人工诊断和计算机辅助诊断的现状，由于人工诊断缺乏计算机辅助手段，数据保存没有诊断信息，而且以为输入的自动化算法会受到提取的影响，因此需要一种自动化的
36、定位和分割技术，辅助医生和计算机处理数据。尤其在胆脂瘤诊断应用中，自动定位技术将大大有利于肉眼观察判断和计算机辅助检测。下一章将从医学图像分割方法入手，探讨自动定位分割技术以及相关的技术背景。上海大学硕士学位论文壁！塑型坚！堡竺！垡！竺出！坐！型壁第三章自动定位分割技术自动化分割一直是人们追求的目标，但是交互永远是分割必不可少的补充，所以自动化不是不交互，丽是交互效率的提升。定位技术能够帮助计算机自动寻找到满足一定特征的对象，因此定位技术能够增强自动化分割，形成新的自动定位分割技术。图像分割方法数字人研究的先驱者说过，数字人研究有三个具有挑战性的问题，就是分割、分割、再分割【 】。图像分割是图
37、像分析的一个中间步骤，是低级视觉的首要部分，它是将图像中具有特殊涵义的不同区域区分开来，这些区域是互不相交的，每个区域都满足特点区域的一致性。从处理对象角度来讲，分割是在图像矩阵中对所关心的目标的定位。显然，只有用这种方法把“感兴趣的目标物体”从复杂的景象中提取出来，才有可能进一步对各个子区域进行定量分析或者识别，进而对图像进行理。而医学图像分割的目标则是将医学图像中的特定组织完全提取出来进行可视化或进一步处理。图像分割的一般的方法是首先将图像分成不同的区域，然后选中一个区域，最小化区域内部的差异，最大化区域闯的差异，最终得到满足条件的感兴趣的区域。图像分割既可以作 为医学图像分析的预处理阶段
38、，降低处理步骤的复杂度，也可以作为单独的图像处理方法，广泛应用于机器人视觉、模式识别和医学图像处理等领域。目前 图像分割的方法按照搜索空间可分为特征空间分割、图像空间分割和光学空间分割。 对于医学图像来说，分割方法主要针对图像空间分割，因为图像空间的灰度信息包含更多我们感兴趣的信息。但是大多数分割方法都忽略了图像的结构信息，我 们只能够指定寻找一定灰度或一定统计特征的区域，但不能寻找满足一定结构的区域。如果我们能够将待寻找对象的结构编码成特征，然后在特征空间去寻找所需要的区域，比如说在脸上寻找眼睛，在头部寻找耳朵，上海大学硕士学位论文堡！韭型坚！堡望！堕！型型坐！竺堕然后直接根据编码计算相似度
39、，那么我们就能够得到一种新的方法，这种方法使得我们能够以较少的信息表示图像的结构，去除其他我们并不需要的信息，这种方法甚至能够取代经典的脑部分类器。基于区域的分割方法基于区域的分割方法是最常见的分割方法，通常利用同一区域内的均匀性识别图形中的不同区域。它依赖于图像的空间局部特征，如灰度、纹理及其他像素统计特征的均匀性等。典型的基于区域的分割方法有阈值分割、区域生长、区域分裂以及区域生长与分裂相结合的方法等。阈值分割阈值分割是最常见的、并行的直接检测区域的分割方法。如果只选取一个阈值称为单阈值分割，它将图像分为目标和背景两大类；如果用多阈值分割称为多阈值方法， 图像将被分割为多个目标区域和背景，为区分目标，还需要对各个区域进行标记。阈值分割方法基于对灰度图像的一种假设：目标或背景内的相邻像素间的灰度值是相似的，但不同目标或背景的像素在灰度上有差异，反映在图像直方图上，不同目标和背景则对应不同的峰。选取的阈值应位于两个峰谷处，从而能将各个峰分开。（见图）图阈值分割阈值分割的缺点是不适用于多通道图像和特征值相
