馮娟++馬艷歌

摘 要：簡要介紹了一種從乳房原始圖像中檢測胸墻的算法，以期為日后的相關(guān)工作提供參考。這種算法是先在原始圖像中確定胸墻的初始區(qū)域，然后運(yùn)用形態(tài)學(xué)的相關(guān)知識在初始區(qū)域中確定胸墻區(qū)域與其他組織區(qū)域的分割閾值，從而得到胸墻區(qū)域模板。

關(guān)鍵詞：圖像處理；胸墻檢測；域值分割；影像系統(tǒng)

中圖分類號：R816 文獻(xiàn)標(biāo)識碼：A DOI：10.15913/j.cnki.kjycx.2016.06.014

隨著計(jì)算機(jī)科學(xué)和信息技術(shù)的發(fā)展，醫(yī)學(xué)成像技術(shù)也在不斷發(fā)展，各種醫(yī)用影像系統(tǒng)面世。全視野數(shù)字乳腺X線攝影系統(tǒng)（FFDM，F(xiàn)ull-Field Digital Mammography）、數(shù)字乳腺斷層攝影系統(tǒng)（DBT，Digital Breast Tomosynthesis）作為乳腺癌篩查和診斷時(shí)必不可少的設(shè)備被廣泛應(yīng)用。

在處理乳腺圖像的過程中，需要先檢測出胸墻的位置。目前，工作人員主要是在經(jīng)過了厚度均衡、組織均衡、增強(qiáng)、降噪等算法處理后的圖像上進(jìn)行相關(guān)檢測。在處理圖像時(shí)，采用這種方法無法充分利用胸墻信息進(jìn)行算法操作，而且也很難排除胸墻信息對圖像處理過程造成的干擾。

本文提出了一種基于FFDM系統(tǒng)采集到的原始乳腺圖像進(jìn)行胸墻檢測的方法。在處理圖像之前，首先要檢測胸墻區(qū)域的圖像模板，并將它用于后續(xù)的圖像處理工作中。采用這種方法檢測速度快，檢測到的胸墻區(qū)域準(zhǔn)確度高，能在一定程度上提高圖像的對比度，優(yōu)化乳腺圖像的質(zhì)量，進(jìn)而滿足臨床使用需要。

1 方法概述

乳腺原始圖像與處理后的圖像相比，對比度有很大的不同，而要想在原始圖像中確定胸墻的位置也有較大的難度。在實(shí)際操作過程中，因?yàn)檎麄€(gè)算法流程有時(shí)間限制，所以，對算法的準(zhǔn)確度有較高的要求，并且要求其執(zhí)行速度要快。

本文所述方法使用的是探測器采集到的原始乳腺圖像。在檢測胸墻區(qū)域時(shí)，因?yàn)槭峭ㄟ^粗分割獲得包括胸墻區(qū)域在內(nèi)的初始區(qū)域，然后在初始區(qū)域中檢測胸墻區(qū)域的，所以，最終檢測到的胸墻區(qū)域的準(zhǔn)確度高，檢測速度也快很多。另外，對胸墻區(qū)的檢測是直接在原始圖像中進(jìn)行的，因此，在處理乳腺圖像時(shí)，可以去除檢測到的胸墻區(qū)域信息，避免其對后續(xù)處理造成的干擾，從而提高最終獲得的乳腺圖像的質(zhì)量，增強(qiáng)FFDM系統(tǒng)的性能。

2 胸墻檢測算法設(shè)計(jì)

圖1為胸墻檢測算法設(shè)計(jì)流程。這里重點(diǎn)介紹2種關(guān)鍵算法，并利用粗分割的方法確定初始區(qū)域，運(yùn)用形態(tài)學(xué)的相關(guān)知識獲得分割閾值。

2.1 粗分割確定初始范圍

通常情況下，在處理乳房圖像時(shí)，待檢測的胸墻區(qū)域位于乳房圖像的左上角。如果原始乳房圖像中的胸墻區(qū)域不在圖像的左上角，則要先對圖像作旋轉(zhuǎn)處理，將胸墻區(qū)域顯示在圖像的左上角，然后再進(jìn)行算法檢測。

2.1.1 選擇第一初始分割點(diǎn)

一般情況下，探測器采集到的原始乳房圖像包括水平邊界、

———————————————————————————

豎直邊界和乳房邊緣——圖像的水平邊界為Y軸正方向，豎直邊界為X軸正方向。為了盡可能地檢全胸墻區(qū)域，選擇的第一初始分割點(diǎn)Of位于乳房圖像邊緣與其水平邊界的交點(diǎn)，具體如圖2所示。

圖1 胸墻檢測算法流程圖

2.1.2 確定第二初始分割點(diǎn)

假設(shè)Lb為乳房邊緣上的首末2點(diǎn)，其對應(yīng)的是豎直方向上的坐標(biāo)之間的距離，如圖2所示，即為Xf（首點(diǎn)橫坐標(biāo)），Xe（末點(diǎn)橫坐標(biāo)）之間的距離，也就是Xe.

從乳房最下方（近胸墻側(cè)）開始沿著乳房邊緣向上的一段屬于[0.5Lb，0.7Lb]的部分乳房邊緣。圖2中加粗顯示的部分即為選取的部分乳房邊緣，連接第一初始分割點(diǎn)Of與部分乳房邊緣上的各個(gè)像素點(diǎn)，如圖2中虛線所示，并計(jì)算其所在直線的斜率。此時(shí)，可將直線斜率最小時(shí)（圖2中用實(shí)線表示）的

*[基金項(xiàng)目]科技部國家科技支撐計(jì)劃課題“大型醫(yī)療裝備核心部件及重大產(chǎn)品研發(fā)”（編號：2012BAI13B00）

乳房邊緣上的像素點(diǎn)作為第二初始分割點(diǎn)Os.

2.1.3 確定第二分割點(diǎn)

基于第二初始分割點(diǎn)Os的位置確定第二分割點(diǎn)Ps，Ps的橫坐標(biāo)要小于Os的橫坐標(biāo)。為了盡可能地在粗分割時(shí)將胸墻區(qū)域分割出來，取Ps的縱坐標(biāo)為0，即Ps位于乳房圖像的豎直邊界上。另外，Os橫坐標(biāo)與Ps橫坐標(biāo)之差的絕對值小于1/2Os橫坐標(biāo)的絕對值。具體來說，Ps的橫坐標(biāo)屬于[0.5Xs，0.9Xs]。其中，Xs為第二初始分割點(diǎn)Os的橫坐標(biāo)，具體坐標(biāo)關(guān)系如圖3所示。

圖2 確定初始分割點(diǎn) 圖3 確定分割點(diǎn)

2.1.4 確定第一分割點(diǎn)

根據(jù)第二分割點(diǎn)Ps確定第一分割點(diǎn)Pf.從乳房最上方開始沿乳房邊緣向下的一段屬于[0.2Lb，0.4Lb]的部分乳房邊緣，圖3中加粗顯示的即為上側(cè)乳房的邊緣部分。連接Ps與上側(cè)乳房邊緣上的各個(gè)像素點(diǎn)，如圖3中虛線所示，計(jì)算其所在直線的斜率。此時(shí)，可將直線斜率最大時(shí)（圖3中用實(shí)線表示）乳房邊緣上的像素點(diǎn)作為第一分割點(diǎn)Pf.

2.1.5 確定初始區(qū)域

連接第一分割點(diǎn)Pf與第二分割點(diǎn)Ps，兩點(diǎn)的連線與乳房圖像的水平邊界、豎直邊界所組成的直角三角形區(qū)域即為包括胸墻區(qū)域的初始區(qū)域。

2.2 運(yùn)用形態(tài)學(xué)知識獲得分割閾值

形態(tài)學(xué)分析法好比胸墻區(qū)域的灰度值對于乳房區(qū)域的灰度值——胸墻區(qū)域的灰度值低，從胸墻區(qū)域過渡到乳房區(qū)域時(shí)的灰度值變化越大，灰度值的變化率也越大。

2.2.1 獲得第一灰度直方圖

將初始區(qū)域的灰度直方圖歸一化，從而獲得第一灰度直方圖。圖4為歸一化后的直方圖，其橫坐標(biāo)為灰度值，縱坐標(biāo)為像素點(diǎn)個(gè)數(shù)。對灰度直方圖進(jìn)行歸一化，即對直方圖中的像素點(diǎn)個(gè)數(shù)進(jìn)行歸一化，使直方圖中峰值處對應(yīng)的像素點(diǎn)個(gè)數(shù)等于直方圖中最大灰度值與峰值處灰度值的差。如果原始直方圖中的最大灰度值為1 200，峰值處的灰度值為300，并且對應(yīng)的像素點(diǎn)個(gè)數(shù)為4 500，則歸一化操作即為原始直方圖中縱坐標(biāo)上的每一個(gè)值除以5，即5=4 500/（1 200-300）.

2.2.2 形態(tài)學(xué)分析

確定第一灰度直方圖中像素點(diǎn)個(gè)數(shù)最多處對應(yīng)的灰度值，在大于該灰度值所對應(yīng)的第一灰度直方圖中搜索與該灰度值坐標(biāo)預(yù)設(shè)鄰域內(nèi)的任一灰度值坐標(biāo)距離最近的點(diǎn)，并將該點(diǎn)對應(yīng)的灰度值作為所述乳房圖像中胸墻區(qū)域和其他組織區(qū)域的分割閾值。

如圖4所示，先在第一灰度直方圖中確定像素點(diǎn)個(gè)數(shù)最多時(shí)對應(yīng)的灰度值GM.在大于灰度值GM所對應(yīng)的第一灰度直方圖中，搜索與該灰度值GM坐標(biāo)預(yù)設(shè)鄰域內(nèi)的任一灰度值坐標(biāo)距離最近的點(diǎn)，預(yù)設(shè)鄰域的半徑為[0，0.15GL].其中，GL為第一灰度直方圖中灰度區(qū)間的長度，即第一灰度直方圖的灰度分布范圍。當(dāng)GL為1 000時(shí)，如果GM的灰度值為300，則可以在灰度值為300～450的范圍內(nèi)搜索。圖4中以預(yù)設(shè)鄰域半徑為0作了示意，即在虛線的右半部分搜索與GM坐標(biāo)距離最近的點(diǎn)，并以GM坐標(biāo)為圓心做虛線右側(cè)的灰度直方圖的內(nèi)切圓。這時(shí)，切點(diǎn)T為與GM坐標(biāo)距離最近的點(diǎn)，而它對應(yīng)的灰度值為乳房圖像中胸墻區(qū)域和其他組織區(qū)域的分割閾值。

圖4 基于直方圖進(jìn)行形態(tài)學(xué)分析

在確定了分割閾值后，大于等于該分割閾值的像素點(diǎn)為其他組織區(qū)域的像素點(diǎn)，而小于該分割閾值的像素點(diǎn)為胸墻區(qū)域的像素點(diǎn)。這時(shí)就可以在初始區(qū)域中分割出胸墻區(qū)域。

3 算法效果檢驗(yàn)

圖5為算法檢測效果，左側(cè)黑白圖為檢測圖像，因?yàn)樵紙D像的對比度比較低，視覺效果較差，不容易分辨出胸墻區(qū)域，所以，為了使對比效果更加明顯，展示出的是處理后的圖像。右側(cè)彩色圖像為經(jīng)過算法檢測得到的胸墻模板。從圖5中可以看出，利用胸墻檢測算法可以從原始圖像中準(zhǔn)確地分割出胸墻區(qū)域。

圖5 檢測圖像與胸墻模板

4 結(jié)論

本文提出的基于原始圖像進(jìn)行胸墻檢測，通過粗分割獲取初始區(qū)域的方法可以保證檢測結(jié)果的準(zhǔn)確性。在初始區(qū)域中進(jìn)行基于直方圖的形態(tài)學(xué)分析，不僅能保證檢測的高效性，還能在一定程度上提高圖像的質(zhì)量。

參考文獻(xiàn)

[1]Karthikeyan Ganesan.Pectoral muscle segmentation：A review[J].Computer Methods and Programs In Biomedicine，2013（IIO）.

[2]C K Feudjio.Automatic extraction of pectoral muscle in MLO view of mammograms[J].Physics In Medicine and Biology，2013（58）.

[3]Chen-Chung Liu.A pectoral muscle segmentation algorithm for digital mammograms using Otsu thresholding and multiple regression analysis[J].Computers and Mathematics with Application，2012（64）.