王志明，周鴻宇，瞿少成

（1.華中師范大學(xué)物理科學(xué)與技術(shù)學(xué)院電子信息系，湖北 武漢 430000；2.中國科學(xué)院深圳先進(jìn)技術(shù)研究院生物醫(yī)學(xué)與健康工程研究所，廣東 深圳 518000）

在全球范圍內(nèi)，肥胖（obesity）已經(jīng)成為普遍流行的公共衛(wèi)生問題之一[1]。在未來幾年內(nèi)，肥胖及其相關(guān)的心血管疾病和糖尿病等代謝類疾病以及癌癥將持續(xù)威脅人類健康[2，3]。人體吸收能量過剩引起的脂肪組織含量增加是導(dǎo)致肥胖的直接原因。相關(guān)研究表明[4，5]，不同的脂肪組織可能具有不同的生理或病理相關(guān)性，從而造成不同的身體疾病。因此，不同脂肪組織的精確測量能夠?qū)崿F(xiàn)肥胖類相關(guān)疾病的風(fēng)險預(yù)測，從而避免因肥胖導(dǎo)致更嚴(yán)重的健康問題。近年來，隨著各種醫(yī)學(xué)影像技術(shù)的進(jìn)步，通過計算機(jī)斷層掃描（computed tomography，CT）技術(shù)和磁共振成像（magnetic resonance imaging，MRI）技術(shù)可以實現(xiàn)全身組織成分的定量分析。本文深入剖析國內(nèi)外醫(yī)學(xué)影像上人體脂肪組織圖像分割的研究進(jìn)展，旨在為未來人體脂肪組織分割與定量的研究應(yīng)用提供理論基礎(chǔ)。

1 圖像分割的基本理念

圖像分割作為計算機(jī)視覺研究領(lǐng)域中的一個經(jīng)典難題，已經(jīng)成為圖像處理領(lǐng)域極為關(guān)注的熱點(diǎn)之一。所謂圖像分割，就是將目標(biāo)圖像分成若干個獨(dú)立的、具有特定性質(zhì)的區(qū)域并突出感興趣區(qū)域的圖像處理技術(shù)。近年來，圖像分割技術(shù)在醫(yī)學(xué)圖像上的應(yīng)用層出不窮，極大地促進(jìn)了醫(yī)療水平的發(fā)展[6]。

醫(yī)學(xué)圖像處理的對象是各種不同成像機(jī)理的醫(yī)學(xué)影像，臨床廣泛使用的醫(yī)學(xué)成像種類主要有超聲波成像（ultrasonic imaging，UI）、正子發(fā)射斷層掃描（positron emission tomography，PET）、CT 和MRI 四類。其中，CT 與MRI 已經(jīng)被用于人體全身組織成分（包括脂肪組織）的定量分析中[7]。預(yù)處理是脂肪組織圖像分割前期進(jìn)行的準(zhǔn)備工作，主要目的是歸一化、降噪、提高對比度等，進(jìn)而為搭建圖像分割模型提供必要條件[8]。

人體總脂肪組織（total adipose tissue，TAT）可以分割為內(nèi)脂肪組織（internal adipose tissue，IAT）與皮下脂肪組織（subcutaneous adipose tissue，SAT)。IAT 進(jìn)一步可被分割為內(nèi)臟脂肪組織（visceral adipose tissue，VAT）、棕色脂肪（brown adipose tissue，BAT）、骨髓（bone marrow，BM）和肌肉間/內(nèi)脂肪組織（interor intra-muscular adipose tissues，IMAT）[9,10]等。不同的脂肪組織有不同的生理特性及生活功能，與人體健康息息相關(guān)。利用醫(yī)學(xué)影像技術(shù)，對脂肪組織圖像精準(zhǔn)分割并定量分析可以預(yù)測肥胖類相關(guān)疾病風(fēng)險，極大減少由肥胖導(dǎo)致的嚴(yán)重健康問題。

2 CT 和MRI 圖像中的脂肪組織信號

2.1 CT 圖像中的脂肪組織信號 CT 圖像是利用X射線對人體進(jìn)行斷層掃描后，將探測器接收的模擬信號經(jīng)模數(shù)轉(zhuǎn)換后變?yōu)閿?shù)字信號，通過電子計算機(jī)計算出每一個像素的衰減系數(shù)之后，經(jīng)過圖像重建而得到[11]。利用各組織的固有信號強(qiáng)度，可以將脂肪組織與其他解剖結(jié)構(gòu)區(qū)域進(jìn)行分割。組織信號強(qiáng)度——CT 值，是各組織與X 射線衰減系數(shù)相當(dāng)?shù)膶?yīng)值，單位一般為HU。在校準(zhǔn)的CT 系統(tǒng)中，純水的CT 值為0 HU；將背景、肺部與腸道中的空氣排除在外，脂肪組織是人體內(nèi)唯一CT 值為負(fù)值的組織，而其他非脂肪組織均為正值。另外，在不同的場景中，脂肪組織CT 閾值略有不同[12]。脂肪組織的閾值差異可能是系統(tǒng)校準(zhǔn)誤差或者獲取CT 數(shù)據(jù)方法（如X 射線劑量設(shè)置與層厚設(shè)置等）的不同造成的。

2.2 MRI 圖像中的脂肪組織信號 MRI 圖像中脂肪組織信號的產(chǎn)生與CT 圖像相比有較大差異。MRI提供多種脈沖序列，包括T1和T2加權(quán)成像、化學(xué)（頻率）選擇性成像（如水抑制）和化學(xué)位移編碼成像等，以產(chǎn)生脂肪和非脂肪組織之間的信號對比[13]。MRI 圖像中脂肪組織信號沒有共同的閾值范圍，這主要取決于獲取數(shù)據(jù)的特定脈沖序列，并且受諸如射頻發(fā)射增益、射頻接收線圈等硬件設(shè)備的影響。

然而，MRI 成像容易受到B1磁場不均勻性的影響，這有可能導(dǎo)致組織信號對比度不均勻。在3.0T及更高的磁場強(qiáng)度中，磁場的不均勻性會因磁化率和介電效應(yīng)而加劇，尤其是在腹部和骨盆區(qū)域[14]。隨之引入的多通道射頻傳輸技術(shù)在一定程度上降低了磁場不均性的影響[15]。近年來，為了克服磁場強(qiáng)度不均勻性的缺點(diǎn)，基于多回波化學(xué)位移編碼的水-脂成像的質(zhì)子密度脂肪分?jǐn)?shù)（PDFF）圖像被用于脂肪組織分割與定量[16]。利用兩個分離的圖像數(shù)據(jù)集（水圖和脂肪圖）比值，PDFF 圖像有效地消除了前述磁場不均性的影響[17]。不僅如此，基于梯度-回波脈沖序列進(jìn)行化學(xué)位移編碼的水-脂圖像，可以使用其他參數(shù)圖像（T2*圖等）信息輔助脂肪組織圖像分割。總之，基于化學(xué)位移編碼的PDFF 圖像在脂肪組織分割與定量中的應(yīng)用愈加廣泛。

3 脂肪組織分割的現(xiàn)有方法

從目前現(xiàn)有的分割方法來看，手動、半自動或者全自動的脂肪組織分割方法主要有基于信號強(qiáng)度的直方圖閾值法、邊緣檢測法、區(qū)域增長法、基于多模板（multi-atlas）的圖像分割法以及深度學(xué)習(xí)方法。多數(shù)分割算法的成功運(yùn)用從根本上取決于脂肪組織的成像機(jī)理，不同的成像機(jī)理使得脂肪組織圖像特征在統(tǒng)計學(xué)上與體內(nèi)其他組織有所不同。因此，對基于不同成像技術(shù)的脂肪組織圖像分割要選取合適的分割方法，才能事半功倍。

3.1 基于信號強(qiáng)度的直方圖閾值法 基于信號強(qiáng)度的直方圖閾值法核心在于從雙模態(tài)或多模態(tài)直方圖中選擇一個脂肪組織與其他組織完全或部分分離的閾值?；贑T 數(shù)據(jù)脂肪圖像分割，閾值采用組織信號CT 值；基于MRI 數(shù)據(jù)的脂肪圖像，閾值可以選擇原始信號強(qiáng)度、弛豫時間測量（如T1、T2或T2*）和其他定量指標(biāo)（如PDFF）等。該方法的過程主要包含以下幾個步驟：首先經(jīng)過預(yù)處理去除圖像信息中的噪聲（如圖像背景與腸道中的空氣），并將圖像轉(zhuǎn)換為二值化圖像；之后經(jīng)過偏置場校正算法，使用模糊C 均值（fuzzy C-means，F(xiàn)CM）或K 均值（K-means，KM）與直方圖閾值法結(jié)合從而將目標(biāo)圖像分割為不同的脂肪組織圖像。曹鴻吉等[18]提出改進(jìn)的Kmeans 算法實現(xiàn)了脂肪區(qū)域與非脂肪區(qū)域以及SAT與VAT 的自動分割。Valentinitsch AC 等[19]基于多參數(shù)方法（水圖像，脂肪圖像以及“水+脂肪”圖像等）和K-means 聚類算法實現(xiàn)了IMAT 的分割。

3.2 邊緣檢測法 邊緣檢測法主要包含分水嶺法、圖形切割法、水平集算法以及形態(tài)統(tǒng)計模型等。該類方法通常通過預(yù)處理將圖像目標(biāo)區(qū)域二值化，以確定目標(biāo)區(qū)域的內(nèi)外邊界。之后采用形態(tài)學(xué)（如膨脹、侵蝕、Open 或Close）對目標(biāo)區(qū)域及邊界進(jìn)一步細(xì)化操作。另外，采用空間笛卡爾坐標(biāo)到極坐標(biāo)的轉(zhuǎn)換可以方便地進(jìn)行邊緣檢測。Wald D 等[20]采用形態(tài)統(tǒng)計模型實現(xiàn)全身脂肪組織分割，Sadananthanet SA 等[21]利用圖割法和水平集方法分割淺層和深層SAT，并分析與半自動分割法的相關(guān)性。

3.3 區(qū)域增長法 區(qū)域增長法是圖像分割經(jīng)常用到的分割方法之一。該方法首先識別脂肪組織中單個或多個初始種子體素，然后相鄰體素會隨著一定范圍內(nèi)信號強(qiáng)度的變化自動地標(biāo)記并添加到不斷增長的目標(biāo)區(qū)域中；最后通常采用幾何模型去除脊柱周圍區(qū)域，以剔除骨髓脂肪組織。有相應(yīng)的圖像處理軟件可輔助此類方法的脂肪圖像分割[22-24]，例如Matlab、AVW 和ITK-SNAP 等。Nemoto M 等[25]采用形態(tài)學(xué)和區(qū)域生長等算法實現(xiàn)骨骼，脂肪與肌肉的分割，并用手動分割驗證結(jié)果的準(zhǔn)確性。

3.4 基于多模板（multi-atlas）的圖像分割法 多模板（multi-atlas）的圖像分割法是一種全自動圖像分割的方法，前提條件是創(chuàng)建一個手工分割的真值模板集?；诙嗄０宓膱D像分割已經(jīng)成為一個公認(rèn)的概念，被廣泛應(yīng)用于腦結(jié)構(gòu)分割，將此類方法運(yùn)用于脂肪組織的分割是一種邏輯意義上的擴(kuò)展。首先，要分割的目標(biāo)數(shù)據(jù)從多模板集中匹配到一個可比數(shù)據(jù)集，匹配的模板集可以根據(jù)人體測量數(shù)據(jù)進(jìn)行選擇。之后計算出目標(biāo)區(qū)域與模板之間的非剛性配準(zhǔn)以及由此產(chǎn)生的形變場，并將該形變應(yīng)用于模板集中手工分割的組織分類標(biāo)簽。最后與目標(biāo)數(shù)據(jù)相對應(yīng)的變形標(biāo)簽就是自動分割的結(jié)果，該過程可以通過迭代實現(xiàn)分割結(jié)果的優(yōu)化。Joshi AA 等[26]提出的基于Atals 方法實現(xiàn)全身的SAT 與VAT 分割。

3.5 深度學(xué)習(xí) 近年來，深度學(xué)習(xí)（deep learning）在機(jī)器視覺領(lǐng)域中迅猛發(fā)展，并成功應(yīng)用于醫(yī)學(xué)圖像分割的研究中。與傳統(tǒng)方法不同的是，深度學(xué)習(xí)模擬人腦視覺激勵模式建立多參數(shù)的網(wǎng)絡(luò)學(xué)習(xí)模型，通過大量數(shù)據(jù)加以訓(xùn)練，使得模型能夠提取數(shù)據(jù)各個層次的抽象特征并加以分析，從而自動的實現(xiàn)對目標(biāo)數(shù)據(jù)的學(xué)習(xí)。深度卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）是深度學(xué)習(xí)的核心，在圖像分割任務(wù)中誕生了很多經(jīng)典模型，包括U-Net、LeNet、AlexNet、GoogleNet、VGG,ResNet ST[27]等以及這些模型的改進(jìn)與變形。Shen N 等[28]利用深度學(xué)習(xí)U-net網(wǎng)絡(luò)實現(xiàn)對MRI 腹部VAT 與SAT 的分割。Langner T 等[29]基于全連接網(wǎng)絡(luò)實現(xiàn)多參數(shù)水-脂MRI 圖像SAT 與VAT 的分割。

目前，基于無監(jiān)督性網(wǎng)絡(luò)、對抗性網(wǎng)絡(luò)[30]以及3D（three dimensional）學(xué)習(xí)網(wǎng)絡(luò)是脂肪組織分割的最新研究方向，期待它們在脂肪組織分割中取得突破性的進(jìn)展。

4 總結(jié)與展望

脂肪組織的分割與定量分析，已經(jīng)成為人體組織成分與肥胖研究的重要組成部分。前期脂肪組織圖像手動分割一直被認(rèn)為是極為耗時費(fèi)力的任務(wù)，尤其是涉及數(shù)百名受試者的縱向研究中，每名受試者可能有上百張的圖像切片。隨后許多半自動和全自動分割方法被提出，并成功應(yīng)用于脂肪組織分割領(lǐng)域中。但是這些方法可能存在的一個問題是，多數(shù)分割算法的提出者對圖像處理領(lǐng)域有很深的造詣，但他們可能對影像學(xué)技術(shù)沒有深入的研究，這就使得前端的成像技術(shù)與后期圖像處理技術(shù)無法真正融合，人體脂肪組織分割的結(jié)果不能達(dá)到統(tǒng)一標(biāo)準(zhǔn)?？茖W(xué)界應(yīng)該促進(jìn)脂肪組織分割算法的廣泛可用性，制定相應(yīng)的策略，使成像協(xié)議、數(shù)據(jù)采集與圖像處理等跨領(lǐng)域的研究人員更加統(tǒng)一標(biāo)準(zhǔn)化，便于海內(nèi)外從事脂肪或肥胖的研究人員成果共享、共同進(jìn)步。

近年來，采用正電子發(fā)射計算機(jī)斷層掃描（PETCT）和正電子發(fā)射磁共振成像（PET-MR）等組合方式較為流行，新成像技術(shù)的發(fā)展將為脂肪組織分割提供新的研究思路及領(lǐng)域。相關(guān)研究表明，人體BAT 與新陳代謝、能量調(diào)節(jié)以及肥胖等生理特性息息相關(guān)，利用PET-CT 或者PET-MR 對人體BAT 可進(jìn)行無創(chuàng)性成像，從而開辟了對BAT 研究的新領(lǐng)域。

總之，相關(guān)科研工作人員可緊密結(jié)合當(dāng)前科研前沿與社會發(fā)展，對脂肪組織以及肥胖相關(guān)熱點(diǎn)問題進(jìn)行深入研究，拓展此領(lǐng)域的廣度與深度，推動未來醫(yī)療技術(shù)的進(jìn)步。