?

從本周開始，新專欄《圖像分割應用》就跟大家見面了。本專欄主要介紹圖像分割在各個領域的應用、難點、技術要求等常見問題。

本文是專欄《圖像分割應用》的第1篇文章，首先來聊聊醫學領域的圖像分割之一：腦區域分割。

作者 | 孫叔橋

編輯 | 言有三

1 任務分析

醫學領域中，為了滿足病情診斷、治療方案制定等需求，常常需要對病人進行掃描，從而確定各內部器官的情況。深度學習方法出現以前，這個過程主要是由醫生直接完成。

盡管成熟醫生的判斷精度較高，但是培養這樣的醫生需要很長的周期；而且由于人會受到諸如精力限制、情緒波動等因素的影響，判斷的精度存在不穩定性。因此，為了輔助診斷，減小誤診的概率，現階段的醫學圖像分析中經常會借助深度學習的方法。

醫學圖像分割主要處理的是醫學領域所涉及到的各種圖像的分割問題，比如常見的核磁共振（MRI）掃描圖像。其主要任務是，從這些醫學圖像中分割出興趣區域，比如特定器官部位、興趣目標（如腫瘤）等。

與日常生活中常見場景的分割任務不同，醫學圖像（如MRI圖像）由于圖像獲取設備的影響，會出現對比度低、信噪比低、光強低等問題；且器官本身存在運動和形變（如心臟），個體之間也有差異。這些因素導致了醫學圖像分割的難度和其自身的算法設計特點。

大腦區域及形狀個體差異示意圖

下面我們以腦區域分割為例，討論一下該任務的難點，并通過一個應用實例來進一步理解醫學圖像中的腦區域分割問題。

2 難點介紹

1. 將腦部區域與非腦部區域分離

腦部區域分割中的第一個難點是將腦與非腦（如頭骨）區域區分開。在MRI圖像的分割中，腦組織的亮度是一個非常重要的特征。然而，由于MRI圖像中存在的噪聲、部分容積效應（PVE）、偏壓場效應（bias field effect）等，使得基于亮度的分割算法很容易判斷失誤。

2. 權衡掃描時間與對病人的影響

為了提升圖像質量，一種可行的方法是增加掃描時間。對于MRI而言，掃描時間越長，分辨率越高。然而，在實際應用中，成年人大腦MRI研究圖像的獲得時間在20分鐘左右，從而影響空間分辨率。顯然，掃描時間越長（空間分辨率越高）對分割效果的幫助越大，但是這種操作需要考慮到病人暴露在放射下的時間和對病人的影響。

3. 基于獨立像素/體元亮度分割所要求的背景差異

基于獨立像素或體元亮度（第一順序特征）的圖像分割是可行的，但這種操作要求興趣目標相對于背景的亮度存在較大差異。最開始，通過迭代更新成員函數和聚類中心實現目標函數最小化的Fuzzy C-Means（FCM）算法表現不錯，對于醫療圖像中的噪聲圖像也可以順利應對。但需要注意的是，這種成功是因為FCN算法只利用了每個像素的灰度信息并忽略了空間紋理信息。

4. 降噪與細節的權衡

噪聲對于位置和空間約束是獨立的，從而可以利用噪聲的分布來實現降噪。但是，這種降噪過程中采用的平滑操作同樣也會影響其他非噪聲的空間信息，從而使得處理后的圖像丟失原始圖像中的部分細節。因此，在抑制噪聲的同時也需要考慮圖像細節的保留問題。

腦部MRI掃描圖像

3 難點解決思路

1. 腦組織預分割（前背景分割）

為了實現相對準確的分割，有幾種常用的MRI數據預處理手段，其中一個重要操作是背景體元移除。其目的是提取腦部組織，并將其與可能與腦部區域存在亮度重疊的非腦部組織（比如脂肪、頭骨、脖子等）分離，從而幫助腦區域內部的分割。

2. 空間信息利用

如前文所述，當亮度值受到諸如噪聲、PVE、偏壓場效應等MRI誤差的影響時，基于亮度的圖像分割算法非常容易出錯。因此，引入并利用待分割圖像的空間信息就非常重要。此時，提取的結果可以用一個mask來表述，也可以生成一張如下圖B所示的只有腦部組織的新圖片，再送入分割算法。

腦部組織提取示意圖。A. 原始MRI圖像；B. 腦組織提取結果

從模型角度來看，給定腦部切片，可以通過將FCM與馬爾科夫隨機場（MRF）結合的方法提升分割精度。其中，FCM善于分析和利用圖像中的亮度信息，而MRF則可以建模圖像中的空間和上下文關系。當然，這種組合只是提供了一種思路，如何將基于亮度的分割方法與空間信息相結合。

4 應用實例

有了上述分析，下面給出一個具體的分割實例。這個例子不僅可以區分出腦部區域，而且能夠用于腦部腫瘤的識別和分割。下圖是腫瘤分割過程示意圖。

這個例子用到了BRATS 2017數據集，數據擴張處理如下圖所示：

微信群與星球推薦

歡迎大家加入《深度學習+圖像分割》星球，這是由本專欄作者，北航博士孫叔橋組建的分割星球，在該星球中將探索圖像分割任務中的所有內容。

另外，也可以申請進入有三AI圖像分割付費微信群，添加有三微信Longlongtogo即可。

有三AI夏季劃

有三AI夏季劃進行中，歡迎了解并加入，系統性成長為中級CV算法工程師。

總結

本文介紹了醫學腦部研究上的圖像分割問題，通過分析任務本身的要求和存在的難點，針對性地提出了可能的解決方案，并給出了可供大家練習的應用實例。希望通過這篇文章，大家對于腦區域分割有了一定的了解。

下期我們來看一下醫學圖像分割中是如何處理心臟分割問題的。下期見！

轉載文章請后臺聯系

侵權必究

往期精選

• 【技術綜述】閑聊圖像分割這件事兒

• 【技術綜述】基于弱監督深度學習的圖像分割方法綜述

• 【完結】12篇文章帶你逛遍主流分割網絡

總結

以上是生活随笔為你收集整理的【图像分割应用】医学图像分割（一）——脑区域分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。