基于对称相似度的MRI图像检测

李珍珍，张偌雅

（河南大学计算机与信息工程学院，开封 475000）

基于对称相似度的MRI图像检测

李珍珍，张偌雅

（河南大学计算机与信息工程学院，开封 475000）

在自然界中广泛存在对称性和相似性，人体的很多器官是近似对称的。如果发现某个器官近似不对称，很可能是病变所引起的，而对称性和相似性的判断则依赖于人的主观行为。对称相似度检测是一种快速地计算对称相似性的方法来辅助诊断脑部疾病，能够提高医生的诊断准确性。

0 引言

人体的一些器官是具有对称性，如果发生病变会造成灰度突变和对称程度减小，因此通过量化这些对称性可以区分健康和非健康的器官。人的脑部就是近似对称的，在发生病变的过程中从脑解剖结构发现，体积和形状发生变化的同时纹理也会改变。因此通过判断对称性和相似性可区分病变和正常。为了度量对称相似性的差异大小，需要一种度量方法计算出这种差异程度。

在临床医疗影像技术中，核磁共振检查磁共振成像（MRI）与已有的成像技术不同的是相对于其他医疗成像技术所提供的信息量大。MRI在疾病的诊断中具有潜在的优越性，是诊断脑内血肿、脑肿瘤、颅内动脉瘤等颅脑常见疾病的重要依据。理论上，应把患者当前的MRI片与患者健康时的做比较，但是一般情况下患者健康时不会拍MRI片，所以实际上，医生通过判断左右半脑对称性和相似性得出诊断结论。由于受到放射科医生专业知识和经验的影响，医生的诊断过程是带有主观性。医生诊断时也可能会遗漏细微的病变，而计算机可以提供准确可靠、客观的诊断数据。通过计算和分析脑部MRI图像的对称性和相似性，可以有效地帮助医生快速地发现病变以及病变程度。

1 MRI图像预处理

在MRI影像的成像过程中，由于病人不能保证绝对静止，也不能保证与设备的轴线平行，这将导致MRI图像倾斜。同时设备的老化和磨损将导致图像中含有噪声，因此需要进行预处理，MRI图像预处理过程主要包括：边缘检测、倾斜校正和尺寸归一化。

1.1 边缘检测

Canny是一个多阶段优化的算子，具有滤波、图像增强和边缘检测的功能。其实质是首先使用一个合适的高斯滤波器对图像作平滑处理，然后以带方向的一阶微分算子计算梯度的幅度值大小和方向，其次对得到的梯度的幅度值进行非极大值抑制处理，保留局部梯度极大值和在该点处梯度最大的像素点，细化幅值图像中的屋脊带[1]。最后运用双阈值算法检测图像，连接边缘，从而获得图像的边缘。其中阈值检测中的阈值选取尤为重要，高阈值选取过大将会导致丢失图像边缘，而选取过低将会出现伪边缘[2]。低阈值设置过大将会导致漏检图像边缘突变较小的边缘，因此阈值的大小直接决定了图像边缘提取的效果。根据经验一般高阈值会设置为0.40，而低阈值选取0.05。

1.2 倾斜校正

在MRI成像过程中，由于相关设备不稳定、患者随意运动或情绪紧张，使生成的脑部图像中往往会发生十分明显的倾斜现象，这会影响图像分析、图像配准和图像分割的效果，最坏的情况是造成医生作出错误的诊断结果。因此，倾斜校正是非常重要的一部分。

Radon变换是1917年由奥地利科学家Radon提出，该方法成功地实现了由函数在平面内所有直线上的积分值来确定该函数，成为积分几何学的奠基石，并且为图像重构提供了统一的数学基础[3]。Radon变换的思想是利用投影积分，沿着某条特定直线作积分，然后将得到的积分值投影到要变换的平面上，该积分结果称为Radon曲线。Radon曲线是由某条特定直线与图像坐标系原点的距离和倾斜角来确定，图像沿θ方向的Radon曲线表示为[4]：

其中，g(d ,θ)为Radon曲线，f(x ,y)为原始图像。

1.3 尺寸归一化

尺寸大小不同的医学图像进行处理会影响检测的结果，因此需要对图像的大小进行归一化，消除尺度效应。一般归一化方法包括缩放和裁剪，采用缩放的方法会丢失较多的图像灰度信息。采用裁剪的方法，既可以去掉多余部分，又保持相同组织的灰度信息一致性。所使用的所有图像的尺寸大小均归一化为742×642×3。

选取一帧倾斜的脑部MRI图像三脑室下部层面对算法进行试验。在MATLAB 2016a平台进行实验，计算机的配置为主频3.30GHz的Intel四核CPU、4GB RAM。图 1（a）～（d）分别为原图、边缘检测结果、加粗轮廓以及校正后图像。

图1 MRI图像预处理过程

2 对称相似度检测

对称相似度检测是指分别提取图像左右脑局部的一些特征计算出其对称度和相似度，所以要先划分出左右脑的界限，为了使左右两边的对称性最大化，要准确的找到一条中轴线划分左右大脑。根据大脑的中轴线，在每幅脑MRI图像上将这些组织结构划分为左右两部分，用左脑镜像生成右脑（镜像生成的右脑与右脑近似对称）并组合成一个完整的脑部。从一组MRI图像中选取主要的一张作为算法的输入，输出是一个多指标融合的标量。

设x表示一个向量，而以f（x）为左脑图像坐标x的灰度值，g（x）为右脑图像坐标x的灰度值，则图像的对称度定义为：

该对称性定义等价于最大化重叠体积，而且考虑了图像的灰度信息[5]。灰度直方图可以体现图像中各灰度级的分布情况，得到相关的均值，方差和熵等特征[6]。灰度特征和直方图特征具有较强的代表性，但是这些特征难以完整表达图像的空间与特征信息。共生矩阵方法和相关函数法能够很好反映图像中灰度的空间相关特性[7]。计算相似度定义为：

其中：l(x ,y)表示图像的亮度比较函数，c(x ,y)表示图像的对比度比较函数，g(x ,y)表示图像的纹理比较函数[8]，φ(m ,n)表示在灰度共生矩阵的基础上再提取的相关函数，x，y分别表示左脑镜像图像和右脑图像，μx、μy分别表示 x和 y的灰度均值，σx、σy分别表示x和y的灰度方差，p(i,j)为在给定d，θ参数下的共生矩阵的元素已归一化的频率，α、β、γ均大于零，C1、C2、C3是为了避免分母出现零的情况。求出多个指标融合的最终结果。

P=s( )

f,g ×ρ(f,g)这就构成了一个多指标融合的评价结果，可以来表征整幅图像的对称相似度。

3 数据实验

使用MATLAB软件进行算法计算和仿真。计算得到的值是介于0和1之间的数，根据这个值的大小可以得出初步的诊断结果。通过表1的对比说明对称相似度越低，脑部发生病变的概率越大；对称相似度越高，则说明两侧对称性很好，脑部发生病变的概率越小。

表1 病变与非病变对比

直接将临床医学的脑部MRI图像数据作为输入数据，整体划分左右半脑来界定作为计算不对称度的计算区域范围。这样不仅减少医生手动操作选择的误差，也有助于提高自动化程度。经计算分析给出参考诊断结果，经大量试验，对病例图片的检测结果取得医生的满意，因此以对称相似度为依据的脑部病变诊断可以为医生提供有价值的参考意见，可以辅助医生更高效地诊断。

图2

4 结语

检测MRI图像是否有病变的过程主要分为两部分，第一部分图像预处理主要包括边缘检测、倾斜校正和尺寸归一化；第二部分是对称相似度检测，量化人体左右脑中对称相似性，对早期病变过程中的不同阶段的检测具有较高的参考价值，快速辅助医生诊断。未来的研究将会有针对性地检测为具体某种脑部疾病，例如阿尔兹海默病、神经退行性疾病、帕金森氏病等疾病。

[1]王传正.基于Canny与模糊算法的图像边缘提取技术研究[D].上海师范大学，2016.

[2]万力，易昂，傅明.一种基于Canny算法的边缘提取改善方法[J].计算机技术与自动化，2003：24-26.

[3]安志勇，赵珊，王晓华，周利华．基于多尺度Radon变换的图像检索[J].光子学报，2007：1176-1180．

[4]仇伟涛．复杂文本图像倾斜校正算法研究[D].河南大学，2016．

[5]周益琰，丁广太，宋安平，张武．一种在医学图像中挖掘非对称区域的方法[J].计算机应用，2007（3）：693-695.

[6]Pragati Kapoor，S.V.A V.Prasad，Seema Patni．Image Segmentation and Asymmetry Analysis of Breast Thermograms for Tumor Detection[J]．International Journal of Computer Applications，2012：40-45．

[7]杨杰，黄朝兵．数字图像处理及MATLAB实现（第2版）[M]．电子工业出版社，2013：247-261．

[8]Aswin.R.B1，J.Abdul Jaleel2，Sibi Salim.Implementation of ANN Classifier using MATLAB for Skin Cancer Detection[J]．International Journal of Computer Science and Mobile Computing，2013：87-94．

李珍珍（1996-），女，河南漯河人，硕士研究生，研究方向为数字图像处理

张偌雅（1993-），女，河南信阳人，硕士研究生，研究方向为数字图像处理

2017-08-11

2017-10-10

Symmetry and Similarity Detection;MRI Image;Disease Diagnosis

MRI Image Detection Based on Symmetry and Similarity

LI Zhen-zhen，ZHANG Ruo-ya

（College of Computer and Information Engineering，Henan University，Kaifeng 47500）

Symmetry and similarity are widely existed in nature,many organs of the human body are also symmetrical and similar.If an organ is found to be approximately asymmetrical,it is likely to be caused by lesions.However,the judgment of symmetry and similarity depends on human subjective behavior.Symmetrical similarity detection is a fast method for computing symmetry and similarity to assist in the diagnosis of brain diseases.At the same time,it can improve the doctor's diagnostic accuracy.

对称相似度检测；MRI图像；疾病诊断

1007-1423（2017）29-0061-04

10.3969/j.issn.1007-1423.2017.29.015