改进分水岭算法在X线乳腺癌图像分割中的应用研究

张 玲 顾楚华 傅华成 宋宗根 吴 江 张英俊

（1.湖南医药学院；2.怀化市第一人民医院）

早期诊断和治疗是降低乳腺癌发病率和死亡率的有效途径。使用乳腺X线摄影技术进行乳腺癌的早期筛查是一种常用方法，借助于计算机辅助的乳腺癌的图像分割在很大程度上可以帮助临床医生进行诊断和治疗。基于传统分水岭算法的过分割和漏分割问题，本文提出了一种改进的分水岭算法进行乳房肿块的分割方法，以提升算法分割的准确性和实用性，从而有效地对肿块进行分割。实验选取了一例经病理确诊的乳腺癌患者的两个不同体位（LMLO和LCC）的X线摄影图像进行肿块分割研究，结果表明，本文提出的算法可以准确地实现乳腺癌肿块的分割和轮廓标记，具有较高的临床应用价值。

乳腺癌是一种众所周知的致命疾病，全世界因乳腺癌死亡的女性人数正在加速增长。研究表明，对乳腺癌的早期诊断和治疗可以有效提升治疗的成功率和降低乳腺癌患者的死亡率。乳腺癌的诊断通过检测乳房X射线摄影图像中的高强度区域来确认肿瘤的良性或恶性。近年来，乳房X射线摄影技术作为乳房检查的常用手段，广泛用于乳腺癌的筛查和诊断中。对乳腺癌肿块图像的准确分割和标记是对乳腺癌患者进行保乳治疗的关键步骤。

在计算机辅助诊断技术出现以前，通常需要通过医生手动对乳腺癌肿块进行分割和标记，其工作量非常大，而且受医生经验的影响较大。近年来，研究人员一直在探索不同的图像处理方法用于乳腺癌图像的分割和诊断。基于分水岭算法的乳腺癌分割较早地引入到了图像分割应用中。然而，由于传统分水岭算法存在过分割的问题，在乳腺癌肿块分割应用时效果较差，因此应用起来不是很方便。为此，本文提出了一种改进的基于标记控制的分水岭算法进行乳房肿块的分割方法，通过算法提取图像的前景和背景信息作为标记，并结合标记对图像进行分水岭分割，可以进一步提升算法分割的准确性和实用性，从而实现对肿块进行有效分割。

1 材料和方法

1.1 分水岭算法介绍

分水岭（watershed）图像分割方法是一种基于形态学的图像处理方法，算法分割过程中把图像当成地形图进行处理，图像的梯度幅值和不同梯度值区域分别对应于地形图中的海拔高度和盆地。假设在每个盆地最低处打个洞，然后将地形图逐渐浸入一个湖中，那么全局极小值点对应的盆地先进水，随着水位的逐渐升高，当相邻两个盆地的水即将合 并时，此时在它们之间进行建坝拦截。分水岭算法的关键在于水坝的构造，最简单的构造水坝分离二元点集的方法是使用形态学膨胀。

1.2 改进的分水岭算法

传统的分水岭算法容易导致过度分割，效果往往很差，应用起来不太方便，因此没有得到大范围推广。此后，研究人员考虑对分水岭算法进行改进，以提高图像分割的准确性和可靠性。基于标记控制的分水岭算法应运而生，其思想是在进行分水岭算法分割时引入一些附加知识，通过在原图中寻找一些标记来引导算法进行分割，从而防止过度分割。该方法与传统分水岭分割算法相比，极大提高了医学图像分割的准确性，应用也逐渐广泛。然而，标记的提取是该方法的关键，不同的标记提取方法得到的分割结果也相差很大，尤其是在不同的应用场景下，分割结果千差万别。标记提取方法不合理，在引入标记的过程中容易产生过度标记或者漏标记，从而导致存在过分割或漏分割等问题。

本文主要研究对乳腺癌X射线摄影图像中的肿块分割问题，直接应用简单的基于标记控制的分水岭算法效果较差，无法达到要求。因此本文引入了通过对像素进行直方图统计的方法来确定背景标记提取过程中的图像二值化阈值。通过对灰度图像进行直方图统计，可以得到正常像素和肿瘤像素的灰度分布，从而获取相对合理的阈值。具体算法流程如图1所示。

图1 本文提出的改进分水岭算法流程图

实验采用怀化市第一人民医院影像中心Selenia Dimensions 3D数字乳腺X线摄影系统，选取一例经过病理确诊的乳腺癌患者左乳内斜位（LMLO）和左乳头足位（LCC）的DICOM格式数字乳腺X线图像数据，图像像素尺寸为4096×3328，图像深度为12位。图像像素分辨率和灰度分辨率均很高。

图像分割具体步骤如下：

（1）进行图像预处理：使用MATLAB自带的DICOM读取函数加载乳腺X射线摄影图像，为了提高计算速度，将图像尺寸压缩为1024×832，同时由于X射线机的视野很大，因此将图像矩阵进一步缩小到略大于乳房的尺寸（800×416），再通过灰度变换将图像灰度深度变为标准的8位灰度级。

（2）灰度直方图统计：为了去除无效统计，只取图像中的非零像素进行灰度直方图统计，通过直方图初步确定二值化阈值。

（3）对图像进行形态学处理：先对图像进行基于重建的形态学开操作，再进行基于重建的形态学闭操作。

（4）基于形态学处理后的图像计算前景标记和背景标记。

（5）计算原始图像的梯度幅值（使用Sobel边缘检测算子），对加入前景和背景标记后的梯度图做分水岭变换，得到分割边界。

（6）将分割边界用白色显示叠加到原始图像中得到分割标记图像。

2 实验结果

实验首先对该患者LMLO体位的乳房X射线摄影图像进行肿块分割研究。将图像中的非零像素进行统计得到灰度直方图如图2所示。从灰度直方图可以看出，正常细胞的归一化灰度值分布以0.1为中心，而肿瘤细胞的归一化灰度值分布以0.5为中心，实际选取灰度阈值时，取正常像素和肿瘤细胞像素分布中心的均值作为二值化灰度阈值。

图2 图像灰度直方图

乳腺X射线原始图像如图3(a)所示，由于乳腺癌肿块的形状不规则，手动圈定肿块的轮廓相对较难，工作量较大，因此需要使用计算机辅助技术进行分割诊断。对图像进行基于重建的形态学开闭操作后得到如图3(b)所示的图像，像素值相近的区域得到了合并。通过采用sobel边缘检测算子计算得到梯度图像，将前景和背景标记叠加到梯度图像中进行显示如图3(c)所示。最后进行分水岭变换得到肿块的边界信息，将边界信息（白色曲线）叠加到原始图像显示如图3(d)所示。从图中可以看出，肿瘤区域被很好地标记出来。

图3 LMLO体位分割结果

为了验证算法的可行性，对该患者另一个体位（LCC）的乳腺图像进行了肿块分割实验。原始图像、基于重建的形态学开闭操作后的图像及对肿块进行分割标记后的结果如图4所示。从图中可以看出，肿块也被准确标记出来了。同时，经影像科医生的评价，认为两个体位图像的分割结果准确性都很高。

图4 LCC体位分割结果

结论：本文介绍了一种改进的基于标记控制的分水岭算法进行乳腺肿块的分割方法，通过对图像进行形态学预处理后提取图像的前景和背景信息作为分割标记，提取背景信息时，使用灰度直方图方法确定二值化图像的分割阈值，有效提高了背景标记的准确性，再结合标记对图像进行分水岭分割，提升算法分割的准确性和实用性，从而有效地对肿块进行分割。通过对一例乳腺癌患者的2个体位X射线摄影图像进行分割实验对分割算法进行验证，结果表明，经过改进的分水岭算法可以准确地完成乳腺X线摄影图像肿块的分割和轮廓标记，没有出现漏分割和过分割的问题。将本文提出的算法用在乳腺癌诊断中可以有效提升诊断的准确性和效率，辅助临床医生进行乳腺癌患者的保乳治疗，具有较高的临床应用价值。