收稿日期:2007-03-04
基金项目：国家自然科学基金资助项目(60371012,60601025)；卫生部联合基金资助项目(WK J2005-2-001)；厦门市科技计划项目
(3502Z20051015)
作者简介：黄荔丽(1983-)，女，福建莆田人，硕士研究生，研究方向为计算机医学图像处理；王博亮，教授，研究方向为医学电子与计算机应用技术。
基于DIC OM 格式的肝脏肿瘤CT 图像分割
黄荔丽，王博亮，黄晓阳
(厦门大学计算机科学系，福建厦门361005)
摘 要：为减少数据损失与处理时间，直接从DICOM 格式的CT 胸腹部图像中分割出肝脏肿瘤。为有效地分割出肿瘤，先设置恰当的窗宽窗位。利用ITK 读取图像，用均值曲率流滤波法去除图像上的噪声。对目前几种在图像分割领域应用较多的阈值分割及区域生长分割算法进行了探讨，结合获得的活体CT 图像进行实验研究，得到较为满意和有效的结果。实验表明：肝脏肿瘤这一目标区域的面积较小，区域生长分割算法中的“置信连接阈值法”能从胸腹腔CT 图像中很好地分割出肝脏肿瘤。
关键词:CT 图像；阈值分割；区域生长
地的反义词是什么中图分类号:TP391.41 文献标识码:A 文章编号:1673-629X (2008)01-0048-04
Segmentation of Liver Tumor in CT Image B ad on DICOM Format
HUAN G Li 2li ,WAN G Bo 2liang ,HUAN G Xiao 2yang
(Computer Science Department ,Xiamen University ,Xiamen 361005,China )
Abstract :For reducing data loss and proceeding time ,liver tumor is directly gmented from thorax and abdominal part in CT image bad on DICOM format.Proper window width and window center are t first for efficient gmentation.ITK software is ud to read the im 2age ,and curvature flow smoothing filter is ud to denoi the image.Several histogram and region growing gmentation algorithms re 2quently applied in image gmentation field are discusd ,and also experimented combined with vivo CT image.Finally satisfied and ef 2fective result is obtained ,which shows that the area of liver tumor in the image is small ,so the target can be availably gmented by “con 2fidence connected threshold method ”in region growing.K ey w ords :CT image ;histogram gmentation ;region growing
0 引 言
肝癌是我国常见的、严重危害人民健康的恶性肿瘤之一，是我国位居第二的癌症“杀手”。肝癌手术在肝癌治疗中的作用极其重要。“肝癌手术计划系统”利用肝脏的CT 图像，进行肝脏实质及其内部组织、血管的三维重建，从而直观地显示肝脏内部复杂的结构。该系统可用于训练外科医生也可用于术前规划，有助于提高肝癌手术的成功率，延长患者的存活时间，具有重要的社会意义和学术价值。文中为“肝癌手术计划系统”课题的一部分，肝脏肿瘤的分割是肝脏肿瘤三维重建和医学可视化的基础，分割效果的好坏直接影响三维重建的结果。
1 CT 概述
计算机断层扫描技术(Computer Tomography ，简称CT )是利用X 射线对人体某一范围进行逐层的横断扫描，取得信息，经计算机处理后获得重建的图像[1]。CT 图像中用CT 值(单位为简称Hu )来表示组织的密度。物质的CT 值越高，表明其密度越大。
CT 图像是真实的解剖层面图。图像上骨骼呈白
色，脑室、肺脏为黑色，其他组织依密度不同而显示为黑白之间的不同程度的灰色[2]。
通过改变CT 的窗宽(Window Width )和窗位
(Window Center )可以引起病灶密度的变化，显示出需
要的图像信息。调节窗宽窗位能改变图像的亮度和对比度[3]。窗宽是CT 图像上显示的CT 值范围,CT 值高于此范围的组织和病灶，均以白色显示；反之，低于范围的组织结构，均以黑色显示。窗宽增加，则图像所示CT 值范围加大，显示具有不同密度的组织结构增多，但各结构之间的灰度差别减少。反之小窗宽的显示，图像则包含较少的CT 值。窗位是窗的中心位置。窗宽窗位用CT 值表示:
第18卷 第1期2008年1月 计算机技术与发展COMPU TER TECHNOLO GY AND DEV ELOPMEN T
Vol.18 No.1Jan. 2008
窗宽=CT max -CT min 窗位=(CT max +CT min )/2
其中CT max 表示CT 值范围的最大值,CT min 表示
CT 值范围的最小值。
文中的CT 数据来自厦门市第一医院放射科提供的临床数据。从得到的肝癌患者胸腹部CT 图像中选择一幅作为实验基础，如图1所示。文件名是1.2.
392.200036.9116.2.2.2.1762668950.
1161653929.311502.dcm 。
由于摄影的体位不同、病人的体形差异,DICOM 图像包含高灰度级，超出人眼能识别的范围，窗宽窗位的恰当选择显得重要。实验结果表明，窗宽设置在60左右，窗位设置在240左右，能在CT 图像上明显地看到肝脏肿瘤。若不能设置合适的窗宽窗位，即使人眼也很难分辨出肿瘤。本课题的目标是要从DICOM 格式的CT 图像中分割出肝脏肿瘤。
图1 .dcm 格式的实验图像
2 DICOM 医学图像格式
版刻DICOM (Digital Imaging and Communications in Medicine ，简称DICOM )是用于医学图像和通信的国际
经典吉他谱标准[4]。DICOM 文件是按照DICOM 标准格式存储的医学文件。符合DICOM 标准的文件通常后缀为.
dcm ，大多数的图像处理软件都不支持这种图像格式。
因此，了解.dcm 文件格式的内容对于读写及后面的分割处理是十分必要的。它一般由DICOM 文件头和一个图像数据集组成，如图2所示。
图2 DICOM 文件结构
无机纤维
DICOM 文件头是可选的，这个文件头顺次包括了128Bytes 的文件序言、4Bytes 的DICOM 前缀和文件
元元素。文件序言是用于应用简介或详细说明的固定长度数据段，它不象DICOM 数据元素那样有标签和值长度字段，无内容时，所有的字节为00H 。前缀包含
了字符串“DICM ”，一般用这4Bytes 判别是否是一个
DICOM 文档。文件元元素是一些具备数据元素结构
的元素体。文件头之后是存储的图像数据，也就是数据集(其中可以含括其它嵌套的数据集)，在读写时应遵循DICOM 数据集的相关定义。
3 图像分割实验
3.1 图像的读取与预处理
为了能够对肝脏肿瘤进行三维重建，首先必须先从中分割出肝脏肿瘤。实验使用ITK 进行DICOM 数据的读取、转化和处理。处理流程如图3所示。
文件读取→滤波去噪→分割肿瘤→文件写入
图3 肝脏肿瘤分割流程图
ITK [5]主要应用在医学图像领域。它支持几乎所
有常见的医学图像格式，其中对DICOM 也有很好的支持。ITK 对DICOM 的支持是使用名为G DCM 的开源软件实现的。ITK 对G DCM 进行了封装，通过使用类itk ::G DCMImageIO 可方便地访问由G DCM 提供的DICOM 功能，包括文件的读写、文件头的读写等。
图像中的肿瘤主要与肝实质相连，由于技术上的原因，图像的噪声信号模糊了两者边缘(实验感兴趣的边缘)的高频信号，且肿瘤内部的密度值变化幅度较大。这些给肿瘤分割造成了很大困难。在分割前，必须去除噪声，克服这些困难。实验采用均值曲率流滤
波方法预处理图像，分别设置两个滤波参数:Num 2
berof Iteration =5,TimeStep =0.125。这样的处理在图
像感兴趣的“边缘”邻域实行适宜的弱光滑，对边缘点本身实行较小程度的光滑，而对其它区域实行强光滑。从而保护了边缘的重要信息，为肿瘤分割提供了有利的基础。
3.2 肝脏肿瘤的分割
图像分割就是要在图像中分割出感兴趣的部分。主要有两种方法：基于边缘的分割和基于区域的分割。肝脏肿瘤是胸腹部CT 图像中的连续区域，笔者感兴趣的目标不是肿瘤的边界，且实验结果表明，传统的边缘分割算法处理图像后易产生虚假边缘，不适于肿瘤区域的分割。因此，实验通过比较几种不同的区域分割算法，找到一种适于分割肿瘤的算法。
士族3.2.1 Otsu 阈值分割算法
Otsu 算法(最大类间方差法)由日本学者大津(Ot 2su )于1979年提出[6]，是一种自适应的阈值确定的方
法，也就是根据阈值将图像分为目标区域和背景区域两类，使得直方图下方两类的重叠部分最小，达到分割目的。Otsu 的标准是要使得错分概率最小。该算法基于整幅图像的统计特性，可实现阈值的自动选取。
・
94・第1期 黄荔丽等：基于DICOM 格式的肝脏肿瘤CT 图像分割
根据腹腔CT 图像的特点，该算法符合本实验的需要。
假设图像直方图上以t 为阈值将图像分割为目标与背景，目标的像素数占图像比例为w 0，平均灰度值为u 0；背景的像素数占图像比例为w 1(1-w 0)，平均灰度为u 1。图像的总平均灰度为:u =w 0u 0+w 1u 1。两类间方差为:
σ2=w 0(u 0-u )2+w 1(u 1-u )2=w 0(u 0-
w 0u 0-w 1u 1)
2+w 1(u 1-w 0u 0-w 1u 1)
2
=
w 0w 1(u 1-u 0)
2
从最小灰度值到最大灰度值遍历t ，当t 使得σ2的
值最大时,t 即为分割的最佳阈值。吹泡泡日记
利用算法实验图像1进行分割。注意到DICOM 图像每个像素的数据有16bit ，也就是图像有65536个灰度级，所以在算法中设置直方图的级数为65536。实验结果如图4
所示。
图4 Otsu 算法实验结果
可以看到Otsu 算法可以将人体组织中灰度值差别较大的部分分离出来，但人体内有许多组织具有相似的密度值，所以无法用二值化直接将肝脏肿瘤分割出来。
3.2.2 区域生长法
区域生长法(Region Growing )就是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的。规则不同，区域生长法可以有多个不同的变种。笔者对几个重要的区域生长算法进行了实验，从中选择出最适于肝脏肿瘤分割的算法。
(1)连续阈值方法。
判定像素是否在生长区域内的一个简单的准则是检验像素的灰度值是否落在一个指定的区间内。这个方法就是连续阈值法(Connected Threshold )[7]。
连续阈值法使用的准则是基于用户提供的灰度区间。用户提供区间的最小值lower 和最大值upper 。如果邻近像素的像素值落在区间内，区域生长算法会将
像素包含入生长区域。
I (X )∈[lower ,upper ]
其中I 表示图像像素值的函数,X 表示待判定的像素点的位置。
应用该算法对实验图像1进行分割。取种子点为
(126,244)。经实验，阈值区间取为[10,52]时，分割效
果较好。如图5的左边图所示。
(2)邻接连续阈值法。
以一个像素的所有邻近像素是否包含在用户指定的区间内为准则，判定这个像素是否包含在生长区域内。这种方法被称为邻接连续阈值法(Neighborhood
Connected )。与连续阈值法不同的是，邻接连续阈值
法只要一个像素的值落在指定区间内，就会被包含在生长区域内。
像素的邻域大小由用户给定的整数半径来决定。用邻近像素值来代替当前像素值，可以降低小结构被并入生长区域的概率。这相当于对当前像素应用连续阈值法后，再对其进行一次数学形态上的腐蚀。
应用该算法对图像1进行分割。取种子点为
(126,244)。经实验，阈值区间取为[10,52]，邻域半径
取为1时，分割效果较好。如图5的右边图所示
。
图5 连续阈值法与邻接连续阈值法实验结果
(3)置信连接阈值法。
以当前区域的统计特性为准则，判定像素是否包含在生长区域内。这种算法被称为置信连接阈值法
(Confidence Connected )。算法将当前像素的邻近区域
内像素值落在一定区间内的像素包含入生长区域。这个区间的确定方法是：先计算当前生长区域所有像素灰度值的均值和标准方差，再将用户提供的因子乘以标准方差，定义一个均值附近的区间。如公式
I (X )∈[m -f σ,m +f σ]
其中m 表示均值,σ表示标准方差,f 表示用户指定的一个因子。
如果邻近区域中再没有满足这一准则的像素，算法将完成第一次迭代。这时，重新计算当前生长区域内所有像素的均值与标准方差。它们定义了一个新的区间，判定新邻域的所有像素值是否落在这一区间。
玩游戏挣钱
・
05・ 计算机技术与发展 第18卷
如此迭代，直到没有更多的像素包含入生长区域或到达迭代最大次数。
应用该算法对图像1进行分割。取种子点为
(126,244)。经实验，邻域半径取为1，因子取为2.5,
迭代次数取为12时，分割效果较好。如图6的左边图所示。
(4)独立连接阈值法。
独立连接阈值法(Isolated Connected )
要用户提供两个种子点和一个区间的下限阈值。生长区域只与第一个种子点相连，而不与第二个种子点相连。算法使用二分查找法找到一个灰度值，自动确定第一个种子点的上限阈值。这个值能确保两个种子点不相连。
应用该算法对图像1进行分割。经实验，取种子点分别为(126,244)和(160,330)，邻域半径取为2，最
低阈值取为10时，分割效果较好。如图6的右边图所示。
图6 置信连接阈值法与独立连续阈值法实验结果独立连接阈值法较适合于分割邻近的、难于分解的解剖结构。
4 结 论
通过实验结果的比较可以得到如下结论:
1)设置恰当的窗宽窗位，可清晰显示肝脏肿瘤,
便于人眼的正确识别，帮助有效地从CT 图像中分割出肝脏肿瘤。
2)实现了对DICOM 格式CT 图像的直接处理,
无需将标准医学图像格式转为传统图像格式，如:.
BMP ,.J PG 等，避免数据损失，节省了时间与资源。
3)一般情况下，阈值分割对于CT 图像的效果较
好，但文中的目标是分割肝脏肿瘤，目标区域的面积不大，因此区域生长分割的效果会更好。
4)通过比较几种区域生长分割算法的实验结果,
发现“置信连接阈值法”的效果最为理想。采用这种算法对CT 数据集进行批量处理，得到良好的分割结果，为肝脏肿瘤的三维重建奠定了基础，对疾病的诊断和肿瘤化疗给药有重要的意义。
参考文献:
[1] 余建明.医学影像技术学[M].北京：科学出版社,2004.[2] 伍伯辛，张慕骞，张在人.CT 图像分析的基础知识[J ].哈
质量体
尔滨医药,1985,1(1):44-47.
[3] Rorden C.DICOM introduction and free software[EB/OL ].
2003.http ://www.sph.sc.edu./comd/rorden/dicom.html.[4] 谢长生，熊华明，陈 颉.DICOM 图像显示的研究与实现
[J ].计算机工程与科学,2002,24(6):38-41.
[5] K itware Inc.NLM Insight Segmentation and Registration
Toolkit[EB/OL ].2005.http ://www.itk.
[6] Otsu N.A Threshold Selection Method from Gra y Level His 2
tograms[J ].IEEE Transactions on System ,Man ,and Cy 2bernetic ,1979,9(1):62-66.
[7] Ib ánez L ,Schroeder W ,Ng L ,et al.The ITK Software
Guide[C]∥The Insight Software Consortium.USA :[s.n.],2005.
(上接第13页)
3 结 论
经Matlab 对以上硬件结构建立了卷积码译码器的性能仿真模型，并采用高斯白噪声加性信道进行数据仿真，证明文中所采用的硬件结构对译码器的性能基本上没有影响，同时通过布局布线后的仿真也可以看出，电路符合时序和功能的要求(见图5)。
应用了查表的方法来实现分支度量单元的算法，大大减小了分支度量的运算量；对于加比选单元，应用了一种路径度量归一放法，在不降低性能的条件下，使所利用的资源大大减小；同时利用双口RAM 的交互运行来减低译码延迟。经过流片后对电路的验证,
Viterbi 电路能够满足系统的性能需要。
参考文献:
[1] IEEE P802.11a/D7.0.Part 11:Wireless LAN Medium Ac 2
cess Control (MAC )and Physical Layer (PHY )specifications :High speed physical layer in the 5GHz band[S].[s.l.]:IEEE Computer Society ,1999:7-34.
[2] 王新梅，肖国镇.纠错码———原理与方法[M ].西安：西安
电子科技大学出版社,2001.
[3] Shim B.Pipelined VLSI Architecture of the Viterbi Decoder
for IMT -2000[C ]//in IEEE G lobal Telecommunications Conference ,1999.G LOBECOM ’99.[s.l.]:[s.n.],1999:158-162.
[4] 丁 锐，杨知行，潘长勇.高速维特比译码器的设计[J ].电
讯技术,2004(4):51-54.
・
15・第1期 黄荔丽等：基于DICOM 格式的肝脏肿瘤CT 图像分割
