多相M-S模型最小图分割理论与医学应用研究.pdf

学校代号：1 0 5 3 2 学号：s 0 7 0 9 4 0 2 4 密级：普通 湖南大学硕士学位论文 多相m - s 模型最小图分割理论与医学 应用研究 19 0 6 2 2 5 r e s e a r c ho ng r a p hm i n c u tt h e o r ya n di t sa p p l i c a t i o n si nm e d i c a l i m a g es e g m e n t a t i o n s b y l iq i f e n g b e ( h e n g y a n gn o r m a lu n i v e r s i t y ) 2 0 0 7 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o r t h ed e g r e eo f m a s t e ro fe n g i n e e r i n g c o n t r o ls c i e n c ea n dc o n t r o le n g i n e e r i n g i nt h e g r a d u a t es c h o o l o f h u n a n u n i v e r s i t y s u p e r v i s o r p r o f e s s o rl i ug u o c a i a p r i l ，2 0 1 1 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名： 李丰p l 虱 日期：即ff 年5 月心日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 2 、不保密口。 ( 请在以上相应方框内打“4 ) 作者签名： 导师签名： 日其v e j ：如f f 年厂月扩日 日期：加f 年户历日 多相m s 模型最小图分割理论j 医学应用研究 摘要 视网膜视神经疾病( 青光眼、糖尿病视网膜病变、年龄相关性黄斑变性等) 是 由多种原因引起的视网膜及视觉神经组织病变，在世界范围内有较高的发病率， 因此早期的诊断非常重要。目前大多通过彩色立体眼底( 视网膜) 照相机来获得视 网膜( 视乳头) 图像。但是由于计算机辅助诊断中视乳头医学图像噪声污染大、 光照不均匀、对比度小、部分视乳头被血管遮挡、不同病人个体间差异大等因素 导致的视乳头图像自动分割不能很好的进行，分割结果不能满足临床诊断需要。 为了解决此难题，本文提出在分段常数水平集方法( p c l s m ) 的m u m f o r d s h a h 模型的基础上结合图分割最优化的方法对视乳头图像进行分割。 首先采用基于图论的多相分段常数水平集m u m f o r d s h a h 图像分割模型及其相 应的图分割最优化方法对视乳头杯盘图像进行分割，获得其未被血管遮挡的杯盘 边缘部分；再采用凸多边形约束方法去除上述杯盘边缘中由于血管遮挡、光照不 均等原因等引起的凹陷或断裂部分，提取杯盘边缘特征点，然后采用光滑曲线拟 合技术，获得完整的杯盘边缘曲线。最后我们用拟合好的杯盘边缘来重建视乳头 杯盘图像，并根据该重建图像取得杯盘比等特征参数，这些参数对青光眼的辅助诊 断有着非常重要的价值。 通过不同时期青光眼病人的视乳头图像杯盘分割的试验结果可以表明，上述 方法可以很好地解决血管遮挡、噪声污染、对比度小、个体间差异大、光照不均 匀等视网膜图像分割中固有的难题，分割青光眼彩色视乳头图像中的视杯和视盘， 并且其计算代价大大低于经典的多相分段常数水平集m u m f o r d s h a h 模型，其视乳 头图像的视杯和视盘分割结果也更为精准。 本文重点论述如何将基于图分割的分段常数m s 模型应用于视乳头图像杯盘 分割中。该方法的特点是：( 1 ) 只需要一个水平集函数就可以分割多个目标；( 2 ) 传统的对于带约束问题的最小化问题可以采用l a g r a n g i a n 方法来求解，但是其收 敛速度慢，计算量很大，本文采用图分割最优化方法，得到图像分割结果精度高， 且效率有所提高；( 3 ) 它能很好的处理多相图像分割问题，处理过程不需要人工 干预，自动化程度较高。 关键词：图分割；m u m f o r d s h a h 模型；分段常数水平集方法( p c l s m ) ；医学 图像分割；青光眼 硕l ：学位论文 a b s t r a c t r e t i n a la n dd e g e n e r a t i o no p t i cn e r v ed i s e a s e s ( s u c ha s g l a u c o m a ，d i a b e t i c r e t i n o p a t h y , a g e r e l a t e dm a c u l a rd i s e a s e ，e t c ) a r ec a u s e db yav a r i e t yo fr e t i n a la n d n e u r a lt i s s u el e s i o n s t h ek i n d so fd e g e n e r a t i o nd i s e a s e si nt h ew o r l dh a v e h i g h i n c i d e n c er a t e ，a n dd i a g n o s i si ne a r l ys t a g ei sk e yp o i n t a tp r e s e n t ，m o s to ft h er e t i n a ( o p t i cn e r v e ) i m a g e sa r ec a p t u r e db yt h ef u n d u sc o l o rs t e r e oc a m e r a s ，w h i c ha r eo f p o o rq u a l i t y , v e r y l o w c o n t r a s t ，o b s c u r e d u et ob l o o d v e s s e l s ，a n dd i s t i n c t i n t e r d i f f e r e n c e so fi n d i v i d u a l s t os e g m e n ta n dm e a s u r et h eo p t i cn e r v eh e a dm e d i c a l i m a g e sf o rt h ec o m p u t e ra i d e dd i a g n o s t i c so fg l a u c o m ad i s e a s e s ，ag r a p hm i n c u tm e t h o d i sp r o p o s e db a s e do np c l sm sm o d e l f i r s t l y , w eg e tt h ec u pa n dt h ed i s k sm o r p h o l o g i c a le d g ev i at h es e g m e n t a t i o n o ft h e o p t i c n e r v eh e a d i m a g e b yu s i n gg r a p hm i n c u t m e t h o df o rp c l s m u m f o r d s h a hm o d e l n e x t ，t h eo p t i cc u pa n dd i s kc h a r a c t e r i s t i cr e c t a n g l e sa n de d g e p o i n t sa r ee x t r a c t e db a s e do nt h ec o l o rr e c o n s t r u c ti m a g eo fa no p t i cn e r v eh e a db y i n c o r p o r a t i n gt h ep r i o rk n o w l e d g eo ft h eo p t i cc u pa n dd i s ks h a p e s a n dt h e n ，w eu s et h e t e c h n i q u eo fs m o o t h i n gs p l i n ec u r v ef i t t i n gt or e c o n s t r u c tt h ee d g eo fc u pa n dd i s kb y v a s c u l a ro c c l u s i o n f i n a l l y , w er e c o n s t r u c tt h eo p t i cn e r v eh e a d sc u pa n dd i s ki m a g e b yu s i n gt h er e c o n s t r u c t e de d g eo fc u pa n dd i s k ，a n de a s i l ye x t r a c tt h ep a t h o l o g i c a l f e a t u r e sp a r a m e t e rs u c ha sc u pd i s kr a t i ob a s e do nt h er e c o n s t r u c t e di m a g e t h et e s t sw i t ht h ec o l o ro p t i cn e r v eh e a di m a g e so fd i f f e r e n tg l a u c o m ap a t i e n t s s h o w e dt h a tt h i sm e t h o di sa b l et oh a n d l et h i sk i n do fi m a g e s ，w h i c ha r eo fp o o rq u a l i t y , v e r yl o wc o n t r a s t ，o b s c u r ed u et ob l o o dv e s s e l s ，a n dd i s t i n c ti n t e r d i f f e r e n c e so f i n d i v i d u a l s ，a n dt oe f f e c t i v e l ys e g m e n tt h eo p t i cn e r v eh e a do fg l a u c o m ap a t i e n t s w e f i n dt h a tt h ep r o p o s e dm e t h o di sm o r ee f f i c i e n ta n dm o r ea c c u r a t et h a nt h ep i e c e w i s e c o n s t a n tl e v e ls e tm e t h o d ( p c l s m ) f o r m u l t i p h a s em u m f o r d s h a hm o d e l t h eg r a p hr a i n - c u tm e t h o df o rp c l sm - sm o d e ls e g m e n t st h ei m a g eb yo n l y u s i n gas i n g l el e v e ls e t ，a n ds o l v e st h er e s u l t i n gm i n i m i z a t i o np r o b l e mb yt h eg r a p h m i n - c u tc o m b i n a t o r i a l o p t i m i z a t i o nt e c h n i q u e t h e r ei s a l s on on e e do fm a n u a l i n t e r v e n t i o n k e yw o r d s ：g r a p hc u t s ；m u m f o r d s h a hm o d e l ；p i e c e w i s ec o n s t a n tl e v e ls e tm e t h o d ( p c l s m ) ；m e d i c a li m a g es e g m e n t a t i o n ；g l a u c o m a i l i 多相m s 模型最小图分割理论0 医学应用研究 目录 学位论文原创性声明和学位论文版权使用授权书i 摘 要i i a b s t r a c t i i i 第l 章绪论- 1 1 1 研究背景：1 1 1 1 医学图像分割研究现状1 1 1 2 视乳头图像杯盘分割概述4 1 2 国内外研究现状7 1 3 研究内容1o 第2 章m u m f o r d s h a h 模型11 2 1 引言11 2 2 经典的m u m f o r d s h a h 模型1 2 2 3 多层m u m f o r d s h a h 模型1 3 2 3 1 多层m u m f o r d - - s h a h 模型简介1 3 2 3 2 水平集逐层迭代算法1 4 2 4 基于p c l s m 的m u m f o r d s h a h 模型1 5 2 4 1 分段常数水平集方法p c l s m 一1 6 2 4 2 基于p c l s m 的m s 模型1 6 2 5 小结18 第3 章最小图分割理论1 9 3 1 引言1 9 3 2 有向图与图分割19 3 3 图分割代价与能量函数2 0 3 3 1f 2 集合2 1 3 3 2 f 3 集合2 3 3 4 最小图分割与最大网络流2 6 3 4 1 概述2 6 3 4 2 网络流量与图分割代价2 7 3 4 3 最d , a u 一最大流算法2 9 3 5 最小图分割与图像分割能量最小化3 0 3 6 本章小结3 3 第4 章多相m u m f o r d s h a h 模型最小图分割理论3 4 i v 硕一l ：学位论文 4 1p c l sm s 模型的图分割优化3 4 4 1 1p c l sm s 模型的离散化3 4 4 1 2p c l sm s 模型的图构造3 4 4 2 两相的图分割优化3 5 4 3 多相的图分割优化3 6 4 4p c l sm s 模型的图分割算法3 8 4 5 算法分析j 4 0 第5 章视乳头图像杯盘分割、重建和度量4 3 5 1 引言4 3 5 2 视乳头图像杯盘分割、重建和度量。4 5 5 2 1 视乳头图像杯盘形态分割与重建4 5 5 2 2 杯盘边缘特征点的提取4 7 5 2 3 杯盘边缘曲线拟合重建4 8 5 2 4 杯盘度量4 9 5 3 度量结果分析5 1 5 4 实验结果对比研究5 1 5 5 结论5 4 总结与展望5 5 参考文献5 7 附录a 硕士阶段本人发表的论文6 2 附录b硕士阶段参与的项目- 6 3 致谢6 4 v 硕i ：学位论文 1 1 研究背景 第1 章绪论 1 1 1 医学图像分割研究现状 近些年来，随着科学技术的迅猛发展，医学影像技术也得到了飞快的发展和 极其广泛的应用。随着大量的高精度医学成像设备的出现，医学影像的作用发生 了根本性的变化，从以前的用来对人体组织器官的解剖结构进行无创检查、可视化 等发展成了今天的用于仿真、手术计划、放疗计划、手术导航及其跟踪病灶变化 的一种最基本的工具。同时医学影像提供的可视化信息极其丰富，如多维的医学 图像，这些都为医生的诊断的准确性和治疗方案的合理性提供了非常有利的条件， 这就使得医学诊断变得更为直接、清晰和有效。 医学影像技术主要包括最早使用的x 线、超声、核素、c t 及其磁共振成像 等。1 8 9 5 年伦琴发现x 射线，并且很快的被用于人体疾病的诊断，从而形成了现 在的放射诊断学，这为保障人类的健康发挥了极其重要的作用。1 9 4 2 年奥地利 d u s s i k 首次使用a 型超声探测颅脑以来，1 9 5 0 年到1 9 6 0 年代之间，m 型超声、b 型 超声以及多普勒超声也都得到了快速的发展，并已经成为了一种非常简便、实用 而且有效、无损伤的诊断工具。1 9 2 4 年r o d t 首次把核素诊断用于肝脏的显像，1 9 7 0 年单光子发射体成像( s i n g l ep h o t o ne m i s s i o nc o m p u t e dt o m o g r a p h y ，s p e c t ) 和正 电子发射体层成像( p o s i t i o ne m i s s i o nt o m o g r a p h y ，p e t ) 正式投入临床的使用，是 现阶段解剖形态方式进行功能代谢与受体显像的重要技术之一。计算机体层成像 ( c o m p u t e dt o m o g r a p h y ，c t ) 从19 7 1 年在英国做首例病人开始，目前已经发展到 超高速c t ( u l t r a f a s t ，u f c t ) 以及多层螺旋c t ( m u l t i s l i c es p i r a lc t ) 。磁共振 成像( m a g n e t i cr e s o n a n c ei m a g i n g ，m r i ) 从1 9 8 0 年用于临床以来，磁共振血管成 像( m a g n e t i cr e s o n a n c ea n g i o g r a p h y ，m r a ) 以及磁共振波谱学( m a g n e t i cr e s o n a n c e s p e c t r o s c o p y ，m r s ) 等新技术也逐渐的同趋成熟。c t 与m r i 的临床应用，丌创 了影像诊断的新纪元。1 9 7 0 年以后逐渐兴起的介入放射治疗( i n t e r v e n t i o n a l r a d i o l o g y ) 也正在日新月异的迅速发展，这就使得单纯的影像诊断向影像治疗发 展，从而更加拓宽了医学影像学的应用范围。 医学影像的飞速发展，同时也为医学图像领域的研究人员提供了非常广阔的 舞台。从医学图像中分解出解剖结构，并构造出形状的几何表达这是医学图像分 析处理中的一项非常重要的工作。医学图像的分割将医学图像空问划分成为不重 叠的但各自都有不同解剖意义的组分，每个空问划分区域对于图像的某种特征参 数来说都是均匀的亦或者是具有相似的分布，并且将感兴趣的区域或对象提取出 一 。 多相m s 模型最小图分割理论f - 医学应用研究 。这在生物医学图像、临床诊断以及病理分析中都具有特别大的意义，也是医 图像处理、理解和分析的重要基础，为后续的过程例如：组织体积的计算，病 的定位，三维重建等等都提供了非常准确的数据。如下： ( 1 ) 从2 d 或3 d 成像数据中将特定的区域或对象从图像背景中提取出来，进 三维可视化，为定量和定性分析提供了重要基础。 ( 2 ) 通过医学图像的分割可以获取图潜信息，这不但使得图像信息的管理更 的方便，而且分割后各个区域也变得更加分明，从而为我们对它们的取舍提供 重要依据，我们就可以重点关注那些特殊的区域或者对象。 ( 3 ) 通过医学图像的分割可以获取结构信息，如可以提取组织、病灶、器官 者人体内部的运动细节，这样可以使得医生对病情的了解更加的直观；通过对 提取的对象或区域进行几何、物理以及统计参数的测量，这样就可以获得比较 确的位置和形状的信息，从而也就得到了该组织病理或者功能方面的重要信息， 解剖结构建立信息数据库，为制定有效临床手术计划及治疗计划提供信息。 ( 4 ) 为边界的融合和配准的问题提供非常有效的边缘，这可以用于某些特定 像区域的融合和配准。 ( 5 ) 可以提高在远程放射学、p a c s 以及互联网中图像传输的速度。在图像 输之前，先通过将图像中特定的区域分割并提取出来，然后再通过图像的压缩 传输预处理末实现。 医学图像和普通图像相比起来，具有以下几个特点：l 、医学图像生成的随机 ：医学图像比较容易受成像物理过程、噪声以及组织蠕动等等随机因素的影响。 评判上的不确定性：医学图像需要具有临床经验的医师进行甄别和指导，这就 医学图像的实时性和自动性带来了非常大的困难。3 、医学图像数据的特殊性： 学图像具有细节层次丰富、形状复杂、低对比度和低信噪比等特点。4 、应用的 时性：医学图像对实现算法的硬件条件和算法的效率都有着非常高的要求。由 医学图像具有上述的几个特点，再加上人体解剖结构的变异性和复杂性，而且 同的人之间也具有非常大差别等，这些都成为了医学图像的分割的难点。 虽然现阶段已有很多种的医学图像的分割方法，且新方法也在不断涌现，但 前面说的一些问题的存在依然使得解剖结构的边界变得不连续和不明确，分割 形状表达也变得非常困难。那么从医学图像中如何分割并且构造出解剖结构精 的几何模型，是当前很大的一个难题。传统的分割方法要么完全不可行，要么 要一些特殊的处理技术的协助。因此，我们针对医学应用这个领域的图像分割 方法有必要进行深入研究旧。 到目前为止，许多的医学图像的分割研究都只局限于针对某一种类型的图像， 至是某一具体应用提出来的分割技术。从医学图像分割技术的发展来看，它经 了从手动分割到半自动分割，再到自动分割的历程。医学图像分割在早期的时 2 硕二【：学位论义 候完全是依靠人工的方法即在原始的医学图像上直接画出所期望的轮廓边界。这 种分割方法完全依赖于分割者的临床经验和解剖知识，而且费时费力。但是随着 计算机及其图像处理技术的飞速发展，手动分割已经逐渐的被半自动分割所取代。 与人工方法相比，半自动的分割方法大大减少了人为因素的影响，从而加快了分 割速度，而且分割精度较高，但操作者的知识和经验仍然是影响图像分割质量的 一个重要因素。近些年来，由于大量新技术的涌现，例如：神经网络技术以及人 工智能技术等这些技术的发展，一些自动分割技术也开始慢慢出现在医学图像领 域。自动分割不但能够完全利用计算机的作用来进行分割的全过程，而且分离了 人为的交互。 由于医学图像自身的一些特点，例如组织特性的可变性、对比度低、软组织 与病灶之间或不同软组织之间边界具有模糊性、以及微细结构( 如神经、血管) 和 形状结构分布的复杂性等，这些都给自动分割技术带来了非常大的挑战；而且， 有些自动分割技术的算法要求很高，并且计算非常复杂，且运算量极大，所以目 前还处于试验阶段，并没有在临床进行广泛的应用。即使这样，实用的自动分割 方法的研究，并最终得到可以替代具有很强主观性的半自动分割方法和繁琐的人 工分割方法一直是现在所追求的目标，也是现在医学图像分割方法的研究重点。 目前没有一种适用于任何医学图像的通用的分割技术，大多数分割方法主要 可分为基于区域的分割的分割方法和基于边界的分割方法。基于区域的分割方法 利用区域内特征的相似性，将图像划分为多个不重叠的区域，这时，所得到的边 界是一些闭合的曲线。基于边缘的方法是寻求图像特征( 例如灰度、纹理等等) 变化比较剧烈的位置，一般基于图像的梯度信息来确定边界。但是由于这两种分 割方法在模糊和断续的边缘、低信噪比以及低对比度的处理上都存在着很多的不 足之处，因此难以满足医学图像分割临床的要求，所有就有必要寻找一些新的分 割方法来解决这些上述难题。 最近几年，图像分割领域的所研究重点逐渐转变为对基于偏微分方程和借助 曲线演化模型等数学建模方法的图像分割。其中一种方法为基于形变模型的图像 分割方法，该方法综合了各种人们的先验知识以及人们对图像数据的解释，所以， 更加接近人类的视觉机理。从最近十几年的研究成果来看，形变模型已经由最初 的s n a k e 模型衍生出具有各种不同特点的模型，大体可以分为两大类，一类是几 何形变模型，女1 ：1 c h a n v e s e 模型、测地活动轮廓线模型等。另一类可以称为参数 形变模型，如气球模型、原始的s n a k e 模型、ts n a k e 模型、梯度矢量流模型( g v f ： g r a d i e n tv e c t o rf l o ws n a k e ) 等；参数形变模型在形变过程中以显式参数表达曲面 或曲线，对模型的快速实现是非常有利的。但是参数形变模型难以处理变形过程 中发生的拓扑结构的变化，如曲线( 面) 的分裂或者融合等。相反，几何形变模型 基于曲线演化理论和水平集方法，将曲线( 面) 以隐式方式表达为高维函数的水平 3 多相m s 模型最小图分割理论与医学心用研究 集，可以自然地处理拓扑结构的变化h 一1 。 一般的图像分割模型包括：基于区域的模型、基于边界的模型、结合形状约 束的分割模型以及基于区域和边界的分割模型等等。对于几何活动轮廓模型， m a l l a d i 贝, 0 是利用图像的边缘强度来控制曲线演化的速度，而基于边界的图像分割 模型是利用图像的边界信息控制曲线的运动速度，最后使曲线停止在图像的边缘。 这种方法对有好的对比度的图像的分割效果是很不错的，但是当图像边缘不明显 又或者是存在缝隙，则曲线就有可能发生边缘泄露的现象。因此，c a s e l l e s 和y e z z i 等则从能量泛函最小化角度提出了另一种几何轮廓的速度函数，叫做测地线活动 轮廓模型( g e o d e s i ca c t i v ec o n t o u rm o d e l ) ，用来解决m a l l a d i 模型所带来的缺 陷1 。该模型对边缘泄露现象有很好的抑制作用，但是对于大缝隙的图像仍然不 能很好的分割出来。 近些年来，m u m f o r d 和s h a h 提出了基于活动轮廓的一个非常优秀的模型，这 种模型它结合了图像边界和区域，即m u m f o r d s h a h 模型( m s 模型) ，并且该模 型不需要待分割模型的先验知识。m u m f o r d s h a h 模型能够把图像的恢复、区域分 割以及边缘检测综合到一起，是一个比较完美的模型。之后c h a n 矛n v e s e 根据经典 的m s 模型又提出了该模型的一个简化模型，亦即c h a n v e s e 模型( c v 模型) 。 这两个模型是近些年来基于活动轮廓模型中研究最为广泛的模型。 m s 模型与c v 模型虽然十分的优秀，但是他们的求解却有着很大的困难。水 平集方法是基于曲线演化的思想。这种方法的基本数学思想是将图像中正在演化 的曲线视为一个更高维函数的水平集，利用曲线演化方程h a m i l t o n j a c o b i 方程的 相似性，给出了一种曲线演化的较为稳定和强大的计算方法。基于水平集的方法 与其他曲线演化方法相比，最大的优势和不同点在于它比其他分割方法稳定，他 的拓扑无关性可有效地处理演化中的曲线产生的其他分割方法无法处理的尖点、 分割过程中容易产生的断裂为多条曲线或多条曲线融合为一条的情况。只要选择 合理的参数控制，尽管医学图像对比度低、边界模糊等，也能使图像分割能够精 确地收敛到区域边界，达到预期的分割效果。将水平集方法和以上两个模型相结 合起来，然后在模型求解中引入曲线演化的思想，取得了非常好的效果。 1 1 2 视乳头图像杯盘分割概述 视网膜视神经疾病是由许多种原因引起的视网膜及其视神经组织病变，并且 最终有可能导致视功能完全丧失的眼科疾病。它主要包括了青光眼( g l a u c o m a ) 、 糖尿病视网膜病变( d i a b e t i cr e t i n o p a t h y d r p ) 、年龄相关性黄斑变性( a g e r e l a t e d m a c u l a rd e g e n e r a t i o n a m d ) 三大种类，如图1 1 所示。 4 硕j j 学位论文 a ) 青光眼b ) 糖尿病视网膜病变c ) 年龄相关性黄斑变性 图1 1 常见的视网膜、视神经疾病 据报告显示全世界范围内青光眼、糖尿病视网膜病变、年龄相关性黄斑变性、 视网膜肿瘤四大致盲性h 艮科疾病的疑似患者人数占总人口的比例高达2 0 。其中 青光眼是一组以特征性视神经萎缩及视野损害为共同特征的不可逆性致盲眼病， 在第四届国际青光眼大会调查得出全球青光眼患者大约在6 7 0 0 万左右，其致盲率 已居世界致盲眼病的第二位。在欧洲等国家，青光眼患者中原发性丌角型青光眼 ( p r i m a r yo p e na n g l eg l a u c o m a ，p o a g ) 占绝大多数，而在亚洲，特别是在中国，原 发性闭角型青光l 艮( p r i m a r ya n g l ec l o s u r e 9 1 a u c o m a ，p a c g ) 的发病率却远远高于 p o a g 。根据其临床症状一般可以把原发性闭角型青光眼分为两类，即无症状的 慢性闭角型青光l 艮( c h r o n i ca n g l ec l o s u r e g l a u c o m a ，c a c g ) 年i 有典型症状的急性闭 角型青光l 曼( a c u t ea n g l ec l o s u r e g l a u c o m a ，a a c g ) 。其中c a c g 症状不典型，发 病隐匿，大多数患者都是在已经出现不可逆性视神经损害后才到医院就诊和治疗， 危害性极大呖1 。 已有研究显示，青光眼性的视网膜神经纤维层缺损和视盘结构异常可能比青 光眼性视野损害早出现四到五年。对视盘早期结构损害的识别并进行追踪或预防 性的治疗，可以避免或减缓视野损害的进展。 目前，计算机图像处理技术是一门多学科交叉的技术，它的发展与计算机、 多媒体、数学、信息处理等多项技术的发展密切相关。1 9 4 6 年，第一台数字计算 机的问世为图像处理技术的发展奠定了很好的基础。而现在，计算机图像处理技 术随着许多相关技术的进步得到了非常快速的发展，并广泛应用在遥感、航空航 天、生物医学、通讯、工业生产等领域，成为促进国民经济发展和提高人们生活 质量的重要技术。同样的，它对于视网膜图像的获取、保存、处理分析和应用都 有其独特优势，有利于提高视神经组织定量测量的准确性和可重复性。 现阶段视网膜图像大都是通过眼底( 立体) 摄像机来获得的。由于它使用起 来方便快速，适用于高血压、糖尿病等易引起眼底病变的内科疾病患者的监测和 筛检，提高眼底疾病的早期检出率，也可用于正常人群的眼科体检。常见眼底病 的辅助诊断现代眼底照相系统拍摄范围大，捕捉的图像清晰，故在形态学上对视 5 多相m s 模型最小图分割理论j 医学戍用研究 网膜、脉络膜和视神经等的疾病的诊断和研究起了较大的辅助作用，可辅助确诊 视网膜色素变性、视网膜脱离、中心性浆液性视网膜病变和眼内肿瘤等大部分眼 底疾病。除此之外，激光( 断层) 扫描设备、血管造影设备和超声波成像设备等 也用来获取临床视网膜图像，这些仪器或者设备获取得来的信息可以是图像的， 也可以使其他数字化数据( 如视网膜组织断层扫描) ，如图1 2 所示： ， 、 、 o c t 匿朦致i 羞 图1 2 多源视网膜图像 一般认为青光眼的视神经损害早于视功能的改变，即在视野发生改变之前已 有视网膜和视乳头神经纤维层的改变，所以视神经的检查是青光眼早期诊断的重 点：经视杯大小、视乳头形态、杯盘直径、杯盘面积等参数的测量，实现视神经 损害程度的定量分析。 视神经乳头形态参数测量的精确程度完全决定于视神经乳头的分割精度，由 于眼底疾病、个人差异、以及噪声、眼底血管闭塞和弱边界的存在使得准确地实 现视神经乳头的分割是一件非常困难的工作。为了解决上述的难题，由湖南大学 电气院王耀南教授参与的重大国际合作欧盟第五框架项目“欧洲青光眼预防工程 计算机辅助青光眼预防诊断项目( e g p sp r o j e c t g l a u c o m ap r e v e n t i o nb yc o m p u t e r a i d e dd i a g n o s t i c s ( g l a u c a d n oq l g l 2 0 0 0 0 0 6 5 1 ) ) ”已经取得大量的相关研究 成果。目前，由湖南大学刘国才教授负责的湖南省自然科学基金项目( 基于水平 集方法的视网膜图像分割与度量0 6 j j 4 0 4 4 ，以及生物医学图像处理中的自由非连 续问题及其水平集方法研究0 9 j j 3 1 1 8 ) 和国家自然科学基金项目( 复杂图像处理 中的自由非连续问题及其水平集方法研究6 0 8 7 2 13 0 ) 在以上国际合作项目研究的 6 硕一l ：学位论文 基础上继续深入地开展这方面的研究工作7 1 。 1 2 国内外研究现状 视乳头的视杯视盘与视网膜血管脉络是视网膜视神经疾病的两个非常重要的 诊断对象，迄今为止，对视网膜图像的分割也主要集中在这两个方面。本文主要 对视乳头的视杯视盘的分割方法进行详细的论述。 近些年来，人们提出了多种方法对视乳头的视杯视盘进行分割。经大量的文 献检索，发现视神经乳头分割方法大多都是选取眼底图像某一色彩通道或亮度信 息，利用形态学预处理方法去除眼底血管，基于活动轮廓模型提取视神经乳头的 边缘。它们主要是基于参数化的活动轮廓( 蛇形) 模型( a c t i v ec o n t o u rm o d e l ，o r s n a k e s ) 啤1 、活动形状模型或点分布模型( a c t i v es h a p em o d e l ，o rp o i n td i s t r i b u t i o n m o d e l ) 阳3 、小波变换( w a v e l e t s ) n 引、水平集方法1 、像素特征分类法等等n 引。 通过实验，我们也可以看到基于活动轮廓模型的视乳头分割精确度是最高的，基 于血管跟踪的视乳头定位是最可靠的，基于圆形h o u g h 变换的视乳头定位与分割 的方法虽然简单，但是却满足不了临床诊断( 特别像青光眼的诊断) 的要求，小 波变换和完全匹配法虽然直接简洁，但需要包含先验知识的精确模板。其中，基 于分水岭变换和活动轮廓模型是高精度视乳头分割的可选方法。除此之外，由于 临床诊断对视乳头度量和三维可视化的迫切要求，更困难的视网膜( 视乳头) 图 像的度量和三维重建研究工作才刚开始。 迄今为止，比较成功的视乳头分割方法是用于青光眼辅助诊断的参数化活动 轮廓( 蛇形) 模型、活动形状模型、用于糖尿病视网膜病变辅助诊断的参数化活 动轮廓模型、分水岭变换和用于老年性黄斑变性辅助诊断的圆形h o u g h 变换。但 是，基于参数化活动轮廓模型参数复杂，对初始边缘敏感，选取不当将造成算法 无法收敛，导致边缘定位的鲁棒性与准确性不高。r c h r a ，s t e ka ，m w o l f e t a 1 基于数学形态学运算、h o u g h 变换和猫定的活动轮廓( 蛇) 模型( a na n c h o r e da c t i v e c o n t o u rm o d e l ，o rs n a k e s ) ，提出了一种用于h e i d e l b e r gr e t i n at o m o g r a p h ( h r t ) 共 焦激光断层扫描( c o n f o c a ls c a n n i n gl a s e rt o m o g r a p h ) 视( 神经) 乳头图像视盘定位 和分割的方法。j a m e sl o w e l l ，a n d r e wh u n t e re t a 1 ( 2 0 0 4 ) 先采用一个精心设计的滤 波模板对彩色立体眼底视网膜图像进行滤波来定位视( 神经) 乳头( 中心) ，然后， 采用一个全局的参数化椭圆形变形模型和非刚性的、一个局部的、参数化变形模 型联合高精度地确定视盘边缘边界线。该两种方法在一定程度上解决了基于经典 的参数化活动轮廓模型的视乳头分割对其初始的活动轮廓非常敏感这一问题，但 都非常复杂，难以临床应用。 为了解决上面存在的问题，新的视乳头的分割方法它利用视神经乳头色彩特 征和形态特征，提出了基于随机游走模型的视神经乳头分割方法和基于l 宰a 木b 色 7 于知识的平滑束连接那些已经确定的边缘点。这比文献 4 8 中用到的椭圆匹配的 方法来提取币确的背叛曲线更加准确有效。 2 0 0 4 年，h u i q il i ，o p a sc h u t a t a p e 先采用主成份分析( p c a ) 定位彩色立体 眼底视网膜图像的视( 神经) 乳头( 中心) ，然后再采用一个改进的活动形状模型 ( a s m ) 确定视盘边缘边界线，其成功依赖于人工标注的训练样本图像集选取和 质量，训练样本中未包括的病例却非常难被正确分割。分水岭变换的成功取决于 基于数学形态学的图像滤波器设计好坏，且它难以完全去除血管遮挡和对比度小 的彩色立体眼底视网膜图像的影响。像素特征分类法2 3 则完全取决于大量正确的 分割样本，而且第一次分类得到的结果边缘模糊和毛刺的地方很多，虽然通过后 续的处理可以得到较为清晰的轮廓，但此方法显得非常的复杂，且第一次的样本 的准确度对最后的分割结果有很火的影响。采用二阶段( 圆心和半径) 圆形h o u g h 变换只能获得激光扫描检眼镜( s c a n n i n gl a s e ro p h t h a l m o s c o p es l o ) 视网膜图像 中近似的视乳头边界，在此视乳头形态参数不直接用于老年性黄斑病变的辅助诊 断。由于水平集方法运算了很大，在一些文献中为了减少这个缺点，作者首先用 直方图信息来定位视盘，再确定视盘轮廓，然后用水平集方法来得到可能的杯盘 形态边缘，最后采用椭圆匹配的方法来去除那些由于血管遮挡造成的畸变。通过 此方法可以得到非常光滑的边缘，这也基本反映出了杯盘的边缘特征。 综上所述，由于这些方法大多数初始化处理过程或图像预处理过程都非常的 复杂，而且普遍存在计算量大、收敛速度慢的问题。此外，上述的方法都没有对 青光眼辅助诊断起至关重要作用的视杯分割进行论述。而由刘国才教授提出的多 层m u m f o r d s h a h 向量模型却能够很好的进行彩色视乳头图像杯盘重建、分割和 度量驯。该方法是基于经典m u m f o r d s h a h 模型，先用m u m f o r d