医学图像分割技术中变形模型方法的研究综述

收稿日期: 2005- 08- 31; 修返日期: 2005- 10- 28
基金项目: 山东省自然科学基金资助项目( Y2003G01)
医学图像分割技术中变形模型方法的研究综述
*
刘 新
1
, 潘振宽
2
, 李新照
2
, 白 洁
2
( 1. 山东电力研究院, 山东 济南 250002; 2. 青岛大学 信息工程学院, 山东 青岛 266071)
摘 要: 医学图像分割是医学图像处理中的一个经典难题。医学图像分割技术的发展不仅影响到医学图像处
理中其他相关技术的发展, 如可视化、三维重建等, 而且在生物医学图像的分析中也占有极其重要的地位。近年
来, 由于一些新兴学科在医学图像处理中的应用, 医学图像分割技术取得了显著的进展。对近年来兴起的基于
变形模型的医学图像分割技术进行研究, 综述了其发展历程和基本原理, 分析和比较了基于变形模型的图像分
割的各种技术的优缺点, 展望了该技术领域以后一段时间内的发展趋势。
关键词: 医学图像分割; 变形模型; Snake; Level Set 方法
中图法分类号: TP399 文献标识码: A 文章编号: 1001- 3695( 2006) 08- 0014 - 05
Review of Deformable Models in Medical Image Segmentation Techniques
LIU Xin
1
, PAN Zhen-kuan
2
, LI Xin-zhao
2
, BAI Jie
2
( 1. Shandong Electric Power Research Instit ute, Jinan Shandong 250002, China; 2. College of Information Engineering, Qi ngdao Universit y,
Qingdao Shandong 266071, China)
Abstract: Medical image segmentation is a classical difficult problem in medical image process. The development of medical
image segmentation techniques not only influence on other techniques in image segmentation such as medical image visualiza-
tion and 3D reconstruction etc, but also play an important role in the analysis of biology medical image analysis. In recent
years, owning to some applications of new subjects in medical image process, the medical image segmentation techniques has
a remarkable progress. Image segmentation using deformable models encompasses a class of techniques developed in recent
years and has been studied extensively. This paper introduces briefly the fundamental principle and theory of image segmenta-
tion techniques, analyses and compares the advantages and disadvantages of image segmentation using deformable models and
gives the trend of this technique.
Key words: Medical Image Segmentation; Deformable Models; Snake; Level Set Method
1 引言
图像分割是医学图像处理中重要研究内容之一。从医学
图像中准确地提取目标物体是三维重建的基础, 也是医学图像
处理系统在临床上得以实践的基础, 这是一个经典难题。由于
问题的重要性和困难性, 从 20 世纪 70 年代起, 图像分割问题
就吸引了很多研究人员为之付出不懈的努力。
目前的图像分割大体分为两类: 基于边缘的图像分割方法
和基于区域的图像分割方法。本文所介绍的基于变形模型的
图像分割属于前者。在医学图像分割中因为生物或人体组织
解剖结构的复杂性以及软组织形状的易变性, 那些仅依赖图像
本身的灰度、纹理属性等低层次视觉属性来进行分割的图像分
割方法难以获得理想的分割效果。因此, 医学图像分割迫切需
要一种灵活的框架, 能将基于图像本身的层次视觉属性( 边
缘、纹理、灰度、色彩等) 与人们对待分割目标的知识和经验,
如目标形状的描述、亮度、色彩的经验统计, 医生的经验等以一
种有机的方式整合起来, 得到待分割区域的完整表达。基于变
形模型( Deformable Models) 的图像分割方法正是在这种需要
之下出现的, 并得到广泛的关注。
2 基于变形模型的分割技术简介
变形模型的兴起最初源于 1987 年 Kass, Witkin, Terzopou-
los 的创造性论文“Snakes: Active Contour Models”
[ 1]
。该文章
发表后, 变形模型很快发展成为图像分割中最活跃和最成功的
研究领域之一。该模型在文献中被赋予活动轮廓线模型、蛇线
主动轮廓模型、主动表面模型、气球模型、变形轮廓模型、变形
曲面模型等不同的名称。
变形模型可分为两类, 即参数变形模型
[ 1 ～3]
与几何变形模
型
[ 4 ～6]
。参数变形模型在变形过程中以显式参数的形式表达
曲线或曲面, 该表达形式允许与模型直接交互, 且表达紧凑, 利
于模型快速实时地实现。然而该方法难以处理在变形过程中
发生拓扑结构的变化, 如曲线的分裂或融合等问题。相反 , 几
何变形模型可自然地处理拓扑结构的变化, 该方法基于曲线演
化理论
[ 7 ～8]
和水平集方法
[ 9]
, 将曲线或曲面以隐式方式表达
为高维标量函数的水平集, 曲线的参数化仅在模型变形后用于
显示。尽管两种方法表达方式不同, 但它们所遵循的变形原则
是相似的。
从总体上来看, 这些变形模型的能量方程一般包括两种类
型的能量项: ①内力能量项, 它描述了变形曲线自身的几何性
? 4 1 ? 计算机应用研究 2006 年