Question

医学图像处理

Answer 1

图像分割是前期的工作重点，主要使用了现成的软件来完成图像分割任务：3DMed（中国科学院自动化医学图像处理研究所）。

该软件集成了6种分割算法插件，按照官方文档的说法，区域生长算法特别适合于分割小的结构如肿瘤和伤疤，下面是使用3DMed加载的原始29189000016.dcm图像：

下面是使用区域生长算法对肿瘤的分割结果：

其中Different Value和Change Value为控制区域增长的两个参数，通过实验发现选取2和10效果较好。

下面是分割后的保存结果：

3DMed中会自动将结果文件名保存为29189000016_segmented.dcm。

但是该算法需要人工交互获得种子节点，自动化程度不高。同时区域增长算法对噪声敏感，导致抽取出的区域有空洞或者无法正确抽取出感兴趣区域。

特征提取就是从分割的区域中提取出描述该区域特征的一些数据，这一步的工作使用了两种方法进行探索。

使用MATLAB进行常用的基本统计特征的提取，该方法可以提取出 一阶统计特征 （描述感兴趣区域内各提速参数的分布，通常是基于直方图进行分析），在MATLAB中简单的区域描绘如下：

l 周长：区域边界的长度， 即位于区域边界上的像素数目．

l 面积：， 区域中的像素总数．

l 致密性：（周长） 2/面积．

l 区域的质心．

l 灰度均值： 区域中所有像素的平均值．

l 灰度中值： 区域中所有像素的排序中值．

l 包含区域的最小矩形．

l 最小或最大灰度级．

l 大于或小于均值的像素数．

l 欧拉数： 区域中的对象数减去这些对象的孔洞数。

MATLAB中的regionprops(L, properties)函数可以用来计算区域描绘特征：首先使用bwlabel(I, n)对图像I进行n（4或者8）连通标号，然后使用regionprops()进行统计计算。

Mazda是一个图像纹理分析的工具，可以自动对图像进行特征提取。下面是使用Mazda加载分割好的结果：

下面是对分割结果进行特征提取的结果：

对于Feature name的表示现在还没有完全搞明白，正在研究。

Mazda还可以进行 高阶统计量 的提取（就是进一步加入了过滤器），小波分析就是高阶统计量的一种，下面是小波分析的结果：

同时可以手动对Features进行feature selection，然后保存选择的结果。