医学图像分割技术：从大脑到视网膜的精准突破

### 医学图像分割技术：从大脑到视网膜的精准突破 在医学影像领域，图像分割技术对于疾病的诊断和治疗起着至关重要的作用。本文将介绍两种不同的图像分割方法，一种是用于经颅三维超声（3D TC - US）中中脑分割的方法，另一种是用于光学相干断层扫描（OCT）中视网膜内层分割的方法。 #### 经颅三维超声中脑分割 在帕金森病的诊断中，经颅三维超声（3D TC - US）中中脑的准确分割对于后续黑质（SN）的分割和分类非常重要。研究人员提出了一种鲁棒且基本自动化的中脑分割方法。 - **分割效果展示**：该算法在部分数据集上取得了优秀（如案例21）和中等（如案例13）的分割结果。从图3可以看到，上、中、下三行分别展示了案例21、13和11。图的最后一列显示了真实分割与使用局部数据项的最终自动分割之间的网格表面距离图，表明自动分割的形状与真实情况吻合良好。不过，案例11的分割性能相对较差，这是由于图像质量较差以及中脑形状异常，即使是医学专家进行手动分割也很困难，案例16和22也是如此。 - **方法优势**： - **鲁棒性强**：尽管由于颞骨窗厚度不同，超声体积质量差异很大，但在22个受试者中有19个的分割性能始终很高，证明了该方法的鲁棒性。 - **不受硬件和设置影响**：基于局部区域的数据项不依赖于超声设置和硬件等因素，与主动外观模型不同，因此该方法可应用于任何形式的3D B模式体积生成，如摆动探头或2D矩阵阵列。 - **节省时间**：提出的半自动分割方法将每个患者的分割时间从手动分割的约20分钟减少到约1.5分钟。 这种中脑分割方法为帕金森病的计算机辅助诊断迈出了重要一步，有望提高疾病的早期检测率和治疗效果。 #### 光学相干断层扫描视网膜内层分割 光学相干断层扫描（OCT）已成为非侵入性诊断视网膜成像的关键技术。为了实现视网膜内层的准确分割，研究人员提出了一种概率方法。 ##### 1. 研究背景 随着OCT技术的发展，对视网膜内层进行定量测量对于青光眼或年龄相关性黄斑变性等疾病的早期诊断至关重要。然而，手动分割繁琐且耗时，因此对自动化算法的需求很高。 ##### 2. 相关工作 - **一维边缘检测与连接**：通过启发式方法进行一维边缘检测，并将图像列中的候选点连接成连续边界。 - **图割问题**：将分割问题重新表述为图割问题，通过构建图来强制层的顺序和边界的平滑性，但处理3D体积需要数小时。 - **主动轮廓方法**：应用主动轮廓方法进行OCT分割，通过最小化一个泛函来强制圆形边界（形状先验）、层内恒定强度和边界平滑性，速度快（每2D扫描1秒），但需要用户手动选择参数。 ##### 3. 提出的方法 - **OCT图像模型**： - **局部外观模型**：使用高斯马尔可夫随机场（GMRFs）对像素值的外观进行建模。对于每个类别，从标记的训练图像中抽取1000个样本块并转换为向量，通过应用lasso惩