基于脑出血CT图像的分割与提取算法分析

满晨

【摘要】目的：探究脑出血患者的CT图像分割与算法。方法：选取从2010年3月到2015年3月于我院救治的330例脑出血患者作为研究对象，患者均行颅脑扫描，进行图像分割，测量学重量，并进行计分计算，最后和临床疗效进行比对，明确CT图像分割与计分计算的临床价值。结果：根据患者CT图像分割与脑出血患者的计分计算结果，可将脑出血病情分成轻型、中型、重型，不同程度的脑出血患者在疗效上存在统计学差异（P<0.05）。CT计分计算结果和血重量成正比例关系。结论：通过CT图像分割与计分计算能够有效反映出脑出血患者颅内压的升高情况，为救治方案的制定提供重要的临床参考作用。

【关键词】脑出血；CT图像；图像分割；图像计分计算

【中图分类号】R-1 【文献标识码】B 【文章编号】1671-8801（2016）01-0163-02

脑出血发病凶险，进展快，如果得不到及时有效治疗，可严重影响患者生存质量，并可致残，危及生命【1】。为探究脑出血患者的CT图像分割与算法，以为患者救治提供有效参考，选取从2010年3月到2015年3月于我院救治的330例脑出血患者作为研究对象，患者均行颅脑扫描，进行图像分割，测量学重量，并进行计分计算，最后和临床疗效进行比对，明确CT图像分割与计分计算的临床价值。

1资料与方法

1.1一般资料

选取从2010年3月到2015年3月于我院救治的330例脑出血患者作为研究对象，男性213例，女性117例，年龄48-89岁，平均（64.6±2.2）岁。首次CT均行于脑出血发病后的8h内，并均证实存在脑出血症状。其中221例进行保守治疗，110例采用颅骨钻孔引流进行治疗，具体见下表。

1.2方法

1.2.1CT检查

采用西门子双排CT机进行CT扫描，所有患者均从颅底到颅顶进行10mm厚的连续扫描，血肿量用容积测量法，即工作台调出CT图像，选取TOO12，选择Volume cale，设置值域值，上限设为85Hu，下限45Hu，以手动圈住扫描层中的各个血肿，点Calculation即可测的血肿体积。

1.2.2CT图像分割

对患者CT图像进行两步分割，即粗分割与细分割，得出患者的颅内出血病灶。利用现行空间滤波、左右逐层扫描以及数学形态学等多种技术手段提取患者的颅内结构，源图像M（见图1）大小设置为512×512，先结合颅骨组织灰度高、宽度大等特征，再以线性空间滤波对源图像，进行处理，得出M1，即颅骨轮廓图像【2】。再行水平方向扫描提取出患者的颅内区域，从而得出患者颅内区域中的二值掩膜矩阵MB，之后以形态学理论对二值掩膜图像中的孔洞进行填充。最后结合二值掩膜矩阵、灰度图像，借助数学形态学得到患者的颅骨内区域图像MF（见图2）。

1.2.3图像提取算法

首先以线性空间滤波提取CT图M中颅骨的大致轮廓M1，之后对掩膜矩阵进行初始化，MB=ones（width，height）得到图像，再以图像M1分别以左右方向对M进行水平扫描，具体算法如下图所示。

1.2.4 计分计算算法

1.2.4.1三脑室变化：正常0分，缩小1分，小时2分。

1.2.4.2中线移位：正常0分，移位<0.5cm为3分，移位超过1.5cm计为1分，移位0.6-1cm为2分，1.1-1.5cm为3分，超过1.5cm为4分。

1.2.4.3侧脑室变化：正常0分，单侧变形到大部分消失为0分，双侧变形到大部分消失为2分，两侧脑室基本消失为3分。

1.2.4.4四叠体池、环池以及脚间池：正常均计为0分，模糊或变小计为1分，完全消失计为2分。

1.3统计学分析

本次实验数据采用SPSS20.0软件进行统计学分析，其中计量资料对比采用t检验，计数资料对比采用X2检验，以p<0.05为差异有统计学意义。

2结果

根据CT图像计分计算情况可分成轻型脑出血（≤5分），共71例（21.52%）；中型脑出血（6-10分），共190例（57.58%）；重型脑出血（≥11分），共69例（20.90%）。不同计分结果的脑出血患者的疗效存在显著差异（p<0.05），具体见下表。

计分计算结果的高低和血肿量呈正相关，血肿量越大，计分计算的结果越高，具体见表3。

3讨论

脑出血为常见脑血管疾病，亦称作出血性脑卒中【3】，发病凶险，如果得不到及时有效治疗，可严重影响患者生存质量，并可致残，危及生命。由本次研究可以看出，根据患者CT图像分割与脑出血患者的计分计算结果，可将脑出血病情分成轻型、中型、重型，不同程度的脑出血患者在疗效上存在统计学差异（P<0.05），且CT计分计算结果和血重量成正比例关系。由此可见，通过CT图像分割与计分计算能够有效反映出脑出血患者颅内压的升高情况，为救治方案的制定提供重要的临床参考作用。

参考文献：

[1]孙涛，李传富，刘伟，冯焕清. 基于特征向量的颅脑CT图像分割方法 [J]. 数据采集与处理，2010，05：605-610.

[2]毛慧华，王枫红，陈炽坤，赖泽鑫. 几种常用CT图像分割算法分析和探讨 [J]. 计算机与数字工程，2012，01：101-103+108.

[3]陈郁淦，周学成，乐凯. 根系CT序列图像区域生长分割的新方法 [J]. 计算机工程与应用，2011，28：158-161.