基于双边滤波-距离正则化水平集演化算法的甲状腺超声图像分割*

冉冬梅，严加勇，崔崤峣，于振坤

（1.上海理工大学医疗器械与食品学院，上海200093；2.上海健康医学院医疗器械学院，上海201318；3.中科院苏州生物医学工程技术研究所，苏州215163；4.南京同仁医院，南京211102）

1 引 言

近年来，甲状腺癌发病率在世界范围内逐年快速上升，早期发现、早期诊断是其治疗关键。目前，临床上广泛使用B超来实现对甲状腺相关疾病的筛查[1-2]。但是，传统的二维超声无法直接描述甲状腺病变的精准位置。因此，准确分割甲状腺具有重要临床意义。

受超声成像原理影响，甲状腺图像易产生斑点噪声，灰度对比度低、边缘模糊。传统的图像分割算法如边缘检测、阈值分割等[3-4]，都难以达到甲状腺分割要求。临床医师手动分割结果虽较为准确，但费时费力，分割结果往往还带有主观因素。

为实现甲状腺有效分割，国内外学者做了很多关于分割甲状腺超声图像的研究。Chang等[5]在2010年提出使用径向基函数（radial basis function，RBF）神经网络自动分割甲状腺的方案；2013年，Kaur等[6]分析了三种用于甲状腺分割的方法，即无边缘的活动轮廓、基于局部区域的活动轮廓和距离正则化水平集；同年，翟建敏等[7]提出采用手动绘图进行甲状腺微小结节的定位；2016年，Poudel等[8]提出先使用活动轮廓分割超声图像中的甲状腺，然后借助三维重建工具，获取甲状腺的三维模型。为提高分割精度，2017年Poudel等[9]通过添加均方误差比和直方图之间的相关性这两个区域相似性指标，将分割精度提高到86.7%。这些算法虽然能分割出甲状腺，但普遍计算复杂、耗时且分割效率低。……