当医学医疗遇上了人工智能，抠图算法应用的又一力作
文章已经智能算法实验授权。
目前的医学实践中，血管分割技术在眼底图像分析与计算机辅助眼病诊断中扮演着举足轻重的角色，它是医疗诊断、手术辅助设计的基础，且对早期发现和治疗不同的心血管病和眼部疾病（如中风、静脉阻塞、糖尿视网膜病变和动脉硬化）具有重要意义。
近年来，血管分割已成为医学图像处理领域的热点难题之一，许多血管自动分割技术被相继提出，并取得了很好的分割效果。然而，抠图作为一种辅助技术来应用在血管分割上的成果鲜为少见。到目前为止我们只发现了一项专利[1]，它通过不变矩特征和KNN抠图[2] 技术来进行血管分割。但由于生成三分图（Trimap）在血管分割过程中是一项繁琐和耗时的任务，因此当前有必要设计一个合适的抠图算法来尽可能高效地分割血管。
针对上述问题，汕头大学范衠教授团队与华南理工大学软件学院智能算法实验室合作提出一种基于分层抠图模型的血管分割算法[3]，目前该研究成果已成功发表在国际知名杂志IEEE Transaction on Image Processing上。下面我们对本研究工作的发展进程与相关成果进行说明。
图一 基于分层抠图模型的血管分割算法总体流程
如图一所示，基于分层抠图模型的血管分割算法流程由三分图的生成(Trimap Generation)和抠图(Matting)两步组成。在三分图生成中，为了提高血管的对比度，我们采用小波变换和形态学处理对血管的整体特征进行增强，然后结合阈值处理和血管的形状特征实现图像的分割和血管的主干部分提取，进而获得眼底图像的三分图。下面给出了三分图生成流程和实例展示，如图二所示。
图二 三分图的生成流程和实例展示
在抠图环节提出了分层抠图模型，实现三分图的进一步分割。下面给出了分层抠图模型的算法框架和实例展示，如图三所示。该算法主要分为两步: 对未知像素点的分层(Stratifying the unknown pixels)和分层更新(Hierarchical Update)。
图三 分层抠图模型的算法框架和实例展示
图四和图五分别展示了分层抠图模型算法中两个步骤的基本流程，其中绿色代表血管点，红色代表未知点，蓝色代表背景点。在第一步对未知像素点的分层过程中，我们计算每个未知像素点与最近血管点的距离，并按该距离将未知点分层。在第二步分层更新过程中，从第一层开始，我们计算该层每个未知像素点和它最近的已知点(血管点和背景点)的关系值，选择每个未知像素点关系最近的已知点，把这个已知点的标记赋给未知的像素点。当该层所有的未知像素点更新后，我们再用它们继续对下一层的未知像素点进行更新，以此循环，直到最后一层更新完毕。
图四 未知像素点的分层示例流程图
图五 分层更新的示例流程图
本文通过与多个血管分割算法进行比较验证了所提算法的有效性，对比结果如图六所示。实验结果表明，基于分层抠图模型的血管分割算法在两个公开的数据库: DRIVE和STARE上均取得了较好的分割结果。下面我们给出一些血管分割的实例对比结果（如图七所示）。在图七的(a)(b)(c)(d)中，左图均为医生分割的结果，右图为基于算法所分割出的结果。不难看出，基于该算法所得到的分割结果，相比医生分割的结果，提取了更多复杂的特征信息。
图六 算法对比实验结果
图七 血管分割的实例对比示意图
本文以血管分割为例探讨了抠图三分图的自动生成问题，利用图像增强和血管的形状特征实现三分图的自动生成功能，并且提出了一个基于分层抠图模型的算法进行血管分割，扩展了自然图像抠图技术在医学图像领域的应用。该技术有望应用在复杂结构的物体分割、小样本的数据处理等应用场景。在未来的工作中，我们将会继续优化这个算法，提升算法的性能，并与医学领域专家展开合作，尽可能地把算法应用到实际辅助诊断中。
参考文献
[1] Talwar, Powel, and Mithun Das Gupta, “Alpha-matting based retinal vessel extraction,” U.S. Patent 9 675 247, Jun. 13, 2017.
[2] Qifeng Chen, Dingzeyu Li, and Chi-Keung Tang, “KNN matting,” in Proc. IEEE Conf. Comput. Vis. Pattern Recognit. (CVPR), Jun. 2012, pp. 869–876.
[3] Zhun Fan, Jiewei Lu, Caimin Wei, Han Huang, Xinye Cai and Xinjian Chen*. A hierarchical image matting model for blood vessel segmentation in fundus images[J]. IEEE Transactions on Image Processing, 2019, 28(5): 2367-2377.
研究团队介绍
智能算法实验室（原智能算法与智能软件实验室，2018年更名）依托华南理工大学软件学院而建，坐落于国家级人才培养模式创新实验区内。实验室主要承担国内外重要智能算法类的研究课题，以算法与软件工具包的形式，根据国内外企业、科研与教育机构等单位在智能信息处理方面的需求，解决相关技术难点问题，并从中培养国际化算法研究型人才与算法工程化人才。
实验室必修课
实验室精神
-END-