這是專欄《圖像分割應用》的第2篇文章，本專欄主要介紹圖像分割在各個領域的應用、難點、技術要求等常見問題。

相比較腦區域分割，醫學圖像中的心臟分割問題要更復雜，因為心臟是一個不停運作的器官，其形狀也會在運動過程中發生變化。本文我們就來看看醫學圖像分割之心臟分割。

作者&編輯 | 孫叔橋

1 任務分析

心臟是我們身體內的一個重要器官，擁有一個健康、穩定工作的心臟是我們探索、創造和感知世界的必要條件。然而，各種各樣的心臟類疾病也嚴重威脅著許多人的生命。為了有效治療和預防這些疾病，精準計算、建模和分析整個心臟結構對于醫學領域的研究和應用至關重要。

目前，這個問題的解決仍然需要依賴大量的人工。這樣做不僅耗時，而且精度有時難以保證。因此，需要實現心臟區域的自動分割用于解決心臟醫療領域的實際問題。在眾多手段中，基于神經網絡的方法具有明顯優勢。以2016年Kaggle發起的左心室分割挑戰為例，三名獲獎者所使用的方法都是深度學習。

在心臟分割問題中，通常按結構將心臟分成幾個標注區域。比如以MM-WHS數據庫為例，有：

• 左心室血腔（the left ventricle blood cavity, LV）

• 左心室心肌（the myocardium of the left ventricle, Myo）

• 右心室血腔（the right ventricle blood cavity, RV）

• 左心房血腔（the left atrium blood cavity, LA）

• 右心房血腔（te right atrium blood cavity, RA）

• 升主動脈（the ascending aorta, AA）

• 肺動脈（the pulmonary artery, PA）

這些區域由于本身的特性，其難易程度和分割手段也存在不同。通常來講，普適性的心臟分割算法能夠實現基本的區域分割，但是要實現精準分割還是需要對單獨區域進行單獨處理。相對而言，右心室（RV）的分割難度更大，我們就以此為例分析一下其存在的難點。

2 難點介紹

1. 區域本身的困難

心臟分割問題中，每個區域的形態、工作方式不同，從而導致了每個區域的分割方法和難點也不同。以右心室為例，其存在的難點有：

• 在腔內存在與心肌相似的信號強度

• 右心室新月形形狀復雜，從基部到頂點一直變化

• 分割頂點圖像的切片十分困難

• 患者的心室內形態和信號強度差異大，且可能有病理改變

簡單來講，左心室是一個厚壁的圓柱形區域，而右心室是一個不規則形狀的物體，較薄的心室壁有時會與周圍的組織混在一起。

下面用幾組圖片來感受一下這種分割問題的困難。下圖是右心室的MRI圖片：

再困難一點：

而對于未訓練過的肉眼，右心室區域是這樣的：

2. 數據庫的困難

對基于深度學習的醫學圖像分割方法而言，數據庫的獲取是最主要的困難。通常，相對大規模的數據庫的圖片規模在幾千張圖片，其中已標注的通常只有幾百張，患者個體數就更少了；而小一點規模的數據集則遠遠小于這個數量。這種體量的數據庫對于無監督或弱監督網絡也許夠用，但是對于有監督網絡的訓練而言，是遠遠不夠的。

與其他數據不足的場景相同，醫學圖像也可以借助數據擴張實現網絡的訓練。比如下圖所示，通過隨機旋轉、平移、縮放、裁剪、彈性形變等手段，對原始圖像進行變換：

3 應用實例

1. 心室分割

基于FCN網絡結構實現左、右心室分割：

Phi V. T.. A Fully Convolutional Neural Network for Cardiac Segmentation in Short-Axis MRI[C]. CVPR 2016.

基于多尺度殘差稠密網絡實現心室分割：

Khened M., Kollerathu V. A., and Krishnamurthi G.?Fully Convolutional Multi-scale Residual DenseNets for Cardiac Segmentation and Automated Cardiac Diagnosis using Ensemble of Classifiers[J]. Medical Image Analysis, 2019.

2. 完整心臟分割

基于P3D和FPN實現完整的心臟分割：

Zhanwei X., Ziyi W., and Jianjiang F..?CFUN: Combining Faster R-CNN and U-net Network for Efficient Whole Heart Segmentation

[C]. CVPR 2018.

總結

本文簡要介紹了醫學圖像分割應用領域內的心臟分割，包括心室分割和全心臟分割。在進行任務分析和難點解讀后，給出了幾個應用范例。下期我們一起來看一下醫學領域分割的最后一個子方向：腫瘤分割。

知識星球推薦

深度學習+圖像分割星球由專欄作者孫叔橋維護，內設圖像分割知識匯總，網絡結構，代碼研讀，數據庫及代碼推薦等板塊。

有三AI知識星球由言有三維護，內設AI知識匯總，AI書籍，網絡結構，看圖猜技術，項目開發，Github推薦，AI1000問等系統性學習板塊。

今日網絡結構

轉載文章請后臺聯系

侵權必究

往期精選

• 【技術綜述】閑聊圖像分割這件事兒

• 【技術綜述】基于弱監督深度學習的圖像分割方法綜述

• 【完結】12篇文章帶你逛遍主流分割網絡

• 【圖像分割應用】醫學圖像分割（一）——腦區域分割

• 【技術綜述】多標簽圖像分類綜述

• 有三AI“夏季劃”出爐，今夏進階中級CV算法工程師

總結

以上是生活随笔為你收集整理的【图像分割应用】医学图像分割（二）——心脏分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。