植基於 K-means 及 Canny 為基礎的腦部腫瘤影像切割法

植基於植基於 K-meansK-means 及及 CannyCanny 為為基礎的腦部腫瘤影像切割法基礎的腦部腫瘤影像切割法

指導教授指導教授 :: 吳明霓吳明霓學生姓名學生姓名 :: 劉濠銘、陳益聖、賴志昇劉濠銘、陳益聖、賴志昇

國 立 台 中 技 術 學 院國 立 台 中 技 術 學 院

大綱大綱

導論導論 K-meansK-means CannyCanny 本文方法本文方法 未來展望及結論未來展望及結論

11 、導論、導論

在臨床醫學應用上，從電腦斷層掃瞄在臨床醫學應用上，從電腦斷層掃瞄和核磁共振的影像，將器官及腫瘤的和核磁共振的影像，將器官及腫瘤的輪廓描繪出來。輪廓描繪出來。

本研究針對電腦斷層頭部掃描圖，以本研究針對電腦斷層頭部掃描圖，以如何正確將腫瘤邊界切割出來作為主如何正確將腫瘤邊界切割出來作為主要研究。要研究。

從醫療用電腦輔助影像圖成為醫生診斷從醫療用電腦輔助影像圖成為醫生診斷疾病的工具之後，醫療用圖影像分析及疾病的工具之後，醫療用圖影像分析及醫療用影像切割方法就逐年進步。醫療用影像切割方法就逐年進步。

本文最主要的目的：本文最主要的目的： 如何開發更好的演算法及縮短大量醫如何開發更好的演算法及縮短大量醫學影像圖片的判定時間。學影像圖片的判定時間。

使用使用 K-meansK-means 及及 CannyCanny 方法原方法原因因

1.1. 腫瘤像素值與其他部位比較較高，使腫瘤像素值與其他部位比較較高，使用用 K-meansK-means 將項素值較高部分分群將項素值較高部分分群出來。出來。

2.2. CannyCanny 切割沒有方向性且可控制切割沒有方向性且可控制 σσ ，對腫瘤圖能顯現出較明顯的細節。，對腫瘤圖能顯現出較明顯的細節。

22 、參考用的影像處理方式、參考用的影像處理方式

在此部分我們列出本次研究所使用在此部分我們列出本次研究所使用的影像處理方法，對其方法做簡單介的影像處理方法，對其方法做簡單介紹及影像套用。紹及影像套用。

(1)K-means(1)K-means 分群法分群法(2)Canny(2)Canny 邊緣偵測邊緣偵測

2-12-1 、、 K-means K-means 分群法分群法

K-means K-means 群聚方法是將所有的資料群聚方法是將所有的資料群聚分成 群聚分成 KK 組資料群聚，並找出位於組資料群聚，並找出位於這些群聚中心點位置之群聚技術。 這些群聚中心點位置之群聚技術。

K-meansK-means 步驟步驟

1.1. 假設有假設有 KK 個群組，找出各群組中個群組，找出各群組中的群中心。的群中心。

2.2. 計算所有資料點到計算所有資料點到 KK 個群中心之個群中心之距離，分配所有資料點到距離最近的距離，分配所有資料點到距離最近的群中心。群中心。

3.3. 將各個群組中所屬的資料點再次將各個群組中所屬的資料點再次重新計算。重新計算。

4.4. 重複重複 2.2. 跟跟 3.3. 步驟，直到所有資步驟，直到所有資料點不再移動為止。料點不再移動為止。

K-meansK-means 分群法優缺點分群法優缺點

優點：優點：1.1. 時間複雜度小，能將所有需分群的時間複雜度小，能將所有需分群的資料做快速分群動作。 資料做快速分群動作。 2.2. 可依照研究人員需要改變分群數。 可依照研究人員需要改變分群數。

缺點：缺點：分群數量需要自行設定，每次做完的分群數量需要自行設定，每次做完的分群結果可能造成不完全相同的情況分群結果可能造成不完全相同的情況，產生些微誤差。 ，產生些微誤差。

K-meansK-means 範例圖範例圖

(a)為腫瘤影像， (b)則為 (a)使用 K-means處理分五群後的影像。

(a) (b)

1.1. 使用高斯濾波器在灰階影像使用高斯濾波器在灰階影像 f(a;b)f(a;b) ，， 得到平滑影像得到平滑影像 。。

2.2. 使用微分濾波器使用微分濾波器 k(a;b)k(a;b) 來計算邊緣強度和方向。來計算邊緣強度和方向。

3.3. 高斯濾波器參數高斯濾波器參數 σσ 用來決定邊緣偵測器的大小。用來決定邊緣偵測器的大小。

2-22-2 、、 CannyCanny 邊緣偵測邊緣偵測

);;(*;; bagbafbak

CannyCanny 邊緣偵測步驟邊緣偵測步驟

1. 1. 以以 σσ為其高斯濾波器對為其高斯濾波器對 imageimage執行迴旋積。執行迴旋積。

2. 2. 評測每一像素的區域邊緣的正交方向評測每一像素的區域邊緣的正交方向

3. 3. 應用應用 non-maximal suppression(MNS)non-maximal suppression(MNS)方法找 方法找 出 出edgesedges位置。位置。

4. 4. 得到得到 edgesedges強度影像強度影像 MNMS(a;b)MNMS(a;b)。 。

二、二、 CannyCanny 邊緣偵測步驟邊緣偵測步驟

5. 5. 找出高門檻值以及低門檻值然後去跟強度影像像素來找出高門檻值以及低門檻值然後去跟強度影像像素來做比較。做比較。

6. 6. 變化變化 σσ 重複步驟重複步驟 11 到到 55 。。 7. 7. 比較多個比較多個 σσ 的的 edgeedge 資料，取用最適合的資料，取用最適合的 edgeedge 影像影像。。

CannyCanny 的優點的優點

1.1. 具有良好的偵測能力具有良好的偵測能力 2.2. 好的定位能力好的定位能力 3.3. 多重感應多重感應

33 、本文方法、本文方法

(a) (b) (c)

本研究使用了九張大腦腫瘤圖來進行研究，在此僅舉三張不同位置及角度的大腦腫瘤圖片來做探討。

影像前置處理動作影像前置處理動作

首先將影像做成灰階，去除色階資料首先將影像做成灰階，去除色階資料，避免在使用，避免在使用 K-meansK-means 方法分群時因方法分群時因色階因素產生誤差值。色階因素產生誤差值。

影像前置處理動作影像前置處理動作 (( 續續 ))

進行進行 K-meansK-means 方法之後，必須設定顯方法之後，必須設定顯示用的灰階度。示用的灰階度。

我們發現將像素值設定為我們發現將像素值設定為 0-2550-255 ，其，其保持大腦輪廓的表現及保持大腦輪廓的表現及 K-meansK-means 的分的分群效果為最佳。群效果為最佳。

Fig.(a)

三群 四群

五群 六群

Fig.(b)

三群 四群

五群 六群

Fig.(c)

三群 四群

五群 六群

三群 四群

五群 六群

Fig.(c)

CannyCanny 階階段段

σ=σ=0.50.5

σσ=1.5=1.5 σσ=2.0=2.0

σ=σ=1.01.0

44 、結論與未來展望、結論與未來展望

結論結論 :: 運用運用 K-meansK-means 及及 CannyCanny 切割切割後，我們已經將九張樣本圖的腫瘤的後，我們已經將九張樣本圖的腫瘤的位置及大小切割出來，並對模糊、黯位置及大小切割出來，並對模糊、黯淡及過亮的灰階圖片調整灰階度，以淡及過亮的灰階圖片調整灰階度，以方便研究結果，並能快速確認腫瘤位方便研究結果，並能快速確認腫瘤位置。置。

未來展望未來展望 :: 在在 K-meansK-means 階段，我們發現腫瘤分群時，階段，我們發現腫瘤分群時，在腫瘤內部有些為正常細胞部分因跟腫瘤位置過在腫瘤內部有些為正常細胞部分因跟腫瘤位置過於接近，因而判斷為相同腫瘤部分，導致於接近，因而判斷為相同腫瘤部分，導致 CannyCanny找尋邊界時，無法完整將腫瘤找出。找尋邊界時，無法完整將腫瘤找出。