论文标题：Scale-adaptive superpixels for medical images(封面报道：医学图像的自适应超像素算法)

期刊：Quantitative Biology

作者：Limin Sun, Dongyang Ma, Yuanfeng Zhou

发表时间：08 Oct 2022

DOI：10.15302/J-QB-021-0275

微信链接：点击此处阅读微信文章

超像素分割是一种图像过分割技术，提供了一种无监督捕获目标边缘的方式，已被广泛应用于医学图像处理中。具有相似的大小是超像素的重要特征之一。然而，在医学图像中，由于目标尺寸变化较大，而背景区域往往是较大的平坦区域，超像素的大小均匀性很难与多样的内容相适应。为了使用较少的超像素尽可能保留重要的边缘细节，下游任务需要仔细选择所需超像素的大小。

近日，山东大学软件学院智能图形图像处理实验室周元峰教授课题组针对医学图像，特别是病理图像，提出了一种尺度自适应超像素算法。该算法可以根据图像内容的复杂性生成不同尺度的超像素，即在内容丰富区域生成较小的超像素，在平坦区域生成较大的超像素。相关文章“Scale-adaptive superpixels for medical images” （点击文末“阅读原文”下载PDF全文）发表在Quantitative Biology期刊上。

全文概要

超像素分割是一种降低图像处理复杂度的强大预处理工具。超像素算法聚合具有相似属性的像素以形成更具代表性的小区域——超像素，从而使图像处理基元的数量从几百万像素减少到几千个超像素。这些小区域大多保留有用于进一步图像处理的有效信息，一般是图像中目标的边缘信息。自超像素的概念被提出以来，超像素分割已广泛应用于多种类型的医学图像的处理，例如多模态MRI的肿瘤分割，x射线血管造影中的血管分割和导管检测，乳房超声图像的分割，大型3D医学数据集的分割等。为了便于下游任务处理，超像素通常具有以下属性：边界贴合性，尺寸均匀性，紧凑性和计算高效性。

大多数均匀大小的超像素算法可以控制生成超像素的大小和个数，但忽略了图像内容的复杂性和目标尺度的多样性。均匀大小的超像素主要面临以下问题：1）当超像素的尺寸较大时，不能感知小于均匀超像素尺寸的小尺度目标；2）当超像素尺寸足够小时，大尺寸的目标将被划分为许多超像素，显著增加图像处理的复杂度。

为此，本文提出了一种新的尺度自适应超像素算法，放宽了对医学图像超像素分割的尺寸均匀性约束。在本方法中，超像素是顺序生成的。对于单个超像素，我们利用宽度优先搜索和一种新的贪婪最短路径策略，从一个种子像素生长出一个超像素区域，并使用一个预设路径距离阈值限制超像素的生长。在内容丰富区域，由于像素间特征距离较大，超像素的生长很快便能达到预设阈值停止生长，得到较小的超像素，在平坦区域则相反。因此可以根据图像的内容生成不同尺寸的超像素（图1）。

图1. 在CT图像上的超像素分割效果的比较

总的来说，每种超像素算法都有自己的优点，适合于特定的应用。本文提出的尺度自适应超像素算法，在保留最多细节的前提下获得最少的超像素。它可以根据图像内容的复杂程度，在同一幅图像上生成超大尺寸和极小尺寸的超像素。这使用户不必为给定的应用程序设置合适的超像素大小。该方法具有计算效率高、边界黏附紧密、联通性好、对噪声不敏感和多尺度等优点。

QB期刊介绍

Quantitative Biology （QB）期刊是由清华大学、北京大学、高教出版社联合创办的全英文学术期刊。QB主要刊登生物信息学、计算生物学、系统生物学、理论生物学和合成生物学的最新研究成果和前沿进展，并为生命科学与计算机、数学、物理等交叉研究领域打造一个学术水平高、可读性强、具有全球影响力的交叉学科期刊品牌。

QB期刊目前已被ESCI, Scopus, CSCD等国内外重要数据库收录。Citescore2021=4.6，预计明年将获得第一个影响因子（IF）。

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中13种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn