孔令军，王茜雯，包云超，刘伟光

(1.金陵科技学院 网络与通信工程学院，江苏 南京 211169；2.南京邮电大学 通信与信息工程学院，江苏 南京 210003)

0 引言

医疗图像处理已经成为数字医疗的重要组成部分，借助图像分割可以找到图像中对医生有用的部分。超声扫描是应用广泛的医疗成像形式，其通过诊断和分析人体内部的肌肉、神经等结构来检测各种疾病和损伤。因此，如何对超声图像进行自动分割以获取感兴趣区域具有十分重要的意义。

与高对比度的CT和MRI相比，超声图像自动分割是更具挑战的任务。臂丛神经(Brachial Plexus,BP)超声图像形成过程中由于电子器件的随机扰动，导致图像变得模糊、失真从而出现颗粒状纹理，降低了图像的信噪比。此外，由于超声图像属于低回声成像，神经元区域在图像中不是一个突出的结构，导致其目标轮廓不明显甚至很难被肉眼分辨。这些困难导致医生很难找到神经的确切位置从而注射药物进行手术。除了准确地定位神经元，BP图像分割还必须减少假阳性样本的预测，这使其成为一个复杂的问题。

传统图像分割方法依靠人工手段来对图像中的边缘、颜色和纹理等信息进行抽取和选择。针对超声图像中的神经分割问题，文献[1]提出了一种基于高斯过程的分类方法，其中感兴趣的区域由专家定义。文献[2]提出了一种基于贝叶斯形状模型的技术，并通过计算训练集中神经结构的平均形状来初始化形状模型。上述方法属于非自动图像分割，需要专家的干预，不仅需要消耗大量的人员和精力，同时需要一定的专业知识，不能保证提取特征的有用性。……