一種ct圖像肺實(shí)質(zhì)的自動(dòng)分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種肺實(shí)質(zhì)分割方法，具體地說是一種基于隨機(jī)游走算法的CT圖像 肺實(shí)質(zhì)的自動(dòng)分割方法。
【背景技術(shù)】
[0002] 目前，肺癌是發(fā)病率和死亡率增長(zhǎng)最快，對(duì)人類健康和生命威脅最大的惡性腫瘤 之一。根據(jù)世界衛(wèi)生組織2014年5月發(fā)布的最新研宄資料表明，肺癌在全球前十位死亡原 因中占第五位，居癌癥死亡的首位。而我國(guó)以吸煙人數(shù)廣大、空氣污染嚴(yán)重等原因，肺癌死 亡率增加明顯，每年平均以4. 4%的速度上升，自1996年以來肺癌上升為我國(guó)癌癥患者的 第一殺手。如果肺癌能在早期被診斷和治療，其五年生存率可達(dá)40 %~70 %。
[0003] 計(jì)算機(jī)斷層掃描（Computed Tomography，CT)能夠提供高清晰度的圖像，并且為圖 像中各組織提供很高的對(duì)比度，因此被廣泛用于胸肺部疾病檢測(cè)診斷中。臨床表明肺結(jié)節(jié) 是肺癌在CT圖像中最為常見的表現(xiàn)形式，而肺結(jié)節(jié)形狀多樣，大小不同，分布位置也不固 定，易與其他組織緊密連接，密度與肺部血管相近，在CT圖像中大多表現(xiàn)為圓形或近似圓 形的致密斑點(diǎn)，僅憑人眼很難區(qū)別。而且，一次肺部CT掃描將產(chǎn)生近百?gòu)圕T圖像，其中有 結(jié)節(jié)的圖像僅有幾張。對(duì)于所有影像數(shù)據(jù)進(jìn)行分析非?？菰锓爆?，即使有經(jīng)驗(yàn)的醫(yī)生也難 免因診斷疲勞導(dǎo)致漏診或者誤診，特別是在數(shù)據(jù)量急劇增長(zhǎng)的情況下。因而，肺部疾病的計(jì) 算機(jī)輔助診斷（Computer-Aided Diagnosis，CAD)系統(tǒng)應(yīng)運(yùn)而生，在此過程中，肺實(shí)質(zhì)的分 割是實(shí)現(xiàn)自動(dòng)量化診斷的前提，同時(shí)也是進(jìn)行肺結(jié)節(jié)檢測(cè)和肺功能評(píng)估的基礎(chǔ)，其分割結(jié) 果的好壞直接影響到后續(xù)的分析過程。因此，自動(dòng)、準(zhǔn)確、快速地分割肺實(shí)質(zhì)可為臨床治療 和病理學(xué)研宄提供可靠依據(jù)，具有重要的現(xiàn)實(shí)意義和臨床價(jià)值。
[0004] 近年來，國(guó)內(nèi)外已提出很多肺實(shí)質(zhì)分割方法，主要基于閾值法、聚類法、區(qū)域生長(zhǎng)、 邊緣檢測(cè)、主動(dòng)輪廓模型等，這些方法能夠充分利用肺部CT圖像影像學(xué)的特點(diǎn)，針對(duì)正常 的肺組織取得有效的分割結(jié)果，但對(duì)于病灶粘連胸膜、肺門區(qū)域存在高密度血管、肺區(qū)域邊 界模糊、病灶或組織引起的肺區(qū)斷開以及左右肺連接在一起等復(fù)雜情況，采用上述分割方 法均難以獲得理想的分割效果。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的就是提供一種CT圖像肺實(shí)質(zhì)的自動(dòng)分割方法，以解決現(xiàn)有肺實(shí)質(zhì) 分割方法無法對(duì)復(fù)雜情況下的CT圖像肺實(shí)質(zhì)進(jìn)行有效分割的問題。
[0006] 本發(fā)明是這樣實(shí)現(xiàn)的：一種CT圖像肺實(shí)質(zhì)的自動(dòng)分割方法，包括如下步驟：
[0007] a、對(duì)CT圖像進(jìn)行預(yù)處理，獲得目標(biāo)掩膜和背景掩膜；
[0008] b、在目標(biāo)掩膜對(duì)應(yīng)的CT圖像中肺實(shí)質(zhì)區(qū)域內(nèi)選取目標(biāo)種子點(diǎn)，在背景掩膜對(duì)應(yīng) 的CT圖像中胸骨部位以及兩肺之間的區(qū)域內(nèi)選取背景種子點(diǎn)；
[0009] C、依據(jù)步驟b中所選取的目標(biāo)種子點(diǎn)和背景種子點(diǎn)，采用隨機(jī)游走算法對(duì)CT圖像 進(jìn)行分割，獲取近似肺實(shí)質(zhì)掩膜，在CT圖像中與近似肺實(shí)質(zhì)掩膜的邊界對(duì)應(yīng)的部位存在缺 陷；
[0010] d、調(diào)整目標(biāo)種子點(diǎn)和背景種子點(diǎn)位置：采用半徑為ri的結(jié)構(gòu)元對(duì)近似肺實(shí)質(zhì)掩膜 做膨脹運(yùn)算，得到膨脹后的肺實(shí)質(zhì)掩膜；采用半徑為r 2的結(jié)構(gòu)元對(duì)膨脹后的肺實(shí)質(zhì)掩膜做 腐蝕運(yùn)算，得到腐蝕后的肺實(shí)質(zhì)掩膜；ri< r2;在CT圖像中選取與膨脹后的肺實(shí)質(zhì)掩膜邊 界對(duì)應(yīng)的點(diǎn)作為背景種子點(diǎn)，在CT圖像中選取與腐蝕后的肺實(shí)質(zhì)掩膜邊界對(duì)應(yīng)的點(diǎn)作為 目標(biāo)種子點(diǎn)；
[0011]e、依據(jù)步驟d中調(diào)整后的目標(biāo)種子點(diǎn)和背景種子點(diǎn)，采用隨機(jī)游走算法對(duì)CT圖像 進(jìn)行分割，修補(bǔ)CT圖像中與近似肺實(shí)質(zhì)掩膜邊界對(duì)應(yīng)的缺陷，得到精確的肺實(shí)質(zhì)圖像。
[0012] 步驟C和步驟e中采用隨機(jī)游走算法對(duì)CT圖像進(jìn)行分割的具體過程為：
[0013] 定義一個(gè)帶權(quán)無向圖G= (V，E)，用圖G= (V，E)給CT圖像建模，其中V是圖中頂 點(diǎn)的集合，v G V，v對(duì)應(yīng)CT圖像中的每個(gè)像素，E是圖中任意兩個(gè)頂點(diǎn)間的無向邊的集合， ? ￡ g K x r , e對(duì)應(yīng)CT圖像中像素的連接關(guān)系；連接兩個(gè)頂點(diǎn) '和v』的邊e用e。表示， 邊e。.的權(quán)值用w表示；定義頂點(diǎn)v i的度為d i= E w屯是連接頂點(diǎn)的所有邊的權(quán)值之 和；通過定義邊的權(quán)值，構(gòu)建Laplace矩陣，求解Dirichlet問題。
[0014] 邊e。.的權(quán)值w定義為：
[0015]
[0016] 式（1)中，gi表示頂點(diǎn)灰度值；hi表示頂點(diǎn)Vi的坐標(biāo)值；bJPb2是自由參數(shù)， h表示像素灰度差特征的權(quán)重，b 2表示像素幾何距離特征的權(quán)重。
[0017]圖 G = (V，E)的 Laplace 矩陣 L 定義為：
[0018]
[0019] L可通過公式L = A'CA進(jìn)行構(gòu)建；其中，A是邊與頂點(diǎn)的mXn關(guān)聯(lián)矩陣，定義為：
[0020]
[0021] C是圖G= (V，E)的mXm本構(gòu)矩陣，定義為對(duì)角矩陣，對(duì)角矩陣中的對(duì)角元素是相 對(duì)應(yīng)的邊的權(quán)值。
[0022] Dirichlet積分的離散形式可表示為：
[0023]
C2)
[0024] 求解Dirichlet問題即是求解式⑵最小化的離散調(diào)和函數(shù)x;
[0025] 將CT圖像的頂點(diǎn)V分為兩個(gè)集合VjP V "，集合VM中的頂點(diǎn)為標(biāo)記點(diǎn)，集合V "中 的頂點(diǎn)為未標(biāo)記點(diǎn)；VMU V"= V，vMnV"=巾，則式（2)可分解為： L1N丄A H 6/ (j；^
[0026]
[0027]通過對(duì)D [xj關(guān)于
1"求微分來尋找其極值點(diǎn)：= _STxA/ ;
[0028] 假設(shè):x丨表示頂點(diǎn)\屬于標(biāo)簽s的概率，標(biāo)記點(diǎn)的標(biāo)簽集合定義為Q(v p = s， Vv,eG/，其中s G Z，0〈s彡K，Z為整數(shù)集合，K為標(biāo)簽s的數(shù)量，因此有：
[0029]
[0030] 則求解離散Dirichlet問題即求解：LuXs= -B "或L J = -BTM，其中 Zx; =1,Vv,.gF。 s
[0031] 步驟a具體包括如下步驟：
[0032] al、采用高斯模板對(duì)CT圖像進(jìn)行濾波處理，以降低噪聲；
[0033] a2、采用大津閾值分割技術(shù)對(duì)降噪后的CT圖像進(jìn)行二值化處理，得到背景掩膜 和目標(biāo)掩膜；背景掩膜中包含有胸骨及心臟，目標(biāo)掩膜中包含有肺實(shí)質(zhì)、氣管、支氣管和胃 氣；
[0034] a3、去除目標(biāo)掩膜中的氣管、支氣管和胃氣，并在CT圖像中相應(yīng)的位置做刪除標(biāo) 記。
[0035] 步驟 d 中，9mm < 10mm，11mm < r 12mm〇
[0036] 本發(fā)明針對(duì)復(fù)雜情況下肺實(shí)質(zhì)的分割問題，提供了一種基于隨機(jī)游走（Random Walk)算法的CT圖像肺實(shí)質(zhì)的自動(dòng)分割方法。在本發(fā)明中，首先根據(jù)胸部組織解剖學(xué)及其 CT圖像的影像學(xué)特征，在肺實(shí)質(zhì)及其周圍組織內(nèi)分別確定目標(biāo)種子點(diǎn)和背景種子點(diǎn)位置； 然后使用隨機(jī)游走算法對(duì)CT圖像進(jìn)行分割，提取近似肺實(shí)質(zhì)掩膜；接著對(duì)近似肺實(shí)質(zhì)掩膜 實(shí)施數(shù)學(xué)形態(tài)學(xué)運(yùn)算，來進(jìn)一步調(diào)整目標(biāo)種子點(diǎn)和背景種子點(diǎn)的標(biāo)定位置，使其適合具體 的復(fù)雜情況；最后再次使用隨機(jī)游走算法分割CT圖像，得到最終的肺實(shí)質(zhì)分割結(jié)果。采用 本發(fā)明可解決以下幾種復(fù)雜情況下肺實(shí)質(zhì)的分割問題：胸膜結(jié)節(jié)及肺門附近高密度血管的 存在造成分割結(jié)果有遺漏病灶的、兩肺距離較近或連接在一起引起分割結(jié)果錯(cuò)誤的、病灶 或組織造成的肺區(qū)斷開、肺邊界模糊使得分割結(jié)果不完整等復(fù)雜情況。
[0037] 本發(fā)明采用了兩次隨機(jī)游走算法對(duì)CT圖像進(jìn)行分割以得到準(zhǔn)確的肺實(shí)質(zhì)，第一 次采用隨機(jī)游走算法分割CT圖像，得到近似肺實(shí)質(zhì)掩膜；第二次采用隨機(jī)游走算法對(duì)CT圖 像中對(duì)應(yīng)近似肺實(shí)質(zhì)掩膜邊界部位的缺陷進(jìn)行修補(bǔ)，分割后得到準(zhǔn)確的肺實(shí)質(zhì)分割結(jié)果。 隨機(jī)游走算法的權(quán)值計(jì)算，包括了像素的灰度差及像素間的幾何距離，使得各邊的權(quán)值不 僅反映圖像像素的灰度變化，還反映像素間距離，提高了算法對(duì)肺部圖像的適用性和有效 性。隨機(jī)游走算法本身無需迭代，計(jì)算速度較快，在強(qiáng)噪聲、弱邊界或沒有顯著邊界的情況 下也能獲得較好的分割效果，為上述復(fù)雜情況的肺實(shí)質(zhì)分割提供有效可行的方案。
[0038] 本發(fā)明中種子點(diǎn)是通過大津閾值和數(shù)學(xué)形態(tài)學(xué)等方法快速且自動(dòng)地獲取，無需手 工標(biāo)定，大大減少