本文档格式为WORD，感谢你的阅读。
摘要：诊断肺癌的重要手段之一是高分辨率CT （High Resolution ComputedTomography，HRCT）扫描，但是医生需要丰富的阅片经验以及大量的精力时间才能阅读海量的CT图像信息。为了减少医生的精力损耗和降低漏诊率，采用计算机辅助检测成为趋势。在肺癌等肺部疾病计算机辅助诊断方法中，最核心的步骤是肺实质的分割。提出一种基于CT图像序列的新的自动肺实质分割方法，综合利用了区域生长及数学形态学开运算等算法，并通过纵向扫描方法精确定位左肺和右肺的粘连部位，从而在肺实质边界的肺结节结节容易被忽略分割及左右肺分离的难题得到了解决。对多组胸部CT序列图像的实验证明，该方法对于肺实质分割非常精确有效。 关键词：CT图像；计算机辅助诊断；区域生长；肺实质；扫描定位
TP391 A 1009-3044（2014）05-1093-03
A Method of Lung Segmentation Based on CT Images
LI Man
（Electronic and Information Engineering，Tianjin Polytechnic University，Tianjin 300387，China）
Abstract：High-resolution CT （High Resolution ComputedTomography， HRCT） scan is an important means of diagnosis of lung cancer， however， a CT
image information reading mass requires a lot of
time， effort and considerable film-reading experience. To reduce energy loss of docter and cut down misdiagnosis rate，the use of computer-aided detection become a trend. Lung cancer and other lung diseases in computer-aided diagnostic methods， the most central step is the lung parenchyma segmentation. CT image sequence is proposed based on a new method谷物大脑在线阅读
for automatic segmentation of lung parenchyma，utilization of thresholding， region growing and mathematical morphology other algorithms， and
through vertical scanning algorithm to pinpoint the cable around a narrow area around the lungs， an effective solution to the edge of the lung parenchyma nodule segmentation omission and so easy to separate the problem of the lung .Multiple sets of chest CT images proved the method for lung segmentation is
very accurate and efficient.
Key words：CT image； computer-aided
diagnosis； regional growth； lung parenchyma；scanning positioning
1 概述
随着肺部疾病在人中越来越流行，针对它的有关学
反硝化细菌习研究工作必须得到高度的注意。现在辅助电脑诊断肺部疾
病（computer aided diagnosis CAD）系统[1]的成长是飞快的，能够很大程度上辅助医生诊断病人病情。大多数肺部疾
病CA D系统都是利用计算机断层扫描图像来检测诊断肺结
节，所以确定左右肺的边缘显得尤其重要，这个步骤称为
“肺实质分割”[2-3]。
之前研究人员在研究肺部疾病时，已经注意到了分割
肺实质的重要性。在分割肺实质之前，要对图像进行预处
理，然后可以采用边界跟踪[4]、区域生长、阈值法、多尺度分析、形态学处理、基于模式分类的分割法等获得肺实质。边界跟踪和区域增长是非全自动的，前一种分割往往会忽略肺实质边缘突起和凹陷区域；并且后一种即使能避免忽略突起和凹陷的区域，但种子点的选择和生长相似性准则的抉择都是相对困难的。阈值法实现快速、简单，但背景、气管支气管等区域不能很好的去除。基于多尺度分析理论框架在分割肺实质时效果不理想，算法也比较繁琐。基于模式分类在提取肺实质时，由于要提取多个特征，因此比较损耗时间，并且训练样本不能自动选择，要人工选择。 本文在提取肺实质时，对上面所述的算法部分利用，先进行肺实质的初步分割；然后根据CT图像的上下文分析运用区域生长法，去掉气管支气管；再对感兴趣范围像素进行左肺和右肺粘连情况的分析，分开左肺和右肺后，运用形态学开运算弥补肺实质缺口，最后获得完整的肺实质，并且较理想。
2 设计与方法
首先利用区域生长算法[5]初步分割出肺实质，接下来，为了避免对下面的分割造成干扰，要剔除肺部的血管、气管、支气管等区域。此外左肺和右肺粘连的问题会出现在肺中部的切面里，针对这种情况，要断开左肺和右肺的连接，对接下来的检测肺结节准备正确的实验数据。肺实质的分割过程如图1所示。
图1 肺实质分割流程
2.1初步分割肺实质
如图2中的原始肺部CT图像观察到，图像的外围都是像素值较低的，而图像的中间位置是想要得到的肺实质。肺实质的像素也是较低的，肺实质和外部背景包围的区域是躯干，躯干的像素值较高，想要初步的分割出肺实质，根据之前分析的像素值的分布情况，只要将“1”赋值给躯干四周的区域，使之变为白，这样就使得躯干和外围形成一个连通
的区域，方便我们粗略的分割出肺实质。该文中采用区域生长算法。将图片的四个顶点区域设定为种子的区域，之后运用8领域连通躯干和四周背景区域，得到最终的肺实质了。
图2 原始肺部CT图像图3 二值化图像
图4 初步分割的肺实质
2.2 气管和支气管的剔除
肺实质经过初步的分割后，有些情况必须引起注意，那就是气管和支气管在肺实质初步的提取后经常被存留了[6]，导致接下来的工作也受到影响。因此为了解决这个问题，要剔除CT影像的这部分区域。区域生长算法从种子点开始，按照之前确定的规则，将区域或者子区域扩大成更大的区域，在没有像素点符合加入这个区域的条件时，生长的过程将会停止。在肺部CT影像中，气管内外的CT值是有较龚琪
大差异的。由于气体充满在气管内，所以气管的CT值是很低的，与外层的CT值相比，外层的CT值要高出很多。根据气管内外CT值的剧烈变化，把其设置成区域生长准则，从而删除气管和支气管。在这里算法流程的描述见如下，剔除气管和支气管的结果如图6所示。
图5 气管和支气管剔除前图6 气管和支气管剔除后
1）确定第一层的感兴趣区域：肺部第一层干扰较少，肺部边缘较少有突起凹陷，而且左右肺区是分开的。利用这些可以条件，运用连通域法可以寻到图像中位于中间部分的连通域，这个连通域就是主气管；
2）种子点的确定。最开始的种子点设置为第一层片中感兴趣区域的质心，为了获得随后层片的种子点，我们将上一层中得到的气管和支气管的质心确定，并将这些质心作为随后层皮的种子点；
3）生长准则。从种子点开始，在CT的每一层片，将和种子点的灰度相差阈值[Ts]内的相邻像素附加到生长区域内，使得气管的范围不断扩大，同时将这些符合条件的相邻像素点作为新的种子点，继续扩充。
4）终止条件。当前后两次经过区域生长后的气管面积之差小于设定的面积[Tm]时，判定生长结束。越南国民党
2.3 左右肺的分割
气管和主支气管区域是左肺和右肺分开的一个困扰，但当不包括这个区域后，如何解决左肺和右肺的粘连问题[7]就是我们要处理的。这时需要继续对CT影像进行分割，以方便之后辅助电脑诊断肺结节。在这里采用一种容易且高效的快速确定连接部位和把左右肺分开的途径。
2013年春季流行女装有三个重要的问题在分开左肺和右肺中要考虑：左肺和右肺是否粘连在一起、快速确定连结部分、分开左肺和右肺的途径。根据先验知识可知，在中间的肺层，左肺和右肺往往粘连在一起，并且连接的位置也在特定的区域内。由此本文采用下面的方法把左肺和右肺分开：
1）判断左肺和右肺是否粘连：由于气管和支气管被剔除，以至于现在存在在肺区的只有左肺和右肺是两个比较大的连通区域，相比较于左肺和右肺，剩下的连通区域可忽略。由此本文设定的判决准则是：若前两大连通区域的面积之比大于确定的阈值T，就判断左肺和右肺是粘连在一起的，这里的阈值T是经实验确定的常数。
2）寻连结区域：将准备好的二值图像1到256行进行纵向扫描，把拥有最少像素值为“1”的列记为第n列，然后把二值图像上半部分（第1到256行），第n列的向左30列和向右30列作为感兴趣区域，即为（1：256，n-30：
n+30）。
3）处理之前到的目标区域的二值图像，步骤如下：
裂隙制造者
A.横向扫描图像的上半部分（行数从1到256），到每一行中第一个和最后一个像素值为“0”的像素，把第一个
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议