技术领域
本发明涉及医学图像处理领域，尤其涉及一种肺部分割的方法。 背景技术
近年来，由于计算机断层扫描技术能够提供高清晰度、高对比度的图像，通常被应 用于肺部疾病的诊断。借助胸部CT观察肺部结构及功能特征是当今临床针对肺部各种疾病 的重要辅助手段，其中，肺部分割是实现肺部、气管、肺膈肌等定量分析(例如肺密度)必不 可少的预处理步骤。精确的肺部分割具有十分重要的意义，肺部分割必须是完整的，诸如肺 结核等异常可能存在于肺最边缘的部位，而且不正常的肺分割将危及到用于例如肺气肿等 对肺体积的定量估计。 现有技术中，对于两维CT横断面图像，肺部和胸腔对比度高，可以运用边缘追踪提 取肺部，该方法需要手动确定起始点，并且会遗漏边缘的水肿和炎症区域。对于三维CT数 据，(1)阈值法是最常见的肺部分割方法，虽然简单、快速，但不能有效去除背景和气管分 支，且确定阈
值较难，往往根据经验确定。(2)区域增长法是大多数工作中采用的方法，该方 法能够有效的弥补边缘追踪的遗漏缺陷，但常常需要手动选择种子点，是一种需要人工参 与的半自动分割方法，对肺结节、囊性肿瘤等高密度区域，或者肺气肿等肺部和气管密度值 很接近的情况失效；(3)基于模式分类的方法。该方法能提取有些数据的图像特征，但是需 要大量的训练样本，分割结果对样本与特征的依赖性强，处理时间较长。(4)基于图像配准 和形状模型的方法，该方法一般效果较好，但其受训练集数据影响会导致结果变异性大，建 立模型较为困难，并且计算量大，从而导致速度慢，难以满足临床应用的实时性需求。
综上所述，现有的CT肺部分割方法，有的因为模型与运算复杂，分割速度较慢；有 的因为控制参数难以确定，分割结果准确较低，不能快速、准确地进行肺部分割，无法满足 医学诊断的要求。
发明内容
本发明解决的问题是提供一种肺部分割方法，用以解决现有技术中需要人工介入 的半自动分割肺部，并且分割过程复杂，速度较慢的问题。
为了解决上述问题，本发明提供了一种肺部分割的方法，包括如下步骤：
在三维图像上粗提取肺器官，所述肺器官包括肺部和气管；
从所述三维图像中采集的二维图像中定位气管的起始层，以该层气管的中心C为 起始点，以所述三维图像中确定的阈值T1为阈值条件进行粗提取气管；
继续以该层气管的中心C为起始点，以所述粗提取的肺器官内确定的阈值T2为阈 值条件进行细提取气管，获得分割后的肺部图像。
优选地，所述粗提取肺器官的方法包括如下步骤：
在所述胸部三维图像上，通过阈值法提取出肺区域；
在二维图像和/或三维图像中提取背景；
确定含有最大肺器官面积的二维图像层为Smax；基于所述Smax层进行三维区域生 长，获得的所述三维连通域为所述粗提取的肺器官。
优选地，所述阈值法包括：采用最大类间方差法在所述三维图像中确定所述阈值 T1，其取值范围为(-600，-400)。
优选地，其特征在于，所述阈值法的实现方法如下：提供阈值T1，若图像中所在区 域的CT值大于阈值T1，则提取出该区域为肺区域；所述肺区域包括肺部、气管和背景。
优选地，所述提取背景的过程为：
从所述二维图像和/或三维图像的四周边缘选取CT值在(a，-600)内的点为种子 点，并以所述种子点开始由外向内进行区域增长，所述阈值a为所述二维图像和/或三维图 像上的最小CT值。
优选地，还包括：提取所述气管前，对所有二维图像定位含有肺器官的起始层和终 止层：
从所有二维图像第1层开始自上而下进行检测，当检测到肺器官时，停止检测，以 当前层为起始层；
从所有二维图像最后一层开始自下而上进行检测，当检测到肺器官时，停止检测， 以当前层为终止层。
优选地，所述定位气管起始层的方法为：
从第一层开始进行检测，若二维图像中所述气管的物理面积大于2平方毫米，则定 位该层为所述气管的起始层；
若物理面积小于2平方毫米，则继续进行检测，直至检测到起始层。
优选地，所述粗提取气管的方法为：以所述中心C作为起始点，所述阈值T1作为阈 值条件，采用LevelSet水平集算法从所述三维图像中粗提取气管。
优选地，所述细提取气管的方法为：以所述中心C为起始点，所述阈值T2为阈值条 件，采用LevelSet水平集算法从所述三维图像中细提取气管。
优选地，还包括：采用最大类间方差算法在所述肺器官的连通域中确定所述阈值 T2，其取值范围为(-1000，-670)。
优选地，所述细提取气管前还包括，首先采用应用形态学闭处理方法分别对每层 二维CT图像中的左、右肺进行平滑处理；然后计算连通域区分左、右肺部。
与现有技术相比，本发明具有以下优点：(1)全自动分割肺部，对边缘水肿、炎症、 肺部中
肺结节，肿瘤均有效，并且能够有效分离左右肺(2)全自动有效去除气管，适用于第 一层面包含其它低密度区域的数据，也适用于肺气肿等肺实质和气管密度值很接近的情 况。(3)运行时间和现有商用工作站速度相当。
附图说明
图1所示为本发明一个实施例的肺部分割方法的流程示意图；
图2所示为本发明一个实施例的提取肺器官的气管的方法流程示意图；
图3a～3c所示为本发明一个实施例的肺部分割方法的结果示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以 很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况 下做类似推广，因此本发明不受下面公开的具体实施的限制。
其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所 述示意图
只是实例，其在此不应限制本发明保护的范围。
本发明为解决上述技术问题提供了一种肺部分割的方法，包括如下步骤：
在三维图像上粗提取肺器官，所述肺器官包括肺部和气管；从所述三维图像中采 集的二维图像中定位气管的起始层，以该层气管的中心C为起始点，以所述三维图像中确定 的阈值T1为阈值条件进行粗提取气管；继续以该层气管的中心C为起始点，以所述粗提取的 肺器官内确定的阈值T2为阈值条件进行细提取气管，获得分割后的肺部图像，图1所示为本 发明一个实施例的肺部分割的方法流程示意图，请参见图1。
首先，执行步骤S11：在所述胸部的三维CT图像上，通过阈值法提取肺区域。具体 地，本实施例中的阈值法优选为最大类问方差(0TSU)算法，通过0TSU算法在所述三维CT图 像数据中确定阈值T1，若图像中所在区域的CT值大于阈值T1，则提取该区域为所述肺区域， 所述肺区域包括肺部、气管、背景等，所述阈值T1取值范围为(-600，-400)。需要说明的是， 一般人体组织的CT值范围为(-200，+∞)，肺区域的CT值范围为(-1000，-400)，通过本步骤 可以将非肺部人体组织与肺部、气管、背景等加以区分，形成OTSU二值图。
接着，执行步骤S12：从二维和/或三维图像中提取背景。本实施例中采用从所述三 维图像中采集n层胸部二维图像，对每层二维图像提取背景，从所述每层二维CT图像的四周 边缘选取CT值在(a，-600)内的多个点为种子点开始由外向内进行区域增长，提取包括床板 内的空气等背景区域；其中，所述n取自然数，所述阈值a为所有二维CT图像上的最小CT值。 需要说明的是，本实施例中以1/5～1/20张的间隔进行图像采集，例如在100张二维CT图像 中采集20张图片进行后续处理，从每层二维CT图像的四周边缘选取CT值在(a，-600)范围内 的多个种子点后开始由外向内进行区域以3～4个像素点的间隔进行四领域生长，可以除去 包括床板内的空气等背景区域以防出现漏检或错检情况。通过本步骤可以有效的去除圆形 视野外的背景区域，提高了后续图像处理的速率和准确率。
继续执行步骤S13：确定含有最大肺器官面积的二维图像层为Smax，基于所述Smax层 进行三维区域生长，获得的所述三维连通域为所述粗提取的肺器官。具体地，统计所有二维 CT图像中的肺器官区域的物理面积，自动确定含有最大肺器官面积的二维图像层为Smax层； 接着，基于所述Smax层进行三维区域生长，获得的所述三维连通域为所述粗提取的肺器官， 所述肺器官包括肺部和气管。
最后，执行步骤S14：在所述三维图像中采集的二维图像中定位气管的起始层，以 该层气管的中心C为起始点，提取气管，获得分割后的肺部图像。需要说明的是，去除气管步 骤之前，对所有二维CT图像定位含有肺器官的起始层和终止层：从第1层开始自上而下进行 检测，当检测到肺器官时，停止检测，以当前层为起始层；从最后一层开始自下而上进行检 测，当检测到肺器官时，停止检测，以当前层为终止层；通过定位起始层和终止层，便于加速 后续的应用形态学闭处理肺部的操作，提高处理效率。
具体地，所述去除气管的方法如图2本发明实施例的提取肺器官中的气管方法流 程示意图所示：
首先，执行步骤S21：从所述三维图像中采集的n层二维CT图像中，自动确定气管的 起始层。具体地，若所述二维CT图像中所述气管的物理面积大于2平方毫米，则定位当前层 为所述气管的起始层；若物理面积小于或等于2平方毫米，则继续进行检测，直至检测到起 始层。需要说明的是，通过气管起始层的定位，选取的CT图像具有一定的气管区域面积，利 于中心点C的准确定位。
接着，执行步骤S22：以所述中心C作为起始点，所述阈值T1作为阈值，采用 LevelSet水平
集算法从所述三维CT图像中粗提取气管。
继续执行步骤S23：采用应用形态学闭处理方法分别对每层二维CT图像中的粗提 取气管后的肺部区域进行平滑填充处理处理；然后计算连通域，根据质心分布区分左、右肺 部。
最后，执行步骤S24：继续以所述中心C为起始点，所述阈值T2为阈值，采用 LevelSet水平集算法从所述三维CT图像中进一步细提取气管，获得如图3a所示的气管提取 结果示意图，和最终分割后的肺部图像，如图3b和图3c所示的左、右肺部提取结果示意图， 右肺明显的异于正常肺部情况，便于临床上对肺部疾病的辅助诊断。
需要说明的是，本实施例中所述阈值T2优选采用最大类间方差算法确定，用于进 一步细提取气管，所述阈值T2的取值范围为(-1000，-670)。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议