一种CT肺亚实性结节特征提取及检测方法技术

本发明专利技术公开了一种CT肺亚实性结节特征提取及检测方法，包括以下步骤：获取肺部CT影像；对获取的肺部CT影像进行预处理；对预处理后的肺部CT影像进行候选结节分割得到候选集；对候选集进行特征提取得到特征集；根据特征集进行病灶分类；根据病灶分类结果得到肺结节检测结果。本发明专利技术中，通过多种方式进行特征提取，便于更加全面的进行分类筛选，且应用环境特征提取，对疑似肺结节在图像中与其他部位以及其它疑似肺结节的位置等关系进行考虑，提高分类的灵敏度，解决现有肺亚实性结节计算机检测方法存在灵敏度低，假阳率高等问题。

A method for feature extraction and detection of CT subpulmonary nodules

The present invention discloses a method for extracting and detecting the characteristics of CT pulmonary nodular nodules, including the following steps: obtaining the CT image of the lung, preprocessing the acquired lung CT image, separating the candidate nodules from the pre processed lung CT image, and extracting the feature set of the candidate set; according to the feature set, the feature set is obtained. The lesions were classified, and the results of lung nodules were obtained according to the classification results. In the invention, feature extraction is carried out in a variety of ways so as to facilitate a more comprehensive classification and screening, and to use environmental characteristics to extract the relationship between suspected pulmonary nodules in the image with other parts of the lung and other suspected pulmonary nodules, to improve the sensitivity of the classification and to solve the existing pulmonary nodule computer. The detection method has the problems of low sensitivity and high false positive rate.

【技术实现步骤摘要】
一种CT肺亚实性结节特征提取及检测方法
本专利技术涉及医学图像处理
，尤其涉及一种CT肺亚实性结节特征提取及检测方法。
技术介绍
近二十年来，肺癌已经成为全世界致死最多的癌症，2012年美国死于癌症的案例中仅肺癌就占总数的28％，所以对于肺癌的早期检测——肺结节检测就至关重要。自2007年以来，越来越多的针对肺实性结节的计算机辅助检测系统被提出，并被逐步完善。但是对于肺亚实性结节，其在CT中难以捕捉，因此针对肺亚实性结节的计算机自动检测方法的研究也较少，现有的肺亚实性结节计算机检测方法存在灵敏度低，假阳率高等问题，给肺亚实性结节的辅助检测带来很大的难度，存在较大的危害性。
技术实现思路
本专利技术的目的在于：提供一种CT肺亚实性结节特征提取及检测方法，解决现有肺亚实性结节特征提取不全面，进而导致计算机检测方法灵敏度低、假阳率高等问题。本专利技术采用的技术方案如下：一种CT肺亚实性结节特征提取方法，包括以下步骤：S1：获取肺部CT影像；S2：对获取的肺部CT影像进行预处理；S3：对预处理后的肺部CT影像进行候选结节分割得到候选集；S4：对候选集进行特征提取得到特征集。进一步的，所述步骤S2具体步骤如下：S201：采用双阀值分割方法对肺部CT影像进行分割；S202：通过边缘检测方法去除多余像素得到感兴趣区域。进一步的，所述步骤S3具体步骤如下：S301：采用形态学方法对感兴趣区域进行分割；S302：剔除与感兴趣区域接触的脉管系统得到候选集。进一步的，所述特征提取包括：亮度特征提取、纹理特征提取、形状特征提取、环境特征提取。进一步的，所述环境特征提取包括4种方式：方式一：计算候选集所有像素到肺边界和支气管树的距离，并计算平均值、标准差、最小值以及最大值用作环境特征；方式二：在肺部周围设置最小矩形边框，并构建出三维x、y、z坐标，从而得到候选的相对位置，并计算最小矩形边框左下角的距离以及到肺亚实性结节中心的距离；方式三：对候选分割区域周围自定义的边界框进行划分，其中边界框为气管分割或者血管分割的一部分，绝对重叠＝N5其中N4为候选区像素的数量，N5是边界框内的像素数量；将绝对重叠和相对重叠率用作环境特征；方式四：计算候选集中候选结节的数量，且计算候选结节周围距离30mm和50mm以内的候选结节的数量以及最近候选结节的距离用作环境特征。一种CT肺亚实性结节检测方法，包括以下步骤：S1：根据特征集进行病灶分类；S2：根据病灶分类结果得到肺结节检测结果。进一步的，所述步骤S1具体步骤如下：S101：对特征进行线性判别比率计算；S102：选取比率最大的5个特征；S103：采用线性分类器对5个特征进行分类；S104：采用GentleBoost10分类器对剩余特征进行分类。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：1、本专利技术中，通过对肺亚实性结节进行自动检测，解决现有肺亚实性结节计算机检测方法存在灵敏度低，假阳率高等问题，提高检测精确度。2、本专利技术中，通过多种方式进行特征提取，便于更加全面的进行分类筛选，提高检查灵敏度。3、本专利技术中，应用环境特征提取，对疑似肺结节在图像中与其他部位以及其它疑似肺结节的位置等关系进行考虑，提高分类的灵敏度。附图说明图1为本专利技术步骤流程图；图2为本专利技术特征提取分类图；图3为本专利技术四种像素区域划分方式；图4为本专利技术病灶分类流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。实施例1如图1所示，一种CT肺亚实性结节特征提取方法，包括以下步骤：S1：获取肺部CT影像；S2：对获取的肺部CT影像进行预处理；S3：对预处理后的肺部CT影像进行候选结节分割得到候选集；S4：对候选集进行特征提取得到特征集。本专利技术针对肺亚实性结节进行特征提取，进而便于进行检测判断，解决现有的肺亚实性结节计算机检测方法存在灵敏度低，假阳率高等问题，提高检测精确度。实施例2在实施例1的基础上，所述步骤S2具体步骤如下：S201：采用双阀值分割方法对肺部CT影像进行分割；S202：通过边缘检测方法去除多余像素得到感兴趣区域。对肺部CT影像采用双阀值分割的方法进行分割，且通过边缘检测去除气管、血管等多余像素，初步得到关于疑似结节候选的粗分割。实施例3在实施例1或2的基础上，所述步骤S3具体步骤如下：S301：采用形态学方法对感兴趣区域进行分割；S302：剔除与感兴趣区域接触的脉管系统得到候选集。对疑似结节候选分割采用更加精确的形态学方法对感兴趣区域进行进一步分割，同时剔除与之接触的脉管系统，从而得到最终的候选集。实施例4如图2所示，在实施例1的基础上，所述特征提取包括：亮度特征提取、纹理特征提取、形状特征提取、环境特征提取。进一步的，所述环境特征提取包括4种方式：方式一：计算候选集所有像素到肺边界和支气管树的距离，并计算平均值、标准差、最小值以及最大值用作环境特征；方式二：在肺部周围设置最小矩形边框，并构建出三维x、y、z坐标，从而得到候选的相对位置，并计算最小矩形边框左下角的距离以及到肺亚实性结节中心的距离；方式三：对候选分割区域周围自定义的边界框进行划分，其中边界框为气管分割或者血管分割的一部分。绝对重叠＝N5其中N4为候选区像素的数量，N5是边界框内的像素数量；将绝对重叠和相对重叠率用作环境特征；方式四：计算候选集中候选结节的数量，且计算候选结节周围距离30mm和50mm以内的候选结节的数量以及最近候选结节的距离用作环境特征。进一步的，所述亮度提取方式如下：如图3所示，分别采用四种不同方式进行像素集划分，方式A1：采用候选分割区域的像素的数量作为像素集；方式A2：在候选分割区域周围构建最小矩形边框，像素集为最小矩形边框内的像素；方式A3：在候选分割区域的基础上向四周扩展，扩展方式是以3x3x3的矩形像素扩展，像素集为扩展后区域内的像素；方式A4：在候选分割区域的基础上向四周扩展，扩展方式是以5x5x5的矩形像素扩展，像素集为扩展后区域内的像素；采用大小为50HU的标准直方图对像素划分区域进行统计分析，并计算最大值、最小值、平均值、标准差、熵值用以特征提取。所述纹理特征提取方式如下：所述纹理特征提取采用亮度特征提取中像素划分的方式A2，并重采样为16x16x16和32x32x32两个感兴趣区域；首先采用2D局部二值法对重采样的16x16x16和32x32x32两个感兴趣区域进行局部二值法计算，并对每一个像素周围的8个领域进行二值化，采用大小为1HU的标准直方图进行统计分析，并计算最大值、最小值、平均值、标准差、熵值用以特征提取。然后采用哈尔小波变换法对重采样的32x32x32感兴趣区域变换分解为4个频带，所述4个频带构成4个体元区域，其中对来自高频频带的3个区域进行标准直方图进行统计分析，并计算最大值、最小值、平均值、标准差、熵值用以特征提取。所述形状特征提取方式如下：分别采用四种方式进行形状特征计算：方式B1:在候选区域中心定义一个体积与候选区域相同的球形区域S，类球体计算公式:其中V1是球形区域S对应候选区域的像素体积，VS是球形区域S像素体积。方式B2：采用亮度特征提取中本文档来自技高网...

【技术保护点】
1.一种CT肺亚实性结节特征提取方法，其特征在于，包括以下步骤：S1：获取肺部CT影像；S2：对获取的肺部CT影像进行预处理；S3：对预处理后的肺部CT影像进行候选结节分割得到候选集；S4：对候选集进行特征提取得到特征集。

【技术特征摘要】
1.一种CT肺亚实性结节特征提取方法，其特征在于，包括以下步骤：S1：获取肺部CT影像；S2：对获取的肺部CT影像进行预处理；S3：对预处理后的肺部CT影像进行候选结节分割得到候选集；S4：对候选集进行特征提取得到特征集。2.根据权利要求1所述一种CT肺亚实性结节特征提取方法，其特征在于，所述步骤S2具体步骤如下：S201：采用双阀值分割方法对肺部CT影像进行分割；S202：通过边缘检测方法去除多余像素得到感兴趣区域。3.根据权利要求1或2所述一种CT肺亚实性结节特征提取方法，其特征在于，所述步骤S3具体步骤如下：S301：采用形态学方法对感兴趣区域进行分割；S302：剔除与感兴趣区域接触的脉管系统得到候选集。4.根据权利要求1所述一种CT肺亚实性结节特征提取方法，其特征在于,所述特征提取包括：亮度特征提取、纹理特征提取、形状特征提取、环境特征提取。5.根据权利要求1或4所述一种CT肺亚实性结节特征提取方法，其特征在于,所述环境特征提取包括4种方式：方式一：计算候选集所有像素到肺边界和支气管树的距离，并计算平...

【专利技术属性】
技术研发人员：徐枫，陈建武，肖谋，
申请(专利权)人：北京易智能科技有限公司，
类型：发明
国别省市：北京,11