一种医学图像中肺分割的方法及装置制造方法及图纸

本发明专利技术公开了一种医学图像中肺分割的方法及装置，所述方法包括以下步骤：根据训练集中的M张胸片的肺轮廓，得到平均肺模板，其中M为大于或等于2的整数；对拟被分割的肺部图像预处理，获得预处理后的肺部图像；提取预处理后的肺部图像的肺边界的二值图像，并根据广义霍夫变换进行初始定位，获得相对应的霍夫定位位置；将平均肺模板与霍夫定位位置对齐，获得对齐结果；利用动态规划算法进行分割，并将分割结果反变换回原始坐标系中，完成肺区域分割。本发明专利技术通过霍夫变换对拟被分割的肺区进行定位，并通过一个平均肺区形状与定位位置对齐，得到肺部的初始轮廓，最大程度的缩小了初始位置与肺部实际位置的偏差，从而提高了分割的准确性。

Method and apparatus for lung segmentation in medical image

The invention discloses a method and a device for medical image segmentation in the lung, the method comprises the following steps: according to the lung contour M chest film in the training set, get the average lung template, wherein M is an integer greater than or equal to 2; the pretreatment of lung image is segmented, by the lung image pre after the extraction of lung image; lung boundary after pretreatment of the two value image, and initial positioning based on generalized Hof transform, Hof won the position corresponding to the average lung and Hof; template position alignment, alignment results obtained; using the dynamic programming algorithm for segmentation, and the segmentation results of inverse transform back to the original coordinates, the lung region segmentation. The positioning of the quasi segmented lung regions by Hof transform, and the shape of an average lung area and positioning alignment, the initial contour of the lungs, the maximum deviation reduces the initial position and the actual position of the lungs, thereby improving the accuracy of segmentation.

【技术实现步骤摘要】

本专利技术涉及医学图像分割领域，尤其是在医学图像中对肺分割的方法及装置。
技术介绍
肺分割是数字胸片图像处理中的一个重要环节。分割结果的好坏直接影响后续对病灶的检测及分析。胸片最大的缺陷在于组织重叠。人体结构中组织的密度越高，吸收X射线的能力就越强，因此胸部的肋骨吸收X射线就较多，在图像中呈白影；由于肺部含气体，所以密度较低，吸收X射线较少，因此图像上呈黑影。正因如此，在分割肺边界时，容易出现锯齿状的分割结果。而且通过观察图像可以发现，肺的下边界处存在角点，这里也是分割的难点。常用的肺分割方法大体可分为两类：一类是基于规则级的肺分割，主要包括阈值分割法、区域生长法、边缘检测法、形态学滤波法等。由于X光图像的成像效果的原因，这类方法不能对肺区域进行精细分割；另一类是基于像素分类的肺分割方法，主要有遗传算法、神经网络、模糊聚类等学习方法，对图像中的像素进行分类。还有一种是基于综合知识的分割方法：主动形状模型法(ASM)。这种方法首先需要人工标定肺的轮廓作为参考标准，通过训练图像样本获取特征点分布的统计信息，并且获取特征点允许存在的变化方向，实现在目标图像上寻找对应的特征点的位置。但是这种方法是在二维信息上进行查找边界，很容易受到肋骨边界的影响，出现锯齿状的分割结果。
技术实现思路
本专利技术所要解决的技术问题是提供一种能解决或降低前述问题的肺分割的方法及装置。本专利技术为解决上述技术问题而采用的技术方案是：一种医学图像中肺分割的方法，其特征在于包括以下步骤：根据训练集中的M张胸片的肺轮廓，得到平均肺模板，其中M为大于或等于2的整数；对拟被分割的肺部图像预处理，获得预处理后的肺部图像；提取预处理后的肺部图像的肺边界的二值图像，并根据广义霍夫变换进行初始定位，获得相对应的霍夫定位位置；将平均肺模板与霍夫定位位置对齐，获得对齐结果；利用动态规划算法进行分割，并将分割结果反变换回原始坐标系中，完成肺区域分割。进一步的，在M张胸片中所对应的每张胸片的肺轮廓上标记相同数量的特征点，且不同胸片上的特征点的分布一致。进一步的，所述在每张胸片的肺轮廓的拐点处、最高点处及最低点处标记特征点。进一步的，所述在每张胸片的肺轮廓上除拐点处、最高点处及最低点处之外的其他位置等距离标记特征点。进一步的，所述平均肺模板按照以下步骤获得：a.从训练集中的M张胸片中进行第一次选取，获取第一肺区形状L0；b.从训练集中的尚未被选取的胸片中进行第二次选取，获取N张肺区形状L1、L2…LN；c.使所述N张肺区形状L1、L2…LN经处理后得到相应的N张肺区形状L11、L21…LN1，分别与第一肺区形状L0对齐，计算得到肺区平均形状Lave，所述处理包括使N张肺区形状L1、L2…LN分别相对于第一肺区形状L0作旋转、缩放、平移变换；d.若c步骤的肺区平均形状Lave相较于第一肺区形状L0的旋转、缩放、平移小于设定阈值，则将所述肺区平均形状Lave作为平均肺模板；否则，进入e步骤；e.将第一肺区形状L0进行处理、所述N张肺区形状L11、L21…LN1进行处理后，分别与当前肺区平均形状Lave-i对齐，计算得到本次肺区平均形状Lave1-i，所述对第一肺区形状处理包括：使第一肺区的形状L0分别相对于当前肺区平均形状Lave-i作旋转、缩放、平移变换，得到相应的肺区形状L0i，以及使所述N张肺区形状L11、L21…LN1分别相对于当前肺区平均形状Lave-i作旋转、缩放、平移变换，得到N张肺区形状L1i、L2i…LNi；f.若e步骤计算所得本次肺区平均形状Lave1-i与当前肺区平均形状Lave-i的旋转、缩放、平移小于设定阈值，则将e步骤计算所得本次肺区平均形状Lave1-i作为平均肺模板；否则，将当前肺区平均形状Lave-i用本次肺区平均形状Lave1-i替代，将第一肺区的形状L0用肺区形状L0i替代，N张第二肺区形状L11、L21…LN1用N张肺区形状L1i、L2i…LNi替代，且i＝i+1，其中i大于或等于2的整数，“＝”为赋值号，并返回步骤e。进一步的，所述肺部图像预处理包括以下方式：获取原始图像，对原始图像做高斯滤波处理后得到滤波图像，对原始图像与滤波图像做差，然后施加滤波图像的灰度平均值，得到去背景图像，然后对去背景图像做双边滤波操作，即得到预处理后的图像。进一步的，基于预处理后的图像，建立与图像边缘轮廓相对应的若干个边缘形状模板；获取每个边缘形状模板的重心点的坐标以及边缘形状上的点相对于重心点的坐标位置，应用霍夫变换法对边缘形状的二值图像进行初始定位。进一步的，应用边界增强算子提取边缘形状的梯度图像，再保留最大的15％的像素点生成边缘形状的二值图像。进一步的，使用边界二值图像上每一个不为零的点去匹配模板中的任一点，在霍夫空间中相对应的重心点的位置处加1；结束二值图像中所有等于1的点的霍夫变换后，求出霍夫空间中每一点的累加和，并找到最大值的位置，该点就是使用当前模板定位的最准确的模板的重心位置；对每个模板的重心点的最大值做进行归一化，然后确定最大值对应的模板位置即为定位位置。本专利技术为解决上述技术问题而采用的技术方案是：一种医学图像中肺分割的装置，其特征在于包括：存储单元，存储有训练集的数张胸片图像及拟被分割胸片图像；显示单元，显示对应的胸片图像；输入单元，对胸片中的肺部标记特征点，获得相应的肺轮廓图像；图像处理单元，其用于：对肺轮廓图像进行处理后获得平均肺模板；对拟被分割的胸部图像预处理，获得预处理后的肺部图像；提取预处理后的肺部图像的肺边界的二值图像，并根据广义霍夫变换进行初始定位，获得相对应的霍夫定位位置；将平均肺模板与霍夫定位位置对齐，获得对齐结果；利用动态规划算法进行分割，并将分割结果反变换回原始坐标系中，完成肺区域分割。本专利技术对比现有技术有如下的有益效果：本专利技术通过霍夫变换进行拟被分割的肺区进行定位，并通过一个平均肺区形状与定位位置对齐，得到肺部的初始轮廓，最大程度的缩小了初始位置与肺部实际位置的偏差，从而提高了分割的准确性；另外，本专利技术是一种自动化的肺分割的方法，工作效率高。【附图说明】图1为本专利技术实施例的肺分割的方法示意图；图2为本专利技术实施例的全自动肺分割的具体流程图；图3(a)为本专利技术实施例中一获取平均肺模板方法的流程图；图3(b)为本专利技术实施例中另一获取平均肺模板方法的流程图；图4为本专利技术实施例中用于肺部上边缘的霍夫模板示意图；图5为本专利技术实施例中霍夫定位示意图；图6为本专利技术实施例中肺部对齐结果示意图；图7为本专利技术实施例中肺部分段分割结果示意图；图8为本专利技术实施例中右肺分割结果示意图。【具体实施方式】下面结合附图和实施例对本专利技术作进一步的描述。请参阅图1-3，本专利技术实施例的一种医学图像(例如DR图像或X射线图像)中肺分割的方法，包括以下步骤：根据训练集中的M张胸片的肺轮廓，得到平均肺模板，其中M为大于或等于2的整数；获取拟被分割的肺部图像；对拟被分割的肺部图像预处理，获得预处理后的肺部图像；提取预处理后的肺部图像的肺边界的二值图像，并根据广义霍夫变换进行初始定位，获得相对应的霍夫定位位置；将平均肺模板与霍夫定位位置对齐，获得霍夫定位结本文档来自技高网...

【技术保护点】
一种医学图像中肺分割的方法，其特征在于包括以下步骤：根据训练集中的M张胸片的肺轮廓，得到平均肺模板，其中M为大于或等于2的整数；对拟被分割的肺部图像预处理，获得预处理后的肺部图像；提取预处理后的肺部图像的肺边界的二值图像，并根据广义霍夫变换进行初始定位，获得相对应的霍夫定位位置；将平均肺模板与霍夫定位位置对齐，获得对齐结果；利用动态规划算法进行分割，并将分割结果反变换回原始坐标系中，完成肺区域分割。

【技术特征摘要】
1.一种医学图像中肺分割的方法，其特征在于包括以下步骤：根据训练集中的M张胸片的肺轮廓，得到平均肺模板，其中M为大于或等于2的整数；对拟被分割的肺部图像预处理，获得预处理后的肺部图像；提取预处理后的肺部图像的肺边界的二值图像，并根据广义霍夫变换进行初始定位，获得相对应的霍夫定位位置；将平均肺模板与霍夫定位位置对齐，获得对齐结果；利用动态规划算法进行分割，并将分割结果反变换回原始坐标系中，完成肺区域分割。2.根据权利要求1所述的医学图像中肺分割的方法，其特征在于，在M张胸片中所对应的每张胸片的肺轮廓上标记相同数量的特征点，且不同胸片上的特征点的分布一致。3.根据权利要求2所述的医学图像中肺分割的方法，其特征在于，所述在每张胸片的肺轮廓的拐点处、最高点处及最低点处标记特征点。4.根据权利要求3所述的医学图像中肺分割的方法，其特征在于，所述在每张胸片的肺轮廓上除拐点处、最高点处及最低点处之外的其他位置等距离标记特征点。5.根据权利要求1所述的医学图像中肺分割的方法，其特征在于，所述平均肺模板按照以下步骤获得：a.从训练集中的M张胸片中进行第一次选取，获取第一肺区形状L0；b.从训练集中的尚未被选取的胸片中进行第二次选取，获取N张肺区形状
\tL1、L2…LN；c.使所述N张肺区形状L1、L2…LN经处理后得到相应的N张肺区形状L11、L21…LN1，分别与第一肺区形状L0对齐，计算得到肺区平均形状Lave，所述处理包括使N张肺区形状L1、L2…LN分别相对于第一肺区形状L0作旋转、缩放、平移变换；d.若c步骤的肺区平均形状Lave相较于第一肺区形状L0的旋转、缩放、平移小于设定阈值，则将所述肺区平均形状Lave作为平均肺模板；否则，进入e步骤；e.将第一肺区形状L0进行处理、所述N张肺区形状L11、L21…LN1进行处理后，分别与当前肺区平均形状Lave-i对齐，计算得到本次肺区平均形状Lave1-i，所述对第一肺区形状处理包括：使第一肺区的形状L0分别相对于当前肺区平均形状Lave-i作旋转、缩放、平移变换，得到相应的肺区形状L0i，以及使所述N张肺区形状L11、L21…LN1分别相对于当前肺区平均形状Lave-i作旋转、缩放、平移变换，得到N张肺区形状L1i、L2i…LNi；f.若e步骤计算所得本次肺区平均形状Lave1-i与当前肺区...

【专利技术属性】
技术研发人员：丛琳，郭薇，李强，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31