一种CT影像肺结节种子点自动获取和分割方法技术

本发明专利技术公开了一种CT影像肺结节种子点自动获取和分割方法，其创造性的将滑降算法应用于肺结节种子点的筛选工作中，并将其应用于肺结节的分割，有效的解决了现有技术所存在的问题，并达到了对CT影像肺结节种子点全自动且高精度分割的意想不到的效果。

Automatic acquisition and segmentation method for CT image lung nodule seed point

The invention discloses a method for automatic acquisition and segmentation of CT images of pulmonary nodules seed point, its creative work will be applied to screening toboggan pulmonary nodules of seed points, and its application in pulmonary nodule segmentation, effectively solves the problems existed in the prior art, and reached the CT image of lung nodule seed point and high precision automatic segmentation of the unexpected effect.

【技术实现步骤摘要】
一种CT影像肺结节种子点自动获取和分割方法
本专利技术涉及图像处理技术，具体涉及CT影像的处理技术。
技术介绍
肺癌是全球致死率最高的癌种。根据WHO报告，将近有一千万人在2030年前会死于肺癌，早期预防肺癌对生存效益的改善有重要作用。已有假设认为通过对射线图像的深入分析可以量化肿瘤的微环境，实现个性化医学对瘤内异质性程度的深入评估。通过对大数据量的肿瘤图像的深入分析，提取更深层次的肿瘤影像特征也能够深入对肿瘤异质性的了解，这对于临床应用有着重要的作用。基于以上，精准的肺结节分割是所有工作的前提。其中一种方法就是通过放射科医生的手动分割。然而这是一个冗长乏味且容易出错的工作。因为放射科医生会对肿瘤的大小估计出现偏差，其次，不同的手动分割同样也会有误差。最重要的是，时间的消耗导致肺部肿瘤的自动分割成为一个不太可能应用于大数据量分析的工具。再者，自动的肺结节分割同样也是困难的，因为肿瘤异质性的存在及肺部结节的多样性，现在的肺部分割精度不足。同时GGO作为一种与肺野肺实质密度接近的肺部结节存在，对肺部结节的分割带来了更大的困难。影像自带的噪声等也对肿瘤的分割产生一定的影响。因此，肺部结节的精确分割是一个很大的挑战。为此，为了使肺病变的分割完全自动化，有必要建立一种自动准确的种子点选择方法。作为病灶检测的前提，三维肺容积分割的方法也被报道多次。分割精度达到了90％以上，肺结节的检出率也达到了89％。最近一种大数据量的肺癌筛查分割包括将近3000例肺癌用于肺结节的检出。肺结节的曲率和表型表述子也用于种子点的搜索，K-NN聚类以及特征用于假阳性的检出。在另一篇文献中，肺结节的候选标记由15个阈值得到，然后表型热证也用于肺结节的识别，但是，后续的分割却只达到了63％的精度。另外一种新的肺结节检测方法采用三角测量等值面使用多个阈值和表型特征的方法用于肺结节的检出。基于SOM和ANN方法，在LIDC-IDRI数据库上肺结节的检测精度达到了80％。散度和多尺度增强过滤器用于肺结节的聚类。一个遗传算法和ANN结合用于最后的假阳性剔除，达到了87.5％的鉴别精度。以上所有的方法都为肺结节的检测提供了可用的途径，然而，降采样，肺结节的预先出力以及整肺分割都是需要的，因此也影响了它们的应用范围，由此可见，本领域亟需一种可用于临床的全自动的分割方式。
技术实现思路
针对现有CT影像肺结节分割技术所存在的问题，需要一种可用于临床的全自动的分割方案。为此，本专利技术所要解决的技术问题是提供一种CT影像肺结节种子点自动获取和分割方法，以实现对CT影像肺结节种子点的全自动且高精度的分割。为解决上述技术问题，本专利技术提供的CT影像肺结节种子点自动获取和分割方法，包括：通过滑降得到初始种子点；通过迭代生长机制结合多尺度的约束进行肺结节的自动区域生长完成肺病变分割；通过提炼肺边界精炼分割结果。在本方案中，获取初始种子点的过程如下：首先，进行肺实质的自动分割；接着，将一个多尺度高斯滤波器被施加到计算在该肺实质图像的每个像素的梯度大小；然后，通过滑降方法进行肺实质的梯度图像检测，得到邻域内梯度最小值，若发现最小值，则通过独特的标记将其针对性的标记原始像素；在所有的像素被标记后，使得突出显示的部分将被转移到较低的灰色部分，而病变区域仍然突出。在本方案中，肺病变分割的自动区域生长由三维空间中的距离约束和生长度约束结合区域生长方法实现，其中距离约束用以确定最大的生长距离，生长尺度约束用以限制体素在每一轮生长的最大值。在本方案中，在精炼分割结果时，采用肺部边界信息来衡量是否需要剔除某些过分割的部分。进一步的，该方法在图像的横断面上进行，相邻的两层图像，一层为CI，为要处理的影像层；其相邻层命名为CI'，该层的肺结节比较大，为需要处理的影像层的相邻层，具体的处理步骤如下所示：(1)计算CI层肺部病变的重心点，COG：其中，M表示CI层肺部结节的总的像素数，CIi表示相应的结节坐标；(2)提取CI和CI’两层影像肺部结节的边界；(3)计算CI层所有结节像素点与COG之间的距离：Dis(bi)＝||bi-COG||2,i＝(0,1...n)；其中，||bi-COG2表示的是(bi,COG)的欧氏距离,n表示的总的边界点的数目，Dis(bi)表示bi到COG点的距离；(4)计算COG到CI'图像上病变边界点bi'的距离，Dis(bi')表示bi'到COG的距离：Dis(bi')＝||bi'-COG||2,i＝(0,1...n')；其中，n'表示CI'图像上肺部结节的边界点，在原始的图像上，体素点bi和bi'都是病变的边界点；(5)重复第4步，处理所有CI'上肺部病变区域的边界点；(6)计算平均距离Avg：points表示bi'点，bi'的总数。对于每一个bi'表示的边界点，如果Dis(bi')大于Avg，修改Dis(bi')，如下所示：NewDis(bi')＝Dis(bi')-(Dis(bi')-Avg)*p；其中，p表示所有大于大于Avg的点，NewDis(bi')是bi'点的新坐标点经过修正。本专利技术所提供的肺结节种子点自动获取和分割方案，整个实施过程全自动完成，不需要任何的手动交互。再者，相对于现有的方案，本方案对GGO的分割达具有更高的精度，从而可进一步提高肿瘤辅助诊断的准确度，能够很好适用于临床。附图说明以下结合附图和具体实施方式来进一步说明本专利技术。图1为本专利技术实例中对CT影像肺结节种子点自动获取和分割的基本流程图；图2为本专利技术实例中种子点选择的流程图；图3为本专利技术实例中病变提取的流程图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本专利技术。本方案通过采用滑降算法来自动获得肺部的初始种子点，并据此进一步的进行肺结节的分割。本方案创造性的将滑降算法应用于肺结节种子点的筛选工作中，并将其应用于肺结节的分割，有效的解决了现有技术所存在的问题，并达到了对CT影像肺结节种子点全自动且高精度分割的意想不到的效果。本方案首先通过滑降得到初始种子点；然后通过迭代生长机制结合多尺度的约束进行肺结节的生长，以此来完成分割；最后通过肺边界的提炼方法进行分割结果的精炼。针对本方案，通过大量的实验确定其能够很好的用于实性结节、GGO以及空腔结节的分割，能够在避免手动参与的基础上，对与血管粘连，肺壁粘连的结节进行很好的处理。以下通过一具体实例来进一步的说明本方案。参见图1，本实例方案针对一个CT欺骗图像的肺部病变区域，通过上述方案完成对CT影像肺结节种子点自动获取和分割，基本流程为，首先从肺结节区域选择种子点；接着进行三维肺结节分割；接着进行肺结节轮廓提取；接着进行肺结节精炼；最后输出已分割的肺结节图像。整个过程主要包括三个阶段：种子点选择，病变提取和病变精炼。步骤(1)，该步骤在二维CT片上完成种子点选择(参见图2)。首先，使用迭代的区域生长方法进行肺实质的分割，然后用一阶多尺度高斯卷积函数滤波器施加到已分割肺实质图像，计算每个像素的梯度大小，得到肺实质的梯度图像；然后，基于改进的滑降方法对肺实质的梯度图像进行检测，采用四连接的邻域计算方法以得到邻域内梯度最小值；若发现它的最小值，就将其有针对性地标记出来；在所有的像素被标本文档来自技高网...

【技术保护点】
一种CT影像肺结节种子点自动获取和分割方法，其特征在于，所述方法包括：通过滑降得到初始种子点；通过迭代生长机制结合多尺度的约束进行肺结节的自动区域生长完成肺病变分割；通过提炼肺边界精炼分割结果。

【技术特征摘要】
1.一种CT影像肺结节种子点自动获取和分割方法，其特征在于，所述方法包括：通过滑降得到初始种子点；通过迭代生长机制结合多尺度的约束进行肺结节的自动区域生长完成肺病变分割；通过提炼肺边界精炼分割结果。2.根据权利要求1所述的CT影像肺结节种子点自动获取和分割方法，其特征在于，获取初始种子点的过程如下：首先，进行肺实质的自动分割；接着，将一个多尺度高斯滤波器被施加到计算在该肺实质图像的每个像素的梯度大小；然后，通过滑降方法进行肺实质的梯度图像检测，得到邻域内梯度最小值，若发现最小值，则通过独特的标记将其针对性的标记原始像素；在所有的像素被标记后，使得突出显示的部分将被转移到较低的灰色部分，而病变区域仍然突出。3.根据权利要求1所述的CT影像肺结节种子点自动获取和分割方法，其特征在于，肺病变分割的自动区域生长由三维空间中的距离约束和生长度约束结合区域生长方法实现，其中距离约束用以确定最大的生长距离，生长尺度约束用以限制体素在每一轮生长的最大值。4.根据权利要求1所述的CT影像肺结节种子点自动获取和分割方法，其特征在于，在精炼分割结果时，采用肺部边界信息来衡量是否需要剔除某些过分割的部分。5.根据权利要求4所述的CT影像肺结节种子点自动获取和分割方法，其特征在于，在图像的横断面上进行，相邻的两层图像，一层为CI，为要处理的影像...

【专利技术属性】
技术研发人员：吴文辉，朱满根，
申请(专利权)人：江西中科九峰智慧医疗科技有限公司，
类型：发明
国别省市：江西,36