基于空间分布的CT肺结节分割方法技术

本发明专利技术涉及一种基于空间分布的CT肺结节分割方法。该方法包括以下步骤：（1）利用肺部CT影像数据提取出肺实质区域；（2）根据肺结节空间分布不同分成三种不同类型的肺结节：孤立性肺结节、血管粘附性肺结节、胸膜粘附性肺结节；（3）根据连通区域大小去除胸膜，提取出肺内组织，根据医生标记的坐标分割出孤立性肺结节；（4）在血管和肺结节两端设置种子点，利用区域生长方法分割出血管粘附性肺结节；（5）对肺实质进行形态学膨胀并与原图像进行卷积，利用拉普拉斯散度分割出胸膜粘附性肺结节。采用本发明专利技术的方法能够将孤立性肺结节和粘附性肺结节进行有效分割，获得完整的肺结节形态，有利于肺结节的检测和分类研究。

CT lung nodule segmentation method based on spatial distribution

The present invention relates to a method of CT lung nodule segmentation based on spatial distribution. The method comprises the following steps: (1) to extract pulmonary parenchyma using lung CT image data; (2) according to the distribution of pulmonary nodules in different space divided into three different types of pulmonary nodules: solitary pulmonary nodules and vascular adhesion of pulmonary nodules, pleural adhesion of pulmonary nodules; (3) according to the size of the removal of connected region the pleura, lung tissue extract, according to the segmentation of solitary pulmonary nodules coordinates Doctor Mark; (4) set the seed point in blood vessels and pulmonary nodules at both ends, segmentation of vascular adhesion pulmonary nodules by using region growing method; (5) morphological dilation and convolved with the original image of lung parenchyma segmentation, using the Laplasse divergence the pleural adhesion of pulmonary nodules. The method can effectively separate the solitary pulmonary nodules and adhesive pulmonary nodules, and achieve complete lung nodule morphology, which is conducive to the detection and classification of pulmonary nodules.

【技术实现步骤摘要】
基于空间分布的CT肺结节分割方法
本专利技术属性图像分割领域，具体涉及一种基于空间分布的CT肺结节分割方法。
技术介绍
肺癌已成为世界范围内发病率及死亡率最高的恶性肿瘤，严重威胁着人类的生命健康，早期发现是提高肺癌患者治疗效果的有效方法，同时由于肺结节是肺癌的早期形态，因此肺结节的检测识别在肺癌治疗中的重要性日益凸显。对肺结节的精准分割是肺结节检测识别研究的关键内容，直接影响到肺结节辅助诊断技术的可靠性。在CT图像中，与肺部组织粘附性的肺结节较为普遍，而传统的分割方法对于孤立性肺结节有一定的分割效果，而较少考虑肺结节与其他组织的毗邻关系，并且对不同类型的肺结节采用相同的分割算法，导致分割误差较大，其次，基于二维图像处理的分割算法通常会丢失空间结构信息，不利于ROI三维特征的提取。因此，区分肺结节分布类型，构建更加有效的肺结节分割方法具有重要的现实意义。
技术实现思路
针对现有技术存在的缺陷，本专利技术的目的是提供一种基于空间分布的CT肺结节分割方法。采用本专利技术方法能够将孤立性肺结节和粘附性肺结节进行有效分割，获得完整的肺结节形态，有利于肺结节的检测和分类研究。为达到以上目的，本专利技术采用的技术方案是：一种基于空间分布的CT肺结节分割方法，包括以下步骤：（1）利用肺部CT影像数据提取出肺实质区域；（2）根据肺结节空间分布不同分成三种不同类型的肺结节：孤立性肺结节、血管粘附性肺结节、胸膜粘附性肺结节；（3）根据连通区域大小去除胸膜，提取出肺内组织，根据医生标记的坐标分割出孤立性肺结节；（4）在血管和肺结节两端设置种子点，利用区域生长方法分割出血管粘附性肺结节；（5）对肺实质进行形态学膨胀并与原图像进行卷积，利用散度差异分割出胸膜粘附性肺结节。进一步，步骤（1）中，采用聚类方法分割出肺实质。进一步，步骤（2）中，根据肺结节空间位置不同进行分类整理。进一步，步骤（3）中，计算最大连通区域分离出胸膜，根据医生标记的坐标对孤立性肺结节进行提取。进一步，步骤（4）中，区域生长从两端顶点同时开始，在中间交汇处断开，得到胸膜粘附性肺结节和血管区域。进一步，步骤（5）中，散度值是由拉普拉斯算子与原图像进行卷积得到。附图说明图1图像二值化图2三维连通；图3聚类分割；图4肺结节分类示意图；图5肺内区域与胸膜分离；图6孤立型肺结节分割结果；图7血管粘附型肺结节分割结果；图8胸膜粘附型肺结节分割示例图；图9胸膜粘附型肺结节分割结果。具体实施方式以下结合附图通过实施例对本专利技术的技术方案做进一步的说明：实施例1(I)利用肺部CT影像数据提取出肺实质区域，具体包括以下3个步骤：（1）采用Otsu算法对肺部CT序列切片图像（图1（a））进行二值化处理，得到二值化肺部CT序列切片图像（图1(b)）。（2）实现二值化肺部CT序列切片图像的三维方向6邻域（即上、下、左、右、前、后）连通（图2）。（3）聚类分割：对肺部的三维图像利用C-means进行聚类（连通区域中心点与图像中心点的距离作为聚类特征，各连通区域中心点分布如图3(a)所示），得到不同的三维连通区域(如肺实质、背景、胸腔轮廓、噪声等)，保留由二值化的肺实质构成的三维连通区域，其它区域用“白色”代替，分割出来的肺实质如图3(b)所示。(II)根据肺结节空间分布不同分成三种不同类型的肺结节：孤立性肺结节、血管粘附性肺结节、胸膜粘附性肺结节。如图1所示（图中红色圈选区域即为不同类型的肺结节），根据肺结节生长位置的不同将其分为三类：孤立型肺结节（图4(a)）、胸膜粘附型肺结节（图4(b)）、血管粘附型肺结节（图4(c)）。(III)根据连通区域大小去除胸膜，提取出肺内组织，根据医生标记的坐标分割出孤立性肺结节，部分孤立性肺结节分割结果如图6所示。(IV)在血管和肺结节两端设置种子点，利用区域生长方法分割出血管粘附性肺结节，部分血管粘附性肺结节分割结果如图7所示。(V)对肺实质进行形态学膨胀再与原图像进行卷积，采用拉普拉斯算子与得到的图像进行二次卷积，利用得到的散度值分割出胸膜粘附性肺结节，分割示意图与部分分割结果分布如图8和图9所示。本文档来自技高网...

【技术保护点】
一种基于空间分布的CT肺结节分割方法，其特征在于：包括以下步骤：（1）利用肺部CT影像数据提取出肺实质区域；（2）根据肺结节空间分布不同分成三种不同类型的肺结节：孤立性肺结节、血管粘附性肺结节、胸膜粘附性肺结节；（3）根据连通区域大小去除胸膜，提取出肺内组织，根据医生标记的坐标分割出孤立性肺结节；（4）在血管和肺结节两端设置种子点，利用基于灰度下降的区域生长法分割出血管粘附性肺结节；（5）对肺实质进行形态学膨胀并与原图像进行卷积，利用拉普拉斯散度分割出胸膜粘附性肺结节。

【技术特征摘要】
1.一种基于空间分布的CT肺结节分割方法，其特征在于：包括以下步骤：（1）利用肺部CT影像数据提取出肺实质区域；（2）根据肺结节空间分布不同分成三种不同类型的肺结节：孤立性肺结节、血管粘附性肺结节、胸膜粘附性肺结节；（3）根据连通区域大小去除胸膜，提取出肺内组织，根据医生标记的坐标分割出孤立性肺结节；（4）在血管和肺结节两端设置种子点，利用基于灰度下降的区域生长法分割出血管粘附性肺结节；（5）对肺实质进行形态学膨胀并与原图像进行卷积，利用拉普拉斯散度分割出胸膜粘附性肺结节。2.根据权利要求1所述的一种基于空间分布的CT肺结节分割方法，其特征在于，步骤（1）采用Otsu算法和聚类方法提取出肺实质。3.根据权利要求1...

【专利技术属性】
技术研发人员：周涛，陆惠玲，张俊杰，
申请(专利权)人：宁夏医科大学，
类型：发明
国别省市：宁夏,64