一种肺气管分割方法及装置制造方法及图纸

本发明专利技术实施例提供了一种肺气管分割方法及装置，涉及医学影像技术领域，能够实现全自动化，并且针对不同级别气管的特征，采用不同的分割原则，从而解决肺气管分割过程的遗漏问题，进而得到更加丰富完整的气管树。一方面，该方法包括：首先，获取一级气管；然后，基于分层区域生长算法对所述一级气管扩展并获取与所述一级气管相连的二级气管；其次，获取所述二级气管的局部特征；再次，基于所述局部特征以及能量最小化约束生长算法，获取三级气管；从而，融合所述一级气管、二级气管和三级气管，输出获取气管分割结果。本发明专利技术实施例提供的技术方案适用肺气管树分割或提取的过程中。

Method and device for segmenting pulmonary trachea

The embodiment of the invention provides a pulmonary trachea segmentation method and device, which relates to the technical field of medical imaging, can realize full automation, and adopt different segmentation principles according to the characteristics of different levels of trachea, so as to solve the problem of missing in the process of pulmonary trachea segmentation, and then obtain more abundant and complete trachea trees. On the one hand, the method includes: firstly, acquiring the primary trachea; secondly, expanding the primary trachea and acquiring the secondary trachea connected with the primary trachea based on the hierarchical region growing algorithm; secondly, acquiring the local characteristics of the secondary trachea; thirdly, restraining growth based on the local characteristics and energy minimization. The algorithm obtains three-stage trachea, and then fuses the first-stage trachea, the second-stage trachea and the third-stage trachea, and outputs the results of trachea segmentation. The technical proposal provided by the embodiment of the invention is applicable to the process of segmentation or extraction of the lung trachea tree.

【技术实现步骤摘要】
一种肺气管分割方法及装置
本专利技术涉及医学影像
，尤其涉及一种肺气管分割方法及装置。
技术介绍
肺部气管树的分割在临床上具有重大的应用价值。但对肺部进行CT成像时，CT图像易受到运动伪影与部分容积效应的影响，使得CT图像肺气管密度分布不均匀，细小气管壁模糊并且气管末端分支的管壁容易出现断裂，从而该气管分割造成较大困难。由于基于计算机辅助诊断的肺气管树分割的速度快，得到的分割结果比手动分割得到的结果更加准确。目前采用的肺气管分割的方法大致分为：基于区域生长的方法、基于管状结构分析、基于模块匹配的方法以及基于机器学习的算法。在实现本专利技术的过程中，专利技术人发现上述的这些方法中，有些是半自动化的(如：基于区域生长的方法、基于模块匹配的方法)，有些处理过程过于复杂，肺气管分割的实时性不高，并且上述的这些方法，在进行肺气管分割时都存在遗漏的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种肺气管分割方法及装置，能够实现全自动化，并且针对不同级别气管的特征，采用不同的分割原则，从而解决肺气管分割过程的遗漏问题，进而得到更加丰富完整的气管树。一方面，本专利技术实施例提供了一种肺气管分割方法，该方法包括：获取一级气管；基于分层区域生长算法对所述一级气管扩展并获取与所述一级气管相连的二级气管；获取所述二级气管的局部特征；基于所述局部特征以及能量最小化约束生长算法，获取三级气管。融合所述一级气管、二级气管和三级气管，输出获取气管分割结果。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述获取一级气管之前，所述方法还包括：获取胸部的CT图像，所述CT图像包含若干层二维图像；根据所述CT图像，获取第一目标区域；根据所述第一目标区域，确定所述肺气管种子点；所述获取一级气管包括：根据所述肺气管种子点并基于阈值分割算法和区域生长算法，提取所述一级气管。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述CT图像，获取第一目标区域具体包括：基于预设的第一阈值和第二阈值，对所述CT图像进行分割，得到所述第一目标区域。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于预设的第一阈值和第二阈值，对所述CT图像进行分割，得到所述第一目标区域之前，还包括：对所述CT图像进行各向异性平滑处理；所述基于预设的第一阈值和第二阈值，对所述CT图像进行分割，得到所述第一目标区域包括：基于预设的第一阈值和第二阈值，对进行各向异性平滑处理后的CT图像进行分割，得到第一目标区域。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述第一目标区域确定所述肺气管种子点包括：从所述第一目标区域中选择满足第一指定条件的区域，以作为肺区候选种子区域；在所述肺区候选种子区域对应的二值图像中选择像素值为1的点进行区域生长，获取若干个指定连通域；基于区域生长结果，选择面积在第一指定范围内的指定连通域为第一连通域；确定用于生长所述第一连通域的点为肺区种子点；基于所述肺区种子点进行区域生长，以提取肺区；根据所述肺区，更新所述第一目标区域对应的初始二值图像，得到更新二值图像；选择更新二值图像中像素值为1的点进行区域生长，得到若干个第二连通域；选择面积在第二指定范围内的第二连通域为肺气管区域；确定用于生长所述肺气管区域的点为肺气管种子点。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述肺气管种子点并基于阈值分割算法和区域生长算法，提取所述一级气管包括：获取肺区的体素个数；获取初始分割阈值；对更新后的目标区域对应的CT图像按照所述初始分割阈值进行阈值分割，以得到初始一级气管，其中，第二目标区域为更新二值图像中像素值为1的点构成的区域；在初始一级气管中基于所述肺气管种子点进行区域生长，得到一级气管及所述一级气管包含的体素个数；判断所述一级气管包含的体素个数与所述肺区的体素个数的比值是否在预设的比率范围内；若判断出为是，提取所述一级气管；若判断出为否，删除得到的一级气管，调整初始分割阈值；并基于调整后的分割阈值重新执行前述步骤对更新后的目标区域对应的CT图像按照所述调整后的分割阈值进行阈值分割。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于分层区域生长算法对所述一级气管扩展并获取与所述一级气管相连的二级气管包括：获取所述一级气管中面积不小于所述一级气管中单层二维图像中连通域面积的最大值的连通区域中的所有点，以构成第一种子点集；对所述第一种子点集进行分层区域生长，并记录生长结果，以得到所述二级气管。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对所述第一种子点集进行分层区域生长，并记录生长结果包括：根据一级气管获取每层二维图像中对应的若干个第三连通域；任选指定层的一个第三连通域，基于第一种子点集对该第三连通域进行区域生长，获取生长后的连通域；判断生长后的连通域是否满足第二指定条件；若判断不满足，重新执行前述步骤，选取指定层剩余的一个第三连通域，基于第一种子点集对该点连通域进行区域生长，获取生长后的连通域，直至所述指定层中生长后的连通域的面积达到收敛条件，停止对所述指定层的生长；若判断满足，基于该生长后的连通域在相邻层继续生长，重新执行前述步骤，判断基于该生长后的连通域在相邻层继续生长后的区域是否满足第二指定条件；重新执行前述步骤，任选指定层的一个第三连通域，基于第一种子点集对该第三连通域进行区域生长，获取生长后的连通域，直到所有二维图像中对应的若干个第三连通域都生长过，结束分层生长。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述获取所述二级气管的局部特征之前，所述方法还包括：基于高斯-拉普拉斯算子锐化，增强CT图像；对增强后的CT图像进行灰度映射；获取已提取的肺区对应的像素点以及气管对应的像素点之间灰度均值差；根据所述灰度均值差，确定能量最小化约束生长算法的控制生长系数。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于所述局部特征以及能量最小化约束生长算法，获取三级气管包括：基于所述局部特征确定气管点；将确定出的所有气管点，构成第一指定集合；根据所述第一指定集合，基于能量最小化约束生长算法通过迭代提取三级气管。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于能量最小化约束生长算法通过迭代提取三级气管包括：获取所述第一指定集合中任一点的n邻域的非气管点；计算所述非气管的生长势能；计算公式如下：Vprop(x，stx)＝w1*Vradial(x，stx)+w3*Vcontrol(x，stx)，其中，x为气管点；stx取值为1或0；w1为促进生长系数；w3为控制生长系数；Vradial(x，stx)为该该气管点引导生长的势能；Vcontrol(x，stx)为该气管点抑制生长的势能。判断计算得到的Vprop(x，1)是否大于Vprop(x，0)；若判断Vprop(x，1)大于Vprop(x，0)，将对应的非气管点添加到第二指定集合中；判断所述指定集合中非气管点个数是否大于获取到的所有气管点的个数；若判断为是，则调整控制生长系数，并删除指定集合中的非气管点；基于调整后的控制生长系数，重本文档来自技高网...

【技术保护点】
1.一种肺气管分割方法，其特征在于，所述方法包括：获取一级气管；基于分层区域生长算法对所述一级气管扩展并获取与所述一级气管相连的二级气管；获取所述二级气管的局部特征；基于所述局部特征以及能量最小化约束生长算法，获取三级气管；融合所述一级气管、二级气管和三级气管，输出获取气管分割结果。

【技术特征摘要】
1.一种肺气管分割方法，其特征在于，所述方法包括：获取一级气管；基于分层区域生长算法对所述一级气管扩展并获取与所述一级气管相连的二级气管；获取所述二级气管的局部特征；基于所述局部特征以及能量最小化约束生长算法，获取三级气管；融合所述一级气管、二级气管和三级气管，输出获取气管分割结果。2.根据权利要求1所述的方法，其特征在于，在所述获取一级气管之前，所述方法还包括：获取胸部的CT图像，所述CT图像包含若干层二维图像；根据所述CT图像，获取第一目标区域；根据所述第一目标区域，确定所述肺气管种子点；所述获取一级气管包括：根据所述肺气管种子点并基于阈值分割算法和区域生长算法，提取所述一级气管。3.根据权利要求2所述的方法，其特征在于，所述根据所述CT图像，获取第一目标区域具体包括：基于预设的第一阈值和第二阈值，对所述CT图像进行分割，得到所述第一目标区域。4.根据权利要求3所述的方法，其特征在于，所述基于预设的第一阈值和第二阈值，对所述CT图像进行分割，得到所述第一目标区域之前，还包括：对所述CT图像进行各向异性平滑处理；所述基于预设的第一阈值和第二阈值，对所述CT图像进行分割，得到所述第一目标区域包括：基于预设的第一阈值和第二阈值，对进行各向异性平滑处理后的CT图像进行分割，得到第一目标区域。5.根据权利要求2、3或4所述的方法，其特征在于，所述根据所述第一目标区域确定所述肺气管种子点包括：从所述第一目标区域中选择满足第一指定条件的区域，以作为肺区候选种子区域；在所述肺区候选种子区域对应的二值图像中选择像素值为1的点进行区域生长，获取若干个指定连通域；基于区域生长结果，选择面积在第一指定范围内的指定连通域为第一连通域；确定用于生长所述第一连通域的点为肺区种子点；基于所述肺区种子点进行区域生长，以提取肺区；根据所述肺区，更新所述第一目标区域对应的初始二值图像，得到更新二值图像；选择所述更新二值图像中像素值为1的点进行区域生长，得到若干个第二连通域；选择面积在第二指定范围内的第二连通域为肺气管区域；确定用于生长所述肺气管区域的点为肺气管种子点。6.根据权利要求5所述的方法，其特征在于，所述根据所述肺气管种子点并基于阈值分割算法和区域生长算法，提取所述一级气管包括：获取肺区的体素个数；获取初始分割阈值；对第二目标区域对应的CT图像按照所述初始分割阈值进行阈值分割，以得到初始一级气管，其中，第二目标区域为更新二值图像中像素值为1的点构成的区域；在初始一级气管中基于所述肺气管种子点进行区域生长，得到一级气管及所述一级气管包含的体素个数；判断所述一级气管体素个数与所述肺区的体素个数的比值是否在预设的比率范围内；若判断出为是，提取所述一级气管；若判断出为否，删除得到的一级气管，调整初始分割阈值；并基于调整后的分割阈值重新执行前述步骤对第二目标区域对应的CT图像按照所述调整后的分割阈值进行阈值分割。7.根据权利要求6所述的方法，其特征在于，所述基于分层区域生长算法对所述一级气管扩展并获取与所述一级气管相连的二级气管包括：获取所述一级气管中面积不小于所述一级气管中单层二维图像中连通域面积的最小值的连通区域中的所有点，以构成第一种子点集；对所述第一种子点集进行分层区域生长，并记录生长结果，以得到所述二级气管。8.根据权利要求7所述的方法，其特征在于，所述对所述第一种子点集进行分层区域生长，并记录生长结果包括：根据一级气管获取每层...

【专利技术属性】
技术研发人员：王晓东，金良海，张凡凡，李一可，
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