一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法技术

本发明专利技术提供了一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，具体包括如下步骤：S1，病变自动初始种子点选择，通过该步骤从包含病变的肺实质的梯度图像中获得病变种子点，通过计算来获得肺实质的CT图像梯度最小值；S2，最终病变位置细化，通过确定更准确的病变边界定义来将最终病变位置细化。利用本发明专利技术中的方法可以自动实现稳健、高效和准确的肺部病变分割。

A Semi-automatic Segmentation Method for Radiotherapy Target Delineation of Regionally Growing Lung Tumors

【技术实现步骤摘要】
一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法
本专利技术涉及医疗设备
，尤其涉及一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法。
技术介绍
肺肿瘤大多数起源于支气管粘膜上皮，因此也称支气管肺癌。近50年来，全世界肺癌的发病率明显增高，据统计，在欧美某些国家和我国大城市中，肺肿瘤的发病率已居男性各种肿瘤的首位。根据世界卫生组织的报告，到2030年全球将有多达1000万患者死于肺癌。早期预防肺肿瘤对提高生存获益有重要作用。计算机断层扫描(CT)扫描对肺部病变的准确分割对肺癌研究具有重要意义，可为临床诊断和治疗提供有价值的信息。然而，由于肺部病变的异质性，以可接受的精度实现全自动的病变检测和分割具有挑战性。假设放射照相图像的深度分析可以为个体化医疗提供微环境和肿瘤内异质性程度的信息和量化，对高通量CT提取的大量图像特征分析可以以非侵入性方式捕获空间和时间遗传异质性，这比基于侵入性活检的分子检测更好。也可以用于对医学研究、计算机辅助诊断、放疗和评估手术效果上。为此，肺部病变的准确分割是必要前提。肺部病灶分割通常是由放射科医生等有经验的专家手动勾画病灶。由于各种原因，获得可靠和有效的结果是一项艰巨的任务。首先，专家可能高估病灶体积以包围整个病灶，不同的手工描绘结果也各不相同。此外，大量的时间消耗限制了将CT图像转换为高信息量的可挖掘数据。因此迫切需要一种高度稳健，高效和自动的肺部病变分割方法。然而，由于病变的异质性，通过自动方法精确分割肺部病变也很困难。由于肺部病变的多样性，目前的分割精度不足。由于各种病变的空间遗传异质性的存在，肺部病变的形态、强度和部位变化较大。肺部病变的强度有时接近血管、裂隙或胸壁的强度)。但其他时间则接近肺野的强度，如磨玻璃影(GGO)，这是CT扫描的非特异性发现，表明渗出液或渗出液部分填充了空隙，以及肺泡间质增厚或部分塌陷。而且，CT图像中固有噪声的影响也可能很大。所有这些事实使得自动实现肺部病变的精确勾画非常具有挑战性。并且，国内外很多肺肿瘤图像的分析方法中其分割的准确性和可靠性都不是很高，并不能真正给临床应用带来质的改变。为此，本专利技术所要解决的技术问题在于针对上述
技术介绍
中存在的问题，本专利技术提出了一种用于区域生长肺肿瘤放疗靶区勾画半自动精准分割方法，实现了病变种子点的自动选择和病变细化，使得诊断过程更精确更便捷。
技术实现思路
为了解决上述技术问题，本专利技术提供一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，具体包括如下步骤：S1，病变自动初始种子点选择，通过该步骤从包含病变的肺实质的梯度图像中获得病变种子点，通过计算来获得肺实质的CT图像梯度最小值；S2，最终病变位置细化，通过确定更准确的病变边界定义来将最终病变位置细化。根据本专利技术所述的一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，其中所述病变自动初始种子点选择的步骤为：S11，通过CT扫描获取肺实质的CT图像，并计算肺实质的CT图像梯度；S12，扫描步骤S11中图像中每个像素的邻域，检测该区域中图像梯度的最小值，将其定义为局部最小梯度像素，预先定义一个空堆栈来存储局部最小梯度像素；S13，将每个新的局部最小梯度像素大小将与堆栈中的所有现有元素梯度像素大小进行比较，新的最小值将被推入堆栈并用于标记源像素，堆栈中与新局部最小值具有最大相似性的值将返回以标记原始源梯度像素；S14，对所有梯度像素重复S11～S13过程，如果一个梯度像素没有被标记，它的邻域将被搜索以找到局部最小值，重复该过程，直到图像中的所有梯度像素都被分割。根据本专利技术所述的一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，其中所述最终病变位置细化的步骤为：S21，计算病灶中心点COG位置；其中，COG表示病灶中的中心点，M表示中心切片CI中病变像素的数量，CI表示病变点的坐标；S22，提取中心切片CI和其相邻切片CI’的病变轮廓；第三步S23，计算病灶中心点COG和中心切片CI上的边界点bi之间的距离，Dis(bi)＝‖bi-COG‖2,i＝(0,1…n)其中||b1-COG||表示(b1，COG)的两个标准值，n是边界点的总数目，Dis(b1)代表从bi到COG的欧几里得距离；S24，计算相邻切片CI’上的边界点bi’和COG之间的距离，Dis(bi’)＝‖bi’-COG‖2,i＝(0,1…n’)其中，dis(bi’)代表相邻切片CI’上的边界点bi’和COG之间的直线距离，n'代表CI’的边界点；S25，在所有CI’内的边界点上执行步骤S24；S26，获得相邻切片CI’上的边界点bi’和COG之间的平均距离Avg，其中points代表bi’的数量，用所获得的相邻切片CI’上的边界点bi’和COG之间的平均距离Avg做参照就能检测到更准确的病变边界，即相邻切片CI’上的边界点bi’和COG之间的距离小于平均距离Avg即为肺部病灶更准确的病变边界。本专利技术的上述技术方案具有以下有益效果：本专利技术的技术方案使用后，一次病灶分割的平均时间消耗不到8秒。综上所述，利用本专利技术中的算法可以自动实现CT图像中稳健、高效和准确的肺部病变分割。附图说明图1为本专利技术实施例肺实质的CT图像；图2为本专利技术实施例扫描梯度图像中每个像素的四个邻域的示意图；图3a给出了本专利技术实施例高斯卷积后肺实质的梯度图；图3b所示为本专利技术实施例扫描四邻域分割后的肺分割结果示例；图3c所示为本专利技术另外一个实施例扫描8邻域分割后的肺分割结果示例；图4为用本专利技术所述的算法实现的新标签图像；图5是使用本专利技术中的方法对于近胸膜病变的肺部病变分割图像示意图；图6为本专利技术病变自动初始种子点选择的实施示意图；图7为本专利技术肺部病变细化方法的具体实施示意图。具体实施方式下面结合附图和实施例对本专利技术的实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不能用来限制本专利技术的范围。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“顶”、“底”、“前”、“后”、“头”、“尾”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以视具体情况理解上述术语在本专利技术中的具体含义。另外，需要说明的是，由于本专利技术不涉及具体的机械结构组成，所以为更清楚示意算法的成效，本专利技术的部分附图采用了图片的形式。一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，具体包括如下步骤：S1，病变自动初始种子点选择，通过该步骤从包含病变的肺实质的梯度图像中获得病变种子点，通过计算来获得肺实质的CT图像梯度最小值；S2，最终病变位置细化，通过确定更准确的病变边界定义来将最终病变位置细化。其中步本文档来自技高网...

【技术保护点】
1.一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，具体包括如下步骤：S1，病变自动初始种子点选择，通过该步骤从包含病变的肺实质的梯度图像中获得病变种子点，通过计算来获得肺实质的CT图像梯度最小值；S2，最终病变位置细化，通过确定更准确的病变边界定义来将最终病变位置细化。

【技术特征摘要】
1.一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，具体包括如下步骤：S1，病变自动初始种子点选择，通过该步骤从包含病变的肺实质的梯度图像中获得病变种子点，通过计算来获得肺实质的CT图像梯度最小值；S2，最终病变位置细化，通过确定更准确的病变边界定义来将最终病变位置细化。2.根据权利要求1所述的一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，其中所述病变自动初始种子点选择的步骤为：S11，通过CT扫描获取肺实质的CT图像，并计算肺实质的CT图像梯度；S12，扫描步骤S11中图像中每个像素的邻域，检测该区域中图像梯度的最小值，将其定义为局部最小梯度像素，预先定义一个空堆栈来存储局部最小梯度像素；S13，将每个新的局部最小梯度像素大小将与堆栈中的所有现有元素梯度像素大小进行比较，新的最小值将被推入堆栈并用于标记源像素，堆栈中与新局部最小值具有最大相似性的值将返回以标记原始源梯度像素；S14，对所有梯度像素重复S11～S13过程，如果一个梯度像素没有被标记，它的邻域将被搜索以找到局部最小值，重复该过程，直到图像中的所有梯度像素都被分割。3.根据权利要求1或2所述的一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，其中所述最...

【专利技术属性】
技术研发人员：孙殿珉，张跃忠，成金玲，
申请(专利权)人：山东省肿瘤防治研究院山东省肿瘤医院，
类型：发明
国别省市：山东,37