一种用于肺部CT影像的支气管树提取方法和系统技术方案

本发明专利技术涉及医学图像处理技术，公开了一种用于肺部CT影像的支气管树提取方法和系统，其方法包括：对于肺部CT影像基于阈值和水漫填充的肺实质分割从而获取肺部CT支气管候选区域；对于肺部CT影像支气管候选区域基于能量函数逐层迭代和灰度重建的支气管分割获得支气管分割结果；对支气管分割结果计算Hessian矩阵，从而提取支气管中心线；对于支气管中心线基于节点分类和规则判定的支气管分段划分从而获取支气管树。本发明专利技术采用无监督分割方法提取细致全面的支气管树结构，从而实现精准支气管树结构提取，其泛化性好。其泛化性好。其泛化性好。

【技术实现步骤摘要】
一种用于肺部CT影像的支气管树提取方法和系统


[0001]本专利技术涉及医学图像处理技术，公开了一种用于肺部CT影像的支气管树提取方法和系统。

技术介绍

[0002]随着人工智能技术在医疗产业领域的普及，临床场景对人工智能的要求和依赖越来越高，对于精准医疗的需求越来越高。组织/器官分割是影像精准医疗的重要
之一。其中，对胸部CT平扫影像中的支气管进行精准语义分割，勾画精确轮廓，是剖析肺部影像的重要前置处理技术。
[0003]目前，已有较多专利技术针对支气管树进行分割，但均存在方法缺陷，不能较好的处理误分割或漏分割。
[0004]如现有技术：专利CN113793357A利用标注数据训练深度学习模型分割支气管，但支气管的标注工作量巨大，成本较高。
[0005]专利CN114445419A同样使用三维卷积神经网络提取支气管树的起始端点和分支节点，然后基于血管的高密度灰度特点与血管支气管伴生特性提取支气管树，但支气管和血管的伴生关系并不稳定且个体差异较大，该方法在实际应用中泛化性较差。
[0006]专利CN112330686A首先基于区域生长提取的气道作为候选区域，然后通过三维卷积神经网络修正误分割，实现精准分割。但区域生长难以深入细致的支气管分支，会造成因候选区域不全引起分割不全。

技术实现思路

[0007]本专利技术针对现有技术支气管标注工作量巨大、细节分支分割不全的问题，提供了一种用于肺部CT影像的支气管树提取方法和系统。
[0008]为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
[0009]一种用于肺部CT影像的支气管树提取方法，其方法包括：
[0010]肺部CT影像支气管候选区域的获取，对于肺部CT影像基于阈值和水漫填充的肺实质分割从而获取肺部CT支气管候选区域；
[0011]支气管分割结果的获取，对于肺部CT影像支气管候选区域基于能量函数逐层迭代和灰度重建的支气管分割获得支气管分割结果；
[0012]支气管中心线的提取，对支气管分割结果计算Hessian矩阵，从而提取支气管中心线；
[0013]支气管树的获取，对于支气管中心线基于节点分类和规则判定的支气管分段划分从而获取支气管树。
[0014]作为优选，支气管分割结果的获取其获取的方法包括：
[0015]通过灰度重建获取第一支气管分割结果；
[0016]通过能量函数逐层迭代获取第二支气管分割结果；
[0017]合并第一支气管分割结果和第二支气管分割结果，并选择最大连通区域作为支气管分割结果。
[0018]作为优选，灰度重建获取第一支气管分割结果方法包括：
[0019]采用尺寸为3
×
3的滤波核，设置滤波类型为四连通域类型，重复膨胀并筛选最高灰度值，对单层图像P进行灰度重建，得到重建图像P
′
；计算重建差，并按照设置阈值ε筛选P
′‑
P≥ε的像素点，其为第一支气管分割结果。
[0020]作为优选，能量函数逐层迭代获取第二支气管分割结果包括：
[0021]通过构建能量函数迭代计算第i层的支气管边界，
[0022]基于本层的分割结果作为i+1的初始化，采用同样的方式迭代计算支气管边界，依次类推，直到无法获取初始化结果，
[0023]设定支气管边界曲线为二维函数集C＝{(x,y),u(x,y)＝c}，即三维曲面的离散化表达，引入离散变量t，得到C(t)＝{(x,y),u(x,y,t)＝c}，构建能量泛函，
[0024][0025]其中，I为图像灰度，为图像梯度，代表曲线C的梯度值，
[0026]通过变分法迭代计算找到能量函数最小值处的曲线C(t)，水漫填充后作为第i层的支气管分割结果；
[0027]将第i层的支气管分割结果，采用尺寸为3
×
3的滤波核腐蚀2次，将其轮廓线作为i+1层支气管的初始化边界，按照(1)所述的方法计算第i+1层分割结果；从而获取第二支气管分割结果。
[0028]作为优选，支气管中心线的提取方法包括：对支气管初始分割结果高斯平滑，并计算其Hessian矩阵，其中特征值最大的方向为法线方向，特征值最小的方向为支气管切线方向，选择特征值最小的特征向量方向为支气管方向，提取支气管中心线。
[0029]作为优选，支气管树的获取包括支气管树的精简，沿着支气管中心线去除误分割中心线，精简支气管树；其方法包括：
[0030]沿着支气管树，将第一层的第一个点作为起始节点，沿着连通遍历所有点，并计算其26邻域中的其他节点数量，将数量大于2的节点作为分支节点，等于2的节点作为中间节点，等于1的节点作为末端节点；
[0031]对于分支节点，以其为中心，划取尺寸为m
×
m的邻域，计算每个分支的长度，去除长度小于θ的分支；
[0032]计算26邻域内的节点数量，将节点数量等于2的分支节点转为中间节点；遍历所有分支节点，得到精简的支气管树。
[0033]作为优选，支气管树的获取还包括支气管的分段，根据分支及末端节点位置及连接关系。
[0034]为了解决上述技术问题本专利技术还提供了一种用于肺部CT影像的支气管树提取系统，其基于用于肺部CT影像的支气管树提取方法实现的系统包括：
[0035]肺部CT影像支气管候选区域的获取模块，肺部CT影像支气管候选区域的获取模块对于肺部CT影像基于阈值和水漫填充的肺实质分割从而获取肺部CT支气管候选区域；
[0036]支气管分割结果的获取模块，支气管分割结果的获取模块对于肺部CT影像支气管候选区域基于能量函数逐层迭代和灰度重建的支气管分割获得支气管分割结果；
[0037]支气管中心线的提取模块，支气管中心线的提取模块对支气管分割结果计算Hessian矩阵，从而提取支气管中心线；
[0038]支气管树的获取模块，支气管树的获取模块对于支气管中心线基于节点分类和规则判定的支气管分段划分从而获取支气管树。
[0039]本专利技术由于采用了以上技术方案，具有显著的技术效果：
[0040]本专利技术采用无监督分割方法提取细致全面的支气管树结构，实现精准支气管树结构提取，其泛化性好。
附图说明
[0041]图1是本专利技术的系统框图。
[0042]图2是本专利技术的支气管树提取流程图。
[0043]图3是本专利技术的支气管分割流程图。
具体实施方式
[0044]下面结合附图与实施例对本专利技术作进一步详细描述。
[0045]实施例1
[0046]一种用于肺部CT影像的支气管树提取方法，其方法包括：
[0047]肺部CT影像支气管候选区域的获取，对于肺部CT影像基于阈值和水漫填充的肺实质分割从而获取肺部CT支气管候选区域；
[0048]支气管分割结果的获取，对于肺部CT影像支气管候选区域基于能量函数逐层迭代和灰度重建的支气管分割获得支气管分割结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于肺部CT影像的支气管树提取方法，其方法包括：肺部CT影像支气管候选区域的获取，对于肺部CT影像基于阈值和水漫填充的肺实质分割从而获取肺部CT支气管候选区域；支气管分割结果的获取，对于肺部CT影像支气管候选区域基于能量函数逐层迭代和灰度重建的支气管分割获得支气管分割结果；支气管中心线的提取，对支气管分割结果计算Hessian矩阵，从而提取支气管中心线；支气管树的获取，对于支气管中心线基于节点分类和规则判定的支气管分段划分从而获取支气管树。2.根据权利要求1所述的一种用于肺部CT影像的支气管树提取方法，其特征在于，支气管分割结果的获取其获取的方法包括：通过灰度重建获取第一支气管分割结果；通过能量函数逐层迭代获取第二支气管分割结果；合并第一支气管分割结果和第二支气管分割结果，并选择最大连通区域作为支气管分割结果。3.根据权利要求2所述的一种用于肺部CT影像的支气管树提取方法，其特征在于，灰度重建获取第一支气管分割结果方法包括：采用尺寸为3
×
3的滤波核，设置滤波类型为四连通域类型，重复膨胀并筛选最高灰度值，对单层图像P进行灰度重建，得到重建图像P
′
；计算重建差，并按照设置阈值ε筛选P
′‑
P≥ε的像素点，其为第一支气管分割结果。4.根据权利要求2所述的一种用于肺部CT影像的支气管树提取方法，其特征在于，能量函数逐层迭代获取第二支气管分割结果包括：通过构建能量函数迭代计算第i层的支气管边界，基于本层的分割结果作为i+1的初始化，采用同样的方式迭代计算支气管边界，依次类推，直到无法获取初始化结果，设定支气管边界曲线为二维函数集C＝{(x,y),y(x,y)＝c}，即三维曲面的离散化表达，引入离散变量t，得到C(t)＝{(x,y),u(x,y,t)＝c}，构建能量泛函，其中，I为图像灰度，为图像梯度，代表曲线C的梯度值，通过变分法迭代计算找到能量函数最小值处的曲线C(t)，水漫填充后作为第i层的支气管分割结果；将第i层的支气管分割结果，采用尺寸为3
×
3的滤波核腐蚀2次，将其轮廓线...

【专利技术属性】
技术研发人员：胡利荣，尤堃，伍华樑，张跃华，
申请(专利权)人：浙江飞图影像科技有限公司，
类型：发明
国别省市：