一种区域生长以及形态学分析相结合的气管树提取方法技术

一种区域生长以及形态学分析相结合的气管树提取方法，将气管树的提取分为主气管提取和细气管提取，在主气管提取中采用自适应高阈值来确定生长条件，提高主气管树提取效率；在细气管的提取中，预先提取主气管树的骨架和分支点，在骨架的分支点的基础上采用形态学分割细气管，既降低单纯形态学和模式识别提取的不足，提高了成功率，又降低了运算量，提高提取效率；对提取后的主气管和细气管合并后基于细气管拼接方法来弥补出于断裂状态的细气管，并删除伪气管，提高气管树提取整体质量。提高气管树提取整体质量。提高气管树提取整体质量。

【技术实现步骤摘要】
一种区域生长以及形态学分析相结合的气管树提取方法


[0001]本专利技术涉及计算机图像处理
，具体的，涉及一种区域生长以及形态学分析相结合的气管树提取方法。

技术介绍

[0002]随着CT(Computed Tomography，计算机体层摄影)技术的发展，CT的扫描分辨率越来越高，这使得根据扫描的图像提取气管的有关特征参数进而研究肺结节、慢性阻塞性肺病等其他肺内疾病的诊断技术成为可能。然而，CT的发展也使得扫描片的数目速度增加，一个病例所包含的扫描片已高达几百张，在进行气管病变的检测时，放射科医生必须阅读大量的扫描片，漏诊与误诊的机率随着CT扫描片数目的增加而增高。使用CAD(Computer
‑
Aided Design，计算机辅助诊断系统)进行气管疾病的检测，有助于减少医生的阅片时间，提高气管检测与量化过程的客观性。
[0003]肺部CT图片中气管的分布特点决定了肺气管的分割方法有基于灰度区域的也有基于边缘的。这两种方法的算法目前已有很多种，但是或多或少都会存在一些问题。在现有技术基于灰度区域的方法中，主气管在CT图片中呈现亮黑色，和管腔内的灰度值有明显的差别，所以我们可以通过区域生长解决主气管的分割问题，但是细支气管有很大一部分扩散到了肺实质中，区域生长的时候就会连同肺实质一起生长出来。为了避免这种情况，只能通过严格控制生长约束条件来解决，但是这样做的代价会遗失一些真正的气管，最终的结果是气管树分割不完整。因此既要保证分割完整又要保证不要泄漏就是一个难点。基于边缘的分割方法可以避免气管泄漏的问题，但是在分割细支气管时，会有很多遗漏气管和主气管处于断裂情况，没有简单有效的方法让它们连在一起，而在精确性要求比较高的今天，就更增加了它们连接的难度。
[0004]因此，如何能够避免各种肺气管树提取方法中的缺点，针对主气管树和细气管树的特点，分别对两者进行提取，同时对主气管树和细气管树，或者细气管树之间进行拼接，既兼容不同提取方法的情况下，具备两者的优点，又避免简单的对两者进行合并，并且减少计算量，提高提取效率成为现有技术亟需解决的技术问题。

技术实现思路

[0005]本专利技术的目的在于提出区域生长以及形态学分析相结合的气管树提取方法，能够对主气管、细气管的提取方法进行改进，同时避免简单的对两者进行合并运算，并且减少系统的计算量，提高提取效率。
[0006]为达此目的，本专利技术采用以下技术方案：
[0007]一种区域生长以及形态学分析相结合的气管树提取方法，其特征在于，包括如下步骤：
[0008]CT图像预处理步骤S110：
[0009]对CT图像进行预处理，降低图像噪声，减少干扰组织，提取分割出肺实质区域；
[0010]主气管树分割步骤S120：
[0011]利用质心法选取种子点作为区域生长的种子点，以该种子点为中心通过三维26邻域对其周围的邻接像素点进行判断，设置较低的低阈值T1和高阈值T2，其中T2＝T1+ΔT,采用迭代方式逐步完成区域增长，每次迭代完成先进行泄漏检测，如果未发生泄漏，将T1和T2的值分别增加ΔT,否则中止生长；
[0012]骨架以及分支点提取步骤S130：
[0013]提取气管树的三维骨架图，将三维骨架图转换为二维图像，定义阈值长度T
h
，利用所述阈值长度T
h
将长度低于T
h
的分支去除，然后将处理后的二维图像重新转换为三维图像进行修剪，将修剪后的三维图像重新转换为二维图像，并在该二维图上显示出气管的分支点(Node)和分支(Branch)，并保存各分支点对应的坐标位置；
[0014]细气管树提取步骤S140：
[0015]以步骤S123中的分支点的坐标位置为中心点，沿着分支的位置范围分层进行形态学处理，分割单层图像细支气管区域，最后再将分割结果进行三维重构合成三维肺部细支气管区域；
[0016]主气管和细气管判断拼接步骤S150：
[0017]将所提取的主气管和细气管合成肺部气管结构，在各层的肺部CT图像中，对主气管的端点和细气管的端点分别进行距离判断和角度判断，对于通过上述两种判断的主气管的端点和细气管的端点进行连接。
[0018]可选的，在步骤S110中，
[0019]选取阈值为－600HU对CT图像二值化处理；然后采用7
×7×
7球形结构元对二值图像进行形态学闭操作以填充血管和气管壁空洞；最后以此为掩膜从原图中隔离出肺实质区域。
[0020]可选的，所述步骤S120，具体包括：
[0021]自动确定种子点步骤S121：
[0022]选择肺实质上端第10个轴向切片，在2D切片中划定矩形搜索区域，其中长、宽分别取该切片长和宽的一半；对搜索区域采用阈值为－750HU进行二值化，找到最大连通域，该连通区域对应主气管，其质心则是气管截面中心，作为区域生长的种子点；
[0023]自适应调高阈值迭代生长步骤S122：
[0024]以所选取的种子点为中心通过三维26邻域对其周围的邻接像素点进行判断：密度值L≤T1的邻接像素点标记为Confirm，即确认的气管区域；密度值T1<L<T2的邻接像素点标记为Ready，将其看作候选气管区域；T2<L的像素点标记为Away，属于未确认区域；采用迭代方式逐步完成区域增长，设置低阈值T1和高阈值T2，其中T2＝T1+ΔT，每次迭代完成先进行泄漏检测，如果未发生泄露则继续生长，如果发生泄露则终止下一步迭代，将T1和T2的值分别增加ΔT，上一次Ready区域转换成Confirm区域。
[0025]可选的，在步骤S120中，
[0026]引入局部区域突变指标：
[0027]ΔV＝V
k+1
‑
V
k
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0028]式(1)中V
k
和V
k+1
分别为第k次和第(k+1)次迭代的气管区域体积，ΔV为相邻迭代气管区域体积的变化量，即第k次迭代中Ready像素点的数量，定义比值系数δ，
[0029][0030]在每次迭代后，计算比值系数δ，当δ>5％时发生泄露。
[0031]可选的，在步骤S120中，初始值T1＝
‑
980HU，ΔT＝5HU。
[0032]可选的，在步骤S140中，采用具有旋转性不变的圆盘结构单元做形态学处理。
[0033]可选的，在步骤S150中，
[0034]所述距离判断为：设定细支气管端点和主气管端点之间距离为D
12
，假如D
12
在距离阈值D
t
之内，则认为两个端点之间可能存在断裂情况；
[0035]所述角度判断为：判断主气管端点处斜率与细气管端点处斜率之间的夹角α，α
t
为夹角阈值，当α≤α本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种区域生长以及形态学分析相结合的气管树提取方法，其特征在于，包括如下步骤：CT图像预处理步骤S110：对CT图像进行预处理，降低图像噪声，减少干扰组织，提取分割出肺实质区域；主气管树分割步骤S120：利用质心法选取种子点作为区域生长的种子点，以该种子点为中心通过三维26邻域对其周围的邻接像素点进行判断，设置较低的低阈值T1和高阈值T2，其中T2＝T1+ΔT,采用迭代方式逐步完成区域增长，每次迭代完成先进行泄漏检测，如果未发生泄漏，将T1和T2的值分别增加ΔT,否则中止生长；骨架以及分支点提取步骤S130：提取气管树的三维骨架图，将三维骨架图转换为二维图像，定义阈值长度T
h
，利用所述阈值长度T
h
将长度低于T
h
的分支去除，然后将处理后的二维图像重新转换为三维图像进行修剪，将修剪后的三维图像重新转换为二维图像，并在该二维图上显示出气管的分支点(Node)和分支(Branch)，并保存各分支点对应的坐标位置；细气管树提取步骤S140：以步骤S123中的分支点的坐标位置为中心点，沿着分支的位置范围分层进行形态学处理，分割单层图像细支气管区域，最后再将分割结果进行三维重构合成三维肺部细支气管区域；主气管和细气管判断拼接步骤S150：将所提取的主气管和细气管合成肺部气管结构，在各层的肺部CT图像中，对主气管的端点和细气管的端点分别进行距离判断和角度判断，对于通过上述两种判断的主气管的端点和细气管的端点进行连接。2.根据权利要求1所述的气管树提取方法，其特征在于：在步骤S110中，选取阈值为－600HU对CT图像二值化处理；然后采用7
×7×
7球形结构元对二值图像进行形态学闭操作以填充血管和气管壁空洞；最后以此为掩膜从原图中隔离出肺实质区域。3.根据权利要求1所述的气管树提取方法，其特征在于：所述步骤S120，具体包括：自动确定种子点步骤S121：选择肺实质上端第10个轴向切片，在2D切片中划定矩形搜索区域，其中长、宽分别取该切片长和宽的一半；对搜索区域采用阈值为－750HU进行二值化，找到最大连通域，该连通区域对应主气管，其质心则是气管截面中心，作为区域生长的种子点；自适应调高阈值迭代生长步骤S122：以所选取的种子点为中心通过三维26邻域对其周围的邻接像素点进行判断：密度值L≤T1的邻接像素点标记为Confirm，即确认的气管区域；密度值T1<L<T2的邻接像素点标记为Ready，将其看作候选气管区域；T2<L的像素点标记为Away，属于未确认区域；采用迭代方式逐步完成区域增长，设置低阈值T1和高阈值T2，其中T...

【专利技术属性】
技术研发人员：李静，许荣德，陈兢兢，崔伟，张小波，袁兵，
申请(专利权)人：广东省人民医院广东工业大学，
类型：发明
国别省市：