一种CT影像中的粘连血管型肺结节自动分割方法技术

本发明专利技术一种CT影像中的粘连血管型肺结节自动分割方法，包括以下步 骤：(1)输入包含粘连血管型肺结节的CT影像的感兴趣体；(2)在上述感 兴趣体上进行预处理，得到感兴趣体的前景区；(3)在上述前景区上提取 基于关系矩阵的流向特征；(4)基于上述流向特征方向角度建立粘连血管 型肺结节模型；(5)在上述模型中基于期望最大方法估计模型参数；(6) 利用上述模型参数计算得到均值漂移带宽参数；(7)将所述均值漂移带宽 参数带入均值漂移聚类算法进行自动分割。应用本发明专利技术方法可实现快速、 准确地求得自适应带宽参数，同时将自适应带宽参数选择方法用于CT影像 中的粘连血管型肺结节自动分割问题中，满足了实际应用中对速度、精度 的双重需求。

【技术实现步骤摘要】

本专利技术涉及医学
中的图像处理方法，具体的说是一种CT影像中的粘连血管型肺结节自动分割方法。
技术介绍
肺癌是所有癌症中死亡率最高的癌症。在临床中，诊断肺癌的良恶性意义重大。肺结节是肺癌的影像表现形式。肺结节的生长速度是鉴别良恶性的指标。计算机辅助诊断(Computer aided detection，CAD)系统为定量地诊断肺结节良恶性提供了新的手段。它应能自动地帮助医生分割影像上已检测出的结节，目的是测量它的体积和计算一段时间内它的倍增率。倍增率指得是对比同一病人不同时间的两幅影像中结节的尺寸，如果其中结节体积有明显增大，则该结节为恶性结节。血管粘连型结节恶性概率最大，而这类结节的CT像素灰度值通常与血管的CT像素灰度值接近，仅考虑图像CT灰度值将无法准确分割。因此，精确地分割与血管粘连型肺结节是有意义的，并且具有很大难度。 图1为一幅肺CT影像中所示的二维黑色圈部分为粘连血管型结节的一层数据。图2(a)～2(d)所示的三维黑色圈部分为肺CT影像中的一个粘连血管型结节。 聚类分割方法中通常采用均值漂移(Mean-shift)进行结节分割，其主要流程如图3所示首先输入合适的VOI(Volume of Interesting，感兴趣体)数据，然后自适应地确定带宽参数，再采用均值漂移(Mean-shift)进行结节的聚类分割后输出分割结果。然而，以往的Mean-shift算法需要采用循环迭代的方法自动并且自适应地确定带宽参数，其问题在于带宽参数与迭代步长有关，步长如果太大，带宽参数就不准确，不准确的带宽参数会导致过分割和欠分割现象，步长如果太小，虽然能得到适当的带宽参数，但由于需要多次循环迭代会消耗大量的时间，从而很难在结节分割的速度、精度方面满足应用的要求。
技术实现思路
针对现有技术中采用的结节分割方法存在耗时大、速度及精度不能满足应用要求等问题，本专利技术要解决的技术问题是提供一种满足速度、精度的双重需求的CT影像中的粘连血管型肺结节自动分割方法。 为解决上述技术问题，本专利技术采用的技术方案是 本专利技术一种CT影像中的粘连血管型肺结节自动分割方法，包括以下步骤 (1)输入包含粘连血管型肺结节的CT影像的感兴趣区域； (2)在上述感兴趣区域上进行预处理，得到感兴趣区域的前景区； (3)在上述前景区上提取基于关系矩阵的流向特征； (4)基于上述流向特征方向角度建立粘连血管型肺结节模型； (5)在上述模型中基于期望最大方法估计模型参数； (6)利用上述模型参数计算得到均值漂移带宽参数； (7)将所述均值漂移带宽参数带入二维均值漂移聚类算法中进行自动分割。 所述预处理采用基于迭代阈值的区域生长方法。 所述在前景区上提取基于关系矩阵的流向特征包括 (31)在前景区上定义像素j的关系矩阵； (32)利用上述关系矩阵求出粘连血管型结节像素梯度的法向量即前景区上各个像素的流向特征，并对各个像素的流向特征进行一致化处理； (33)根据一致化后的各个像素的流向特征画出流向特征向量方向角度直方图。 所述对各个像素的流向特征进行一致化处理包括以下步骤 从指向同一个方向最多的向量中任取一个向量Arbv； 如果向量Arbv和其它向量vi之间的夹角在( π]范围内，把向量vi转到相反的方向-vi，即 基于流向特征方向角度建立粘连血管型肺结节模型为 其中w1和w2分别为正态分布的权重和均匀分布的权重，且有w1+w2＝1，μ和σ分别为正态分布的均值和方差。 所述利用模型参数计算得到均值漂移带宽参包括以下步骤 (61)带宽选择假设X＝Xi服从正态分布N(μ，∑)，采用正态核函数进行均值漂移，当带宽H＝∑，则均值漂移向量m(x)的模取最大值； (62)依据带宽选择定理计算均值漂移带宽参数； 其中hx、hy以及hr分别为空间位置特征x，y和灰度特征r方向上的带宽参数；为结节在x，y方向上的跨度，Nwu为二维平面上前景区的总像素个数，粘连血管型结节模型中结节部分的权重w2，Round为取整运算；SR＝CTmax-CTmin，为结节在r方向的跨度，CTmax，CTmin分别为Nwu中像素的最大和最小CT值。 本专利技术一种CT影像中的粘连血管型肺结节自动分割方法，还可以通过以下步骤获得 (1)输入包含粘连血管型肺结节的CT影像的感兴趣体； (2)对上述感兴趣体进行预处理，得到感兴趣体的前景区，将该前景区利用最大密度投影方法投影到二维平面上； (3)在上述二维平面上的前景区投影中提取基于关系矩阵的流向特征； (4)基于上述流向特征方向角度建立粘连血管型肺结节模型； (5)在上述模型中基于期望最大方法估计模型参数； (6)利用上述模型参数计算得到均值漂移带宽参数； (7)将所述均值漂移带宽参数带入三维均值漂移聚类算法进行自动分割。 所述预处理采用基于迭代阈值的区域生长方法。 所述在二维平面上的前景区投影中提取基于关系矩阵的流向特征包括 (31)在二维平面上的前景区投影中定义像素j的关系矩阵； (32)利用上述关系矩阵求出粘连血管型结节像素梯度的法向量即为二维平面上前景区投影中各个像素的流向特征，并对各个像素的流向特征进行一致化处理； (33)根据一致化后的各个像素的流向特征画出流向特征向量方向角度直方图。 所述对各个像素的流向特征进行一致化处理包括以下步骤 从指向同一个方向最多的向量中任取一个向量Arbv； 如果向量Arbv和其它向量vi之间的夹角在( π]范围内，把向量vi转到相反的方向-vi，即 所述基于流向特征方向角度建立粘连血管型肺结节模型为 其中w1和w2分别为正态分布的权重和均匀分布的权重，且有w1+w2＝1，μ和σ分别为正态分布的均值和方差。 所述计算均值漂移带宽参数包括以下步骤 (61)带宽选择假设X＝Xi服从正态分布N(μ，∑)，采用正态核函数进行均值漂移，当带宽H＝∑，则均值漂移向量m(x)的模取最大值； (62)依据带宽选择定理计算均值漂移带宽参数； 其中hx、hy、hz以及hr分别为空间位置特征x，y，z和灰度特征r方向上的带宽参数；为结节在x，y方向上的跨度，Nwu为二维平面上前景区的总像素个数，粘连血管型结节模型中结节部分的权重w2，Round为取整运算；SZ＝Round(SXY*xmm/zmm)为结节在z方向上的跨度，xmm为CT影像在x、y方向的分辨率，zmm为CT影像在z方向的分辨率；SR＝CTmax-CTmin，为结节在r方向的跨度，CTmax，CTmin分别为Nwu中像素的最大和最小CT值。 本专利技术具有以下有益效果及优点 1.应用本专利技术方法对肺CT影像中的粘连血管型肺结节自动分割，可以快速自适应地求得Mean-shift(均值漂移)带宽参数，同时将自适应带宽参数选择方法用于CT影像中的粘连血管型肺结节自动分割问题中，对于已检测出来的肺结节可实现快速、准确地分割，分割速度达200层左右的影像数据需要时间少于30秒，很好地满足了实际应用中对速度、精度的双重需求。 附图说明 图1为一层肺本文档来自技高网...

【技术保护点】
一种ＣＴ影像中的粘连血管型肺结节自动分割方法，其特征在于包括以下步骤：　（１）输入包含粘连血管型肺结节的ＣＴ影像的感兴趣区域；　（２）在上述感兴趣区域上进行预处理，得到感兴趣区域的前景区；　（３）在上述前景区上提取基于关系矩阵的流向特征；　（４）基于上述流向特征方向角度建立粘连血管型肺结节模型；　（５）在上述模型中基于期望最大方法估计模型参数；　（６）利用上述模型参数计算得到均值漂移带宽参数；　（７）将所述均值漂移带宽参数带入二维均值漂移聚类算法进行自动分割。

【技术特征摘要】

【专利技术属性】
技术研发人员：康雁，孙申申，赵宏，
申请(专利权)人：康雁，孙申申，赵宏，
类型：发明
国别省市：89