一种基于CT影像的肺结节边缘重建与分割方法技术

本发明专利技术公开了一种基于CT影像的肺结节边缘重建与分割方法，本发明专利技术利用对梯度特征具有稀疏表示能力的变换方式对图像进行空间变换；通过变换域收缩，保留大能量变换系数；再经反变换重建图像，实现对梯度特征的强化；通过信号多级强化，获得对梯度特征小信号的放大，重建肺结节边缘，为后续分割提供重要的边缘信息；提出了基于聚类的肺结节分割算法，它没有训练分类器的过程，具有自我训练的能力，可以强化边缘检测，克服灰度不均匀造成的分割困难，摆脱斑点噪声的影响；建立CT图像分割算法评价体系，将不同临床医学专家手工绘制的轮廓融合成最佳分割标准，使得能够对算法进行系统比较，揭示算法的有效性。?

【技术实现步骤摘要】
—种基于CT影像的肺结节边缘重建与分割方法
本专利技术涉图像处理方法，特别涉及一种基于CT影像的肺结节边缘重建与分割方 法。
技术介绍
近些年来，世界各国肺癌的发病率和死亡率均持续上升，尤其在人口密度较高 的工业城市更为显著，而我国肺癌患者的数量也居于全球首位。据世界卫生组织(World Health Organization. WHO)统计,肺癌在男性肿瘤死因中居于首位,而在女性肿瘤中仅 次于乳腺癌居第二位。降低肺癌患者死亡率的重要举措是早期诊断和早期治疗。诊断早期肺癌的主要使用影像学诊断方法，包括X射线诊断和CT诊断。CT诊断在 检测肺癌上优于X射线诊断，可以检测出Imm以上的肿瘤。肺结节是肺癌的CT表象形式， 分为孤立型、粘连血管型、粘连肺壁型、毛玻璃型和空洞型，是指直径在3mm 3cm的肺内类 球型病灶。肺结节的倍增率、大小和表面光滑度都是判断结节良、恶性的指标。而这些特征的 计算都是需要基于肺结节的准确的分割结果。肺结节通常依附于肺内其他解剖结构，使得 肺结节的分割问题变得困难。各种类型肺结节的分割都有各自需要解决的问题。一些孤立 型肺结节的核心处比较亮，而周围模糊影较暗，如何把周围的模糊影精确地划分到结节簇 内是一个需要解决的问题。粘连血管型结节的结节部分和血管部分CT值相近，如何精确地 把结节从血管上分割出来也是一个需要解决的问题。目前，有很多研究者对肺结节的分割 问题做了广泛的研究。肺结节分割功能首先使用在X射线的肺影像上，但是由于X射线的肺影像所测得 的结节的直径是最大密度投影(Maximum Intensity Project, MIP)的结果,所以要比实 际结节的体积大。之后，肺结节分割功能又使用在二维CT影像上，即逐层分割。随着多层 CT(Multislice)的出现,研究者开始研究直接在三维影像上分割肺结节的算法。Anthony P. Reeves等人提出用自适应阈值的算法分割肺结节,并用结节配准和基 于知识的形状匹配来分析结节的倍增率[1]。Maekado等人提出了一种自动分割肺实质的算 法，然后利用灰度直方图来提取GGO的模糊影[2]。研究者还提出用3D区域生长(Region Growing)的算法分割肺结节,如Fan. L等 人先提供一个使用直方图自适应求得的阈值，再用区域生长来分割肺结节，但是该算法只 适合孤立型肺结节的分割，对于其它类型的肺结节并不适用[3]。虽然区域生长算法通过连 通性考虑了空间位置关系的特征，但存在两个缺点第一，需要自适应地选取阈值，不适当 的阈值会造成过分割和欠分割的现象，而且也不能把粘连血管型肺结节的结节部分从血管 部分分割出来；对于孤立型肺结节也只能分割出核心部分，而存在模糊影就很难正确分割 了。第二，区域生长算法需要一个人工选定的种子点，加入了人工操作，不能实现全自动的 分割。William J. Kostis提出的肺结节分割算法的大致过程是首先，识别R0I，把各向异性通过插值变成各向同性待分析物体。其次，通过阈值和连通性的分析，3D形态学处理、 血管剔出算法和胸膜表面删除算法进行肺结节分割。再次，对肺结节体积计算、倍增率估 计。最后，判断肺结节的良恶性。该算法对于不同类型的结节提出了不同的算法，建立了各 自的数学模型，然后再分别针对不同的模型使用不同的分割算法，但是程序中没有自动判 断待分割的肺结节属于哪种类型，所以该算法在实际工程产品中不适用。Armato提出了在阈值分割肺影像后使用“滚球”(Rolling Ball)算法提取准确的 肺轮廓，然后利用10-point连通框架识别三维肺结节结构。虽然Kostis等人也提出一个 “滚球”的算法来检测和分割粘连肺壁型肺结节，但是当肺结节的半径较大时(肺壁轮廓的 缺口较大时)，结构元素的尺寸就会增大，速度就会变慢。Shen等人提出投影肺壁轮廓的法线方向到一个平面上(轮廓缺口处的法线方向 和轮廓其它地方的法线方向不同)，把法线方向转化为2D灰度图像，然后对该图像进行膨 胀操作得到粘连肺壁型肺结节。李强等人提出首先求得VOI内梯度变化最大的离散的点，然后用动态规划(DP， Dynamic Programming)的算法求连接这些点最小代价的路径(轮廓)[7]。美国伊利诺斯州 大学的Xu等人提出了一个二维逐层的分割算法。首先，需要人工初始设定费结节内部的圆 作为初始轮廓，其次，用动态规划的算法从初始的圆曲线逼近到最优的边缘曲线，再次，用 EM算法对最优曲线边缘上的像素聚类，从而判断该像素是否为肺结节上的点，这样就求得 这层肺结节的边界，最后，把所有层的边界用表面填充的算法拟合出分割的轮廓表面，得到 最后的肺结节分割结果。该算法能分割孤立型、粘连血管型和粘连肺壁型肺结节，而且速度 快，分割一层结节数据需要5秒钟。但是该算法不适合于分割毛玻璃型肺结节且该算法是 一个二维逐层的分割算法，并且需要人工交互，不是三维上的分割算法。让医生逐层地给每 个肺结节的每一层画圆是不现实的，所以该算法还不能用于产品中。西门子研究院的Li Zhang使用马尔可夫随机场来分割毛玻璃型肺结节，然后用形 状分析的算法把血管剔除。该算法需要交互，即需要手动给一个初始的种子点，并且不适合 分割其它类型的肺结节。基于聚类的分割算法是根据物体内部的灰度密度分布进行分割的一种算法，它可 以用模板模拟物体内部的灰度密度分布。Okata等人用各向异性的高斯模板(椭球)来模 拟肺结节，并用Mean-Shift求出费结节的中心和在各方向上的跨度。它虽然能适合孤立 型、粘连血管型和粘连肺壁型肺结节，但是不能求出精确边界[1°]。Jianhao Zhou等人通过 分析区域纹理特征，使用混合概率密度聚类的算法分割毛玻璃型肺结节，再用Hessian矩 阵的特征值删除粘连在毛玻璃型肺结节上的血管，但该算法只是针对毛玻璃型肺结节进行 的分割。
技术实现思路
本专利技术的目的是提供一种基于CT影像的肺结节边缘重建与分割方法。目前，还没有一种算法适用于所有类型肺结节的分割算法，主要因为肺结节边界 很难从背景中分离出来，根源是成像时信号发生遗漏。由于这些发生遗漏的信号并没有完 全消失，而是减少了，所以要解决制约肺结节分割的问题，可以将这部分微弱的边缘信号进 行放大。为此，我们提出了图像特征小信号放大的概念，基本思想是利用对某种图像特征具有稀疏表示能力的变换方式对图像进行空间变换；并进行变换域系数收缩，保留占据信号 绝大多数能量的变换系数，去掉了余下系数，这些余下系数主要对应的是噪声；再经反变换 重建图像，不仅去掉了噪声，更是对某种图像特征进行了强化；通过反复逐级强化，实现对 图像特征小信号的放大。对图像特征放大的关键是要求变换方式能够对这类图像特征进行 很好的稀疏表示，实质是在空间变换中强化了图像特征的能量。因此，在本课题中要对肺结 节边缘信息进行放大，就要具有能够对梯度特征进行很好稀疏表示的变换方式。对边缘信 息的放大，能够解决制约肺结节图像分割的瓶颈，为后续分割模型提供一个主要的边界信 息。基于空间变换域系数收缩的小信号放大，在重建过程中放大了边缘梯度特征，同时图像 也出现了少量失真。本课题的主要目标是提取肺结节轮廓，经过特征放大的图像能够提供 对于分割重要本文档来自技高网...

【技术保护点】
一种基于CT影像的肺结节边缘重建与分割方法，该方法包括以下步骤：（一）、数据的采集：可装载并同时显示多种数据格式；用户图形界面有五个部分组成：工具栏、图形界面小组、三维显示窗口、三维和切片的操作控制器；（二）、图像的预处理：（1）、图像配准由于图像的拍摄时间和外部客观条件的差异，每个图像都有自己的适用范围和局限性，多种模式下的图像配准能充分发挥图像本身的特点和信息互补，它是图像融合的基础和前提；（2）、图像融合将多源信道所采集到的关于同一目标的图像经过图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理；（三）、基于空间变换域稀疏强化的肺结节小信号放大，为了利用图像局部区域存在相似性的特点，在变换前对图像进行分组，将相似的二维图像块分到三维数据矩阵中；这样在三维变换域中处理，可以利用分组块间的相似性，增强稀疏性；变换域的稀疏强化是对三维组的处理，分为三个步骤：A）对组的三维变换；B）变换谱的收缩；C）三维反变换；选取或构建对梯度特征具有极好稀疏表示性能的变换方式，由于组内块间存 在很大相似性，通过变换能够获得图像梯度特征的极高的稀疏表示；再通过变换域系数收缩，分离小能量系数；然后进行三维反变换获得三维图像块的估计值；最后，通过一定的聚集方式将处理后的块返回到他们原先的位置，重新集合成二维图像，两次变换域强化过程采用不同的系数收缩算法，第一级输出的特征放大图像与原始图像一起作为第二级的输入项；通过两级变换域信号放大，能够获得边缘信号放大的肺结节重建图像；（四）、肺部CT图像边缘检测：采集图像的边缘进行检测，并与初始设定的阈值进行比较，若满足条件则进行输出，不满足条件，则返回再进行处理。...

【技术特征摘要】
1.一种基于CT影像的肺结节边缘重建与分割方法，该方法包括以下步骤(一)、数据的采集可装载并同时显示多种数据格式；用户图形界面有五个部分组成 工具栏、图形界面小组、三维显示窗口、三维和切片的操作控制器；(二 )、图像的预处理(1)、图像配准由于图像的拍摄时间和外部客观条件的差异，每个图像都有自己的适用范围和局限性，多种模式下的图像配准能充分发挥图像本身的特点和信息互补，它是图像融合的基础和iu提；(2)、图像融合将多源信道所采集到的关于同一目标的图像经过图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理；(三)、基于空间变换域稀疏强化的肺结节小信号放大，为了利用图像局部区域存在相似性的特点，在变换前对图像进行分组，将相似的二维图像块分到三维数据矩阵中；这样在三维变换域中处理，可以利...

【专利技术属性】
技术研发人员：邵向鑫，林晓梅，田野，商婷婷，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：