一种肺部ct图像中粘连血管型肺结节的分割方法
【专利摘要】本发明涉及一种肺部CT图像中粘连血管型肺结节的分割方法，包括：（Ⅰ）提取肺实质；（Ⅱ）预分割肺结节：通过对肺实质轮廓自动分割获得其中的肺结节的初始轮廓，再通过内核图割法获取初始肺结节内轮廓；（Ⅲ）提取肺结节标记点：采用射线法在肺结节图像上提取图割的目标点和背景点；（Ⅳ）图割法分割肺结节：采用基于最大流算法的图割法对肺结节作进一步的分割，获取最终的肺结节轮廓。采用本发明的方法可以将肺结节实质和模糊外围进行区分，获取精确的肺结节边界和特征，有利于医生准确确定肺结节实质。
【专利说明】一种肺部CT图像中粘连血管型肺结节的分割方法
【技术领域】
[0001]本发明属于图像分割【技术领域】，具体涉及一种肺部CT图像中粘连血管型肺结节的分割方法。
【背景技术】
[0002]对肺结节的精确分割是基于CT图像的早期肺癌计算机辅助诊断的关键步骤，能否从CT图像中精确地分割出肺结节，最终会影响到技术机辅助诊断系统的性能。
[0003]在CT图像中，由于结节等病变部位的密度与心脏及胸廓等软组织的密度极为接近，故传统的基于阈值的分割方法，虽然能有效地提取肺实质，却常常会丢失如结节等病变部位的细节信息。现有的成像技术还无法确切地区分出结节和胸廓这样密度相似的软组织，要解决这个问题只能依赖图像分割算法。针对这一问题，现有的算法多是先利用阈值分害I]、区域增长、边缘检测等方法得到CT图像中肺实质的大致区域，然后对分割结果进行修正，以弥补因各种病变造成的肺实质的缺失部分。然而，这种分割不够精确，不能满足临床诊断的需要。
[0004]由Boykov等人提出的Graph cuts (图割法)是目前应用最为广泛的图像分割方法之一，其基于图的最大流算法实现了图像的快速分割，尤其它采用的是用户提取目标和背景点，通过最小化Gibbs能量函数E来对图像中未标记点进行标记，获得比较精准的图像分割结果。这种分割利用图像像素间的距离和灰度相似性对像素进行分割，但是单纯地考虑两个像素之间的欧式距离对有些像素间有很大灰度差的像素不准确；此外，由于图割方法需要确定标记点，而肺结节图像比较特殊，在肺实质区域医生首先要确定感兴趣区域(ROI)的肺结节，然后医生手动标记点，这种获取标记点的方式对Graph cuts的分割结果有很大影响。
【发明内容】
[0005]针对现有技术中存在的缺陷，本发明的目的是提供一种肺部CT图像中粘连血管型肺结节的分割方法，采用该分割方法可以将肺结节实质和模糊外围进行区分，获取精确的肺结节边界和特征，有利于医生准确确定肺结节实质。
[0006]为达到以上目的，本发明采用的技术方案是:一种肺部CT图像中粘连血管型肺结节的分割方法，包括以下步骤:
[0007]( I )提取肺实质:在输入的肺部图像上提取包含肺结节在内的肺实质轮廓，得到肺实质边缘曲线；
[0008](II)预分割肺结节:对步骤(I)获得的肺实质进行自动分割，获得其中的肺结节的初始轮廓，再采用基于混合高斯模型的内核图割法对得到的肺结节进行初始分割，获取初始肺结节内轮廓；
[0009](III)提取肺结节标记点:在步骤(II)得到的肺结节内部取一中心点，通过该中心点向初始肺结节内轮廓发射一组等角度的射线，取射线与初始肺结节内轮廓相交的第一点作为初始标记点，并基于该组初始标记点的平均距离进行初始标记点的插值操作，然后沿每一射线上的初始标记点分别向中心点提取目标点，向内轮廓外围提取背景点；
[0010](IV)图割法分割肺结节:利用步骤(III)提取的目标点和背景点，采用基于最大流算法的图割法对肺结节作进一步的分割，获取最终的肺结节轮廓。
[0011]进一步，步骤(1)中，采用区域生长法并结合边缘检测法提取肺实质。
[0012]进一步，步骤(1 )中得到肺实质边缘曲线后，根据曲率和曲线延伸的惯性规律修正肺实质边缘曲线。
[0013]再进一步，根据曲率和曲线延伸的惯性规律修正肺实质边缘曲线，按照以下方式进行:
[0014]( I)根据式①求得肺结节边界曲线和与其相交的肺实质边界曲线的曲率K，并提取曲率方向改变的点；
【权利要求】
1.一种肺部CT图像中粘连血管型肺结节的分割方法，包括以下步骤: (I )提取肺实质:在输入的肺部图像上提取包含肺结节在内的肺实质轮廓，得到肺实质边缘曲线； (II)预分割肺结节:对步骤(I)获得的肺实质进行自动分割，获得其中的肺结节的初始轮廓，再采用基于混合高斯模型的内核图割法对得到的肺结节进行初始分割，获取初始肺结节内轮廓； (III)提取肺结节标记点:在步骤(II)得到的肺结节内部取一中心点，通过该中心点向初始肺结节内轮廓发射一组等角度的射线，取射线与初始肺结节内轮廓相交的第一点作为初始标记点，并基于该组初始标记点的平均距离进行初始标记点的插值操作，然后沿每一射线上的初始标记点分别向中心点提取目标点，向内轮廓外围提取背景点； (IV)图割法分割肺结节:利用步骤(III)提取的目标点和背景点，采用基于最大流算法的图割法对肺结节作进一步的分割，获取肺结节的最终轮廓。
2.根据权利要求1所述的一种肺部CT图像中粘连血管型肺结节的分割方法，其特征在于，步骤(I )中，采用区域生长法并结合边缘检测法提取肺实质。
3.根据权利要求1或2所述的一种肺部CT图像中粘连血管型肺结节的分割方法，其特征在于，步骤(I )中得到肺实质边缘曲线后，根据曲率和曲线延伸的惯性规律修正肺实质边缘曲线。
4.根据权利要求3所述的一种肺部CT图像中粘连血管型肺结节的分割方法，其特征在于，根据曲率和曲线延伸的惯性规律修正肺实质边缘曲线，按照以下方式进行: (1)根据式①求得肺结节边界曲线和与其相交的肺实质边界曲线的曲率K，并提取曲率方向改变的点；
5.根据权利要求1所述的一种肺部CT图像中粘连血管型肺结节的分割方法，其特征在于，步骤(II)中采用边缘检测法自动分割肺实质以获取肺结节的初始轮廓。
6.根据权利要求1所述的一种肺部CT图像中粘连血管型肺结节的分割方法，其特征在于，步骤(III)中，目标点和背景点到初始标记点的距离分别为中心点到初始标记点距离的1/3。
7.根据权利要求1所述的一种肺部CT图像中粘连血管型肺结节的分割方法，其特征在于，步骤(IV)的实现过程如下: (1)以步骤(III)中标记的一组背景点所构成的曲线作为当前轮廓线； (2)构造s-t网络:使当前轮廓线对应s-t网络的源点s，使步骤(III)中标记的一组目标点所形成的内边界对应s-t网络的汇点t，其余每一个像素对应s-t网络中的一个结点，相邻结点间以8邻域方式带权值连接； (3)最大流最小代价切割:计算式③中Gibbs能量函数E的区域项和边界项，用最大流算法对s-t网络进行最小代价切割，得到一条新当前轮廓线；
8.根据权利要求7所述的一种肺部CT图像中粘连血管型肺结节的分割方法，其特征在于， 测地距离Dg (i，j)定义如式⑥所示:
【文档编号】G06T7/00GK103824295SQ201410074509
【公开日】2014年5月28日 申请日期:2014年3月3日 优先权日:2014年3月3日
【发明者】郭丽 申请人:天津医科大学