基于医学图像的自动肺分叶方法、装置及电子设备与流程

1.本发明涉及医学图像处理技术领域，尤其涉及一种基于医学图像的自动肺分叶方法、装置及电子设备。


背景技术：

2.肺癌已经成为威胁国民健康的第一大癌症杀手，外科手术在可切除肺癌的治疗中起决定性作用，微创化胸腔镜手术提高了患者的术后生活质量和生存率。针对肺病变局限于单一肺叶内，而其余肺均正常，则可施行肺叶切除手术，肺叶切除是目前治疗肺部外科疾病的最为常用术式，肺叶切除术后损失的肺功能较少，对患者正常生活影响不大，可以在保证切除范围的同时，减小了肺功能的损失，达到了较好的治疗效果。
3.每一肺段支气管及其分支分布的肺组织称为支气管肺段，在肺段内，肺动脉的分支与肺段支气管相伴行，支气管在三维维度的空间走向及相互位置决定着各个肺段位置。在肺叶切除手术前获得清晰准确的肺分叶结构，对于手术的成功与否具有至关重要的影响。现有技术常采用人工肺分叶的方法，具体包括：应用肺部解剖知识，于连续肺ct图像的每个层面上，全面地辨认肺门和肺内支气管、肺动脉、肺静脉三套管道，且绘出图像简图，进行图形重塑，借以在三个维度上观察三套管道的分布情况。可用于校对图像中所观察到结构的正确性，同时为进一步ct图像上分叶分段，同时肺的三套管道在三个维度上的空间走向及其相互位置关系，将其应用于ct图像上，并结合肺叶间裂的辨认，达到在ct图像上进行肺分叶。这种人工肺分叶的方法费时费力。
4.现有技术还有一种根据基于支气管的自动及半自动肺分叶分段的方法，根据泰森多边形理论算法以计算出支气管的分叶与肺对应的肺叶，但这种方法没有利用到ct图像中的信息，得到的肺叶结果往往与基于ct图像中肺叶间裂的肺分叶结果有一定差距。
5.综上可知，现有技术在实际使用上显然存在不便与缺陷，所以有必要加以改进。


技术实现要素：

6.针对上述的缺陷，本发明的目的在于提供一种基于医学图像的自动肺分叶方法、装置及电子设备，其能够实现全自动肺分叶，并且分叶结果更加准确。
7.为了解决上述技术问题，本发明是这样实现的：
8.第一方面，本发明实施例提供了一种基于医学图像的自动肺分叶方法，包括步骤有：
9.利用支气管数据，从待分叶的肺部医学图像中获取各个肺叶间裂的感兴趣区域；
10.利用hessian矩阵，对各个所述感兴趣区域进行增强以得到对应的增强图像；
11.从各个所述增强图像中提取初步的肺叶间裂数据；
12.利用插值算法将所述初步的肺叶间裂数据重建生成完整的肺叶间裂数据，再根据所述完整的肺叶间裂数据进行肺分叶。
13.根据本发明所述的方法，所述利用支气管数据，从待分叶的肺部医学图像中获取
各个肺叶间裂的感兴趣区域，包括：
14.计算支气管每个离散点的欧拉特征值，得到支气管中心线点集；
15.根据所述支气管中心线点集，构建出支气管树形结构；
16.根据所述支气管树形结构及支气管生理特征，自动对五个肺叶所对应的支气管中心线做标记；
17.计算肺内每个像素点与五个所述支气管中心线之间的距离，并将所述像素点与距离最近的所述支气管中心线作相同标记；
18.获取两个不同标记之间的相接面点集，利用所述相接面点集计算回归平面，将所述回归平面外扩预定的第一长度，作为计算肺叶间裂的感兴趣区域；重复此操作至计算出每条肺叶间裂的感兴趣区域，后续的操作在每个肺叶间裂的感兴趣区域上分别进行。
19.根据本发明所述的方法，所述第一长度为25～35mm。
20.根据本发明所述的方法，所述利用hessian矩阵，对各个所述感兴趣区域进行增强以得到对应的增强图像，包括：
21.将所述感兴趣区域中像素值小于第一像素阈值的区域的像素值修改为所述第一像素阈值，像素值大于第二像素阈值的区域的像素值修改为所述第二像素阈值；
22.构造高斯滤波器g
σ
，σ为高斯滤波器g
σ
的方差，对所述高斯滤波器g
σ
求二阶导数，用所述二阶导数与所述感兴趣区域的各个像素点逐一进行卷积得到i
xx
(σ)、i
xy
(σ)、i
xz
(σ)、i
yy
(σ)、i
yz
(σ)和i
zz
(σ)；
23.构成hessian矩阵h1和h2，计算公式为：
24.及
25.计算h1的特征值λ1，、λ2及h2的特征值λ3，、λ4并排序，满足|λ1|＞|λ2|，|λ3，|＞|λ4|；
26.计算所述感兴趣区域的各个像素点的增强值e1和e2，计算公式为：
27.及
28.计算出所述感兴趣区域内所述增强值e1的最小值emin1、最大值emax以及所述增强值e2的最小值emin2、最大值emax2，最后计算各个像素点的最终增强值e得到增强图像，所述最终增强值e的计算公式为：
[0029][0030]
根据本发明所述的方法，所述第一像素阈值为-1000～-800，所述第二像素阈值为-500～-300。
[0031]
根据本发明所述的方法，所述从各个所述增强图像中提取初步的肺叶间裂数据，包括：
[0032]
在所述增强图像的横断面切片、矢状面切片及冠状面切片上分别做如下操作：
[0033]
对所述感兴趣区域中的每个像素点，计算以所述像素点为中心，预定的第二长度的线段经过的所有点的增强值之和s
e1
，旋转所述线段，计算其余各个方向的增强值之和s
e2
、s
e3
、s
e4
……sen
，n为大于1的整数，统计出所有增强值之和的最大值s
emax
；
[0034]
取每张所述切片中所有最大值s
emax
的前预定比例作为阈值t，创建二值图像，将所述最大值s
emax
大于所述阈值t处的值设为1，其余处的值设为0；
[0035]
将所述二值图像的切片合并为三维图像；
[0036]
将所述二值图像进行与操作，从所述与操作的结果中提取最大连通区域作为所述初步的肺叶间裂数据。
[0037]
根据本发明所述的方法，所述前预定比例为2～8％；所述第二长度为5～15mm。
[0038]
根据本发明所述的方法，所述利用插值算法将所述初步的肺叶间裂数据重建生成完整的肺叶间裂数据，再根据所述完整的肺叶间裂数据进行肺分叶，包括：
[0039]
遍历所述初步的肺叶间裂数据中每个x，y坐标，如果所述x，y坐标对应不止一个肺叶间裂点：若最上方的肺叶间裂点与最下方的肺叶间裂点距离小于预定的第一距离，则计算所述x，y坐标对应所有肺叶间裂点的z坐标的平均值作为新的肺叶间裂点，否则删除所述x，y坐标对应的所有肺叶间裂点；
[0040]
将调整后的所述初步的肺叶间裂数据转换为二元函数f(x，y)，其公式为：
[0041][0042]
统计所述二元函数f(x，y)中所有不在边界处，也不在0值点与非0值点的边界处的极值点；
[0043]
遍历调整后的所述初步的肺叶间裂数据的每个点，如果所述点与所有肺叶间裂控制点及所述极值点间的距离都大于预定的第二距离；将所述点加入所述肺叶间裂控制点；
[0044]
利用双调和样条插值算法，将提取出的所述肺叶间裂控制点插值出所述完整的肺叶间裂数据；
[0045]
利用所述完整的肺叶间裂数据进行肺分叶，并根据各个肺叶之间的位置关系确定每个肺叶的名称，得到最终的肺分叶数据。
[0046]
根据本发明所述的方法，所述第一距离为2～8mm，所述第二距离为2～8mm。
[0047]
第二方面，本发明实施例提供了一种基于医学图像的自动肺分叶装置，用于实现如任一项所述的基于医学图像的自动肺分叶方法，所述装置包括：
[0048]
区域获取模块，用于利用支气管数据，从待分叶的肺部医学图像中获取各个肺叶间裂的感兴趣区域；
[0049]
图像增强模块，用于利用hessian矩阵，对各个所述感兴趣区域进行增强以得到对应的增强图像；
[0050]
图像提取模块，用于从各个所述增强图像中提取初步的肺叶间裂数据；
[0051]
肺分叶模块，用于利用插值算法将所述初步的肺叶间裂数据重建生成完整的肺叶间裂数据，再根据所述完整的肺叶间裂数据进行肺分叶。
[0052]
第三方面，本发明实施例提供了一种电子设备，包括存储介质、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任一项所述的基于医学图像的自动肺分叶方法。
[0053]
本发明首先利用支气管数据获取各个肺叶间裂的感兴趣区域，并利用hessian矩阵来增强肺叶间裂得到增强图像，然后在各个增强图像中提取初步的肺叶间裂数据，利用
插值算法将初步的肺叶间裂数据重建生成完整的肺叶间裂数据，再根据完整的肺叶间裂数据进行肺分叶。本发明先根据支气管数据获取感兴趣区域，然后通过识别医学图像中的肺叶间裂进行肺叶的分割，其不仅能够实现全自动肺分叶，并且可以得到更为准确的肺分叶结果。
附图说明
[0054]
图1是本发明实施例提供的基于医学图像的自动肺分叶方法的流程示意图；
[0055]
图2是本发明实施例提供的基于医学图像的自动肺分叶方法中利用支气管数据获取感兴趣区域的方法流程图；
[0056]
图3是本发明实施例提供的基于医学图像的自动肺分叶方法中增强肺叶间裂的方法流程图；
[0057]
图4是本发明实施例提供的基于医学图像的自动肺分叶方法中提取肺叶间裂的方法流程图；
[0058]
图5是本发明实施例提供的基于医学图像的自动肺分叶方法中重建肺叶间裂的方法流程图；
[0059]
图6是本发明实施例提供的基于医学图像的自动肺分叶装置的结构示意图；
[0060]
图7是本发明实施例提供的电子设备的结构示意图；
[0061]
图8是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
[0062]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0063]
需要说明的，本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用，指的是描述的该实施例可包括特定的特征、结构或特性，但是不是每个实施例必须包含这些特定特征、结构或特性。此外，这样的表述并非指的是同一个实施例。进一步，在结合实施例描述特定的特征、结构或特性时，不管有没有明确的描述，已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
[0064]
此外，在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件，所属领域中具有通常知识者应可理解，制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式，而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语，故应解释成“包含但不限定于”。以外，“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
[0065]
下面结合附图，通过具体的实施例及其应用场景，对本发明实施例提供的基于医学图像的自动肺分叶方法进行详细地说明。
[0066]
图1是本发明实施例提供的基于医学图像的自动肺分叶方法的流程示意图，所述方法包括步骤有：
[0067]
步骤s101，利用支气管数据，从待分叶的肺部医学图像中获取各个肺叶间裂的感兴趣区域。
[0068]
可选地，所述肺部医学图像可以是ct图像或mri图像等。
[0069]
步骤s102，利用hessian矩阵(黑塞矩阵)，对各个感兴趣区域进行增强以得到对应的增强图像。
[0070]
步骤s103，从各个增强图像中提取初步的肺叶间裂数据。
[0071]
可选地，所述初步的肺叶间裂数据为可识别的肺叶间裂数据。
[0072]
步骤s104，利用插值算法将初步的肺叶间裂数据重建生成完整的肺叶间裂数据，再根据完整的肺叶间裂数据进行肺分叶。
[0073]
本发明主要解决是人工肺分叶耗时、耗力，以及现有的自动及半自动肺分叶方法未全面利用ct图像信息，结果不准确的问题。提出一种基于医学图像的自动肺分叶方法，首先根据支气管数据获取感兴趣区域，利用hessian矩阵增强肺叶间裂，提取及重建肺叶间裂，通过识别ct等医学图像中的肺叶间裂进行肺叶的分割，不仅能够实现全自动肺分叶，并且分叶结果更加准确。
[0074]
图2是本发明实施例提供的基于医学图像的自动肺分叶方法中利用支气管数据获取感兴趣区域的方法流程图，所述方法包括：
[0075]
步骤s201，计算支气管每个离散点的欧拉特征值，得到支气管中心线点集。
[0076]
可选地，计算支气管每个离散点的26领域欧拉特征值，得到支气管中心线点集。
[0077]
步骤s202，根据支气管中心线点集，构建出支气管树形结构。
[0078]
步骤s203，根据支气管树形结构及支气管生理特征，自动对五个肺叶所对应的支气管中心线做标记。
[0079]
步骤s204，计算肺内每个像素点与五个支气管中心线之间的距离，并将像素点与距离最近的支气管中心线作相同标记。
[0080]
步骤s205，获取两个不同标记之间的相接面点集，利用相接面点集计算回归平面，将回归平面外扩预定的第一长度，作为计算肺叶间裂的感兴趣区域。
[0081]
可选地，所述第一长度的范围为25～35mm。第一长度优选为30mm。
[0082]
步骤s206，重复此操作至计算出每条肺叶间裂的感兴趣区域，后续的操作在每个肺叶间裂的感兴趣区域上分别进行。
[0083]
图3是本发明实施例提供的基于医学图像的自动肺分叶方法中增强肺叶间裂的方法流程图，所述方法包括：
[0084]
步骤s301，将感兴趣区域中像素值小于第一像素阈值的区域的像素值修改为第一像素阈值，像素值大于第二像素阈值的区域的像素值修改为第二像素阈值。
[0085]
可选地，第一像素阈值的范围为-1000～-800，第二像素阈值的范围-500～-300。
[0086]
优选的是，第一像素阈值为-900，第二像素阈值为-400。即将感兴趣区域中ct图像像素值小于-900的区域像素值修改为-900；ct像素值大于-400的区域像素值修改为-400。
[0087]
步骤s302，构造高斯滤波器g
σ
，σ为高斯滤波器g
σ
的方差，对高斯滤波器g
σ
求二阶导数，用二阶导数与感兴趣区域的各个像素点逐一进行卷积得到i
xx
(σ)、i
xy
(σ)、i
xz
(σ)、i
yy
(σ)、i
yz
(σ)和i
zz
(σ)。
[0088]
步骤s303，构成hessian矩阵h1和h2，计算公式为：
[0089]
及
[0090]
计算h1的特征值λ1，、λ2及h2的特征值λ3，、λ4并排序，满足|λ1|＞|λ2|，|λ3，|＞|λ4|。
[0091]
步骤s304，计算感兴趣区域的各个像素点的增强值e1和e2，计算公式为：
[0092]
及
[0093]
步骤s305，计算出感兴趣区域内增强值e1的最小值emin1、最大值emax1以及增强值e2的最小值emin2、最大值emax2，最后计算各个像素点的最终增强值e得到增强图像，最终增强值e的计算公式为：
[0094][0095]
图4是本发明实施例提供的基于医学图像的自动肺分叶方法中提取肺叶间裂的方法流程图，所述包括：
[0096]
步骤s401，在增强图像的横断面切片、矢状面切片及冠状面切片上分别做如下操作：
[0097]
对感兴趣区域中的每个像素点，计算以像素点为中心，预定的第二长度的线段经过的所有点的增强值之和s
e1
，旋转线段，计算其余各个方向的增强值之和s
e2
、s
e3
、s
e4
……sen
，n为大于1的整数，统计出所有增强值之和的最大值s
emax
。可选地，第二长度为5～15mm。所述第二长度优选为10mm。
[0098]
对每张切片，取此切片中所有最大值s
emax
的前预定比例作为阈值t，创建二值图像，将最大值s
emax
大于阈值t处的值设为1，其余处的值设为o。可选地，前预定比例为2～8％。
[0099]
所述前预定比例优选5％。即对每张切片，取此切片中所有s
emax
的前5％作为阈值t，创建二值图像，将s
emax
大于t处的值设为1，其余处的值设为0。
[0100]
步骤s402，将二值图像的切片合并为三维图像。
[0101]
步骤s403，将上一步横断面、矢状面及冠状面三个方向创建的二值图像进行与操作，从与操作的结果中提取最大连通区域作为初步的肺叶间裂数据。
[0102]
图5是本发明实施例提供的基于医学图像的自动肺分叶方法中重建肺叶间裂的方法流程图，所述包括：
[0103]
步骤s501，遍历初步的肺叶间裂数据中每个x，y坐标，如果x，y坐标对应不止一个肺叶间裂点：若最上方的肺叶间裂点与最下方的肺叶间裂点距离小于预定的第一距离，则计算x，y坐标对应所有肺叶间裂点的z坐标的平均值作为新的肺叶间裂点，否则删除x，y坐标对应的所有肺叶间裂点。
[0104]
将调整后的初步的肺叶间裂数据转换为二元函数f(x，y)，其公式为：
[0105][0106]
可选地，第一距离为2～8mm。第一距离优选为5mm。
[0107]
步骤s502，统计二元函数f(x，y)中所有不在边界处，也不在0值点与非0值点的边界处的极值点。
[0108]
步骤s503，遍历调整后的初步的肺叶间裂数据的每个点，如果该点与所有肺叶间裂控制点及极值点间的距离都大于预定的第二距离。将该点加入肺叶间裂控制点。
[0109]
可选地，第二距离为2～8mm。第二距离优选为5mm。
[0110]
步骤s504，利用双调和样条插值算法，将提取出的所述肺叶间裂控制点插值出完整的肺叶间裂数据。
[0111]
步骤s505，利用完整的肺叶间裂数据进行肺分叶，并根据各个肺叶之间的位置关系确定每个肺叶的名称，得到最终的肺分叶数据。
[0112]
本发明实施例提供的基于医学图像的自动肺分叶方法，首先利用支气管数据获取各个肺叶间裂的感兴趣区域，并利用hessian矩阵来增强肺叶间裂得到增强图像，然后在各个增强图像中提取初步的肺叶间裂数据，利用插值算法将初步的肺叶间裂数据重建生成完整的肺叶间裂数据，再根据完整的肺叶间裂数据进行肺分叶。本发明先根据支气管数据获取感兴趣区域，然后通过识别医学图像中的肺叶间裂进行肺叶的分割，其不仅能够实现全自动肺分叶，并且可以得到更为准确的肺分叶结果。
[0113]
需要说明的是，本发明实施例提供的基于医学图像的自动肺分叶方法，执行主体可以为电子设备、基于医学图像的自动肺分叶装置，或者该基于医学图像的自动肺分叶装置中的用于执行基于医学图像的自动肺分叶方法的控制模块。本发明实施例中以基于医学图像的自动肺分叶装置执行基于医学图像的自动肺分叶方法为例，说明本发明实施例提供的基于医学图像的自动肺分叶装置。
[0114]
图6是本发明实施例提供的基于医学图像的自动肺分叶装置的结构示意图，用于实现如图1～图5所示的医学图像中肺部血管的分割方法，所述基于医学图像的自动肺分叶装置100包括：
[0115]
区域获取模块101，用于利用支气管数据，从待分叶的肺部医学图像中获取各个肺叶间裂的感兴趣区域。
[0116]
图像增强模块102，用于利用hessian矩阵，对各个感兴趣区域进行增强以得到对应的增强图像。
[0117]
图像提取模块103，用于从各个增强图像中提取初步的肺叶间裂数据。
[0118]
肺分叶模块104，用于利用插值算法将初步的肺叶间裂数据重建生成完整的肺叶间裂数据，再根据完整的肺叶间裂数据进行肺分叶。
[0119]
可选地，所述区域获取模块101，包括：
[0120]
支气管中心线点集计算子模块，用于计算支气管每个离散点的欧拉特征值，得到支气管中心线点集。
[0121]
支气管树形结构构建子模块，用于根据支气管中心线点集，构建出支气管树形结构。
[0122]
第一标记子模块，用于根据支气管树形结构及支气管生理特征，自动对五个肺叶所对应的支气管中心线做标记。
[0123]
第二标记子模块，用于计算肺内每个像素点与五个支气管中心线之间的距离，并将像素点与距离最近的支气管中心线作相同标记。
[0124]
感兴趣区域计算子模块，用于获取两个不同标记之间的相接面点集，利用相接面点集计算回归平面，将回归平面外扩预定的第一长度，作为计算肺叶间裂的感兴趣区域；优选地，所述第一长度为25～35mm。
[0125]
重复此操作至计算出每条肺叶间裂的感兴趣区域，后续的操作在每个肺叶间裂的感兴趣区域上分别进行。
[0126]
可选地，所述图像增强模块102，包括：
[0127]
像素值修改子模块，用于将感兴趣区域中像素值小于第一像素阈值的区域的像素值修改为第一像素阈值，像素值大于第二像素阈值的区域的像素值修改为第二像素阈值。优选的，第一像素阈值为-1000～-800，第二像素阈值为-500～-300。
[0128]
像素点卷积子模块，用于构造高斯滤波器g
σ
，σ为高斯滤波器g
σ
的方差，对高斯滤波器g
σ
求二阶导数，用二阶导数与感兴趣区域的各个像素点逐一进行卷积得到i
xx
(σ)、i
xy
(σ)、i
xz
(σ)、i
yy
(σ)、i
yz
(σ)和i
zz
(σ)。
[0129]
矩阵构成子模块，用于构成hessian矩阵h1和h2，计算公式为：
[0130]
及
[0131]
计算h1的特征值λ1，、λ2及h2的特征值λ3，、λ4并排序，满足|λ1|＞|λ2|，|λ3，|＞|λ4|。
[0132]
第一增强值计算子模块，用于计算感兴趣区域的各个像素点的增强值e1和e2，计算公式为：
[0133]
及
[0134]
第二增强值计算子模块，用于计算出感兴趣区域内增强值e1的最小值emin1、最大值emax1以及增强值e2的最小值emin2、最大值emax2，最后计算各个像素点的最终增强值e得到增强图像，最终增强值e的计算公式为：
[0135][0136]
所述图像提取模块103，包括：
[0137]
二值图像创建子模块，用于在增强图像的横断面切片、矢状面切片及冠状面切片上分别做如下操作：
[0138]
对感兴趣区域中的每个像素点，计算以像素点为中心，预定的第二长度的线段经过的所有点的增强值之和s
e1
，旋转线段，计算其余各个方向的增强值之和s
e2
、s
e3
、s
e4
……sen
，n为大于1的整数，统计出所有增强值之和的最大值s
emax
。优选地，所述第二长度为5～15mm。
[0139]
取每张切片中所有最大值s
emax
的前预定比例作为阈值t，创建二值图像，将最大值s
emax
大于阈值t处的值设为1，其余处的值设为0。优选地，所述前预定比例为2～8％。
[0140]
三维图像生成子模块，用于将二值图像的切片合并为三维图像。
[0141]
初步的肺叶间裂数据生成子模块，用于将二值图像进行与操作，从与操作的结果中提取最大连通区域作为初步的肺叶间裂数据。
[0142]
可选地，所述肺分叶模块104，包括：
[0143]
肺叶间裂点调整子模块，用于遍历初步的肺叶间裂数据中每个x，y坐标，如果x，y坐标对应不止一个肺叶间裂点：若最上方的肺叶间裂点与最下方的肺叶间裂点距离小于预定的第一距离，则计算x，y坐标对应所有肺叶间裂点的z坐标的平均值作为新的肺叶间裂点，否则删除x，y坐标对应的所有肺叶间裂点，优选地，第一距离为2～8mm。
[0144]
二元函数转换子模块，用于将调整后的初步的肺叶间裂数据转换为二元函数f(x，y)，其公式为：
[0145][0146]
极值点子模块，用于统计二元函数f(x，y)中所有不在边界处，也不在0值点与非0值点的边界处的极值点。
[0147]
控制点加入子模块，用于遍历调整后的初步的肺叶间裂数据的每个点，如果点与所有肺叶间裂控制点及极值点间的距离都大于预定的第二距离。将点加入肺叶间裂控制点。优选地，第二距离为2～8mm。
[0148]
完整的肺叶间裂数据生成子模块，用于利用双调和样条插值算法，将提取出的肺叶间裂控制点插值出完整的肺叶间裂数据。
[0149]
肺分叶子模块，用于利用完整的肺叶间裂数据进行肺分叶，并根据各个肺叶之间的位置关系确定每个肺叶的名称，得到最终的肺分叶数据。
[0150]
本发明实施例中的基于医学图像的自动肺分叶装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra mobile personal computer，umpc)、上网本或者个人数字助理(personaldigital assistant，pda)等，非移动电子设备可以为服务器、网络附属存储器(networkattached storage，nas)、个人计算机(personal computer，pc)、电视机(television，tv)、柜员机或者自助机等，本发明实施例不作具体限定。
[0151]
本发明实施例中的基于医学图像的自动肺分叶装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本发明实施例不作具体限定。
[0152]
本发明实施例提供的基于医学图像的自动肺分叶装置能够实现图基于医学图像的自动肺分叶的方法实施例实现的各个过程，为避免重复，这里不再赘述。
[0153]
本发明实施例提供的基于医学图像的自动肺分叶装置，首先利用支气管数据获取各个肺叶间裂的感兴趣区域，并利用hessian矩阵来增强肺叶间裂得到增强图像，然后在各个增强图像中提取初步的肺叶间裂数据，利用插值算法将初步的肺叶间裂数据重建生成完整的肺叶间裂数据，再根据完整的肺叶间裂数据进行肺分叶。本发明先根据支气管数据获取感兴趣区域，然后通过识别医学图像中的肺叶间裂进行肺叶的分割，其不仅能够实现全自动肺分叶，并且可以得到更为准确的肺分叶结果。
[0154]
可选的，如图7所示，本发明实施例还提供一种电子设备500，包括处理器501，存储器502，存储在存储器502上并可在所述处理器501上运行的程序或指令，该程序或指令被处
理器501执行时实现上述基于医学图像的自动肺分叶方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0155]
图8是实现本发明实施例的一种电子设备的硬件结构示意图。
[0156]
该电子设备600包括但不限于：射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元607、接口单元608、存储器609、以及处理器610等部件。
[0157]
应理解的是，本发明实施例中，射频单元601可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器610处理；另外，将上行的数据发送给基站。通常，射频单元601包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元601还可以通过无线通信系统与网络和其他设备通信。
[0158]
电子设备通过网络模块602为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
[0159]
音频输出单元603可以将射频单元601或网络模块602接收的或者在存储器609中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元603还可以提供与电子设备600执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元603包括扬声器、蜂鸣器以及受话器等。
[0160]
输入单元604用于接收音频或视频信号。应理解的是，本发明实施例中，输入单元604可以包括图形处理器(graphicsprocessing unit，gpu)6041和麦克风6042，图形处理器6041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。
[0161]
电子设备600还包括至少一种传感器605，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板6061的亮度，接近传感器可在电子设备600移动到耳边时，关闭显示面板6061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器605还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。
[0162]
显示单元606用于显示由用户输入的信息或提供给用户的信息。显示单元606可包括显示面板6061，可以采用液晶显示器(liquid crystal display，lcd)、有机发光二极管(organic light-emitting diode,oled)等形式来配置显示面板6061。
[0163]
用户输入单元607可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元607包括触控面板6071以及其他输入设备6072。触控面板6071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板6071上或在触控面板6071附近的操作)。触控面板6071可包括触摸检测装置和触摸控制器两个部分。其他输入设备6072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
[0164]
接口单元608为外部装置与电子设备600连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(i/o)端口、视频i/o端口、耳机端口等等。接口单元608可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到电子设备600内的一个或多个元件或者可以用于在电子设备600和外部装置之间传输数据。
[0165]
存储器609可用于存储软件程序以及各种数据。存储器609可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器609可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0166]
处理器610是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器609内的软件程序和/或模块，以及调用存储在存储器609内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器610可包括一个或多个处理单元；优选的，处理器610可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器610中。
[0167]
本领域技术人员可以理解，电子设备600还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器610逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图8中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。在本发明实施例中，电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备(例如手环、眼镜)、以及计步器等。
[0168]
本发明实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述基于医学图像的自动肺分叶方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0169]
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(read only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等。
[0170]
本发明实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述基于医学图像的自动肺分叶方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0171]
应理解，本发明实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
[0172]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本发明实
施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
[0173]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0174]
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。