一种肺部ct图像粘连血管型结节检测方法
【技术领域】
[0001] 本发明设及一种肺结节检测方法，具体地说是一种肺部CT图像粘连血管型结节 检测方法。
【背景技术】
[0002] 肺癌是目前世界上人类因恶性肿瘤而死亡的主要肿瘤之一。根据我国卫生肿瘤防 治办公室提供的资料显示，2000至2005年间，中国肺癌的发病人数估计增加12万人。随着 现代科技的发展，虽然肺癌的各种治疗手段都有了很大的进步，但肺癌的五年内存活率只 有13.9%。该其中的主要原因是肺癌初期病人没有过多的不适症状，而当病人出现突然的 身体消瘦、低烧、咳嗽，甚至咳血及胸部疼痛的症状后，一般来说肺部肿瘤已达到晚期，治愈 效果极差。化CAP巧arly Lung Cancer Action Project,早期肺癌研究项目）研究结果表 明肺癌的早期诊断和治疗对提高治愈率和预后效果起着至关重要的作用。因此，"早诊断， 早发现，早治疗"是降低肺癌死亡率的重要措施。
[0003] 肺癌早期的影像学检查手段主要包括胸部X线片、计算机断层扫描（CT，Computed Tomogra地y)和磁共振成像（MRI，Ma即etic Resonance Imaging)。其中对各种肺部病变组 织都具有良好的密度分辨能力的CT图像成为肺癌早期筛查最好的影像学方式。肺结节通 常被定义为肺实质内直径不大于3cm的圆形或类圆形组织，在医学影像中主要表现为类圆 形的致密区。放射科医生在利用CT图像（或称影像）对肺部疾病进行诊断时，往往带有主 观性，而且肺部组织结构比较复杂，肺结节本身大小不一，形状与血管切面相近，仅凭肉眼 的观察易造成误诊或漏诊。针对肺部疾病的诊断，越来越广泛的应用计算机辅助诊断系统 (Computer-Aided Detection, CAD)，CAD系统被称为放射科医生的"第二双眼睛"，它可W帮 助医生在进行大数据量肺部CT影像分析时，提前筛选出正常图像，标记疑似影像，降低医 生劳动强度的同时，起到辅助的分析和诊断功能，提高医生的工作效率和诊断率，使得医学 影像的诊断更趋于客观准确。
[0004] 采用CAD系统检测肺结节时，粘连血管型结节因其特殊的性质而不易被分割检 巧。。粘连血管型结节是指与肺内血管粘连在一起的实体型结节，其密度和血管密度相近，呈 球形或类球形。粘连血管型结节是目前肺结节计算机辅助检测的难点，其中，关键是如何从 候选结节中区分出什么是真正的粘连血管型结节，什么是假阳性血管分叉部分。
【发明内容】
[0005] 本发明的目的就是提供一种肺部CT图像粘连血管型结节检测方法，W解决现有 技术难W对真正的粘连血管型结节和假阳性血管分叉部分进行区分的问题。
[0006] 本发明是该样实现的：一种肺部CT图像粘连血管型结节检测方法，包括如下步 骤：
[0007] a、获取目标区域；采用区域增长方法，从肺部CT图像的肺实质中去除灰度值小于 灰度级阔值的背景区域，得到目标区域；
[000引 b、计算符号距离：将目标区域的符号记作1，将背景区域的符号记作0 ;计算肺实 质中每一像素点到该像素点所在区域边界的最短距离，再乘W该像素点所在区域的符号， 得到该像素点的符号距离；目标区域内每一像素点的符号距离为非0值，即目标区域为非0 值区域；背景区域内每一像素点的符号距离为0值，即背景区域为0值区域；
[0009] C、通过形状增强滤波获得候选结节；使用基于化ssian矩阵特征值的圆形增强滤 波器，对非0值目标区域进行圆形增强处理，获得候选结节；所述候选结节为孤立结节、粘 连血管型结节或假阳性结节；
[0010] t用形状约束的CV模型分割含有候选结节的目标区域：使候选结节的边界轮廓 作为CV模型的初始轮廓和圆形约束形状，用带有圆形约束的CV模型对目标区域进行有约 束的分割，得到包含候选结节的分割区域；
[0011] e、对分割区域周边的形状特征进行分析；计算每个分割区域所粘连的管状血管的 数量；当分割区域所粘连的管状血管的数量为0时，分割区域内的候选结节为孤立结节；当 分割区域所粘连的管状血管的数量为1时，分割区域内的候选结节为粘连血管型结节；当 分割区域所粘连的管状血管的数量大于1时，分割区域内的候选结节为假阳性结节。
[0012] 步骤e中计算每个分割区域所粘连的管状血管的数量，具体为：
[0013] 将分割区域记作K，将与分割区域K所粘连的区域记作F，将区域K和F的连接部 位记作K/F ;
[0014] 判断区域F是否为管状血管，若是，则使分割区域K所粘连的管状血管的数量加1， 若否，则忽略不计；直至与分割区域K所粘连的所有区域均判断完毕。
[0015] 判断区域F是否为管状血管，具体判断过程为：
[0016] 根据下面公式计算区域F的应力：
[0017]
【主权项】
1. 一种肺部CT图像粘连血管型结节检测方法，其特征是，包括如下步骤： a、 获取目标区域：采用区域增长方法，从肺部CT图像的肺实质中去除灰度值小于灰度 级阈值的背景区域，得到目标区域； b、 计算符号距离：将目标区域的符号记作1，将背景区域的符号记作0 ;计算肺实质中 每一像素点到该像素点所在区域边界的最短距离，再乘以该像素点所在区域的符号，得到 该像素点的符号距离；目标区域内每一像素点的符号距离为非〇值，即目标区域为非〇值区 域；背景区域内每一像素点的符号距离为〇值，即背景区域为〇值区域； c、 通过形状增强滤波获得候选结节：使用基于Hessian矩阵特征值的圆形增强滤波 器，对非〇值目标区域进行圆形增强处理，获得候选结节；所述候选结节为孤立结节、粘连 血管型结节或假阳性结节； d、 用形状约束的CV模型分割含有候选结节的目标区域：使候选结节的边界轮廓作为 CV模型的初始轮廓和圆形约束形状，用带有圆形约束的CV模型对目标区域进行有约束的 分割，得到包含候选结节的分割区域； e、 对分割区域周边的形状特征进行分析：计算每个分割区域所粘连的管状血管的数 量；当分割区域所粘连的管状血管的数量为〇时，分割区域内的候选结节为孤立结节；当分 割区域所粘连的管状血管的数量为1时，分割区域内的候选结节为粘连血管型结节；当分 割区域所粘连的管状血管的数量大于1时，分割区域内的候选结节为假阳性结节。
2. 根据权利要求1所述的肺部CT图像粘连血管型结节检测方法，其特征是，步骤e中 计算每个分割区域所粘连的管状血管的数量，具体为： 将分割区域记作K，将与分割区域K所粘连的区域记作F，将区域K和F的连接部位记 作K/F; 判断区域F是否为管状血管，若是，则使分割区域K所粘连的管状血管的数量加1，若 否，则忽略不计；直至与分割区域K所粘连的所有区域均判断完毕。
3. 根据权利要求2所述的肺部CT图像粘连血管型结节检测方法，其特征是，判断区域 F是否为管状血管，具体判断过程为： 根据下面公式计算区域F的应力：
式（13)中，运算符号N*| |为像素单元的L2范数，A(K/F)为区域K和F连接部位K/F的面积； 判断L(F)与应力阈值e的大小，若L(F) >e，则区域F为管状血管；若L(F) <e， 则区域F不是管状血管。
4. 根据权利要求1所述的肺部CT图像粘连血管型结节检测方法，其特征是，步骤d中 带有圆形约束的CV模型的能量函数为：
式（11)中，Eshape((i))为能量约束项，Eshape((i)) =Jn((i)-(i)B)2dXdy;(i)为演化曲线C的水平集函数，巾B为圆形约束形状的水平集函数邛是正参数，用于调节圆形约束形状对 曲线演化影响的大小； 已1^((：，111，1^)为不带圆形约束的(^模型的能量函数，￡ (^((：，111，1^)的表达式为：
(8) 式（8)中，C为演化曲线，演化曲线C将图像D分为成两部分，Ul为演化曲线C内的平 均灰度值，u2为演化曲线C外的平均灰度值，U(l为图像Q的灰度值，y多0,v多〇,A，〇， 入2>0，y、v、A兩A2为权重系数。
【专利摘要】本发明提供了一种肺部CT图像粘连血管型结节检测方法。本发明首先从肺部CT图像的肺实质中去除灰度值较低的背景区域，获得高灰度级的目标区域；之后计算符号距离；接着通过形状增强滤波获得候选结节，再利用形状约束的CV模型分割含有候选结节的目标区域，得到分割区域，最后对分割区域周边的形状特征进行分析，即可识别出真正的结节和假阳性结节，从而识别出粘连血管型结节。本发明提供了一种计算机辅助影像诊断的方法，可以帮助医生消除由于主观经验、观察能力等主观因素的不同所导致的诊断差异，并提供出准确率较高的参考识别诊断结果，从而使影像识别更加客观化，提高了识别的效率和正确率。
【IPC分类】G06T7-00
【公开号】CN104616307
【申请号】CN201510075108
【发明人】王兵, 顾力栩, 王茜, 杨颖 , 田学东
【申请人】河北大学
【公开日】2015年5月13日
【申请日】2015年2月12日