1] 式④中山表示像素点i的灰度值；PdilLi)表示灰度值Ii被标记为Li的概率；
[0102] 边界项B(i,j)定义如式⑤所示：
[0104] 式⑤中：Dg(i，j)表示相邻像素点i和j间的测地距离；
[0105] (4)使用步骤（3)的新当前轮廓线代替当前轮廓线，重复步骤（2)_ (3)，使新当前 轮廓线迭代收缩，直至达到图像中确切的肺结节轮廓线；
[0106] (5)输出图像中被分割的肺结节图像。
[0107] 本发明在上述步骤（3)的式⑤中用测地距离Dg(i，j)代替了原来的欧氏距离来得 到边界项B(i,j)，并定义如式⑥所示：
[0109] 式⑥中fu.a)是连接像素i，j的路径；灰度函数d(x)为距离增量，定义如式⑦ 所示：
[0111] 式⑦中：V是尺度参数；E(X)为边缘测度；||w|为图像的梯度幅值；G。为标准偏 差，为。的高斯函数，其中。表示方差；Y是确保弱边界不被灰度计算影像的一个参数。
[0112] 对于灰度值比较接近的像素点，本发明通过对测地距离Dg(i，j)的约束，可以更有 效的计算标记点到未知像素的距离。
[0113] 本发明步骤(IV)中用测地距离代替欧氏距离的改进效果如图5所示。图5中肺结 节的两个毛刺部分(位于图5 (a)中正方形方框的左下角）的端点距离（即图5 (b)中P1、 P2之间的距离)，若用欧式距离表示，应为线段A的长度，若用测地距离表示，则为曲线B的 长度。从图5上看，肺结节的两个毛刺部分的端点距离用测地距离表示时，更能准确反映毛 刺部分边缘特征。
[0114] 应用例
[0115] 采用本发明提供的方法对一组实验数据（图像）进行分割。
[0116] 实验数据由两部分构成：
[0117] 第一部分：由天津医科大学总医院放射科提供26个病例，数据采用16排或者64 排薄层螺旋CT扫描，扫描参数层厚10mm或者5mm，扫描间隔10mm或者5mm，120kv，280mA， 机架旋转一周时间0. 35-0. 8s，DF0V36. 0cm，螺距1. 375:1，扫描矩阵512*512、重建层厚 1. 25mm，间距1. 25mm，基本实现图像体素各相同性以确保容积分割的准确性。
[0118] 第二部分：来自于美国国家癌症研究会颁布的肺部图像数据库联盟（LungImage DatabaseConsortum，LIDC)，从该数据库中提取68个病例的138张全肺CT扫描图像。
[0119] 此处从以上病例中选取了 5组比较有代表性的全肺CT扫描图像，采用本发明提供 的方法进行分割。以下结合图6-10进行说明。
[0120] 图6-10中分别给出了分割连续帧肺结节的分割结果。
[0121] 图6-10中的第一行图像分别是肺结节原图像，图像中肺结节的特点是，肺结节部 分与血管连接区域较大，血管灰度与肺结节灰度一致，即使利用医生交互分割，也需要在肺 结节周围点击很多的标记点才能完成精确分割。
[0122] 图6-10中的第二行图像分别是肺结节通过初始的内核图割法分割所得到的结 果，可以看出，图6和图10这两帧肺结节与血管连接紧密，初始分割时把血管部分体积分割 到肺结节的内核区域。
[0123] 图6-10中的第三行图像分别给出了通过射线获取的目标点和背景点。
[0124] 图6-10中的第四行图像分别给出了通过上文描述的插点操作所得到的目标点和 背景点，可以看出通过改进提取的标记点为理想的标记点。
[0125] 图6-10中的第五行图像分别给出了通过基于最大流算法的图割法并结合测地距 离所获取的肺结节轮廓。
[0126] 从图6-10显示的分割结果可以看出，通过本发明提供的上述方法获取的标记点 对肺结节进行分割，能有效去除血管等其他组织，获得精确的肺结节。
[0127] 上述实施例只是对本发明的举例说明，本发明也可以以其它的特定方式或其它的 特定形式实施，而不偏离本发明的要旨或本质特征。因此，描述的实施方式从任何方面来看 均应视为说明性而非限定性的。本发明的范围应由附加的权利要求说明，任何与权利要求 的意图和范围等效的变化也应包含在本发明的范围内。
【主权项】
1. 一种分割肺结节图像的方法，包括以下步骤： (I )利用肺部图像提取包含肺结节在内的肺实质图像； (Π )从肺实质图像上提取肺结节图像，并对肺结节图像进行预分割，获取初始肺结节 内轮廓； (III) 在步骤（II)得到的肺结节轮廓上均匀取若干点作为初始标记点，然后自每一个初 始标记点起分别向肺结节中心处提取目标点，向内轮廓外围提取背景点，目标点和背景点 到相应初始标记点的距离相等，且所有目标点和背景点的连线相交于肺结节内部一点； (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所述的一种分割肺结节图像的方法，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所述的一种分割肺结节图像的方法，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所述的一种分割肺结节图像的方法，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；(2) 根据式②定义的曲率半径P判断曲线各个部分的凹凸性；②； 式①、②中，Ix，Iy，Ixx，Iyy分别为曲线的坐标X，y对参变量的一阶、二阶导数，M是经验 系数； (3) 求得肺实质边界曲线和肺结节边界曲线相交时的拐点，将曲率小的曲线段去掉； (4) 利用曲率方向改变的点，结合曲线延伸的惯性规律，曲线拟合法修正曲线边缘，得 到包含肺结节在内的肺实质轮廓。5. 根据权利要求1所述的一种分割肺结节图像的方法，其特征在于，步骤（II)中采用 边缘检测法分割肺实质以获取肺结节图像，并采用内核图割法得到初始肺结节内轮廓。6. 根据权利要求1所述的一种分割肺结节图像的方法，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；③； 式③中：v为图像中像素点集合；N表示图像中所有邻接像素对{i，j} ;Li是一个二进制 标记，Li=I时,像素点i标记为前景标记，Li=O时,像素点i标记为背景标记；而λ表示区 域项R(i, Li)和边界项B (i, j)之间的权重； 区域项R (i，Li)定义如式④所示： R(I1Li)=-InP(IiILi) ④； 式④中=Ii表示像素点i的灰度值；P (Ii I Li)表示灰度值Ii被标记为Li的概率； 边界项B (i, j)定义如式⑤所示：⑤； 式⑤中：Dg(i，j)表示相邻像素点i和j间的测地距离； (4) 使用步骤（3)的新当前轮廓线代替当前轮廓线，重复步骤（2)- (3)，使新当前轮廓 线迭代收缩，直至达到图像中确切的肺结节轮廓线； (5) 输出图像中被分割的肺结节图像。7.根据权利要求6所述的一种分割肺结节图像的方法，其特征在于，测地距离Dg(i，j) 定义如式⑥所示：⑥； 式⑥中：Ρυ_α)是连接像素 i，j的路径；灰度函数d(x)为距离增量，定义如式⑦所示：⑦； 式⑦中：v是尺度参数；E(X)为边缘测度；|V/|为图像的梯度幅值；G。为标准偏差，为 σ的高斯函数，其中〇表示方差；Y是确保弱边界不被灰度计算影像的一个参数。
【专利摘要】本发明涉及一种分割肺结节图像的方法，包括：（Ⅰ）利用肺部图像提取肺实质图像；（Ⅱ）从肺实质图像上提取肺结节图像，并预分割肺结节图像，获取初始肺结节内轮廓；（Ⅲ）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。
【IPC分类】G06T7/00
【公开号】CN104899851
【申请号】CN201410074353
【发明人】郭丽
【申请人】天津医科大学
【公开日】2015年9月9日
【申请日】2014年3月3日