专利名称：计算机体层摄影扫描中对肺部区域进行自动分割的方法和系统的制作方法
临时申请的交叉引用本申请要求美国临时申请序列No.60/176,297(申请日为2000年1月18日)的权利，并以该临时申请为优先权。
有关政府资助研究的说明美国政府已经批准了本发明，并在受限制的情况下要求专利权人容许他人在合理期限内享有其权利，如由USPHS授予的准许号CA48985，CA62625和CA64370的条款所提出的。
背景技术：
发明领域概括地说，本发明涉及一种在胸部计算机体层摄影(CT)图像中，用于计算机化、全自动地描绘肺部区域的方法和系统。新颖性的研究和装置包括用于从被分割的胸部区域(the segmented thoracic region)中去除患者所处的桌面，分割(segmentation)气管和主支气管(mainbronchi)，以防止它们被包含在被分割的肺部区域中，使用二维和三维旋转球算法(rolling ball algorithm)来进一步使被分割的肺部区域精确，在前接合线处分离两个肺，以及识别隔膜，防止隔膜被包含到被分割的肺部区域中的技术。
本发明一般还涉及用于自动分析数字图像的计算机化技术，例如如美国专利4,839,807；4,841,555；4,851,984；4,875,165；4,907,156；4,918,534；5,072,384；5,133,020；5,150,292；5,224,177；5,289,374；5,319,549；5,343,390；5,359,513；5,452,367；5,463,548；5,491,627；5,537,485；5,598,481；5,622,171；5,638,458；5,657,362；5,666,434；5,673,332；5,668,888；5,740,268；5,790,690；5,832,103；5,873,824；5,881,124；5,931,780；5,974,165；5,982,915；5,984,870；5,987,345和6,011,862；以及美国专利申请08/173,935；08/398,307(PCT公开WO96/27846)；08/536,149；08/562,087；08/900,188；08/900,189；08/900,191；08/900,361；08/979,623；08/979,639；08/982,282；09/027,468；09/027,685；09/028,518；09/053,798；09/092,004；09/121,719；09/131,162；09/141,535；09/156,413；09/298,852和09/471,088；PCT专利申请PCT/US99/24007；PCT/US99/25998；和美国临时专利申请60/160,790和60/176,304其中一或多个所披露的；所有这些在此引作参考。
本发明包括上述美国专利和申请中所参照和描述的，以及所附的附录中标示出并在说明中用括号中相应的数字交叉参考附录中所列出的各个文献的多种技术，包括上述的相关专利和申请，以及附录中所列出的参考文献的全部内容在此引作参考。
背景论述广泛使用胸腔的螺旋计算机体层摄影术(Helical CT)来评价多种肺部疾病，包括肺结核，肺气肿和肺栓塞[1]。最近可得到的多片CT扫描仪有望将CT的用途进一步扩展到诊断成像领域。不断增长的胸部CT研究和伴随这些研究出现的成像数据，促使许多研究者去开发计算机辅助诊断(CAD)方法，以帮助放射学家来评价CT图像[2-12]。为了将有用和可靠的信息提供给放射学家，大多数这类CAD方法都要求精确地识别图像中肺的边界，即称为“肺部分割”的预处理步骤。
精确的肺部分割的要求有双重含义。第一，继续促使上述CAD方案发展的病状主要处于肺内或者紧靠肺部。从而，设计这些CAD方案，将肺部区域预期发生的行为包含在CT图像中。而且，对肺部进一步的空间限制极大地减小了计算时间，因为肺占CT扫描中所需的全部数据量的一部分。第二，由于诸如肺结核等的异常可能存在于肺最边缘的部位，所以肺分割必须是完整的。如果没有对整个肺进行分割，随后的分析将会漏过这种异常。而且，不正确的肺分割将危及到用于例如肺气肿的对肺体积的定量估计。
除了其作为CAD方法的预处理步骤的应用以外，自动肺分割可能对图像数据的图形化有用。CT图像数据的三维显示是一个迅速发展的领域，具有许多可用文献证明的临床应用[13]。在例如要求提供肺实质的体积描述、以有助于放射学家的诊断任务的情形中，需要初始的肺分割。
某些形式的自动肺分割用作各种CAD方案的必须的预处理步骤[2，3，5，14-26]。不过，需要改善和精确已知的用于自动肺分割的技术。
发明概述因此，本发明的一个目的在于提供一种用于在胸部CT图像中分割(segmenting)肺部区域的改进的方法和系统。
本发明的另一个目的在于提供一种自动化的方法和系统，用于分割胸腔区域，并从胸部CT图像中消除患者所处的桌面。
本发明的又一个目的在于提供一种自动化的方法和系统，用于描绘被分割的胸腔中的气管和主支气管，防止这些结构被错误地包含在被分割的肺部区域中。
本发明的再一个目的在于提供一种自动化的方法和系统，用于描绘前接合线，防止将左肺和右肺合并为单个被分割的肺部区域。
本发明的另一个目的在于提供一种自动化的方法和系统，用于通过二维和三维旋转球算法精确被分割的肺部区域，保证正确地包含沿肺周围和纵隔部位的象素。
本发明的又一个目的在于提供一种自动化的方法和系统，用于识别胸腔中的隔膜区域，防止错误地将隔膜包含在被分割的肺部区域中。
根据本发明，通过提供一种新型和改进的自动化的方法，用于存储执行该方法的步骤的程序的存储介质，和执行在胸部图像中分割肺部区域的系统，可实现这些和其它目的。该系统所基于的方法包括获取代表断面胸部图像的图像数据；产生初始的肺部轮廓，以在断面胸部图像中分割出肺部区域；在肺部区域中识别出至少一个相当于隔膜的部分；以及从肺部区域排除该至少一个相当于隔膜的部分的步骤。
识别步骤最好包括识别该肺部区域内的孔；确定每个孔的几何特征；将每个孔的几何特征与一阈值比较；并且对于每个孔，在该几何特征与阈值比较的基础上，确定该孔是否相应于隔膜；而且排除步骤包括从肺部区域中排除相当于隔膜的孔。
该方法还包括识别前接合线；从肺部区域抽取出沿前接合线的象素，以分离肺部区域；在肺部区域内识别出相当于气管和主干支气管的部分；从肺部区域中排除相当于气管和主干支气管的部分；通过将旋转球滤波器应用于肺部轮廓，以便识别沿肺部轮廓的凹痕，而使肺部轮廓精确；对于由旋转球滤波器识别出的每个凹痕，确定该凹痕是否相应于隔膜；并且防止旋转球滤波器将相当于隔膜的凹痕包含在被分割的肺部区域中。最好该旋转球滤波器是应用于断面胸部图像中的该肺部轮廓和其它断面胸部图像中其它肺部轮廓的三维旋转球滤波器。
在标准的螺旋CT扫描中，描绘肺部区域的外形的特殊应用为诸如肺结核探测，肺气肿探测和肺拴塞探测的计算机化探测方案。例如，如美国临时专利申请序列号60/176,304所描述的，本发明的所有或部分分割方案可以应用于肺部区域的三维描绘和/或肺结核的探测中。不过，所述方法对于由传统CT，高分辨率CT，多片CT和低辐射量螺旋CT获得的图像也有效。
附图的简要说明参照下面结合附图考虑的详细说明，将能够很容易地获得对本发明更加完全的了解和本发明的许多附带的优点，因为能被更好地理解。
图1为一流程图，说明用于在胸部CT图像中自动分割肺部区域的方法；
图2A为一说明在从沿该图像对角线的象素所获得的累加灰度级直方图的基础上，选择用于胸部分割的灰度级阈值的图像；图2B为从沿图2A图像的对角线的象素得到的累加灰度级直方图；图3A和3B分别表示在初始分割之后，在去除可能与胸部区域“相连”的患者所处的桌面部分之前和之后的被分割的胸部区域的外观；图4A和4B为流程图，说明用于分割气管和主干支气管的方法；图5A和5B为分别表示被分割的胸腔区域内的气管和主支气管的分割结果的图像；图6A为从被分割的胸腔区域内象素绘制的典型的灰度级直方图；图6B为说明初始肺部分割结果的图像；图7为流程图，说明将在前接合线处融合的右肺和左肺分隔开的方法；图8A为前接合线和所识别出的裂点的图像；图8B为沿描绘出的前接合线的外形，去除象素后，图8A的图像；图9为表示从初始的肺分割轮廓去除诸如胸膜旁结节(juxta-pleural nodules)和肺门脉管(hilar vessels)的致密结构的图像；图10A和10B为表明施加给初始肺部分割轮廓外部(externalaspect)的二维旋转球算法的示意性说明，以便识别和适当修正该轮廓中的错误凹痕；图11A和11B分别为应用旋转球算法之前和之后，被分割的肺部区域图像；图12A为具有由隔膜产生的大圆孔(用箭头表示)的肺部区域二元图像(binary image)；图12B为肺部区域图像，表明旋转球算法如何可能不正确地将隔膜产生的凹痕包含在被分割的肺部区域中；图13A和13B为流程图，说明用于识别属于隔膜的象素，并从被分割的肺部区域排除这些象素的两种方法；图14为方框图，说明用于实现本发明在胸部CT图像中分割肺部区域的方法的系统；以及图15示意性地说明根据本申请的教导而编程的通用计算机系统1500。
最佳实施例的详细说明现在参照附图，特别是图1，所示为在胸部CT扫描中分割肺部区域的自动化的方法的流程图。整个方案包括初始获取CT图像数据。使用17个螺旋胸部CT病历(493个单独的断面图像)的数据库来设计这种方法，并评价各种算法的性能。该数据库中的CT断面图像为512×512象素。
在步骤101，从本底图像数据分割出胸部。具体来说，从沿各个CT断面图像对角线的象素构制累积的灰度级分布，并利用该分布的形状来确定灰度级阈值。将该灰度级阈值施加给该图像，使得图像中最亮的象素在所产生的二元图像中保持为“on”。使用轮廓检测算法识别二元图像中最大“on”区域的外边界，并认为该轮廓内所有的图像象素的集合为被分割的胸部区域。
在步骤103中，从出现气管和主支气管的所有断面中分割出气管和主支气管。有效地从被分割的胸部区域中消除被确定为属于气管或主支气管的象素，防止它们随后包含在被分割的肺部区域中。
在步骤105中执行初始的肺部分割。从被分割的胸部区域中剩余的象素构成灰度级直方图，利用这种典型双峰直方图中峰值之间的最小宽处来确定用于初始肺部分割的第二灰度级阈值。将该灰度级阈值应用于被分割的胸部区域，从而使被分割的胸腔区域中最暗的象素在所产生的二元图像中保持为“on”。
在步骤107，如果被分割的肺融合在一起，则识别前接合处。使用二元图像中单一的大“on”区域作为标志，表明两个肺部区域在前接合处“融合”。由于存在如此建立的前接合线，故可描绘该前接合线的外形和将二元图像中国绕前接合线的象素设置为“off”，以将由初始灰度级阈值化错误地识别为单个被分割肺部区域分成两个不同的肺部区域。在步骤109，识别隔膜。分析由被完全包含在大的“on”区域内的“off”区域所产生的二元图像内的“孔”的几何特性，以识别由隔膜产生的孔。从被分割的肺部区域专门排除这种孔内的象素。使用轮廓检测算法来识别二元图像中最大“on”区域的外边界，并认为处于这些轮廓中的所有图像象素的集合(不包括被确定为隔膜的象素)为被分割的肺部区域。在步骤111，用旋转球技术修正该被分割的肺部区域，有效地沿肺分割轮廓的外部旋转一系列球滤波器，将可能被初始灰度级阈值化错误地排除的象素包含在内。在步骤113，以第二次隔膜分析第二次识别出隔膜，以防止旋转球技术错误地包含属于隔膜的象素。
正如在CT断面图像中看到的，用亮(即高衰减或高CT数)区域完全包围的暗(即低衰减或低CT数)区域表示肺部区域，亮区域反过来被暗区域(患者外部的空气)完全包围。通过首先在步骤101中分割胸腔(即患者身体的外边界)，以便不必考虑代表患者外部空气的象素，进行肺部分割。为了实现胸部分割，从处于沿着图像一角到图像中心延伸的对角线的象素值构成累积的灰度级分布，如图2A所示。分析该分布的形状，以确定单个灰度级为阈值[3]，在图2B的灰度级直方图中用箭头表示。通过断面图像的阈值化产生一二元图像，如果断面图像中相应的象素值大于该灰度级阈值，将二元图像中的该象素设置为“on”；二元图像中所有的其它象素保持为“off”。使用8点轮廓检测方案[27]，形成围绕二元图像中最大“on”区域的最外部边界的轮廓(即胸部)。处于该轮廓内的断面图像中的象素集合限定了被分割的胸部区域，并使用该象素集合产生胸部分割图像，以使被分割的胸部区域内的象素保持其初始值，而将没有包含在被分割的胸部区域内的象素赋予0值。
用这种方法限定的被分割的胸部区域倾向于包括CT检查过程中患者躺在其上的桌面部分。图3A中的箭头指该图像中的桌面部分。为了消除表示患者外部结构的这些象素，从图像的底部开始(即后面部位)，分析胸部分割图像中的每一列。扫描单个列中的象素，直到遇到第一个非零象素(即被分割肺部区域内的第一个象素)为止。检查随后的象素，确定灰度级的减小，灰度级在减小之后随后又增加。假设这种趋势代表桌面部分与患者身体之间的空气。将与灰度级随后增大的最大对比度的点有关的象素确定为最下面的边界点。对从所有图像列得到的最下面边界点的集合进行平滑，以形成连续的边界线，并从被分割的胸部区域消除处于该边界线下面的象素(即赋予灰度级0)，如图3B所示。
基于灰度级阈值化的初始肺部分割倾向于在被分割的肺部区域中包括气管和主干支气管。为了保证在初始肺部分割步骤中这些结构不提供在被分割的肺部区域中，在步骤103从被分割的胸部区域分割和消除气管和主干支气管。
图4A和4B为流程图，用于解释如何从图像中消除气管和主干支气管。参见图4A，在步骤401中，在第一胸部分割图像(即最上面的)的中央区域，自动确认用于气管分割的起始点。该起始点是以胸部的质心为中心的60×60象素区域中具有最小灰度级的象素〔即最低密度的象素(LDP)〕。在步骤403，执行区域增长技术[27]，围绕起始点扩展所确认的气管区域，从而限定气管区域。当区域增长过程中灰度级阈值增大5时，确认围绕该起始点的更多的象素在气管内。确立终止判据，当气管已经被充分分割时，终止区域增长过程。例如，当第i次迭代气管的面积比第i-1次迭代相应的面积大不到5个象素时，就满足了该终止判据。
在步骤405中，确定在被分割的气管内质心的位置Cx，Cy。如果当前图像是最上面的图像，则流程跳过步骤409，并返回步骤401，因为步骤409对两个图像的信息进行比较。当流程返回步骤401时，在随后的胸部分割图像(即正好在当前断面下面的断面)中确认下一起始点。该随后图像中的起始点是以步骤405中所确定的前一图像中气管区域的质心为中心的15×20象素区域中的LDP。注意该区域在y(垂直)方向比x(水平)方向大，因为气管很可能在y方向偏离。
然后，在步骤403，再次执行区域增长，以分割气管。然后，在步骤405确定被分割的气管的质心Cx，Cy。
在步骤409，检查三个条件。如果三个条件中的任何一个得到满足，那么假设在当前图像中已经达到了隆凸，在步骤411和419(图4B)中开始支气管分割。如果在步骤409中三个条件均未得到满足，那么流程返回步骤401，在随后的图像中确认起始点。
在步骤409中，通过比较(A)当前图像中质心的水平位置Cx与(B)(1)前一图像中沿x方向被分割气管的最小范围minx和(2)前一图像中沿x方向被分割气管的最大范围maxx，来检查第一个条件。如果Cx＜minx或Cx＞maxx，那么假设在当前图像中已经到达了隆凸，且在步骤411和419(图4B)中在当前图像中开始支气管分割。
在步骤409中，通过比较(A)当前图像中与前一图像中被分割的气管的质心相应的象素的灰度级与(B)步骤403中所使用的对于前一图像的区域增长阈值而检查第二个条件。如果当前图像中与前一图像中质心相应的象素的灰度级比用于前一图像的区域增长阈值大超过20个灰度级，那么假设在当前图像中已经达到了隆凸，且在步骤411和419(图4B)中开始在当前图像中进行支气管分割。
通过比较当前断面中被分割的气管面积与前一断面中被分割的气管面积而检查第三个条件。如果当前图像中气管的面积小于前一图像中气管面积的80％，那么假设在当前图像中已经达到了隆凸，且在步骤411和419(图4B)在当前图像中开始支气管分割。
一旦确定已经达到了隆凸，则在每个图像中确定两个起始点(相当于主干支气管)，执行两个区域增长过程，以在当前和随后图像中分割两个主支气管。在其中区域增长首先将“支气管”扩展到肺实质的图像之前的图像中，不进行支气管分割。
参见图4B，在步骤411中将步骤401中确定的对于当前图像的LDP指定为第一主干支气管内的起始点。然后，在步骤413执行区域增长，以限定第一支气管。可以用与步骤403相同的方法执行区域增长。然后，在步骤415，确定第一支气管的质心C1x，C1y。如果对第一(即最上面的)支气管图像进行处理，那么流程返回步骤411，确定随后的支气管图像中用于第一主干支气管的起始点。将随后图像中的起始点确认为以步骤415中所确定的对于前一支气管图像所分割的第一支气管质心为中心的30×20象素区域中的LDP。LDP搜索区域在x方向比y方向宽，因为与y方向相比，主干支气管更可能在x方向偏离。然后，在步骤413对于步骤411中所确定的新的起始点执行区域生长，且在步骤415确定被分割支气管的质心C1x，C1y。
通过在与作为第一主干支气管的初始起始点距离隆凸等距离的位置为中心的30×20象素区域内寻找LDP，确定第二主干支气管的初始起始点。在步骤421和423中，最好以与步骤413和415相同的方式分别执行第二主干支气管的区域增长和质心确定。在最上面的支气管图像中完成对第二支气管的步骤423之后，流程返回步骤419，且在随后的支气管图像中确认第二支气管的起始点。将第二支气管的起始点确认为以步骤423中确定的前一图像中第二支气管的质心C2x，C2y为中心的30×20象素搜索区域中的LDP。
一旦在最上面的支气管图像中执行了第一和第二支气管的初始分割，则在步骤415和423中分别计算质心之后，对于第一和第二支气管中的每一个在步骤427中检查两个条件。如果任一条件得到满足，则在步骤429中终止相应支气管的分割。如果没有条件得到满足，则流程返回步骤411或419。
参见第一支气管，在步骤427中，通过比较(A)当前图像中质心的垂直位置Cy1与(B)(1)前一图像中被分割的第一支气管沿y方向的最小范围miny1和(2)前一图像中被分割的第一支气管沿y方向的最大范围maxy1而检查第一个条件。如果Cy1＜miny1或Cy1＞maxy1，那么终止第一支气管的分割。分别使用与Cy1，miny1和maxy1类似的Cy2，miny2和maxy2的值，对第二支气管实施相同的过程。
如果在第一或第二支气管的区域增长过程中满足第二个条件，则沿到达相应LDP搜索区域边缘的分割轮廓的象素数大于或等于20。如果对于任一支气管满足第二个条件，则终止相应支气管的分割。
图5A为从步骤403，405和407产生的、在胸部断面中被分割的气管的图像。图5B为在另一个断面中由步骤413，415，417，421，423和425所产生的被分割支气管的图像。当应用于上述的17种病历的数据库时，该技术成功地从98％被分割肺部区域中消除了气管和支气管，否则它们会被包含在被分割的肺部区域中。
通过由处于被分割的胸腔区域中的象素形成的灰度级直方图，对于特定断面开始初始的肺部分割[3，28]。使用这种典型双峰直方图中的象素分布，将单个灰度级确认为直方图中宽处最小中的阈值[3]。图6A为例示性灰度级直方图，将单个灰度级确认为阈值。图6A中的箭头表示直方图中宽处最小中的灰度级。如图6B所示，通过阈值化胸腔分割图像而产生二元图像，如果胸腔分割图像中相应象素的值小于灰度级阈值，则在二元图像中将该象素改变为“on”，所有其它的象素在二元图像中保持“off”。
覆盖所产生的二元图像两侧的单个“on”区域的存在，表明该灰度级阈值化将两个肺“融合”在一起，且在断面图像中存在前接合线。为了使分割结果作为预处理对于更加详细的图像分析有用时，通常要求区分左肺和右肺。根据本发明，通过消除沿前接合线的象素而将单个肺部分成两个区域。
图7为用于将单个肺部区域分成两个区域的方法流程图。在步骤701中，探测到存在单个大面积的、覆盖图像两侧的肺。可以通过探测单个“on”象素区域和/或通过判断二值肺分割图像中“on”象素区域是否大于胸部总面积的30％而确认存在单个肺。在步骤703，识别“裂点”。通过搜索二元图像，寻找沿肺部区域心脏方面的最靠前的点而确定裂点。图8A为具有由箭头表示的被探测的裂点的单个肺部区域的图像。然后，在步骤705确定沿从裂点通过肺部区域延伸的射线(ray)的平均象素值。对于从裂点到肺部区域的上边缘纵向延伸的线的+/-50度内所有射线，分析平均象素值。在步骤707，将具有最大平均象素值的射线确认为初始的前接合线。
然后，在步骤705，从裂点开始，确定从裂点朝肺部区域前面延伸的每一行中代表局部最大值的象素的集合。沿初始前接合线的每一行，在初始前接合线的+/-10个象素内执行这种搜索。在步骤711中将这些局部最大象素指定为前接合线。然后，在步骤713中，在二元图像中将局部最大象素以及每个局部最大象素任何一侧的一个象素改变为“off”。结果，在二元图像中产生两个不同的区域，如图8B所示。当应用于17种病历的数据库时，该技术精确地在其中存在前接合线的所有断面图像中描绘出前接合线(100％精确)。
使用8点轮廓探测方案[27]构成围绕图6B二元图像中两个最大“on”区域(即肺)的最外部边界的轮廓。处于这些轮廓内的断面图像中的象素组限定了被分割的肺部区域，并用于产生肺部分割图像，使被分割的肺部区域内的象素保持其初始值，而将没有包含在被分割肺部区域内的象素赋予0值(图11A)。
从图6B显然可以看出，从灰度级阈值化产生的二元图像倾向于包含完全被“on”象素包围的“off”象素的“孔”。这些孔由肺部区域中所包含的具有比用于初始肺部分割的灰度阈值大的灰度级的较致密(即更亮)的结构产生。从而，在二元图像中，相当于这些较致密结构的象素保持“off”。在大多数情形中，这些结构代表作为解剖学的肺一部分的脉管。由于此描绘轮廓的方法将被分割的肺部区域看作二元图像中的“on”区域最外部边界内的所有象素，所以这些稠密的脉管被正确地包含在被分割的肺部区域内。不过，不是肺一部分的隔膜通常在二元图像中产生类似的孔(例如，如图12A中箭头所示)。
根据本发明，识别二元图像中的每个孔，并计算诸如面积和圆度这种特性，以便防止包含属于隔膜的象素。用这种方法，可以识别由隔膜产生的孔，并使用例如图13A和13B所描述的方法，从被分割的肺部区域中排除相应的象素。
在灰度级阈值化基础上所分割的肺部区域倾向于不包括沿肺部区域边缘的致密结构，如近胸膜旁结节和肺门脉管。图9是初始肺部分割轮廓的图像，用箭头表示胸膜旁结节和脐脉管。
应用旋转球算法，将沿肺部区域边缘的致密结构正确地包括在被分割的肺部区域内[14，29]。构成圆形滤波器(“球”)，并且通过相继识别沿球周围具有切线斜率与当前轮廓点的斜率相匹配的象素，使圆形滤波器沿肺分割轮廓“滚动”。然后，将滤波器设置成使选定的球周围象素与轮廓象素对准。如果遇到适当大小的凹痕，则此球将在并非用来放滤波器的接触点的某些轮廓点覆盖轮廓。该覆盖点和接触点限定了凹痕的端点。然后利用线性内插，产生与这些端点相连的新轮廓点，有效地跨接轮廓中的间隙和消除凹痕。
图10A为两个肺分割轮廓的图像。在图10B中放大表示了图10A中用方框圈定的区域，其中旋转球滤波器与用于设置滤波器的接触点和另一个点重叠(即两个接触点)。用连接两个点的暗线表示两个接触点之间线性内插的结果。将新包含的象素加入被分割的肺部区域中。
图11A为应用旋转球滤波器之前肺部轮廓的图像，图11B为应用旋转球滤波器之后肺部轮廓的图像。使用多次计数逼近的迭代方法，相继使用不同半径的球，修正不同尺寸的凹痕。在作为一个整体考虑的病案中，通过沿从所有断面(表面)得到的被分割肺部区域的集合的外部旋转球形滤波器，也可以在三维空间中应用该技术。
旋转球算法的一个潜在的缺陷是可能被迫包含隔膜，如图12B所示，即使已经通过灰度级阈值化而正确地排除了隔膜也不例外。为了克服该问题，本发明计算由旋转球算法确定的凹痕的几何特征。在这些特征值的基础上，可防止旋转球算法跨接隔膜所产生的凹痕。
图13A和13B为用于识别属于隔膜的象素，并从被分割的肺部区域排除该象素的方法流程图。在图1的步骤109中应用图13A的方法。在步骤1301中，识别并标记出步骤105中所产生的二元图像中存在的所有孔。在步骤1303，计算每个孔的至少一个几何特征(例如每个孔的面积)。然后，在步骤1305中确定每个孔的该几何特征是否超过了预先确定的阈值。将那些几何特征超过预定值的孔确认为相当于隔膜。例如，如果孔的面积大于706mm2这一预先确定的阈值，那么将该孔确认为隔膜的一部分。最好仅在下半部图像中进行几何特征处理，因为隔膜处于胸的下部。在步骤1307，从被分割的肺部区域中排除被确认为相当于隔膜的构成孔的象素。
在图1的步骤113中应用旋转球算法的过程中，应用图13B的方法。在步骤1309，执行旋转球算法，以识别沿被分割的肺部区域外围的凹痕，如上所述。在步骤1311确定每个凹痕的至少一个几何特征。在步骤1313，将每个凹痕的几何特征与预先确定的值进行比较，判断每个凹痕的几何特征是否超过预先确定的值。将那些几何特征超过预先确定的值的凹痕确认为相当于隔膜。在一个最佳实施例中，为了能识别出作为隔膜一部分的凹痕，必须要超过两个几何特征预先确定的阈值。第一个特征是凹痕中的象素数(在旋转球的连接点之间测量的)除以构成相当于肺的整个肺部轮廓的全部象素数的比值。第一个特征的阈值为0.20。第二个特征是凹痕的密度。密度等于(A)由凹痕和连接旋转球的两个连接点的分割线所包围的面积除以(B)周长等于凹痕周长的圆的面积的比值。凹痕的周长为连接旋转球两个连接点的分割线的长度加上这两个连接点之间轮廓的长度。
然后，在步骤1315，防止旋转球算法跨接相当于隔膜的凹痕，以便防止旋转球算法将相当于隔膜的凹痕包含在被分割的肺部区域内。
图14是用于在胸部CT图像中分割肺部区域的系统的方框图。图14中的方框相当于程序模块，电路和/或用于实现上述方法的机构。从图像获取装置1401得到物体的CT扫描，并输入系统。将每个图像存储在存储器1403中。来自各个CT扫描的每个断面图像的图像数据，首先通过累积的灰度级分布电路1405，然后通过用于选择灰度阈值的灰度级分布分析电路1407。图像数据和灰度级阈值通过灰度级阈值化电路1409，并且通过桌面探测电路1411而被修正。然后数据通过轮廓构成电路1413。图像数据在发送到灰度级直方图电路1417之前，通过气管和主干支气管检测电路1415。灰度级直方图电路的输出被发送给用于确认灰度级阈值的直方图分析电路1419。图像数据和灰度级阈值通过灰度级阈值化电路1409，并被前接合电路1421修正。然后，图像数据通过第一隔膜检测电路1423，随后通过轮廓构成电路1425。通过包括第二隔膜检测电路1429的旋转球电路1427而修正轮廓。在叠加电路1431中，将结果叠加在图像上面，以文件格式保存，和/或以文本格式输出。在通过数字一模拟转换器1435之后，在显示系统1433上显示出结果。
显然计算机领域中的技术人员根据本发明的技术，使用传统的通用计算机或编程微处理器，可以方便地实现本发明。显然软件领域的技术人员，在本发明公开的技术的基础上，普通程序员可以很容易地编制出适当的软件。正如本领域技术人员显然了解的，也可以通过制备特殊应用集成电路或者通过将传统的组成电路相互连接成适当的网络，而实现本发明。
图15为用于在CT扫描中分割肺部区域的计算机系统的示意性说明。计算机1500实现了本发明的方法，其中计算机外壳1502中包含有CPU1506，存储器1508(例如，DRAM，ROM，EPROM，EEPROM，SRAM，SDRAM和闪存RAM)，和其它可选择的专用逻辑设备(例如ASIC)或可配置的逻辑设备(例如GAL和可重编程FPGA)。计算机1500还包括多个输入设备(例如，键盘1522和鼠标1524)，和用于控制监视器1520的显示卡1510。另外，计算机1500还包括软盘驱动器1514；其它可移动媒质装置(例如致密盘，磁带和可移动磁光介质)；和硬盘1512，或其它固定的高密度媒质驱动器，使用适当的设备总线进行连接(例如SCSI总线，增强IDE总线或超DMA总线)。也连接到同一设备总线或另一设备总线，计算机1500可以另外包括致密盘读出器，致密盘读/写单元或致密盘自动电唱机。
如上所述，该系统包括至少一个计算机可读介质。计算机可读介质的例子有致密盘，硬盘，软盘，磁带，磁光盘，PROM(EPROM，EEPROM，闪存EPROM)，DRAM，SRAM，SDRAM等。本发明包括存储在任何一种或者组合的计算机可读介质上的、用于控制计算机1500的硬件，并能够使计算机1500与人类用户进行交互的软件。这种软件可以包括，但不限于，装置驱动器，操作系统和诸如开发工具的用户应用程序。这些计算机可读介质进一步包括用于实现上述本发明方法的本发明的计算机程序产品。本发明的计算机编码装置可以是任何译码或可执行代码机构，包括但不限于脚本，解释程序，动态链接库，Java类和完全可执行的程序。而且，为了实现更好的性能，可靠性和/或更低的成本，可以将本发明的处理部分设计成分布式。例如，可以在第一台计算机上选择草图或图像，并发送给用于远程诊断的第二台计算机。
显然，鉴于上面的教导，可以对本发明作出多种变型和改变。例如，可以使用任何自动化技术而非手工地抽取出结节的轮廓。因而应当理解，在所附权利要求的范围内，可以用并非此处特别描述的方式实现本发明。
附录(以下为本申请人在从事本研究工作中阅读过的文献，特以原文列举于后而供参考)参考文献1.Remy--Jardin M，Remy J.Spiral CT of the Chest.Ineds.BerlinSpringer-Verlag；19962.Armato SG，III，Giger ML，Moran CJ，et al.Computerized detection of pulmonarynodules on CT scans.RadioGraphics 191303-1311，1999.
3.Giger ML，Bae KT，MacMahon H.Computerized detection of pulmonary nodules in.computed tomography images.Investigative Radiology 29459-465，1994.
4.Ryan WJ，Reed JE，Swensen SJ，Sheedy PF，Jr.Automatic detection of pulmonarynodules in CT.InH.U.Lemke，M.W.Vannier，K.Inamura，and A.G.Farman，eds.Proceedings Computer Assisted Radiology.AmsterdamElsevier Science；1996385-389.
5.Sakai N，Mishima M，Nishimura K，et al.An automated method to assess thedistribution of low attenuation areas on chest CT scans in chronic pulmonaryemphysema patients.Chest 1061319-1325，1994.
6.Uppaluri R，Mitsa T，Sonka M，et al.Quantification of pulmon ary emphysema fromlung computed tomography images. American Journal of Respiratory and CriticalCare Medicine 156248-254，1997.
7.Toshioka S，Kanazawa K，Niki N，et al.Computer-aided diagnosis system for lungcancer based on helical CT images.SPIE Proceedings 3034975-984，1997.
8.Okumura T，Miwa T，Kako J，et al.Image processing for computer-aided diagnosis oflung cancer screening system by CT(LSCT).SPIE Proceedings 33381314-1322，1998.
9.Fiebich M，Wietholt C，Renger BC，et al.Automatic detection of pulmonary nodulesin low-dose screening thoracic CT examinations.SPIE Proceedings 36611434-1439，1999.
10.Satoh H，Ukai Y，Niki N，et al.Computer aided diagnosis system for lung cancerbased on retrospective helical CT image.SPIE Proceedings 36611324-1335，1999.
11.Taguchi H，Kawata Y，Niki N，et al.Lung cancer detection based on helical CTimages using curved surface morphology analysis.SPIE Proceedings36611307-1314，1999.
12.Lou S-L，Chang C-L，Lin K-P，Chen T-S.Object-based deformation technique for 3-D CT lung nodule detection.SPIE Proceedings 36611544-1552，1999.
13.Calhoun PS，Kuszyk BS，Heath DG，et al.Three-dimensional volume rendering ofspiral CT dataTheory and method.RadioGraphics 19745-764，1999.
14.Armato SG，III，Giger ML，Moran CJ，et al.Automated detection of pulmonarynodules in helical computed tomography images of the thorax.SPIE Proceedings3338916-919，1998.
15.Kanazawa K，Kawata Y，Niki N，et al.Computer-aided diagnosis for pulmonarynodules based on helical CT images.Computerized Medical Imaging and Graphics22157-167，1998.
16.Morgan M.Detection and quantification of pulmonary emphysema by computedtomographyA window of opportunity.Thorax 471001-1004，1992.
17.Uppaluri R，Hoffman EA，Sonka M，et al.Computer recognition of regional lungdisease patterns.American Journal of Respiratory and Critical Care Medicine1601999.
18.Bankier AA，de Maertelaer V，Keyzer C，Gevenois PA.Pulmonary emphysemaSubjective visual grading versus objective quantification with macroscopicmorphometry and thin-section densitometry.Radiology 211851-858，1999.
19.Zagers R，Vrooman HA，Aarts NJM，et al.Quantitative analysis of computedtomography scans of the lungs for the diagnosis of pulmonary emphysemaAvalidation study of a semiautomated contour detection technique.InvestigativeRadiology 30552-562，1995.
20.Kalender WA，Fichte H，Bautz W，Skalej M.Semiautomatic evaluation proceduresfor quantitative CT of the lung.Journal of Computer Assisted Tomography15248-255，1991.
21.Brown MS，McNitt-Gray MF，Mankovich NJ，et al.Method for segmenting chest CTimage data using an anatomical modelPreliminary results.IEEE Transactions onMedical Imaging 16828-839，1997.
22.Brown MS，McNitt-Gray MF，Goldin JG，et al.Automated measurement of single andtotal lung volume from CT.Journal of Computer Assisted Tomography 23632-640，1999.
23.Preteux F，Grenier P，Vanier P.Advances in automated lungs segmentation in CTstudies.SPIE Proceedings 1898330-341，1993.
24.Hedlund LW，Anderson RF，Goulding PL，et al.Two methods for isolating the lungarea of a CT scan for density information Radiology 144353-357，1982.
25.Keller JM，Edwards FM，Rundle R.Automatic outlining of regions on CT scans.Journal of Computer Assisted Tomography 5240-245，1981.
26.Cassell KJ，France AD，Johnson N.Automatic outlining technique for EMI scannerpictures.Medical and Biological Engineering and Computing 171979.
27.Sonka M，Hlavac V，Boyle R.Image Processing，Analysis，and Machine Vision.Pacific Grove，CABrooks/Cole Publishing Company；1999.
28.Armato SG，III，Giger MIL，Moran CJ，et al.Computerized detection of lung nodulesin computed tomography scans.InK.Doi，H.MacMahon，M.L.Giger，and K.R.Hoffmann，eds.Computer-Aided Diagnosis in Medical Images.AmsterdamElsevierScience；1999119-123.
29.Armato SG，III，Griger ML，Blackburn JT，et al.Three-dimensional approach to lungnodule detection in helical CT.SPIE Proceedings 3661553-559，1999.
权利要求
1.一种用于在胸部图像中自动分割肺部区域的方法，包括获取代表断面胸部图像的图像数据；在该图像数据的基础上于断面胸部图像中确立起始点，该起始点相当于主气道；增长起始点，以分割主气道；分割肺部区域；以及从肺部区域中排除主气道。
2.如权利要求1所述的方法，进一步包括确定相当于被分割主气道的质心的第一象素。
3.如权利要求2所述的方法，进一步包括在随后的断面胸部图像中，使搜索区域以相当于第一象素的第二象素为中心；以及在该随后的断面胸部图像中，在搜索区域内最低密度象素处确立另一起始点。
4.如权利要求1所述的方法，其中该主气道为气管。
5.如权利要求1所述的方法，其中该主气道为第一主干支气管和第二主干支气管其中之一。
6.一种用于在胸部图像中自动分割肺部区域的方法，包括产生至少一个肺部轮廓，以在断面胸部图像中分割肺部区域；确认肺部区域的融合；确认肺部轮廓上的裂点；确定沿从裂点到肺部区域上边缘延伸的分割线的象素的平均灰度级的值；在具有最大平均灰度级值的分割线的基础上确认前接合线；以及从肺部区域抽取出沿前接合线的象素，以分隔开肺部区域。
7.如权利要求6所述的方法，其中确认前接合线的步骤包括在包括具有最高平均灰度级值的分割线的象素的每一行象素中，识别在具有最高平均灰度级值的分割线的预定距离内具有最高灰度级的象素；以及将所识别出的每行中具有最高灰度级的象素包含在前接合线中。
8.一种用于在胸部图像中自动分割肺部区域的方法，包括获取代表断面胸部图像的图像数据；产生初始的肺部轮廓，以在断面胸部图像中分割出肺部区域；通过将旋转球滤波器应用于初始肺部轮廓，以便识别出沿初始肺部轮廓的凹痕，而使肺部轮廓精确；对于旋转球滤波器所识别出的每个凹痕，确定该凹痕是否相当于隔膜；以及防止该旋转球滤波器将相当于隔膜的凹痕包含在被分割的肺部区域中。
9.如权利要求8所述的方法，进一步包括将由旋转球滤波器确认的、并非相当于隔膜的凹痕包含在被分割的肺部区域内。
10.如权利要求8所述的方法，其中该确认相当于隔膜的凹痕的步骤包括对于由旋转球滤波器所确认的每个凹痕，确定一几何特征；将每个凹痕的该几何特征与一阈值进行比较；以及对于每个凹痕，在该几何特征与阈值比较的基础上确定相当于隔膜的凹痕。
11.一种用于在胸部图像中自动分割肺部区域的方法，包括获取代表多个断面胸部图像的图像数据；产生初始肺部轮廓，以在多个断面胸部图像中分割肺部区域；以及通过将三维旋转球滤波器应用于多个断面胸部图像中的初始肺部轮廓，而使肺部轮廓精确。
12.一种用于在胸部图像中自动分割肺部区域的方法，包括获取代表断面胸部图像的图像数据；产生初始肺部轮廓，以在断面胸部图像中分割肺部区域；在肺部区域中识别至少一个相当于隔膜的部分；以及从肺部区域中排除该至少一个相当于隔膜的部分。
13.如权利要求12所述的方法，其中该识别步骤包括在肺部区域内识别孔；对于每个孔，确定其几何特征；将每个孔的几何特征与一阈值进行比较；以及对于每个孔，在该几何特征与阈值比较的基础上确定相当于隔膜的孔；其中该排除步骤包括从该肺部区域排除相当于隔膜的孔。
14.如权利要求12所述的方法，进一步包括识别前接合线，并从该肺部区域抽取沿前接合线的象素，以分隔肺部区域。
15.如权利要求12所述的方法，进一步包括在肺部区域内识别相当于气管和主干支气管的部分；以及从该肺部区域中排除相当于气管和主干支气管的部分。
16.如权利要求15所述的方法，进一步包括通过将旋转球滤波器应用于肺部轮廓，识别沿肺部轮廓的凹痕，而使肺部轮廓精确；对于由旋转球滤波器所识别的每个凹痕，确定该凹痕是否相当于隔膜；以及防止该旋转球滤波器将相当于隔膜的凹痕包含在被分割的肺部区域内。
17.如权利要求16所述的方法，其中该通过应用旋转球滤波器而使肺部轮廓精确的步骤包括将三维旋转球滤波器应用于该断面胸部图像中的肺部轮廓和其它断面胸部图像中的其它肺部轮廓。
18.一种用于在胸部图像中自动分割肺部区域的系统，包括一用于获取代表断面胸部图像的图像数据的机构；一用于在该图像数据的基础上确立断面胸部图像中的起始点的机构，该起始点相当于主气道；一用于生长起始点以分割主气道的机构；一用于分割肺部区域的机构；以及一用于从肺部区域排除主气道的机构。
19.如权利要求18所述的系统，进一步包括一用于确定相当于被分割主气道的质心的第一象素的机构。
20.如权利要求19所述的系统，进一步包括一用于在随后的断面胸部图像中，使搜索区域以相当于该第一象素的第二象素为中心的机构；以及一用于在该随后的断面胸部图像中，在搜索区域内最低密度象素处确立另一起始点的机构。
21.如权利要求18所述的系统，其中该主气道为气管。
22.如权利要求18所述的系统，其中该主气道为第一主干支气管和第二主干支气管其中之一。
23.一种用于在胸部图像中自动分割肺部区域的系统，包括一用于产生至少一个肺部轮廓，以在断面胸部图像中分割肺部区域的机构；一用于识别肺部区域的融合的机构；一用于在肺部轮廓上识别裂点的机构；一用于确定沿从裂点到肺部区域上边缘延伸的分割线的象素的平均灰度级值的机构；一用于在具有最高平均灰度级值的分割线的基础上识别前接合线的机构；以及一用于从肺部区域抽取沿前接合线的象素，以分隔肺部区域的机构。
24.如权利要求23所述的系统，其中该用于识别前接合线的机构包括一机构，用于在包括具有最高平均灰度级值的分割线的象素的每行象素中，识别在具有最高平均灰度级值的分割线的预定距离内具有最高灰度级值的象素；以及一用于将每行中被识别为具有最高灰度级的象素包含在前接合线中的机构。
25.一种用于在胸部图像中自动分割肺部区域的系统，包括一用于获取代表断面胸部图像的图像数据的机构；一用于产生初始肺部轮廓，以在断面胸部图像中分割肺部区域的机构；一用于通过将旋转球滤波器用于初始肺部轮廓，以识别沿初始肺部轮廓的凹痕，而使肺部轮廓精确的机构；一用于对于旋转球滤波器所识别的每个凹痕，确定该凹痕是否相当于隔膜的机构；以及一用于防止该旋转球滤波器将相当于隔膜的凹痕包含在被分割的肺部区域中的机构。
26.如权利要求25所述的系统，进一步包括一用于将该旋转球滤波器所识别的、并非相当于隔膜的凹痕包含在被分割的肺部区域中的机构。
27.如权利要求25所述的系统，其中该用于识别相当于隔膜的凹痕的机构包括一用于对于由旋转球滤波器所识别的每个凹痕，确定其几何特征的机构；一用于将每个凹痕的几何特征与一阈值进行比较的机构；以及一用于在该几何特征与阈值比较的基础上，对于每个凹痕，确定该凹痕是否相当于隔膜的机构。
28.一种用于在胸部图像中自动分割肺部区域的系统，包括一用于获取代表多个断面胸部图像的图像数据的机构；一用于产生初始肺部轮廓，以在多个断面胸部图像中分割肺部区域的机构；以及一用于通过将三维旋转球滤波器应用于多个断面胸部图像中的初始肺部轮廓，使肺部轮廓精确的机构。
29.一种用于在胸部图像中自动分割肺部区域的系统，包括一用于获取代表断面胸部图像的图像数据的机构；一用于产生初始肺部轮廓，以在断面胸部图像中分割肺部区域的机构；一用于在肺部区域内识别至少一个相当于隔膜的部分的机构；以及一用于从肺部区域排除该至少一个相当于隔膜的部分的机构。
30.如权利要求29所述的系统，其中该用于识别隔膜的机构包括一用于在肺部区域内识别孔的机构；一用于对于每个孔，确定其几何特征的机构；一用于将每个孔的几何特征与一阈值进行比较的机构；以及一用于对于每个孔，在该几何特征与阈值比较的基础上，确定该孔是否相当于隔膜的机构；其中该用于排除隔膜的机构包括一用于从肺部区域中排除相当于隔膜的孔的机构。
31.如权利要求29所述的系统，进一步包括一用于识别前接合线，并从肺部区域抽取出沿前接合线的象素，以分隔肺部区域的机构。
32.如权利要求29所述的系统，进一步包括一用于在肺部区域内识别相当于气管和主干支气管的机构；以及一用于从肺部区域排除相当于气管和主干支气管的机构。
33.如权利要求32所述的系统，进一步包括一用于通过将旋转球滤波器应用于肺部轮廓，以识别沿肺部轮廓的凹痕，而使肺部轮廓精确的机构；一用于对于由旋转球滤波器所识别的每个凹痕，确定该凹痕是否相当于隔膜的机构；以及一用于防止该旋转球滤波器将相当于隔膜的凹痕包含在被分割的肺部区域中的机构。
34.如权利要求33所述的系统，其中该用于通过应用旋转球滤波器而使肺部轮廓精确的机构包括一用于将三维旋转球滤波器应用于该断面胸部图像中的肺部轮廓，和其它断面胸部图像中的其它肺部轮廓的机构。
35.一种计算机可读介质，存储用于通过执行下列步骤而在胸部图像中自动分割肺部区域的计算机指令获取代表断面胸部图像的图像数据；在该图像数据的基础上于断面胸部图像中确立起始点，该起始点相当于主气道；生长该起始点以分割主气道；分割肺部区域；以及从肺部区域排除该主气道。
36.如权利要求35所述的计算机可读介质，还存储用于执行下列步骤的指令确定相当于被分割主气道的质心的第一象素。
37.如权利要求36所述的计算机可读介质，进一步存储用于执行下列步骤的指令在随后的断面胸部图像中，使搜索区域以相当于该第一象素的第二象素为中心；以及在该随后的断面胸部图像中，在搜索区域内最低密度象素处确立另一起始点。
38.如权利要求35所述的计算机可读介质，其中该主气道为气管。
39.如权利要求35所述的计算机可读介质，其中该主气道为第一主干支气管和第二主干支气管其中之一。
40.一种计算机可读介质，存储通过执行下列步骤而在胸部图像中自动分割肺部区域的计算机指令产生至少一个肺部轮廓，以在断面胸部图像中分割肺部区域；识别肺部区域的融合；在肺部轮廓上识别裂点；确定沿从该裂点到肺部区域的上边缘延伸的象素的平均灰度级值；在具有最高平均灰度级值的分割线的基础上确认前接合线；以及从肺部区域抽取出沿前接合线的象素，以分隔肺部区域。
41.如权利要求40所述的计算机可读介质，其中该识别前接合线的步骤包括在包括具有最高平均灰度级值分割线的象素的每行象素中，在具有最高平均灰度级值的分割线预定距离内识别具有最高灰度级的象素；以及将所识别的每行中具有最高灰度级的象素包含在前接合线内。
42.一种计算机可读介质，存储用于通过执行下列步骤，而在胸部图像中自动分割肺部区域的计算机指令获取代表断面胸部图像的图像数据；产生初始肺部轮廓，以在该断面胸部图像中分割肺部区域；通过将一旋转球滤波器应用于初始肺部轮廓，识别出沿初始肺部轮廓的凹痕，而使肺部轮廓精确；对于由旋转球滤波器所识别的每个凹痕，确定该凹痕是否相当于隔膜；以及防止该旋转球滤波器将相当于隔膜的凹痕包含在被分割的肺部区域中。
43.如权利要求42所述的计算机可读介质，进一步存储用于执行下列步骤的指令将由旋转球滤波器所识别的并非相当于隔膜的凹痕包含在被分割的肺部区域中。
44.如权利要求42所述的计算机可读介质，其中该识别相当于隔膜的凹痕的步骤包括对于由旋转球滤波器所识别的每个凹痕，确定一几何特征；将每个凹痕的该几何特征与一阈值进行比较；以及对于每个凹痕，在该几何特征与阈值比较的基础上确定该凹痕是否相当于隔膜。
45.一种计算机可读介质，存储通过执行下列步骤而在胸部图像中自动分割肺部区域的计算机指令获取代表多个断面胸部图像的图像数据；产生初始肺部轮廓，以在多个断面胸部图像中分割肺部区域；以及通过将三维旋转球滤波器应用于多个断面胸部图像中的初始肺部轮廓，而使肺部轮廓精确。
46.一种计算机可读介质，存储通过执行下列步骤而在胸部图像中自动分割肺部区域的计算机指令获取代表断面胸部图像的图像数据；产生初始肺部轮廓，以在该断面胸部图像中分割肺部区域；在肺部区域内识别至少一个相当于隔膜的部分；以及从肺部区域排除该至少一个相当于隔膜的部分。
47.如权利要求46所述的计算机可读介质，其中该识别隔膜的步骤包括在肺部区域内识别孔；对于每个孔确定一几何特征；将每个孔的该几何特征与一阈值进行比较；以及对于每个孔，在该几何特征与阈值比较的基础上，确定该孔是否相当于隔膜；其中该排除隔膜的步骤包括从肺部区域排除相当于隔膜的孔。
48.如权利要求46所述的计算机可读介质，进一步存储用于执行下列步骤的指令识别前接合线，从肺部区域抽取出沿前接合线的象素，以分隔肺部区域。
49.如权利要求46所述的计算机可读介质，进一步存储用于执行下列步骤的指令在肺部区域内识别相当于气管和主干支气管的部分；以及从肺部区域排除相当于气管和主干支气管的部分。
50.如权利要求49所述的计算机可读介质，进一步存储用于执行下列步骤的指令通过将一旋转球滤波器应用于肺部轮廓，识别沿肺部轮廓的凹痕，而使肺部轮廓精确；对于由旋转球滤波器识别出的每个凹痕，确定该凹痕是否相当于隔膜；以及防止该旋转球滤波器将相当于隔膜的凹痕包含在被分割的肺部区域内。
51.如权利要求50所述的计算机可读介质，其中该通过应用旋转球滤波器而使肺部轮廓精确的步骤包括将三维旋转球滤波器应用于该断面胸部图像中的肺部轮廓，和其它断面胸部图像中的其它肺部轮廓。
全文摘要
一种用于在胸部CT扫描中自动分割肺部区域的方法和系统，包括由沿每个CT断面图像的对角线的象素构成累积的灰度级分布。该分布的形状被用来识别用于产生二元图像的灰度阈值。一轮廓检测算法产生一被分割的胸腔区域。从被分割的胸腔区域分割并去除气管和主支气管，以防止它们随后被包含在所分割的肺部区域内。构成灰度级直方图以确定一第二灰度阈值，将该灰度阈值应用于被分割的胸部区域，产生二元图像。如果两个肺部区域“融合”，则描绘出前接合线，并在二元图像中将其改变为“off”，分隔开两个肺。分析该二元图像中“孔”的几何特征，以识别由隔膜所导致的孔。从被分割的肺部区域中专门排除这种孔内的象素。使用轮廓检测算法，识别二元图像中最大“on”区域的外边界(排除被识别为隔膜的象素)，以限定此被分割的肺部区域。通过应用旋转球技术而修正被分割的肺部区域，且旋转球技术设计成将可被初始灰度阈值化错误地排除的象素包含在内。执行第二隔膜分析，防止旋转球技术错误地包含属于该隔膜的象素。
文档编号A61B6/03GK1418353SQ01805098
公开日2003年5月14日 申请日期2001年1月18日 优先权日2000年1月18日
发明者塞缪尔·G·阿马托, 希伯·麦克马霍恩, 马耶伦·L·吉格 申请人:芝加哥大学