基于CT影像的三维肺部特征提取方法与流程

本发明属于医学图像处理技术，具体为一种基于ct影像的三维肺部特征提取方法。

背景技术：

肺部组织运动是不均匀、复杂的，为了获得肺部组织及病灶运动轨迹，通过图像配准的方法，构建肺部三维运动模型。医学图像配准常用于计算机辅助诊断、运动校正、追踪病灶变化情况。对一个周期内多个时间上的肺部图像进行配准是术前路径规划、模拟手术和手术导航的必要步骤，能够精确确定肺部运动轨迹。

图像配准是医学图像领域的技术难点。图像配准分为基于特征的图像配准、基于灰度信息配准和混合配准。基于特征的配准方法使用图像中解剖结构或几何结构进行配准。基于特征的图像配准方法包括两个步骤、特征提取和特征匹配。图像的特征应该是具有显著特性点的结构，具有普遍性，使每幅图像都可以被提取特征，也相应具有区分性，能够更快更准确的完成配准。图像的特征大致分为、点特征、线特征和区域特征，其中基于特征点的配准方法具有计算效率高的特性，但特征点的选取和提取是个难题，配准结果直接受到特征点的影响。从解剖学角度看，肺内血管、支气管等脉管的位置是相对固定的，从几何角度看，肺部轮廓区域是十分显著的，可以解决特征点的选取问题。在特征点提取中存在提取量过少，提取特征不显著，提取解剖结构或几何结构不准确等问题，为基于特征点的图像配准增加负担。

技术实现要素：

本发明的目的在于提出了一种基于ct影像的三维肺部特征提取方法。

实现本发明目的的技术方案为：一种基于ct影像的三维肺部特征提取方法，具体包括以下步骤：

步骤1、对肺部ct影像进行肺部分割得到肺实质；

步骤2、对肺实质进行气管分割得到气管树；

步骤3、对气管树进行分叉点检测得到分叉特征点集；

步骤4、利用canny边缘检测提取轮廓点并合并分叉特征点。

优选地，对肺部ct影像进行肺部分割得到肺实质的具体步骤如下：

步骤101、对肺部ct影像进行二值化，得到二值化图像；

步骤102、将单张二值化图像的边界线灰度值为0的像素设置为100；从图像左上角、右下角像素点同时对整张图片像素点进行遍历，如果像素点a的四邻域存在灰度值为0的像素则将像素点a的灰度值设置为100；重新遍历新图像，将灰度值为100的像素点的灰度值设置为255；

步骤103、对新图像设置种子点，利用区域生长法提取左右肺掩膜；

步骤104、填充肺掩膜孔洞；

步骤105、使用肺掩膜从原始肺部ct图像中分割出肺实质。

优选地，对气管树进行分叉点检测得到分叉特征点集的具体步骤为：

遍历气管树图像中每个体素，以该体素为中心放置一个具有内半径rin和外半径rout的空心球；

将气管作为管状组件，计算空心球内部组件的数量，如果存在或三个以上的组件，则判断该体素为结点；

利用聚类法将所有结点分为不同的簇，将每个簇内距气管壁最大距离的结点作为分叉点，构成分叉点点集。

优选地，内半径rin和外半径rout分别具体为：

rin＝αdw

rout＝βdw

式中，dw为体素到气管壁的距离，α<β为定义的参数。

优选地，利用canny边缘检测提取轮廓点的具体步骤为：

步骤401、通过canny边缘检测法均匀取出轮廓面1/n的点生成肺表面点集；

步骤402、将肺表面点集和分叉点点集合并为特征点集。

本发明与现有技术相比，其显著优点为：本发明对肺部ct图像更稳健、牢固进行特征提取，为特征点集配准提供较好的数据，从而避免因数据问题导致特征点集配准效果差。

附图说明

图1为本发明的原理图。

图2为本发明的流程图。

图3为肺实质流程图。

图4为气管分割效果图。

图5为气管交叉点提取效果图。

下面结合附图对本发明的技术方案进行详细说明。

具体实施方案

如图1、2所示，一种基于ct影像的三维肺部特征提取方法，具体包括以下步骤：

步骤1、对肺部ct影像进行肺部分割得到肺实质；

步骤101、对肺部ct影像进行二值化，得到二值化图像，在某些实施例中，通过otsu算法(大津阈值分割法)处理得到二值化图像；

步骤102、将单张二值化图像的边界线灰度值为0的像素设置为100；从图像左上角、右下角像素点同时对整张图片像素点进行遍历，如果像素点a的四邻域存在灰度值为0的像素则将像素点a的灰度值设置为100；重新遍历新图像，将灰度值为100的像素点的灰度值设置为255以完成背景填充；

步骤103、对新图像设置种子点，利用区域生长法提取左右肺掩膜；

步骤104、填充肺掩膜孔洞；

步骤105、使用肺掩膜从原始肺部ct图像中分割出肺实质。

步骤2、对肺实质进行气管分割得到气管树；在某些实施例中，利用hessian矩阵的二阶导数通过gaussian函数增强气管的灰度信息以增强肺实质中气管区域，进而通过贝叶斯分割算法提取肺实质中气管树。

步骤3、对气管树进行分叉点检测得到分叉特征点集，具体步骤为：

遍历气管树图像中每个体素，以该体素为中心放置一个具有内半径rin和外半径rout的空心球，而内半径rin和外半径rout取决于体素到气管壁的距离dw，rin＝αdw和rout＝βdw，其中α<β为定义的参数；其中α，β根据图像进行设定。

将气管作为管状组件，计算空心球内部组件的数量，如果存在或三个以上的组件，则判断该体素为结点；考虑图像的离散性，少量的体素通常会导致连接组件的数量不正确，在检测所有结点后，利用聚类法将所有结点分为不同的簇，将每个簇内距气管壁最大距离的结点为分叉点，构成分叉点点集。

步骤4、利用canny边缘检测提取轮廓点，具体步骤为：

步骤401、通过canny边缘检测法提取肺轮廓特征点；因轮廓面点数过多，均匀取出轮廓面1/50的点生成肺表面点集；

步骤402、将肺表面点集和分叉点点集合并为特征点集。

本发明可以由呼吸作用而产生的运用更牢固地记录气管树分叉点和肺部轮廓点，为特征点集配准提供更好的数据。

实施例

对肺部ct影像进行肺实质分割，如图3所示，具体步骤为：

步骤101、对肺部ct影像进行二值化，得到二值化图像，在某些实施例中，通过otsu算法(大津阈值分割法)处理得到二值化图像；

步骤102、将单张二值化图像的边界线灰度值为0的像素设置为100；从图像左上角、右下角像素点同时对整张图片像素点进行遍历，如果像素点a的四邻域存在灰度值为0的像素则将像素点a的灰度值设置为100；重新遍历新图像，将灰度值为100的像素点的灰度值设置为255以完成背景填充；

步骤103、对新图像设置种子点，利用区域生长法提取左右肺掩膜；

步骤104、填充肺掩膜孔洞；

步骤105、使用肺掩膜从原始肺部ct图像中分割出肺实质。

步骤2、对肺实质进行气管分割得到气管树；如图4所示，利用hessian矩阵的二阶导数通过gaussian函数增强气管的灰度信息以增强肺实质中气管区域，进而通过贝叶斯分割算法提取肺实质中气管树。

步骤3、对气管树进行分叉点检测得到分叉特征点集，如图5所示，具体步骤为：

遍历气管树图像中每个体素，以该体素为中心放置一个具有内半径rin和外半径rout的空心球，而内半径rin和外半径rout取决于体素到气管壁的距离dw，rin＝αdw和rout＝βdw，其中α<β为定义的参数；其中α，β根据图像进行设定。

将气管作为管状组件，计算空心球内部组件的数量，如果存在或三个以上的组件，则判断该体素为结点；考虑图像的离散性，少量的体素通常会导致连接组件的数量不正确，在检测所有结点后，利用聚类法将所有结点分为不同的簇，将每个簇内距气管壁最大距离的结点为分叉点，构成分叉点点集。

步骤4、利用canny边缘检测提取轮廓点，具体步骤为：

步骤401、通过canny边缘检测法提取肺轮廓特征点；因轮廓面点数过多，均匀取出轮廓面1/50的点生成肺表面点集；

步骤402、将肺表面点集和分叉点点集合并为特征点集。