学的开运算剔除影像上与结构元素不相吻合的 凸区域，利用闭运算填充那些影像上与结构元素不相吻合的凹区域，同时保留那些相吻合 的凹区域；
[0029] (5)疑似结节检测:采用Hessian矩阵的圆型滤波器对肺实质分割后影像进行圆点 滤波，并有效抑止线形结构;然后采用不变矩算法精确检测疑似结节区域；
[0030] (6)特征提取及分类；
[0031] (7)肺结节标定。
[0032] 其中，所述CT序列影像的影像层厚度为l_2mm。
[0033] 其中，所述步骤(6)提取的特征包括面积、直径、似圆度、灰度均值和边界不规则 度，其中直径为区域中横向或纵向像素个数的最大值。
[0034]其中，所述步骤(7)采用规则分类的方法检测真阳性结节，首先结合医学诊断规则 反复试验后获得一个阈值范围，在疑似结节在这个范围内则被判别为真阳性结节，否则，被 判别为假阳性结节。
[0035] 具体的：
[0036] 本发明中区域增长算法既是根据事先定义的准则将像素或者子区域聚合成更大 的区域。基本方法是以"一组"种子开始，将与种子性质相似(灰度级或颜色的特定范围）的 相邻像素附加到生长区域的种子上。
[0037] 本发明中Hessian矩阵，即为黑塞矩阵，又译作海森矩阵、海瑟矩阵、海塞矩阵等，是 一个多元函数的二阶偏导数构成的方阵，描述了函数的局部曲率。黑塞矩阵最早于19世纪由 德国数学家LudwigOttoHesse提出，并以其名字命名。黑塞矩阵常用于牛顿法解决优化问题， 对于一个实值多元函数以1 1，^，一，&)，如果函数抒勺二阶偏导数都存在，则定义抒勺黑塞矩 阵为.I
. 其中〇 1表示对第i个变量的微分算子，JP 么，f的黑塞矩阵即
[0038]
[0039]本发明采用来自8组肺癌患者的肺部CT临床数据，共有943层CT影像，每层数据均 为512X512像素，层厚2mm，像素间距0.6835mm，检测敏感性为90%。实验采用的计算机配置 为1.7GHZ处理器，1G内存。对于512 X 512 X 100的CT数据集，算法运行时间少于1分钟。
[0040]基于上述，本发明可以实现对微小结节的检测，充分利用了CT序列影像的三维信 息，减少了局部容积效应，肺结节的三维可视化提高了肺结节的细节显示能力，可以更好的 辅助医生提高诊断准确性;本发明采用了一种改进的自适应阈值分割算法分割肺实质，该 算法充分考虑了肺实质边缘的梯度分布情况，预留出边缘过渡区域，然后采用数学形态学 算法，以达到精确检测肺实质边缘结节的目的，避免漏检;本发明采用了一种高斯滤波、基 于Hessian矩阵的圆点滤波器与不变矩分析相结合的方法识别医生感兴趣区域，同时滤掉 血管等"线"状组织的干扰;本发明肺结节特征提取和分类不需要大量的先验知识，检测实 时性较好，对于肺结节检测敏感性较高，特别可以对肺癌早期阶段形成的微小结节进行检 测，满足了医生对于肺癌CAD系统准确性、易操作性及实时性的需求。
[0041]本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领 域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替 代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
【主权项】
1. 一种基于CT影像的肺结节检测方法，其特征在于，包括如下步骤： (1) 获取CT序列影像； (2) 肺实质分割：i为序列影像的当前层数，Θ为像素个数统计经验值，首先利用阈值T二 值化第i层影像，肺内图像像素标定为1，背景像素标定为〇,统计标定为1的像素个数Ni，初 始化为1，当Ni>0时像素保留，否则去除，然后扩展到多层序列影像区域，重复上述算法； (3) 气管/主支气管剔除：首先自动在关键层肺门气管区域定位一个种子点，然后利用 区域增长算法，在种子点的3X3X3邻域内进行增长，阈值的选取可以在气管的CT值范围内 选取，区域增长过程中更多的体素被包含进气管和主支气管区域，当体素进入左右肺区域 时，增长终止，最后标定所有体素并分割； (4) 边缘结节检测：利用数学形态学的开运算剔除影像上与结构元素不相吻合的凸区 域，利用闭运算填充那些影像上与结构元素不相吻合的凹区域，同时保留那些相吻合的凹 区域； (5) 疑似结节检测：采用Hessian矩阵的圆型滤波器对肺实质分割后影像进行圆点滤 波，并有效抑止线形结构;然后采用不变矩算法精确检测疑似结节区域； (6) 特征提取及分类； (7) 肺结节标定。2. 如权利要求1所述的一种基于CT影像的肺结节检测方法，其特征在于，所述CT序列影 像的影像层厚度为l_2mm。3. 如权利要求1所述的一种基于CT影像的肺结节检测方法，其特征在于，所述步骤(6) 提取的特征包括面积、直径、似圆度、灰度均值和边界不规则度，其中直径为区域中横向或 纵向像素个数的最大值。4. 如权利要求1所述的一种基于CT影像的肺结节检测方法，其特征在于，所述步骤(7) 采用规则分类的方法检测真阳性结节，首先结合医学诊断规则反复试验后获得一个阈值范 围，在疑似结节在这个范围内则被判别为真阳性结节，否则，被判别为假阳性结节。
【专利摘要】本发明公开了一种基于CT影像的肺结节检测方法，具体步骤为(1)获取CT序列影像；(2)肺实质分割；(3)气管/主支气管剔除；(4)边缘结节检测；(5)疑似结节检测；(6)特征提取及分类；(7)肺结节标定，本发明可以实现对微小结节的检测，充分利用了CT序列影像的三维信息，减少了局部容积效应，肺结节的三维可视化提高了肺结节的细节显示能力，可以更好的辅助医生提高诊断准确性，对于肺结节特征提取和分类不需要大量的先验知识，检测实时性较好，对于肺结节检测敏感性较高，特别可以对肺癌早期阶段形成的微小结节进行检测，满足了医生对于肺癌CAD系统准确性、易操作性及实时性的需求。
【IPC分类】G06T7/00
【公开号】CN105469419
【申请号】CN201610005764
【发明人】于翠妮, 孙燕新, 尹喜玲, 韩景奇, 李涌, 王明帅, 赵钢
【申请人】于翠妮
【公开日】2016年4月6日
【申请日】2016年1月7日