[發(fā)明專利]基于平均密度投影和平移高斯模型的肺結(jié)節(jié)分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110318294.9
• 申請(qǐng)日: 2011-10-19
• 公開（公告）號(hào): CN102360495A
• 公開（公告）日: 2012-02-22
• 發(fā)明（設(shè)計(jì)）人: 姬紅兵;邱實(shí);樊振華;王磊;李翠蕓
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T7/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于平均密度投影和平移高斯模型的肺結(jié)節(jié)分割方法，包括如下步驟：

(1)輸入待檢測(cè)圖像CT序列，讀取CT序列的層數(shù)、層厚度和分辨率信息；

(2)根據(jù)讀取的檢測(cè)圖像CT圖像序列信息，通過(guò)平均密度投影AIP的方法，確定重建層厚度S_r和重建層間距I_r，得到待檢測(cè)圖像CT序列的平均密度投影AIP序列，記為B；

(3)對(duì)平均密度投影AIP序列B進(jìn)行肺實(shí)質(zhì)提取、閾值分割和形態(tài)學(xué)處理，得到B中第i幅圖像的分割結(jié)果SA_i；利用平均密度投影AIP方法的對(duì)應(yīng)關(guān)系，將分割結(jié)果SA_i對(duì)應(yīng)的待檢測(cè)圖像CT序列，記為其中i表示B中第i幅圖像，j表示重建層序號(hào)；對(duì)進(jìn)行肺結(jié)節(jié)幾何特征粗提取，得出B中第i幅圖像的粗分割結(jié)果

(4)通過(guò)骨架的方法提取出粗分割結(jié)果的骨架，將圖像橫坐標(biāo)方向上骨架的灰度曲線記為g_ij(x)；根據(jù)該灰度曲線g_ij(x)的灰度分布，建立一維平移高斯模型f_ij(x)，計(jì)算該一維平移高斯模型f_ij(x)的參數(shù)；

(5)根據(jù)一維平移高斯模型f_ij(x)中計(jì)算所得模型參數(shù)，建立二維平移高斯模型F_ij(x，y)，并利用二維平移高斯模型F_ij(x，y)對(duì)粗分割結(jié)果進(jìn)行精確分割；

(6)對(duì)精確分割所得結(jié)果，利用圓形度的判別方法去除假陽(yáng)，即去除不是肺結(jié)節(jié)的區(qū)域，獲得最終的檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的分割方法，其中步驟(2)所述的通過(guò)平均密度投影AIP的方法確定重建層厚度S_r和重建層間距I_r，得到待檢測(cè)圖像CT序列的平均密度投影AIP序列，按如下公式確定：

N_r＝(N_o-SN_r)/IN_r

其中，N_r為待檢測(cè)圖像CT序列通過(guò)AIP方法所得重建序列圖像的總數(shù)，

??????N_o為待檢測(cè)圖像CT序列圖像的總數(shù)，

SN_r為待檢測(cè)圖像CT序列通過(guò)AIP方法所得重建區(qū)域?qū)訑?shù)，

SN_r＝S_r/U，U為待檢測(cè)圖像CT序列圖像的層厚度，

IN_r為待檢測(cè)圖像CT序列通過(guò)AIP方法所得的重復(fù)區(qū)域?qū)訑?shù)，

IN_r＝I_r/U。

3.根據(jù)權(quán)利要求4所述的方法，其中步驟(4)所述的建立一維平移高斯模型f_ij(x)，按如下公式確定：

fij(x)=12πσe-(x-μ)22σ2+C]]>

其中，μ和σ分別為高斯模型的均值和方差，反映結(jié)節(jié)的灰度特征；C為反映雜波的平移量，即血管或其他組織的灰度平均值。