[發明專利]一種基于CT影像的肺結節邊緣重建與分割方法

無效

• 申請號: 201210555723.9
• 申請日: 2012-12-19
• 公開（公告）號: CN103035009A
• 公開（公告）日: 2013-04-10
• 發明（設計）人: 邵向鑫;林曉梅;田野;商婷婷
• 申請（專利權）人: 長春工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 長春市四環專利事務所 22103
• 代理人: 張建成

技術領域

本發明涉圖像處理方法，特別涉及一種基于CT影像的肺結節邊緣重建與分割方法。

背景技術

近些年來，世界各國肺癌的發病率和死亡率均持續上升，尤其在人口密度較高的工業城市更為顯著，而我國肺癌患者的數量也居于全球首位。據世界衛生組織(World?Health?Organization.?WHO)?統計，肺癌在男性腫瘤死因中居于首位，而在女性腫瘤中僅次于乳腺癌居第二位。降低肺癌患者死亡率的重要舉措是早期診斷和早期治療。

診斷早期肺癌的主要使用影像學診斷方法，包括X射線診斷和CT診斷。CT診斷在檢測肺癌上優于X射線診斷，可以檢測出lmm以上的腫瘤。肺結節是肺癌的CT表象形式，分為孤立型、粘連血管型、粘連肺壁型、毛玻璃型和空洞型，是指直徑在3mm～3cm的肺內類球型病灶。

肺結節的倍增率、大小和表面光滑度都是判斷結節良、惡性的指標。而這些特征的計算都是需要基于肺結節的準確的分割結果。肺結節通常依附于肺內其他解剖結構，使得肺結節的分割問題變得困難。各種類型肺結節的分割都有各自需要解決的問題。一些孤立型肺結節的核心處比較亮，而周圍模糊影較暗，如何把周圍的模糊影精確地劃分到結節簇內是一個需要解決的問題。粘連血管型結節的結節部分和血管部分CT值相近，如何精確地把結節從血管上分割出來也是一個需要解決的問題。目前，有很多研究者對肺結節的分割問題做了廣泛的研究。

肺結節分割功能首先使用在X射線的肺影像上，但是由于X射線的肺影像所測得的結節的直徑是最大密度投影(Maximum?Intensity?Project,?MIP)的結果，所以要比實際結節的體積大。之后，肺結節分割功能又使用在二維CT影像上，即逐層分割。隨著多層CT(Multislice)的出現，研究者開始研究直接在三維影像上分割肺結節的算法。

Anthony?P.Reeves等人提出用自適應閾值的算法分割肺結節，并用結節配準和基于知識的形狀匹配來分析結節的倍增率^[1]。Maekado等人提出了一種自動分割肺實質的算法，然后利用灰度直方圖來提取GGO的模糊影^[2]。

研究者還提出用3D區域生長(Region?Growing)的算法分割肺結節，如Fan.L等人先提供一個使用直方圖自適應求得的閾值，再用區域生長來分割肺結節，但是該算法只適合孤立型肺結節的分割，對于其它類型的肺結節并不適用^[3]。雖然區域生長算法通過連通性考慮了空間位置關系的特征，但存在兩個缺點：第一，需要自適應地選取閾值，不適當的閾值會造成過分割和欠分割的現象，而且也不能把粘連血管型肺結節的結節部分從血管部分分割出來；對于孤立型肺結節也只能分割出核心部分，而存在模糊影就很難正確分割了。第二，區域生長算法需要一個人工選定的種子點，加入了人工操作，不能實現全自動的分割。

William?J.Kostis提出的肺結節分割算法的大致過程是：首先，識別ROI，把各向異性通過插值變成各向同性待分析物體。其次，通過閾值和連通性的分析，3D形態學處理、血管剔出算法和胸膜表面刪除算法進行肺結節分割。再次，對肺結節體積計算、倍增率估計。最后，判斷肺結節的良惡性。該算法對于不同類型的結節提出了不同的算法，建立了各自的數學模型，然后再分別針對不同的模型使用不同的分割算法，但是程序中沒有自動判斷待分割的肺結節屬于哪種類型，所以該算法在實際工程產品中不適用。

Armato提出了在閾值分割肺影像后使用“滾球”(Rolling?Ball)算法提取準確的肺輪廓，然后利用10-point連通框架識別三維肺結節結構。雖然Kostis等人也提出一個“滾球”的算法來檢測和分割粘連肺壁型肺結節，但是當肺結節的半徑較大時(肺壁輪廓的缺口較大時)，結構元素的尺寸就會增大，速度就會變慢。

Shen等人提出投影肺壁輪廓的法線方向到一個平面上(輪廓缺口處的法線方向和輪廓其它地方的法線方向不同)，把法線方向轉化為2D灰度圖像，然后對該圖像進行膨脹操作得到粘連肺壁型肺結節。