[發明專利]一種面向大面積高密度影CT圖像的臟器分割方法及裝置

有效

• 申請號: 202010187761.8
• 申請日: 2020-03-17
• 公開（公告）號: CN111415340B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 汪昌健;郭凌超
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/187;G06T7/136;G06T7/13;G06T7/181;G06T5/00;G06T5/50;G06T5/30
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 陳鵬

本發明提供了一種面向大面積高密度影CT圖像的臟器分割方法及裝置，包括：優化二值化閾值μ₁；通過二值化產生臟器二值化圖像組P_list1；對P_list1進行三維膨脹，產生臟器膨脹圖像組P_list2；對P_list2進行三維收縮，產生臟器收縮圖像組P_list3；將P_list2與P_list3中對應圖像相減，再與P_list1中對應圖像與運算，得到臟器邊緣帶圖像組P_list4；對P_list4中圖像去噪，產生臟器邊緣輪廓圖像組P_list5；將P_list1與P_list4中對應圖像相減，再與P_list5中對應圖像疊加，產生準臟器掩碼圖像組P_list6；檢測P_list6中圖像的臟器邊緣并填充，對邊緣進行平滑，產生臟器掩碼圖像組P_list7；將P_list7中圖像與CT原圖進行與運算，得到分割結果。本發明可以準確分割出因大面積高密度影而導致局部細節顯著損失的CT圖像中的臟器邊緣。

技術領域

本發明屬于醫療圖像處理領域，涉及一種臟器分割方法及裝置，特別涉及一種面向大面積高密度影CT圖像的臟器分割方法及裝置，該大面積高密度影CT圖像見于患有肺部疾病(如甲型H1N1流感肺炎、間質性肺炎、2019-nCov病毒肺炎、嚴重急性呼吸綜合癥(SARS)等)以及其他臟器組織病變的病人。

背景技術

正常的臟器屬于CT圖像中的低密度區域，在CT圖像中表現為清晰的陰影部分。當發生病變時，臟器區域就會出現散在的、斑點狀或者斑塊狀的高密度影，呈白色或者灰白色。臨床就是通過觀察高密度影的形態特征來判斷疾病狀況。當患者病情較為嚴重時，臟器CT圖像會出現大面積斑片狀高密度影，大量組織細節會被高密度影所掩蓋，造成臟器邊緣不清、分割困難。

自動閾值法依據灰度閾值對CT圖像進行分割，通過尋找能產生最小類間方差的閾值獲得最佳的像素分類效果，但是，這種分割方式只對細節保留較好的圖像有效。而CT圖像中的高密度影丟失了大量細節信息，像素值較大，與正常臟器組織所處的低密度區域差異明顯。因此，該方法會將高密度影部分與細節保留較好的臟器區域分成兩類對象，導致位于高密度影中的臟器部分丟失。

分水嶺法利用梯度值來識別目標圖像邊緣，一般認為圖像中梯度值大的像素就是其邊緣位置。臟器CT圖像中高密度影部分與其他部分差異明顯，兩部分之間的梯度值較大，因此，分水嶺法會沿著兩個部分之間進行分割，導致部分臟器缺失。

區域增長法從包含種子點的生長區域開始，不斷選擇與生長區域相鄰且符合條件的像素合并到生長區域中，直至沒有新的像素可以增加為止，通過這種方式找出目標區域，實現圖像分割。但是，由于臟器CT圖像中高密度影部分的像素與其他部分的像素差異明顯，很難找到合適的條件將兩個部分的像素合并在一起，因此，區域增長法會將位于高密度影中的臟器部分歸于異類，導致分割結果中部分臟器缺失。另一方面，高密度影部分往往與外圍的其他組織相連、像素值接近，如肺組織高密度影與胸廓，并且細節缺失，沒有足夠清晰的邊緣，在臟器高密度影部分選擇種子點時，該方法還會錯誤地將臟器高密度影部分與外圍其他組織合并在一起，產生錯誤的分割結果。

邊緣檢測是圖像分割又一種重要途徑。邊緣是圖像中相鄰區域區分的位置，一般存在著灰度值或者結構的突變，邊緣檢測就是利用這種不連續性來分割圖像。邊緣像素灰度值的不連續性可通過求導運算來檢測。對于灰度值突變的邊緣，其像素位置對應于一階導數的極值點，或者是二階導數的過零點(零交叉點)。因此，傳統方法一般用微分算子來進行邊緣檢測。常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。但是，這些方法都依賴于對圖像邊緣像素值的分析，而高密度影細節信息缺失較多，導致無法利用像素求導運算發現邊緣。