[發(fā)明專利]一種基于胸部CT影像的肺實(shí)質(zhì)自動(dòng)分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110960219.6
• 申請(qǐng)日: 2021-08-20
• 公開(kāi)（公告）號(hào): CN113706492A
• 公開(kāi)（公告）日: 2021-11-26
• 發(fā)明（設(shè)計(jì)）人: 邢文宇;侯東妮;朱志斌;童琳;他得安
• 申請(qǐng)（專利權(quán)）人: 復(fù)旦大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T7/136;G06T7/187;G06T7/62;G06T7/66;G06K9/62
• 代理公司: 上海德昭知識(shí)產(chǎn)權(quán)代理有限公司 31204
• 代理人: 郁旦蓉

本發(fā)明提供一種基于胸部CT影像的肺實(shí)質(zhì)自動(dòng)分割方法，由于采用了自動(dòng)種子點(diǎn)提取方法來(lái)提取種子點(diǎn)，采用了區(qū)域生長(zhǎng)方法以及孔洞填充方法來(lái)提取得到胸腔輪廓，采用了面積閾值方法來(lái)去除兩個(gè)連通域中的氣管區(qū)域，從而得到肺實(shí)質(zhì)區(qū)域，進(jìn)一步地，還將得到的肺實(shí)質(zhì)區(qū)域以及對(duì)應(yīng)的胸部CT影像作為一一對(duì)應(yīng)的標(biāo)簽和圖像，組成訓(xùn)練集，基于該訓(xùn)練集進(jìn)行分割網(wǎng)絡(luò)的訓(xùn)練，得到訓(xùn)練好的肺實(shí)質(zhì)分割網(wǎng)格模型，用于后續(xù)從新的胸部CT影像中提取肺實(shí)質(zhì)區(qū)域，因此，該方法能夠自動(dòng)獲取分割標(biāo)簽，不再需要人工進(jìn)行標(biāo)注，減少了人工工作量，提高了效率，并且獲取的分割標(biāo)簽具有較高的一致性。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學(xué)影像處理領(lǐng)域，具體涉及一種基于胸部CT影像的肺實(shí)質(zhì)自動(dòng)分割方法。

背景技術(shù)

CT影像為臨床上診斷肺部疾病的重要技術(shù)手段，尤其對(duì)于肺癌而言，早期的肺結(jié)節(jié)等征象發(fā)現(xiàn)及分析，可以提早進(jìn)行臨床干預(yù)治療，降低疾病惡化的風(fēng)險(xiǎn)。目前臨床上對(duì)肺結(jié)節(jié)的分析主要依靠臨床醫(yī)生根據(jù)大量的二維CT切片圖像進(jìn)行分析，效率較低，而且容易錯(cuò)失部分關(guān)鍵信息，造成漏診、誤診等現(xiàn)象發(fā)生，因此，實(shí)現(xiàn)包含肺結(jié)節(jié)的肺實(shí)質(zhì)區(qū)域的三維重建則顯得十分重要。肺實(shí)質(zhì)作為評(píng)估與研究疾病的關(guān)鍵區(qū)域，其準(zhǔn)確的分割與重建對(duì)進(jìn)一步的研究肺部各器官功能的組織與病變至關(guān)重要。

傳統(tǒng)的肺實(shí)質(zhì)分割方式需要人工進(jìn)行干預(yù)，目前，可以采用深度學(xué)習(xí)模型方法進(jìn)行肺實(shí)質(zhì)的分割，但是對(duì)于分割標(biāo)簽的獲取往往需要臨床醫(yī)生通過(guò)手工進(jìn)行標(biāo)注，工作量大且效率較低。同時(shí)，分割標(biāo)簽可能來(lái)自多位醫(yī)生，由于多位醫(yī)生存在相關(guān)醫(yī)學(xué)經(jīng)驗(yàn)、判斷標(biāo)準(zhǔn)等方面的差異，也會(huì)對(duì)標(biāo)簽的一致性造成一定影響。

發(fā)明內(nèi)容

為解決上述問(wèn)題，提供一種基于胸部CT影像的肺實(shí)質(zhì)自動(dòng)分割方法，本發(fā)明采用了如下技術(shù)方案：

本發(fā)明提供了一種基于胸部CT影像的肺實(shí)質(zhì)自動(dòng)分割方法，用于從胸部CT影像中提取得到肺實(shí)質(zhì)區(qū)域，其特征在于，包括步驟S1，使用種子點(diǎn)提取方法從胸部CT影像中選取種子點(diǎn)；步驟S2，基于種子點(diǎn)，使用區(qū)域生長(zhǎng)方法以及孔洞填充方法提取得到胸腔輪廓；步驟S3，在胸腔輪廓的范圍內(nèi)進(jìn)行連通域分析，判斷是否存在兩個(gè)面積相近的連通域；步驟S4，當(dāng)步驟S3判斷為否時(shí)，使用角點(diǎn)檢測(cè)方法對(duì)胸腔輪廓進(jìn)行分離，得到兩個(gè)連通域；步驟S5，使用面積閾值方法分別去除兩個(gè)連通域中的氣管區(qū)域，得到肺實(shí)質(zhì)區(qū)域；步驟S6，將肺實(shí)質(zhì)區(qū)域作為標(biāo)簽，將肺實(shí)質(zhì)區(qū)域?qū)?yīng)的胸部CT影像作為與標(biāo)簽對(duì)應(yīng)的圖像，組成訓(xùn)練集，基于該訓(xùn)練集進(jìn)行分割網(wǎng)絡(luò)的訓(xùn)練，得到訓(xùn)練好的肺實(shí)質(zhì)分割網(wǎng)格模型，并使用肺實(shí)質(zhì)分割網(wǎng)格模型來(lái)從新的胸部CT影像中提取肺實(shí)質(zhì)區(qū)域。

本發(fā)明提供的基于胸部CT影像的肺實(shí)質(zhì)自動(dòng)分割方法，還可以具有這樣的技術(shù)特征，其中，種子點(diǎn)提取方法包括以下步驟：步驟A1，使用具有預(yù)定尺寸及預(yù)定步長(zhǎng)的滑窗對(duì)胸部CT影像進(jìn)行全局遍歷，判斷每個(gè)滑窗內(nèi)的圖像的平均像素灰度值是否高于設(shè)定閾值，當(dāng)判斷為是時(shí)，將滑窗作為初步選定滑窗；步驟A2，對(duì)每個(gè)初步選定滑窗以及和初步選定滑窗鄰接的四個(gè)滑窗進(jìn)行相似性測(cè)度計(jì)算，判斷該初步選定滑窗和四個(gè)鄰接的滑窗是否都具有高相似性，當(dāng)判斷為是時(shí)，提取初步選定滑窗的質(zhì)心作為種子點(diǎn)。

本發(fā)明提供的基于胸部CT影像的肺實(shí)質(zhì)自動(dòng)分割方法，還可以具有這樣的技術(shù)特征，其中，相似性測(cè)度計(jì)算包括灰度相似性計(jì)算、紋理相似性計(jì)算以及結(jié)構(gòu)相似性計(jì)算，灰度相似性計(jì)算采用了均值差分算法進(jìn)行計(jì)算：

紋理相似性計(jì)算采用了熵差分算法進(jìn)行計(jì)算：

結(jié)構(gòu)相似性計(jì)算采用了基于哈希編碼的漢明值進(jìn)行計(jì)算：

式中，N為圖像的尺度，X為中間區(qū)域圖像的像素灰度值，Y_n為X的領(lǐng)域圖像的像素灰度值，E_x、E_y為圖像熵，i為像素的灰度值，j為領(lǐng)域圖像的灰度均值，P_ij為圖像取灰度值ij的概率。