基于扩散算法的CT图像中肺实质的分割算法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
a.idedAdlialgnoRsie,gChAtDs)得到R了es广e泛r的ve研d究.和使用。[2]而从CT 图像中
准确快速的提取出肺实质则是计算机辅助诊断的关键。[3,4] 在CT图像中分割出肺实质是CAD的前期工作。本文根据影像
学和解剖学特征, 结合最佳阈值法、数学形态学方法, 对图像进行 粗分割; 然后利用定向扩散算法修复掩膜图像,得到最终肺实质, 为计算机辅助诊断和医学图像在临床和生命科学研究领域的应用 打下良好的基础。 2 肺实质分割
2.0～A25l中l间时Ri,图gh像t的s恢复Re情s况e最rv佳e,本d.文中b取值为23。
图3中的图片从左至右分别为b的取值为0,5,10,15,20,23,25,
30,35时的恢复图像。
4 实验结果
在美国国家癌症中心(NCI)的RIDER库中选取了50张CT图像, 将本文算法与运用”滚球法”修复的算法比较,计算处理之后图像的 准确率和精度。[12]
3 图像修复
对肺部图像进行预处理的过程中,接近于肺壁的结节可能会被 去掉,因此在预分割后要修补图像。本文采用的修复算法是扩散算 法来。[11]
将完整的肺实质图像定义为函数 f x, y,在 tt 0时刻,图像 质量为 f x, y,t。图像受损过程可以用以下模型来表示,
f (x, y,t) b52 f x, y, t
算法分析
数字技术 与应用
基于扩散算法的 CT 图像中肺实质的分割算法
马新利 (河北大学电信学院,河北保定 071002)
摘要:在肺癌,肺气肿等肺部疾病的计算机辅助诊断中,肺实质的正确分割是计算机辅助诊断中的重要先行步骤。文中提出了一种基
于定向扩散算法的CT图像的自动分割。在本算法中综合利用了阈值分割、区域增长及数学形态学等算法,能够实现对图像的粗分割,其中
图1 原始CT图像 图2 预分割得到的肺实质
想是先获取种子点,然后从生长点开始,将与生长点性质相似的相 邻像素或区域与生长点合并,形成新的生长点,不断重复直到无法 生长为止。[8]
本文对CT图像进行区域生长处理的算法实现步骤为: (1)在肺实质部分定位得到种子点; (2)利用区域增长算法,在种子点的8*8*8邻域内进行增长,阈值 在灰度范围内自动选取最优阈值; (3)相邻区域的像素被合并,对图像中黑色像素点进行连通区域 标记,面积最大的连通区域是该CT图像的掩膜图像。 2.3 肺部图像预分割 肺部图像经上述处理后,与原始图像(图1)进行逻辑与运算,得 到预分割图像(图2)。 2.4 左右肺的分离 CT图像中常出现肺片粘连情况,粘连发生在CT图像的上部分。 对图像的上1/3部分扫描,并统计图像每一行中的边缘点的个数,当 边缘点数大于等于4的时候,表明肺片并未粘连,但是,当边缘点数 小于4的时候,左右肺是粘连的。[10]肺片粘连情况下,对上半部分投影 积分,将积分值最小的一列及其左右4列的像素值取反,从而实现左 右肺的准确分离。
方法 滚球法（文献[14]） 本文
准确率（%） 88.3 93.4
表2 轮廓距离
方法
本文方法 滚球法（文献[14]）
平均轮廓距离 （像素） 0.9 2.7
最大轮廓距离 （像素） 3.2 6.8
图像是当b 取不同数值时相应的恢复图像。当b取值较小时,图像变 化不明显,当b的取值较大时候,图像受损。经反复调试,当b取值在
对于左右肺粘连的CT图像采用行扫描的方法将左右肺片进行有效分离,最后采用定向扩散算法对粗分割得到的肺部轮廓进行修复,得到
完整的肺实质。从肺部图像数据库联盟(LIDC)中取出50张CT图像,采用本文提出的分割算法进行处理。结果表明,所提出的算法能够有效
的实现肺部区域的完整分割,并且与滚球法相比较,分割准确率和精度都较高,为计算机辅助诊断奠定了良好基础。
t
公式(1)
注:该模型为热传导扩散模型,其中,bb 0是扩散率。
f x, y,0 f x, y,1 b52 f x, y,1
公式(2)
注: f x, y,0 f x, y,即为原始的肺实质图像。
拉普拉斯算子利用点 x, y 的四邻点来进行离散,得到如下
的式子
x, y,1 f x 1, y f x 1, y
f x, y 1 f y 1 4 f x, y,1
公式(3)
利用该方法可以对逐次对各个像素点进行计算并修复。下面的
收稿日期:2017-09-08 作者简介:马新利(1992—),女,河北沧州人,河北大学电信学院硕士研究生在读,研究方向:医学图像处理。
136
数字技术 与应用
算法分析
图3 b取不同数值的修复图像 表1 肺实质分割准确率结果
2.1 Ostu(最大类间方差法)法 肺部和周围区域密度不同,因此其灰度值相差明显,可用阈值 法分割。阈值分割的目的是把ＣＴ图像中对应于肺实质,肺实质边 界和肺实质周围组织的像素区分开。[5]在本文中采用的是Ostu算 法[6,7]对肺部区域进行粗分割,该方法可以自动的选择阈值,得到 较好的结果。 2.2 区域生长 区域生长实质是对像素点或选定的子区域进行操作,让其在满 足所定义的准则下去聚合成更大区域,以达到生长目的。其基本思
图4为结果对比,从上到下依次为原始CT图像,医生手工分割 结果,本文分割结果,文献[14]分割结果。
如果肺癌能在早期被诊断和治疗,其5年生存率将从14%上升到 49%。由于计算机断层扫描(Computed Tomography,CT) 能够提供 高清晰度的图像,并且为图像中各组织提供很高的对比度,因此被广 泛用于肺部疾病检测诊断中。对肺部进行一次扫描就会得到几百张的 图像,这增加了医生的阅片负担。因此,计算机辅助诊断(compute-
关键词: 计算机辅助诊断；肺实质分割；行扫描；扩散算法
中图分类号:TP391.4
文献标识码:A
文章编号:1007-9416(2017)09-0136-03
1 引言 近年来,癌症的发病率急剧上升,尤其是肺癌的发病率及死亡
率更是在逐年攀升。我国由于吸烟人数多,空气污染等原因,肺癌的 发病率增长较为严重。来自国家计生委的数据统计显示,目前我国 的肺癌发病率以每年26.9%的速度增长,近半个世纪来,每10到15年 肺癌患者的人数增加一倍。[1]
准确快速的提取出肺实质则是计算机辅助诊断的关键。[3,4] 在CT图像中分割出肺实质是CAD的前期工作。本文根据影像
学和解剖学特征, 结合最佳阈值法、数学形态学方法, 对图像进行 粗分割; 然后利用定向扩散算法修复掩膜图像,得到最终肺实质, 为计算机辅助诊断和医学图像在临床和生命科学研究领域的应用 打下良好的基础。 2 肺实质分割
2.0～A25l中l间时Ri,图gh像t的s恢复Re情s况e最rv佳e,本d.文中b取值为23。
图3中的图片从左至右分别为b的取值为0,5,10,15,20,23,25,
30,35时的恢复图像。
4 实验结果
在美国国家癌症中心(NCI)的RIDER库中选取了50张CT图像, 将本文算法与运用”滚球法”修复的算法比较,计算处理之后图像的 准确率和精度。[12]
3 图像修复
对肺部图像进行预处理的过程中,接近于肺壁的结节可能会被 去掉,因此在预分割后要修补图像。本文采用的修复算法是扩散算 法来。[11]
将完整的肺实质图像定义为函数 f x, y,在 tt 0时刻,图像 质量为 f x, y,t。图像受损过程可以用以下模型来表示,
f (x, y,t) b52 f x, y, t
算法分析
数字技术 与应用
基于扩散算法的 CT 图像中肺实质的分割算法
马新利 (河北大学电信学院,河北保定 071002)
摘要:在肺癌,肺气肿等肺部疾病的计算机辅助诊断中,肺实质的正确分割是计算机辅助诊断中的重要先行步骤。文中提出了一种基
于定向扩散算法的CT图像的自动分割。在本算法中综合利用了阈值分割、区域增长及数学形态学等算法,能够实现对图像的粗分割,其中
图1 原始CT图像 图2 预分割得到的肺实质
想是先获取种子点,然后从生长点开始,将与生长点性质相似的相 邻像素或区域与生长点合并,形成新的生长点,不断重复直到无法 生长为止。[8]
本文对CT图像进行区域生长处理的算法实现步骤为: (1)在肺实质部分定位得到种子点; (2)利用区域增长算法,在种子点的8*8*8邻域内进行增长,阈值 在灰度范围内自动选取最优阈值; (3)相邻区域的像素被合并,对图像中黑色像素点进行连通区域 标记,面积最大的连通区域是该CT图像的掩膜图像。 2.3 肺部图像预分割 肺部图像经上述处理后,与原始图像(图1)进行逻辑与运算,得 到预分割图像(图2)。 2.4 左右肺的分离 CT图像中常出现肺片粘连情况,粘连发生在CT图像的上部分。 对图像的上1/3部分扫描,并统计图像每一行中的边缘点的个数,当 边缘点数大于等于4的时候,表明肺片并未粘连,但是,当边缘点数 小于4的时候,左右肺是粘连的。[10]肺片粘连情况下,对上半部分投影 积分,将积分值最小的一列及其左右4列的像素值取反,从而实现左 右肺的准确分离。
方法 滚球法（文献[14]） 本文
准确率（%） 88.3 93.4
表2 轮廓距离
方法
本文方法 滚球法（文献[14]）
平均轮廓距离 （像素） 0.9 2.7
最大轮廓距离 （像素） 3.2 6.8
图像是当b 取不同数值时相应的恢复图像。当b取值较小时,图像变 化不明显,当b的取值较大时候,图像受损。经反复调试,当b取值在
对于左右肺粘连的CT图像采用行扫描的方法将左右肺片进行有效分离,最后采用定向扩散算法对粗分割得到的肺部轮廓进行修复,得到
完整的肺实质。从肺部图像数据库联盟(LIDC)中取出50张CT图像,采用本文提出的分割算法进行处理。结果表明,所提出的算法能够有效
的实现肺部区域的完整分割,并且与滚球法相比较,分割准确率和精度都较高,为计算机辅助诊断奠定了良好基础。
t
公式(1)
注:该模型为热传导扩散模型,其中,bb 0是扩散率。
f x, y,0 f x, y,1 b52 f x, y,1
公式(2)
注: f x, y,0 f x, y,即为原始的肺实质图像。
拉普拉斯算子利用点 x, y 的四邻点来进行离散,得到如下
的式子
x, y,1 f x 1, y f x 1, y
f x, y 1 f y 1 4 f x, y,1
公式(3)
利用该方法可以对逐次对各个像素点进行计算并修复。下面的
收稿日期:2017-09-08 作者简介:马新利(1992—),女,河北沧州人,河北大学电信学院硕士研究生在读,研究方向:医学图像处理。
136
数字技术 与应用
算法分析
图3 b取不同数值的修复图像 表1 肺实质分割准确率结果
2.1 Ostu(最大类间方差法)法 肺部和周围区域密度不同,因此其灰度值相差明显,可用阈值 法分割。阈值分割的目的是把ＣＴ图像中对应于肺实质,肺实质边 界和肺实质周围组织的像素区分开。[5]在本文中采用的是Ostu算 法[6,7]对肺部区域进行粗分割,该方法可以自动的选择阈值,得到 较好的结果。 2.2 区域生长 区域生长实质是对像素点或选定的子区域进行操作,让其在满 足所定义的准则下去聚合成更大区域,以达到生长目的。其基本思
图4为结果对比,从上到下依次为原始CT图像,医生手工分割 结果,本文分割结果,文献[14]分割结果。
如果肺癌能在早期被诊断和治疗,其5年生存率将从14%上升到 49%。由于计算机断层扫描(Computed Tomography,CT) 能够提供 高清晰度的图像,并且为图像中各组织提供很高的对比度,因此被广 泛用于肺部疾病检测诊断中。对肺部进行一次扫描就会得到几百张的 图像,这增加了医生的阅片负担。因此,计算机辅助诊断(compute-
关键词: 计算机辅助诊断；肺实质分割；行扫描；扩散算法
中图分类号:TP391.4
文献标识码:A
文章编号:1007-9416(2017)09-0136-03
1 引言 近年来,癌症的发病率急剧上升,尤其是肺癌的发病率及死亡
率更是在逐年攀升。我国由于吸烟人数多,空气污染等原因,肺癌的 发病率增长较为严重。来自国家计生委的数据统计显示,目前我国 的肺癌发病率以每年26.9%的速度增长,近半个世纪来,每10到15年 肺癌患者的人数增加一倍。[1]