一种基于水平集的肺部血管快速分割方法
- 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)。
万方数据
东北大学学报(自然科学版)第29卷
平集肺部血管快速分割,它通过对血管分析减少水平集函数计算次数提高分割速度和不同层应用不同尺度,增加准确性.而本文应用水平集方法(1evelsetmethod,LSM)主要是因为它能很好地克服肺部图像拓扑关系改变时给算法带来的种种限制,对形状恢复和复杂结构的医学图像分割相当有效.但是基于阈值的水平集三维分割血管算法也有不足之处,肺部血管分割不准确,主要原因是测地线的参数和膨胀参数很难控制,最后得到的速度图像收敛到血管边缘为零处不清晰,这种变化可能导致和原有的结构不一样,不能清晰辨认血管之间的关系.另外,对于每一个像素点均要寻求一个最近点并计算其水平集函数值,使得该类算法运算相当慢.
基于上述原因,本文根据肺部解剖结构提出基于肺部局部信息的精确肺部血管分割方法,提高肺部血管的准确性、精确性和水平集的分割速度.
1基于阈值水平集分割理论
水平集方法(1evelsetmethod)是S.Osher和J.A.Sethian【5‘6J于1988年在研究曲线以曲率相关的速度演化时提出来的,用于描述曲线的演化过程.此方法基本思想是用曲率或法向量等几何度量表示曲线或曲面演化速度函数,并将速度函数与图像的数据关联起来,从而使曲线在对象边缘处停止.图像拓扑的变化、演化过程中的曲线和曲面只能被隐含表示为一个更高维函数的水平集【7|.此函数表示为
屯+FV声l=0,(1)
声(z,t=0)=±d.(2)式(2)表示当t等于0时初始值为d,±d表示点z到曲线或曲面的距离,如果是正数则表示点z在曲线或曲面的外侧,如果是负数则表示在曲线或曲面的内侧….式(1)改写为
屯十l=屯+kf(1一£H)IV声l一皿P(z)v声.
(3)式中,ki为速度函数,ki=e-alG‘。(7·jr)l,n>0;P(x)为膨胀系数;H为根据曲率调整的空间系数;p,£为每个系数的权重[旷1….
基于阈值的水平集分割的目的是根据不同组织有不同阈值范围作为膨胀系数,这样能防止分割泄露.
P(x)=
Ig(z)一z如果g(X)<(U—1)/2+z;
l“一g(x)否则.¨7
式中,z为分割组织最低阈值,U为分割组织最高阈值.
种子点相邻的每一个像素点均要寻求一个最近点并计算其水平集函数值,直到函数值收敛为止,即屯+1为零.从式(4)中得出P(.7C)是影响水平集分割的关键参数.
2肺部血管三维分割
左右肺实质分割的分割方法很多,需要根据不同的情况,选择不同的方法,这里并不详细说明.基于阈值的水平集初始分割肺部血管,最后在分割的结果选取种子点,应用三维区域增长算法生成一段肺部血管.
CT数据输人
左右肺实质分割
基于阈值的水平集初始分割
应用i维区域增长算法生成肺部咖管
图1基于阈值的水平集分割基本流程图
Fig.1Thebasicflowchartoflevel—setbased
013threshold
2.1肺部区域的划分
由于肺静脉和肺动脉都是从肺门附近进入肺部,然后肺部血管由粗到细、密度由大N4,向肺壁延伸.因此在左右肺的肺门附近选择2个种子点,根据到种子点不同的距离,设定不同的半径,根据不同半径划分左右肺分别为4个不同的部分,如图2和图3所示.
图2肺部的横断面区域的划分
Fig.2Segmentationofcross-sectionalareaforlung
图3肺部冠状面区域的划分
Fig.3Segmentationofcoronaryareaforlung2.2肺部血管分割
由于肺部血管很细,划分肺部血管的边缘是
很困难的.首先在感兴趣区选取种子点,然后根据
万方数据
万方数据
810东北大学学报(自然科学版)第29卷
图6经过分割后提取右肺实质
Fig.6Essentialimagesofrightlungaftersegmentation
(a)【b)(C)(d)
∥o.一亨。
(e)(f)(g)
图7应用基于阈值的水平集肺部血管
分割后结果
Fig.7Resultofapplyinglevel·settosegmentvessel
oflung
(且)(b)
图8不同阈值范围分割血管的对比
Fig.8Contrastofsegmentationofvesselbetween
differentthreshoIcIs
◆(且)
●
(b)
图9肺边缘处血管
Fig.9Vesselatlungboundary
o
(c)
在速度上应用式(3)算法所花费的平均时间为1860s,用式(3)和式(9)算法为375S.通过该实验可以清楚地看到,本文所提出基于解剖结构的水平集分割方法有如下优点:①从算法效率上看,由于该方法尽最大可能地考虑了导致水平集效率低下的主要因素,因此,它大大减少了对水平集函数值的求解,优化了对下一步零水平集的搜索,从而较大程度地提高了算法的分割效率;②根据解剖优化P(z)的求解,能够达到较为准确的肺部血管的分割.
4结论
本文将基于阈值的水平集分割算法应用到肺部血管的分割中,提出了一种基于水平集的肺部血管快速分割算法.验证分析表明,该算法通过对k值大小的调整,能够获得对肺部血管的有效分割,从而能较为准确地标定血管,为后续的肺部CT影像的辅助诊断提供基础.
由于肺部血管结构复杂,血管和血管之间连接紧密,血管的半径、走向等信息需要更深层次的综合分析和考虑,以便提高肺部血管分割的精确性和鲁棒性.这将是今后工作的重点方向.[1]ShikataH,HoffmanEA,Sonl∞M.Automatedsegmentationofpulmonaryvascularfrom3DCTimages
【c]//MedicalImaging:Physiology,Function,and
StructurefromMedicalImages.ProcSPIE5369.San
Diego.2004:107—116.
[2]MasutaniY,MacMahonH,DoiK.AutomatedsegmentationandvisualizationofthepulmonaryinspiralCT
angiography:ananatomy—offendapproachbasedthree-
dimensionalimageanalysis[J].JournalofComputerAssiaed
Tomogra姊y,2001,24(4):587—597,
[3]BuelowT,WiemkerR,BlaffertT,eta/.Automaticextractionofthepulmonaryarteryfrommulti—sliceCT
date[C]//MedicalImaging20051Physiology,Function,
andStructurefromMedicalImages.ProcSPIE5746.
Bellingham,WA,2005:1127—1131.)
[4]张红梅,卞正中,郭佑民,等.感兴趣区域高效提取算法[J].软件学报,2005,16(1):77—88.
(ZhangHong—mei,Nanzheng—zhong.GuoYou-min,e/a1.
Anefficientapproachextractionofregionofinterest[J].
JournalofSoftware,2005,16(1):77—88.)
[5]OsherS,SethianJA,Fronmpropagatingwith
dependent.eed:algoffthnxsbasedtheHamilton-Jacobi
formulation[J].JournalofComputationalPhysics,1988,
79(1):12—49.
[6]AdalsteinssonD,SethianJ
A.mfastconstructionofextensionvelocitiesinlevelmethods[J].Journalof
ComputationalPhysics,1999,148(1):2—22.
[7]田捷,包尚联.周明全.医学图像处理与分析[M].北京:电子工业出版社,2003:73—75.
(manJie,BaoShang-lian.ZhouMing-quart,Medicalimage
process
andanalysis[M].Beijing:PublishingHouseofElectronicsIndustry.2003:73—75,)
[8]SethianJA.Adaptivefastmarchingandlevelmethodsforpropagatinginterfaces[J].ActaMathUnivComenianae,
1998,67:3—15.
[9]YezziA.KichenassamyS,KtrnarA,eta1.Ageometricsnakemodelforsegmentationofmedicalimagery[J].IEEE
TramMMedicalImaging,1997,16(2):199—209.
[10]MalhdiR,SerbianJA,VemuriBC.Shapemodelingwithfrontpropagation:alevelsetapproach[J].IEEETra琊。柠
PatternAnalysisandMachineIntelligence.1995,17(2):
158—175.
[11]HuSY,HorffmanEA.AutomaticlungsegmentationforquantitationofvolumetricX—ray
CTimages[J].IEEETrans彻Medical
Imaging,2001,20(6)1490—498. 万方数据