[发明专利]肺部CT图像上的肺裂识别方法

说明书

技术领域

本发明涉及以分段三维平面拟合方法为基础，从全新的角度，高效地识别胸部CT图像上的肺裂。

背景技术

肺叶间裂（简称肺裂）是体现人体肺部结构的重要标识。对肺裂的完整度和结构的全面认识，在早期肺部疾病检测，分类，病情发展以及疾病的治疗上，都具有很大的临床实用价值。因此，肺裂的准确识别对临床来说很重要的。可惜的是，高分辩率CT检查通常包含大量的图像，让专家通过手动方式一张一张图片去标志肺裂所在空间位置非常耗时，而且肺裂在CT图像上通常表现得并不是很清楚，往往无法保证结果的准确性和一致性。

目前，世界范围内提出了很多肺裂识别方法，其中大部分方法包括两个阶段，即初始识别和进一步优化改进。在具体实现过程中，初始检测 / 识别一般通过确定感兴趣区（ROI：region-of-interest）来实现。比如，普等人[1]通过一个简单的阈值化处理来识别感兴趣区域；Wiemker等人[2]利用Hessian矩阵和结构张量滤波确定初始区域。另外在文献[5-8]中，初始区域是通过肺裂与血管、支气管之间在解剖上的关系来确定。在确定初始区域之后，下一步就是具体确定肺裂的空间位置，这方面的方法基本是通过在二维空间中确定直线或者在三维空间寻找曲面或者平面来实现。二维直线（2D）方法包括了增长曲线方法[9-10]，Vanderbrug的线性特征检测[11]，边缘检测[8]和高斯分布和/或是平均曲率分析[12]。考虑到在识别肺裂方面，三维曲面或者平面（3D）要比二维直线（2D）更加全面、准确， Ukil等人[7]提出了一种具有3D图搜索功能的脊度测量法[13]在感兴趣区内寻找平面;　普等人[1] 提出了一种用包括拉普拉斯平滑和扩展高斯图像（EGI：extended Gaussian image)在内的计算几何学方法; Rikxoort等人[3-4]提出利用二阶逻辑计算将点组合成平面; Kuhnigk[6]等人提出了一种交互式三维分水岭算法。与这些方法不同，张等人[14-16]提出了一种以图库为基础的模版匹配方法来寻找肺裂。

发明内容

肺叶间裂在CT图像上有两个特点，第一是与肺裂周围的肺部组织相比，肺裂相对较高的亮度，这也是为什么人眼可以看到肺裂的原因；第二是肺裂在以体素为基础的图像空间中有较高的密度。为了充分挖掘这两个特点，这项发明提出了一种以平面拟合为基础，高效、准确地识别CT图像上肺裂的方法。

考虑到三维自由曲面可以用很多小的平面来准确逼近，我们提出将三维肺部区域细分为很多小的球形细分体（这些细分体之间相互交叠），这样肺裂的识别问题就转换为在每一个球体中寻找一系列平面问题。这个方法包括了五个基本步骤（如图1至图5）：（１）肺部区域分割（图1），（２）肺部区域空间细分（图2），（３）中值滤波（图3），（４）用平面拟合方法识别各个细分体中的肺裂（图4），（５）肺裂分类（图5）。过滤是利用了相对较高的肺裂对比度，平面拟合利用了肺裂在体素空间中相对较高的密度的特点。

在这个方法中，CT影像被看作是一组三维点云数据，肺部区域被细分为许多小的球体，称为细分体，肺裂的识别是通过在每一细分球体中通过平面拟合来寻找相应的平面。

此项发明具有很多特点：首先，这种方法非常通用，既可以识别2D空间中的直线，也可以识别3D空间中的平面。

第二，在稳定性方面，这种方法对于噪音或者异常值并不敏感。

第三，在计算效率上，整个肺裂识别过程只需要大约8分钟，而之前提到的普等人发明的方法[1]大概需要20分钟，而由van Rikxoort 等人发明的方法[17]需要大约90分钟。

第四，在准确性上，新发明的方法具有较高的准确性。

第五，这种方法的实现过程非常简洁，只要将平面拟合方法直接应用于在肺部区域的细分体即可。另外，不同类型肺裂的识别在肺裂检测过程时通过一个简单的聚类方法即可同时完成。据我们所知，现在还没有哪一种方法可以同时进行肺裂的识别和分类。

附图说明

具体的实施方式将通过下面的附图进行详细描述。

图1至图5是肺裂分割方法的基本步骤：

图1肺部区域分割；

图2肺部区域细分；

图3中值滤波；

图4用平面拟合分析法识别肺裂；

图5不同类型肺裂分类。

图6至图11通过用二维和三维例子说明平面拟合方法的性能：