[发明专利]一种基于CT影像的肺结节边缘重建与分割方法

说明书

技术领域

本发明涉图像处理方法，特别涉及一种基于CT影像的肺结节边缘重建与分割方法。

背景技术

近些年来，世界各国肺癌的发病率和死亡率均持续上升，尤其在人口密度较高的工业城市更为显著，而我国肺癌患者的数量也居于全球首位。据世界卫生组织(World Health Organization. WHO) 统计，肺癌在男性肿瘤死因中居于首位，而在女性肿瘤中仅次于乳腺癌居第二位。降低肺癌患者死亡率的重要举措是早期诊断和早期治疗。

诊断早期肺癌的主要使用影像学诊断方法，包括X射线诊断和CT诊断。CT诊断在检测肺癌上优于X射线诊断，可以检测出lmm以上的肿瘤。肺结节是肺癌的CT表象形式，分为孤立型、粘连血管型、粘连肺壁型、毛玻璃型和空洞型，是指直径在3mm～3cm的肺内类球型病灶。

肺结节的倍增率、大小和表面光滑度都是判断结节良、恶性的指标。而这些特征的计算都是需要基于肺结节的准确的分割结果。肺结节通常依附于肺内其他解剖结构，使得肺结节的分割问题变得困难。各种类型肺结节的分割都有各自需要解决的问题。一些孤立型肺结节的核心处比较亮，而周围模糊影较暗，如何把周围的模糊影精确地划分到结节簇内是一个需要解决的问题。粘连血管型结节的结节部分和血管部分CT值相近，如何精确地把结节从血管上分割出来也是一个需要解决的问题。目前，有很多研究者对肺结节的分割问题做了广泛的研究。

肺结节分割功能首先使用在X射线的肺影像上，但是由于X射线的肺影像所测得的结节的直径是最大密度投影(Maximum Intensity Project, MIP)的结果，所以要比实际结节的体积大。之后，肺结节分割功能又使用在二维CT影像上，即逐层分割。随着多层CT(Multislice)的出现，研究者开始研究直接在三维影像上分割肺结节的算法。

Anthony P.Reeves等人提出用自适应阈值的算法分割肺结节，并用结节配准和基于知识的形状匹配来分析结节的倍增率^[1]。Maekado等人提出了一种自动分割肺实质的算法，然后利用灰度直方图来提取GGO的模糊影^[2]。

研究者还提出用3D区域生长(Region Growing)的算法分割肺结节，如Fan.L等人先提供一个使用直方图自适应求得的阈值，再用区域生长来分割肺结节，但是该算法只适合孤立型肺结节的分割，对于其它类型的肺结节并不适用^[3]。虽然区域生长算法通过连通性考虑了空间位置关系的特征，但存在两个缺点：第一，需要自适应地选取阈值，不适当的阈值会造成过分割和欠分割的现象，而且也不能把粘连血管型肺结节的结节部分从血管部分分割出来；对于孤立型肺结节也只能分割出核心部分，而存在模糊影就很难正确分割了。第二，区域生长算法需要一个人工选定的种子点，加入了人工操作，不能实现全自动的分割。

William J.Kostis提出的肺结节分割算法的大致过程是：首先，识别ROI，把各向异性通过插值变成各向同性待分析物体。其次，通过阈值和连通性的分析，3D形态学处理、血管剔出算法和胸膜表面删除算法进行肺结节分割。再次，对肺结节体积计算、倍增率估计。最后，判断肺结节的良恶性。该算法对于不同类型的结节提出了不同的算法，建立了各自的数学模型，然后再分别针对不同的模型使用不同的分割算法，但是程序中没有自动判断待分割的肺结节属于哪种类型，所以该算法在实际工程产品中不适用。

Armato提出了在阈值分割肺影像后使用“滚球”(Rolling Ball)算法提取准确的肺轮廓，然后利用10-point连通框架识别三维肺结节结构。虽然Kostis等人也提出一个“滚球”的算法来检测和分割粘连肺壁型肺结节，但是当肺结节的半径较大时(肺壁轮廓的缺口较大时)，结构元素的尺寸就会增大，速度就会变慢。

Shen等人提出投影肺壁轮廓的法线方向到一个平面上(轮廓缺口处的法线方向和轮廓其它地方的法线方向不同)，把法线方向转化为2D灰度图像，然后对该图像进行膨胀操作得到粘连肺壁型肺结节。