[发明专利]肺区CT序列自动分割方法

说明书

技术领域

本发明涉及图像处理，涉及医学图像处理领域，具体来讲是一种肺区CT序列自动分割方法。

背景技术

肺实质分割能够缩小结节检测的搜索区域，缩短结节检测的算法运行时间并提高检出率及准确性，是肺结节CAD的关键步骤，准确、快速、完整地分割出肺实质是本阶段的中心任务。该步骤实现的难点在于与血管，胸腔膜等粘连结节的过分割或漏分割，进而造成左右肺连接或者肺边界缺口的问题。

常用于肺实质分割的算法有基于阈值、边缘检测、区域合并生长等：阈值方法实现简单，对直方图呈双峰或者多峰的影像采用单阈值、多阈值的方法能够有效进行分割，阈值计算上也出现了迭代法、最大类间方差、自适应最优阈值等计算方法，但是对于分布平稳，灰度接近或有较大重叠的影像难以取得好的分割效果，往往需要结合其他增强等处理；边缘检测的本质是根据邻域像素间的灰度跳变梯度来对边缘进行检测，进而进行分割等处理，考虑梯度的计算方法，逐渐引入                                                、高斯算子等局部微分或梯度算子，这种方法对于边缘的检测比较有效，但往往由于梯度检测阈值的存在而可能造成目标边界断续，边界不闭合，以及边缘杂乱，另外由于基于灰度跳变对梯度信息敏感，而不能消除噪声的影响，抗噪性差；基于区域合并的生长方法是根据像素的相似性比较归类，必须有一个比较的起点和基准，即种子点和合并生长规则，这种方法能够将同类性质的像素合并在同一区域，进而将图像分割为若干个性质差异的不同区域，简单且效率高，一目了然，缺点是种子点的自动化程度不够，需要一定的人为干预。现有研究大多基于单张影像，不能实现序列化、自动化处理，需要大量的人工交互，不能满足CAD处理HRCT等大数据量序列影像的要求。

发明内容

本发明的目的在于在此提供一种肺区CT序列自动分割方法，结合序列图像上下文目标特征连续性，进行种子区域自动计算映射，实现序列分割，得到完整肺部三维区域数据，为CAD系统的疑似肺结节VOI提取、分类奠定基础。

本发明是这样实现的，构造一种肺区CT序列自动分割方法，其特征在于：包括如下步骤；

（1）输入肺区CT序列图像； 

（2）利用交互式区域生长对图像I进行分割；

（3）据分割结果得到初始轮廓，计算相邻影像的种子点坐标；

（4）基于I中种子点坐标利用步骤2中交互式区域生长对序列中的当前图像II进行分割；

（5）重复2、3、4步骤，判断CT序列中的图像是否已全部分割完成，否则转步骤（3），直到所有图像分割完成。

根据本发明所述的肺区CT序列自动分割方法，其特征在于：

步骤（2）按照如下方式进行；

利用OTSU算法求得CT图像最优阈值作为终止条件并利用四角置点区域生长算法得到背景区域，进而连通域标记合并小面积区域去除背景，得到Body-Mask；

其中采用四角置点区域生长的方法滤除背景流程如下：

a、阈值以上文得到的最优阈值作为迭代终止条件；

b、分别从影像的四角向中心区域扫描，若扫描的像素值小于阈值即认为是背景区域并将像素值置为0（黑色），不断扫描直至所有背景像素点合并完毕；

c、生长过程：从种子点开始遍历其邻域像素，若像素灰度值小于阈值，则标记为背景，若大于阈值且其四邻域有小于阈值的像素，则标记为边界；

d、将标记为背景的像素置为白色；

标记并针对躯干模板数据，以步骤中阈值分割并取反，得到粗略肺实质模板； 

对二值的肺实质模板轮廓跟踪，对得到的闭合轮廓对象进行面积过滤，去除主气管，心脏血管等孤立小面积闭合区域；

构造圆形结构数据对肺实质模板边界进行平滑修复。

根据本发明所述的肺区CT序列自动分割方法，其特征在于：步骤（3）具体流程如下：

 遍历当前层影像的目标区域边界，得到灰度均值A及灰度方差S；

据边界点坐标由逼近算法迭代得到目标区域正放置最大内接矩形R，并得到形心坐标（I，J）；

将（I，J）投影到下一层影像的相应位置，并提取其灰度值Gray；

计算abs（Gray-A），若abs（Gray-A）小于S，则种子点有效；否则，种子点无效，则以该点为圆心，在半径不大于R的范围内遍历其邻域像素，重复（4）操作，从而最终得到种子点。