[发明专利]一种肺部CT图像的血管增强方法及系统

说明书

技术领域

本发明属于图像处理领域，尤其涉及一种肺部CT图像的血管增强方法及系统。

背景技术

CT图像是对人体某一部分的扫描图像，可以对血管、肿瘤等组织成像，辅助医生及时选择合理治疗方法。对于肺部CT图像，由于其中存在大量管状结构的组织(如支气管、血管等)，为了突出这些管状结构，抑制背景噪声，帮助肺部疾病的诊断，需要通过图像增强技术对其进行增强。

现有技术提出了多种肺部CT图像的血管增强方法。其中，基于海森(Hessian)矩阵的多尺度血管增强算法是常用的一类方法。该类方法利用Hessian矩阵的特征值和特征向量区分血管与背景，利用二阶导数提取局部几何特征。在所有基于Hessian矩阵的多尺度血管增强算法中，Frangi算法考虑了全部特征值并且对血管检测作出了几何解释，该方法可以检测不同尺度下的绝大多数血管，得到了相当广泛的应用。但是，Frangi算法对噪声比较敏感，在增强后会出现大量分散噪声，另外，由于该算法只对线性结构有响应，对其它结构有抑制作用，例如在血管交叉处会得到较小响应，造成血管断裂现象。

血管增强扩散(Vessel Enhancing Diffusion，VED)算法从两个方面对Frangi算法进行了改进。首先，VED算法在Frangi算法的血管函数中增加了平滑因子，使其可以降低对噪声的影响，从而变得平滑连续；其次，VED算法对检测到的管状结构进行了扩散，进而弥补了Frangi算法检测到的血管出现断裂的缺陷。

然而，虽然VED算法在一定程度上解决了Frangi算法出现的噪声和断裂问题，但是，由于噪声的存在，血管壁的扩散方向并不像血管中间部位一样与血管走向一致，而是受周围噪音的干扰，出现扩散方向杂乱的现象，这种杂乱的扩散方向导致血管可能会向血管切面方向扩散，使扩散后的血管粗于原来血管，造成血管增强的效果失真。

发明内容

本发明的目的在于提供一种肺部CT图像的血管增强方法，旨在解决现有技术提出的VED算法由于噪声的存在，使其在血管壁处的扩散方向杂乱，造成血管增强效果失真的问题。

本发明是这样实现的，一种肺部CT图像的血管增强方法，所述方法包括以下步骤：

计算图像中每一点的Hessian矩阵及其特征值和特征向量，并根据特征值和特征向量估计每一点属于管状结构的可能性；

以可能性大于0的点的特征值最小方向为法线方向，对其邻域内其它可能性大于0的点进行棒张量投票，并根据投票结果对每一可能性大于0的点的特征值和特征向量进行重构，以确定所述每一可能性大于0的点的管状结构的走向方向；

根据重构的特征向量，利用扩散函数对所述图像中所述每一可能性大于0的点的强度进行更新，直到更新次数达到最大迭代次数为止。

本发明的另一目的在于提供一种肺部CT图像的血管增强系统，所述系统包括：

计算模块，用于计算图像中每一点的Hessian矩阵及其特征值和特征向量，并根据特征值和特征向量估计每一点属于管状结构的可能性；

重构模块，用于以可能性大于0的点的特征值最小方向为法线方向，对邻域内其它可能性大于0的点进行棒张量投票，并根据投票结果对每一可能性大于0的点的特征值和特征向量进行重构，以确定所述每一可能性大于0的点的管状结构的走向方向；

扩散模块，用于根据重构的特征向量，利用扩散函数对图像中所述每一可能性大于0的点的强度进行更新，直到更新次数达到最大迭代次数为止。

本发明提出的肺部CT图像的血管增强方法及系统是对VED算法进行了改进，在估计出每一点属于管状结构的可能性之后，通过棒张量投票，对特征值和特征向量进行了重构，之后再利用扩散函数进行图像增强。相对于VED算法，由于利用了邻域的张量方向，对血管壁的血管走向进行了棒张量投票，从而纠正了血管壁周围的张量方向并重构了新的张量方向，利用重构的张量方向可以较好地减少血管强度沿血管切面的扩散，同时增强沿血管方向的扩散，达到抑制噪声，增强血管特征的效果，解决了VED算法存在的管状结构边缘特征方向杂乱引起的增强效果失真的问题。

附图说明

图1是本发明实施例提供的肺部CT图像的血管增强方法的流程图；

图2是本发明实施例中，得到每一点属于管状结构的可能性的详细流程图；

图3是本发明实施例中，对特征值和特征向量进行重构的详细流程图；

图4是本发明实施例提供的肺部CT图像的血管增强系统的结构图；

图5是图4中计算模块的结构图；