[发明专利]一种基于微分几何的气管树全自动分割方法

说明书

本发明公开了一种基于微分几何的气管树全自动分割方法，包括以下步骤：1)肺部CT的表面建模；2)主曲率和主方向计算；3)非气管区域的过滤；4)剔除非气管区域；5)提取连通区；6)剔除带有平面形状特征的连通区；7)融合不同CT值生成的气管树集合S；8)得器官树表面模型。本发明属于气管树全自动分割技术领域，具体是通过一种基于微分几何的气管树全自动分割方法，具有全自动、容易实现、对噪声图像不敏感、分割的气管树没有泄露和阻塞问题。

技术领域

本发明属于气管树全自动分割技术领域，具体是指一种基于微分几何的气管树全自动分割方法。

背景技术

支气管树形态的精准分割和定量分析对临床中评估特定疾病(例如：支气管管腔面积减小、壁厚变薄等)是否存在和严重程度具有非常重要的作用，目前计算机断层扫描CT成像技术可实现3D肺结构的可视化，但是无法提供气管树的单独显示和定量化描述，由于气管树结构十分复杂，手动分割非常耗时耗力，同时由于操作者的主观评判通常会引入较大的人工误差，因此，一种自动并且可靠的气管树分割方法对临床肺部疾病的诊断具有十分重要的意义。

泄露和阻塞是目前气管树自动分割的两大主要挑战，造成泄露与阻塞的主要原因是计算机断层扫描CT图像存在部分容积效应，导致气管树的管壁与气道内空气的对比度降低，泄露将会导致分割的气管树与其周边肺实质融合；而阻塞则导致气管树断裂或气管的不连续，此外，图像噪声和伪影也会对气管树的分割增加难度。特别是那些具有肺部疾病的病人，例如慢性阻塞性肺病或间质性肺病，气管树的分割会更加地困难，无法全自动、对图像噪声敏感、分割的气管树容易出现泄露和阻塞、算法实现复杂等缺点。

申请号为CN201510009239.X的专利申请公开了一种从肺部CT图像获得三维气管树的方法，包括提取若干图像特征用于构建代价函数中的能量项；采用多核学习的方法，使用所述特征的组合核函数嵌入到三维支气管种子点提取算法中，得到组成所述支气管段的种子点；根据连续性对组成所述支气管段的种子点进行连续得到各独立的支气管段，该发明采用的就是区域生长法的变种，先进行主支气管与支气管段的分割，然后再将各段支气管段与主支气管进行“缝合”，但依然有大量细微的末端支气管没有被分割，而且缝合操作对噪声图像会比较敏感，可能会导致假支气管的误连接。同时大量复杂的“缝合”算法必然导致计算成本的升高。

发明内容

为解决上述现有难题，本发明通过一种基于微分几何的气管树全自动分割方法，具有全自动、容易实现、对噪声图像不敏感、分割的气管树没有泄露和阻塞问题。

本发明采用的技术方案如下：一种基于微分几何的气管树全自动分割方法，包括以下步骤：

1)肺部CT的表面建模：对灰度值范围[-900HU，-450HU]进行采样间隔为10HU的等距离采样，气管树在不同位置的CT值变化很大，[-900HU，-450HU]的灰度值范围能够覆盖所有的气管树的CT值；根据采用的CT值，迭代地采用Marching Cube算法对肺部CT进行等值面建模，得出三角面片；

2)主曲率和主方向计算：对步骤1)建模出来的三角面片进行Laplacian平滑，采用面积平滑算子，具体的平滑公式如下：

其中A_j表示顶点相邻的第j个相邻三角形的面积；

3)非气管区域的过滤：建立肺组织主曲率特征分类表：根据步骤2)中计算出的主曲率值对人体肺部区域的软组织形状类型特征进行分类，人体中肺组织主要分成以下4种：球形，如结节；平面，如肺边界；凸圆柱体，如血管树和凹圆柱体，如气管树，其中4种软组织形状与主曲率值的关系如表1所示：

表1：肺组织主曲率特征分类表，其中r为圆柱体和球的半径