CN102521833B - 一种从胸部ct图像中获得气管树的方法及装置 - Google Patents
一种从胸部ct图像中获得气管树的方法及装置 Download PDFInfo
- Publication number
- CN102521833B CN102521833B CN201110405950.9A CN201110405950A CN102521833B CN 102521833 B CN102521833 B CN 102521833B CN 201110405950 A CN201110405950 A CN 201110405950A CN 102521833 B CN102521833 B CN 102521833B
- Authority
- CN
- China
- Prior art keywords
- seed points
- image
- lung
- region
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
本发明实施例公开了一种从胸部CT图像中获得气管树的方法及装置,所述方法包括:接收输入的n层胸部CT图像,其中n为自然数,在所述n层胸部CT图像中对肺部组织做肺部标记;获取所述n层胸部CT图像中的指定图像层,获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点;根据所述第一初始种子点以及所述肺部标记,在所述n层胸部CT图像中进行第一类3D区域增长,获得气管树。本发明通过采用肺部预分割及防止增长泄漏的措施,不但获得了更精确的气管种子点,而且解决了3D区域增长方法在CT图像中无法自动分割更细微的支气管的问题。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种从胸部CT图像中获得气管树的方法及装置。
背景技术
获得精确的肺部气管树是肺气管相关病变参数自动诊断的基础,肺气管树的准确提取对于肺部疾病的计算机辅助诊断系统具有重要意义。肺气管,又称气管树,呈现出一种类似树形的结构,主气管在末端分裂形成左、右主支气管,分别深入到左右肺中,并在末端继续分裂成两个子气管,各气管段逐渐分裂,最终微小气管与肺泡相连完成气体交换功能。在CT图像中,气管呈现中空且连通的管道结构,其管腔灰度值较低且与周围肺实质比较接近,而周围高亮度的气管壁将其与肺实质分开,气管管腔和管壁的灰度值差异较大,随着气管逐渐分级,气管变细,管壁变薄,管腔灰度值和管壁灰度值差异变小,且由于部分容积效应的影响,气管的边界模糊,与肺部实质连通。可见,在对气管进行分割时,很容易在气管管腔和管壁模糊处越过气管壁泄漏到肺部实质中,造成严重的误分割,无法获得准确的气管树。
由于肺气管树所具有的特殊的拓扑结构特征和灰度纹理特征,通常用于肺实质、肝部、脑部的一些分割方法并不能很好地适用于肺气管的分割。近年来国内外研究者对于气管树的研究越来越关注,提出了许多气管树分割方法,如基于3D区域增长的气管树分割方法、基于数学形态学的分割方法、基于模糊连通性的分割方法、基于参数形变模型的分割方法、基于知识和规则的分割方法等。其中,3D区域增长算法由于其计算简单,速度较快,在气管分割中应用较多。该方法主要有两大步组成:
第一步:在CT图像中选取一个气管种子点和一个区分空气和软组织体素的第二全局阈值。种子点和第二全局阈值可以采取两种方式获得:一是人工交互方法获得;二是基于连通域面积计算自动获得。
如果采用人工交互方法,则需要专业人员手工在含有气管的图像中选择一点作为分割的种子点,并以该点的灰度值作为第二全局阈值。该方法优点是种子点和阈值选取准确,但需要人工参与,无法实现气管树的自动分割。
如果采用基于连通域面积计算的自动获得方式,则需要假定胸部扫描CT的第一层幅图像只含有气管或极少部分肺尖,采取自适应阈值方法分割图像,计算所得的所有连通域的面积,选取大于某一阈值(如3000像素数)的区域作为气管区域,选取此区域中某一点及其CT值作为第二全局阈值,进行3D区域增长分割气管。该方式解决了需要人工参与的问题,实现了气管种子点的自动选取。
第二步:根据气管种子点在CT图像中进行3D区域增长,在增长过程中监测标记区域的体积改变速度以检测泄漏,遇到泄漏则停止增长,从而可避免造成严重的误分割。
发明人在实现本发明的过程中,发现现有技术中利用3D区域增长获得气管树的方法至少存在如下缺点:
在第一步中,人工交互方法无法实现气管种子点的自动选取,基于连通域面积计算方法虽然实现了气管种子点的自动选取,但是由于临床扫描的胸部CT图像经常会包括颈部到下颚的部分或者包括比较多的肺尖区域,因此该方式无法准确的选取气管种子点及第二全局阈值,并导致无法获得精确的气管树;
在第二步中,遇到泄漏则停止增长的方式虽然克服了由于气管分割时泄漏至肺实质区域、造成分割错误的问题,但是也因此而损失了大量气管组织,故只能分割主支气管段,对于更细微的支气管则无法准确分割,因此也就无法获得精确的气管树。
发明内容
本发明实施例要解决的技术问题是:无法从胸部CT图像中获得精确的气管树。
本发明实施例提供了一种从胸部CT图像中获得气管树的方法,所述方法包括:
接收输入的n层胸部CT图像,其中n为自然数,在所述n层胸部CT图像中对肺部组织做肺部标记;
获取所述n层胸部CT图像中的指定图像层,获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点,其中所述指定图像层是所述n层胸部CT图像中按照从头到脚顺序的第一幅带有所述肺部标记的图像层;
根据所述第一初始种子点以及所述肺部标记,在所述n层胸部CT图像中进行第一类3D区域增长,获得气管树。
优选的,所述在所述n层胸部CT图像中对肺部组织做肺部标记的步骤具体包括:
在所述n层胸部CT图像中获取一幅带有肺部区域的图像层;
获得所述图像层的所述肺部区域的中心点,并根据所述肺部区域的中心点获得第二初始种子点及第二全局阈值;
根据所述第二初始种子点及第二全局阈值,在所述n层胸部CT图像中进行第二类3D区域增长,并对所述第二类3D区域增长所得做肺部标记。
优选的,所述获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点的步骤具体包括:
获得所述指定图像层中所有已做所述肺部标记的连通区域的面积,选取所述面积在第一阈值内的所述连通区域作为指定连通区域,所述指定连通区域为一个或多个;
获得所有所述指定连通区域的中心点,并选取所述指定连通区域的中心点与所述指定图像层的横轴中心线最近的一个所述指定连通区域作为气管区域;
判断所述气管区域的中心点是否已做所述肺部标记,若是,则将所述气管区域的中心点确定为第一初始种子点,若否,则在所述气管区域中心点所在的第一指定区域内选取已做所述肺部标记的一点作为第一初始种子点。
优选的,所述进行第一类3D区域增长的步骤具体包括:
i)从当前代种子点开始进行3D区域增长,得到新的一代种子点,将所述新的一代种子点作为当前代种子点,进入步骤ii);
ii)判断所述当前代种子点与上一代种子点的数量差值是否超过第二阈值;若是,则从所述当前代种子点开始,去除已获得的第一指定数量代种子点,并选取当前最后一代种子点作为所述当前代种子点,进入步骤iii);若否,则进入步骤i);
iii)在所述当前代种子点中获得指定种子点,并将所述指定种子点从所述当前代种子点中剔除,进入步骤i),其中获得指定种子点的步骤包括:对所述当前代种子点中的每一个种子点进行如下评估:对被评估的种子点进行第二指定数量代模拟第一类3D区域增长,在所述模拟第一类3D增长过程中判断新一代与上一代的种子点数量差值是否超过第二阈值,若是,则确定该种子点是一个所述指定种子点。
优选的,步骤i)中,从当前代种子点开始进行3D区域增长之前,还包括:
记录所述第一类3D区域增长的循环次数并判断所述循环次数是否超过第三阈值,或,判断所述当前代种子点的种子点数量是否小于第四阈值;若是,则结束所述第一类3D区域增长。
本发明实施例还提供了一种从胸部CT图像中获得气管树的装置,所述装置包括:
CT图像输入单元:用于接收输入的n层胸部CT图像,其中n为自然数;
肺部标记单元:用于在所述n层胸部CT图像中对肺部组织做肺部标记;
指定图像层获取单元:用于获取所述n层胸部CT图像中的指定图像层,其中所述指定图像层是所述n层胸部CT图像中按照从头到脚顺序的第一幅带有所述肺部标记的图像层;
第一初始种子点获取单元:用于获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点;
第一类3D区域增长单元:用于根据所述第一初始种子点以及所述肺部标记,在所述n层胸部CT图像中进行第一类3D区域增长,获得气管树。
优选的,所述肺部标记单元具体包括:
肺部区域图像层获取子单元:用于在所述n层胸部CT图像中获取一幅带有肺部区域的图像层;
第二初始种子点获取子单元:用于获得所述图像层的所述肺部区域的中心点,并根据所述肺部区域的中心点获得第二初始种子点及第二全局阈值;
第二类3D区域增长及标记子单元:用于根据所述第二初始种子点及第二全局阈值,在所述n层胸部CT图像中进行第二类3D区域增长,并对所述第二类3D区域增长所得做肺部标记。
优选的,所述第一初始种子点获取单元具体包括:
指定连通区域获取子单元:用于获得所述指定图像层中所有已做所述肺部标记的连通区域的面积,选取所述面积在第一阈值内的所述连通区域作为指定连通区域,所述指定连通区域为一个或多个;
气管区域获取子单元:用于获得所有所述指定连通区域的中心点,并选取所述指定连通区域的中心点与所述指定图像层的横轴中心线最近的一个所述指定连通区域作为气管区域;
第一初始种子点选取子单元:用于判断所述气管区域的中心点是否已做所述肺部标记,若是,则将所述气管区域的中心点确定为第一初始种子点,若否,则在所述气管区域中心点所在的第一指定区域内选取已做所述肺部标记的一点作为第一初始种子点。
优选的,所述第一类3D区域增长单元具体包括:
增长子单元:用于从当前代种子点开始进行3D区域增长,得到新的一代种子点,将所述新的一代种子点作为当前代种子点;
泄漏判断子单元:用于判断所述当前代种子点与上一代种子点的数量差值是否超过第二阈值,若是,则触发泄漏处理子单元;
所述泄漏处理子单元:用于从所述当前代种子点开始,去除已获得的第一指定数量代种子点,并选取当前最后一代种子点作为所述当前代种子点,触发当前代种子点筛选子单元;
所述当前代种子点筛选子单元:包括:
指定种子点获取子单元,用于对所述当前代种子点中的每一个种子点进行遍历,在所述遍历过程中,对一个被遍历的种子点进行第二指定数量代模拟第一类3D区域增长,在所述模拟第一类3D增长过程中判断新一代与上一代的种子点数量差值是否超过第二阈值,若是,则确定所述被遍历的种子点是一个所述指定种子点,
剔除子单元,用于将所述指定种子点从当前代种子点中剔除。
优选的,所述第一类3D区域增长单元还包括:
结束增长判断子单元:用于记录所述第一类3D区域增长的循环次数并判断所述循环次数是否超过第三阈值,或,判断所述当前代种子点的种子点数量是否小于第四阈值;若是,则结束所述第一类3D区域增长。
本发明实施例先对肺部组织进行预分割,即对肺部组织做肺部标记,然后计算获得了更精确的气管种子点,同时,因为采用肺部预分割及防止增长泄漏的措施,解决了3D区域增长方法在CT图像中无法自动分割更细微的支气管的问题,最终可获得更精确的气管树。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一中方法的总流程图;
图2是本发明实施例一中步骤S1所包含的步骤的流程图;
图3是本发明实施例一中步骤S11所包含的步骤的流程图;
图4是本发明实施例一中步骤S2所包含的步骤的流程图;
图5是包括肺尖区域的图像层的示意图;
图6是本发明实施例一中步骤S3所包含的步骤的流程图;
图7是气管3D区域增长发生泄漏的示意图;
图8是层厚1.5mm图像层气管3D区域增长统计结果示意图;
图9是层厚3.0mm图像层气管3D区域增长统计结果示意图;
图10是四组图像层的冠状面示意图;
图11是肺实质预分割效果示意图;
图12是气管种子点选取效果示意图;
图13是气管分割效果示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
图1是本发明实施例一中方法的总流程图,包括:
S1:接收输入的n层胸部CT图像,其中n为自然数,在所述n层胸部CT图像中对肺部组织做肺部标记。n由层厚决定,如层厚为1.5mm时n约为350左右,n为1.0mm时n为500左右。胸部CT图像即胸部X射线计算机断层扫描(CT)图像。虽然气管树,尤其是细小支气管,其边界模糊,与肺部是三维连通的,较难获得,但是肺部组织的获得是相对容易的,因此可以先从胸部CT图像中分割出肺部组织,即对肺部组织做肺部标记,然后再从得到的肺部组织中分割出气管树。参见图2,S1可以包括:
S11:在所述n层胸部CT图像中获取一幅带有肺部区域的图像层。参见图3,S11可以包括以下步骤:
S111:首先选取n层胸部CT图像中的一幅图像,参见图3中Step1。在选取后需判断一下是否到达规定的层数,参见图3中Step2。本实施例中首先选择的是第n/2层图像。然后选取这幅图像中的某点,例如在以CT图像的X轴为横轴、Y轴为纵轴、图像的左上角为原点、像素为长度单位的场景下,可以选择坐标为(1,1)的点。然后将该点作为第三初始种子点,即2D区域增长初始种子点,并以第三初始种子点的CT值作为第三全局阈值,进行2D区域增长,所得的区域作为背景区域。
S112:在该幅图像中去除背景区域,参见图3中Step3,然后在该幅图像的剩余图像区域中利用自适应阈值方法和连通区域面积法检测疑似肺部区域,参见图3中Step4。若未找到则进入S113,若找到则记当前层为n0,进入S114。
自适应阈值法参见论文Shiying Hu,Eric A.Hoffmanand and Joseph M.Reinhardt.“Automatic lung segmentation for accurate quantitation of volumetricX-Ray CT images”.IEEE Transctions on medical imaging.2001,6(20):490-498.
连通区域面积法检测疑似肺部区域方法如下:记计算所得的自适应阈值为θ,按照此阈值对图像做二值化处理,通过4邻域或8邻域法二维区域增长法计算二值图中所有的连通域及其面积,选取面积最大的两个区域,如果此两区域的面积均大于某一阈值,此阈值可以在8000~15000个像素点中选取,本方法中采用10000,则此两区域作为疑似肺部区域。
S113:选取下一幅图像,参见图3中Step1,例如第n/2+1层,然后按照S111中的方法继续搜索疑似肺部区域,若找到,则记当前层为n0,转到S114;若未找到,则继续搜索n/2+2层,依此类推,直到到达规定的层数,例如直到n-n/5层,此时若仍未找到带有疑似肺部区域的图像,则按照前述方法依次从n/2-1层到n/5层进行搜索,搜索完毕后若仍未找到带有疑似肺部区域的图像,则结束,并可提示数据异常等。
S114:记两肺部疑似区域的面积分别为m_top1和m_top2,其中m_top1为二者较大者,然后分别计算得到m_top1、m_top2以及面积差S,同时计算两区域的中心与横轴中心线的横坐标位置差值Lm_top1、Lm_top2,参见图3中Step5。如果面积差S小于m_top1面积的1/5,并且Lm_top1和Lm_top2分别位于横轴中心线的两侧,则两区域为肺部区域,本幅图像即要获取的带有肺部区域的图像层,S11结束,参见图3中Step6和Step7;否则,若此时n0>n/2,则转到S113中从n0+1层继续向后搜索,若n0<n/2则转到S113中从n0-1层继续向前搜索,参见图3中Step6和Step1。
S12:获得所述图像层的所述肺部区域的中心点,并根据所述肺部区域的中心点获得第二初始种子点及第二全局阈值。可以获得m_top1或m_top2区域的中心点,以此点为中心,在第二指定区域,例如20*20像素的区域内寻找属于所述肺部区域的一点作为第二初始种子点,即肺部3D区域增长初始种子点,可简称肺部初始种子点,并以第二指定区域的CT平均值作为第二全局阈值。
S13:根据所述第二初始种子点及第二全局阈值,在所述n层胸部CT图像中进行第二类3D区域增长,并对所述第二类3D区域增长所得做肺部标记。其中,第二类3D区域增长也可称为肺部3D区域增长,具体可以是通过26邻域规则进行的3D区域增长。
S2:获取所述n层胸部CT图像中的指定图像层,获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点,其中所述指定图像层是所述n层胸部CT图像中按照从头到脚顺序的第一幅带有所述肺部标记的图像层。在人体的解剖结构中,肺与气管连通,因此S1中所作的肺部标记的区域中即肺部组织中,包括气管树,而S2的目的则是为该气管树确定一个初始种子点。所述指定图像层可以按照如下方法确定:根据DICOM文件(DICOM文件是医学影像的标准文件格式,CT\MR\PET均采用此格式文件,包括扫描位置、电压、层厚、层间距等信息)信息中的患者扫描位置信息(Paitient Poisition),将所述n层胸部CT图像按从头到脚的顺序排列,然后找到第一幅出现所述肺部标记的图像作为指定图像层。参见图4,S2可以包括以下步骤:
S21:获得所述指定图像层中所有已做所述肺部标记的连通区域的面积,选取所述面积在第一阈值内的所述连通区域作为指定连通区域,所述指定连通区域为一个或多个。通常,通过CT扫描得到的CT图像中,气管区域具有位于图像横轴中心线附近、且面积为300~3000个像素点的特性,因此可以将300~3000个像素点设为第一阈值。然后在所有已做所述肺部标记的连通区域中,选择其面积在第一阈值内的作为指定连通区域,即气管候选区域。由于临床医生在实际扫描过程中,有时从肺尖区域开始扫描,因此在一幅CT图像中会出现1~3个面积在第一阈值范围内的气管候选区域,参见图5中HX1、HX2、HX3所指的区域。
S22:获得所有所述指定连通区域的中心点,并选取所述指定连通区域的中心点与所述指定图像层的横轴中心线最近的一个所述指定连通区域作为气管区域。计算所有指定连通区域即气管候选区域的中心点,根据气管组织相对于肺尖等组织离图像横轴中心线较近的特性,选取与图像横轴中心线最近的中心点所对应的气管候选区域作为气管区域。
S23:判断所述气管区域的中心点是否已做所述肺部标记,若是,则将所述气管区域的中心点确定为第一初始种子点,若否,则在所述气管区域中心点所在的第一指定区域内选取已做所述肺部标记的任意点作为第一初始种子点。第一初始种子点又可称为气管3D区域增长初始种子点,可简称气管初始种子点。所述第一指定区域可以是面积为20*20像素点的区域。
S3:根据所述第一初始种子点以及所述肺部标记,在所述n层胸部CT图像中进行第一类3D区域增长,获得气管树。其中第一类3D区域增长也可称为气管树3D区域增长,其种子点增长规则具体为已经做肺部标记的点,即以第一初始种子点为初始代种子点,选取所述n层胸部CT图像中已做所述肺部标记的点进行增长。事实上肺部标记可以理解为是第一类3D区域增长所需要的第一全局阈值。可见,第一类3D区域增长与第二类3D区域增长都属于3D区域增长,所不同的是第一类3D区域增长是根据第一初始种子点以及所述肺部标记进行的增长,而第二类3D区域增长则是根据第二初始种子点以及第二全局阈值进行的增长。
参见图6,S3中所述第一类3D区域增长的步骤可以包括以下步骤:
S31:从当前代种子点开始进行3D区域增长,得到新的一代种子点,将所述新的一代种子点作为当前代种子点,进入S32。记当前代种子点为第k代种子点,其种子点数量为Vk。
S32:判断所述当前代种子点与上一代种子点的数量差值是否超过第二阈值;若是,则从所述当前代种子点开始,去除已获得的第一指定数量代种子点,并选取当前最后一代种子点作为所述当前代种子点,进入S33;若否,则进入S31。
本实施例方法的气管树3D区域增长算法主要由3D区域增长和泄露处理两部分算法组成。利用3D区域增长分割气管时,在气管管腔和管壁模糊处种子点容易越过气管壁泄漏到肺部实质中,参见图7。本实施例方法对气管树3D区域增长过程的种子点数目及相邻两代之间的种子数目差值进行了统计分析,参见图8和图9,图8、图9分别为层厚1.5mm、3.0mm的气管生长过程中种子点数目统计图,其中图8中的(a)、图9中的(a),为每代新增种子数目,图8中的(b)、图9中的(b),为两代之间的种子差值,在图8中的(b)中标出了两代差值大于250的代数,图9中的(b)中标出了两代差值大于150的代数。通过对统计结果分析可以发现,当发生泄漏时,种子点数目会急剧增大,且相邻的两代种子数目差值迅速增大,本实施例方法依据这一规律判断在增长过程中是否发生泄漏以及对发生泄漏种子点进行去除。
当前代种子点即第k代种子点的种子点数量为Vk,上一代种子点即第k-1代种子点的种子点数量为Vk-1,先计算两代的数量差值(Vk-Vk-1),若(Vk-Vk-1)超过第二阈值,则认为生长过程中在第k代种子点发生了泄漏。第二阈值可以根据层厚选取,层厚在0.5~1.5mm之间时选取150~250,层厚在1.5~3.0mm之间时选取100~200。
若发生了泄漏,则从所述当前代种子点开始,去除(或称抛弃)已获得的第一指定数量代的种子点。所述第一指定数量代的种子点可以是倒数i代种子点,其中i的范围可以是4≤i≤7。去除了倒数i代种子点后,将去除后的当前最后一代种子点即第k-i代种子点,作为当前代种子点,然后进入S32。
若未发生泄漏,则回到S31中,继续增长。
S33:在所述当前代种子点中获得指定种子点,并将所述指定种子点从所述当前代种子点中剔除,进入S31。其中,在所述当前代种子点中获得指定种子点的步骤,可以包括以下步骤:
S331:对所述当前代种子点中的每一个种子点进行如下评估:
对被评估的种子点进行第二指定数量代模拟第一类3D区域增长,在所述模拟第一类3D增长过程中判断新一代与上一代的种子点数量差值是否超过第二阈值,若是,则确定该种子点是一个所述指定种子点。
根据上文,第k-i代种子点已经成为当前代种子点,需要在第k-i代种子点中剔除指定种子点,所述指定种子点即那些可能会造成泄漏的种子点,个数为一个或多个。这些指定种子点可以通过对第k-i代的每一个种子点做如下评估的方式获得:
首先对被评估的种子点进行第二指定数量代模拟第一类3D区域增长。所述模拟第一类3D区域增长,又可称为模拟气管树3D区域增长,是与第一类3D区域增长类似的,只不过此时并不是进行真正的气管树3D区域增长,而是由于需要对种子点进行评估而做的模拟或虚拟的增长,故称为模拟第一类3D区域增长。所述第二指定数量代可以是j代,即从被评估的种子点开始,共进行j代的模拟增长,其中j的范围可以是7≤j≤10。
在模拟增长过程中,同样要判断新一代与上一代的种子点差值是否超过第二阈值,若是,则确定该种子点是一个所述指定种子点,即该被评估的种子点是需要从第k-i代中剔除的种子点。
经过剔除后,当前代即第k-i代种子点的种子点数量从Vk-i变为Vk-i′,然后回到S31,继续进行“增长→判断/剔除→继续增长”的循环。
此外,在S31中,从当前代种子点开始进行3D区域增长的步骤之前,还可以加入判断是否应该结束第一类3D区域增长的步骤:
记录所述第一类3D区域增长的循环次数并判断所述循环次数是否超过第三阈值,或,判断所述当前代种子点的种子点数量是否小于第四阈值(注意此处的当前代种子点不能是初始代种子点);若是,则结束所述第一类3D区域增长。其中第三阈值可以是5~20,第四阈值可以是10~50。
以下为本实施例方法的具体实验数据:
实验数据采用四套胸部数据,其中两套只包括肺部区域:第一套数据为层厚1.5mm、346层图像(记为S1)、第二套数据为层厚1.5mm、351层图像(记为S2);两套包括部分脑部区域:第三套数据为层厚1.0mm、501层图像(包含部分头部区域,记为S3)、第四套数据为层厚1.0mm、531层图像(包含部分头部区域,记为S4)。图10为四组图像层的冠状面示意图。
第一步,肺部组织预分割(即对肺部组织做肺部标记)及第一初始种子点(即气管3D区域增长初始种子点)选取。
分两步进行,首先对肺实质进行预分割,即在n层胸部CT图像中做肺部标记。分割效果如图11所示,然后在肺部组织预分割的基础上在首次出现肺部标记的图像层中选取气管区域,并在此区域中选取气管种子,即气管3D区域增长初始种子点。参见图12,为了比较不同层面的气管种子点,分别在四组数据的Q1、Q5、Q10层中选取气管种子点,其中Q1表示第一幅出现肺部标记的图像。图12中,R2所指的区域在彩色图像中为黄色,表示肺实质区域,R1所指的区域在彩色图像中为绿色,表示气管区域,R3所指的是已选取的气管种子点(为了便于观察,在种子点周围绘出了一个10*10的矩形区域,当然因为在图12中该矩形区域非常小,所以看起来近似于一个点)。
从图12中可以看出通过本实施例方法不仅可以在第一幅包含气管区域的图像层Q1,也可以在包含肺尖区域的图像中(S1、S2组中Q5、Q10)准确找出气管区域和种子点;对于包含部分头部组织的区域(S3、S4组),同样可以准确找出气管区域和种子点。
第二步,第一类3D区域增长(即气管树3D区域增长)
效果图如图13所示,图13中(a0)、(b0)、(c0)、(d0)为传统3D区域增长方法中遇到泄漏则停止增长的分割效果图;图13中(a1)、(b1)、(c1)、(d1)为本实施例方法中的3D区域增长的效果图。从图13中可以看出,本实施例方法对只包括肺部区域(S1、S2组)和包括部分头部的区域(S3、S4组)的CT胸部图像扫描层均具有较好的分割效果,且分割结果明显优于传统3D区域增长方法。
实施例二
本实施例是一种从胸部CT图像中获得气管树的装置,包括:
CT图像输入单元:用于接收输入的n层胸部CT图像,其中n为自然数;
肺部标记单元:用于在所述n层胸部CT图像中对肺部组织做肺部标记;
指定图像层获取单元:用于获取所述n层胸部CT图像中的指定图像层,其中所述指定图像层是所述n层胸部CT图像中按照从头到脚顺序的第一幅带有所述肺部标记的图像层;
第一初始种子点获取单元:用于获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点;
第一类3D区域增长单元:用于根据所述第一初始种子点以及所述肺部标记,在所述n层胸部CT图像中进行第一类3D区域增长,获得气管树。
优选的,所述肺部标记单元可以具体包括:
肺部区域图像层获取子单元:用于在所述n层胸部CT图像中获取一幅带有肺部区域的图像层;
第二初始种子点获取子单元:用于获得所述图像层的所述肺部区域的中心点,并根据所述肺部区域的中心点获得第二初始种子点及第二全局阈值;
第二类3D区域增长及标记子单元:用于根据所述第二初始种子点及第二全局阈值,在所述n层胸部CT图像中进行第二类3D区域增长,并对所述第二类3D区域增长所得做肺部标记。
优选的,第一初始种子点获取单元可以具体包括:
指定连通区域获取子单元:用于获得所述指定图像层中所有已做所述肺部标记的连通区域的面积,选取所述面积在第一阈值内的所述连通区域作为指定连通区域,所述指定连通区域为一个或多个;
气管区域获取子单元:用于获得所有所述指定连通区域的中心点,并选取所述指定连通区域的中心点与所述指定图像层的横轴中心线最近的一个所述指定连通区域作为气管区域;
第一初始种子点选取子单元:用于判断所述气管区域的中心点是否已做所述肺部标记,若是,则将所述气管区域的中心点确定为第一初始种子点,若否,则在所述气管区域中心点所在的第一指定区域内选取已做所述肺部标记的一点作为第一初始种子点。
优选的,第一类3D区域增长单元可以具体包括:
增长子单元:用于从当前代种子点开始进行3D区域增长,得到新的一代种子点,将所述新的一代种子点作为当前代种子点。
泄漏判断子单元:用于判断所述当前代种子点与上一代种子点的数量差值是否超过第二阈值,若是,则触发泄漏处理子单元;
所述泄漏处理子单元:用于从所述当前代种子点开始,去除已获得的第一指定数量代种子点,并选取当前最后一代种子点作为所述当前代种子点,触发当前代种子点筛选子单元;
所述当前代种子点筛选子单元:包括:
指定种子点获取子单元,用于在所述当前代种子点中获得指定种子点,
剔除子单元,用于将所述指定种子点从当前代种子点中剔除。
优选的,指定种子点获取子单元可以具体包括:
当前代种子点遍历子单元:用于对所述当前代种子点中的每一个种子点进行遍历;
种子点评估子单元:用于在所述遍历过程中,对一个被遍历的种子点进行第二指定数量代模拟第一类3D区域增长,在所述模拟第一类3D增长过程中判断新一代与上一代的种子点数量差值是否超过第二阈值,若是,则确定所述被遍历的种子点是一个所述指定种子点。
此外,第一类3D区域增长单元还可以包括:
结束增长判断子单元:用于记录所述第一类3D区域增长的循环次数并判断所述循环次数是否超过第三阈值,或,判断所述当前代种子点的种子点数量是否小于第四阈值;若是,则结束所述第一类3D区域增长。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种从胸部CT图像中获得气管树的方法,其特征在于,包括:
接收输入的n层胸部CT图像,其中n为自然数,在所述n层胸部CT图像中对肺部组织做肺部标记;
获取所述n层胸部CT图像中的指定图像层,获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点,其中所述指定图像层是所述n层胸部CT图像中按照从头到脚顺序的第一幅带有所述肺部标记的图像层;
根据所述第一初始种子点以及所述肺部标记,在所述n层胸部CT图像中进行第一类3D区域增长,获得气管树;
所述进行第一类3D区域增长的步骤具体包括:
i)从当前代种子点开始进行3D区域增长,得到新的一代种子点,将所述新的一代种子点作为当前代种子点,进入步骤ii);
ii)判断所述当前代种子点与上一代种子点的数量差值是否超过第二阈值;若是,则从所述当前代种子点开始,去除已获得的第一指定数量代种子点,并选取当前最后一代种子点作为所述当前代种子点,进入步骤iii);若否,则进入步骤i);
iii)在所述当前代种子点中获得指定种子点,并将所述指定种子点从所述当前代种子点中剔除,进入步骤i),其中获得指定种子点的步骤包括:对所述当前代种子点中的每一个种子点进行如下评估:对被评估的种子点进行第二指定数量代模拟第一类3D区域增长,在所述模拟第一类3D增长过程中判断新一代与上一代的种子点数量差值是否超过第二阈值,若是,则确定该种子点是一个所述指定种子点。
2.根据权利要求1所述的方法,其特征在于,所述在所述n层胸部CT图像中对肺部组织做肺部标记的步骤具体包括:
在所述n层胸部CT图像中获取一幅带有肺部区域的图像层;
获得所述图像层的所述肺部区域的中心点,并根据所述肺部区域的中心点获得第二初始种子点及第二全局阈值;
根据所述第二初始种子点及第二全局阈值,在所述n层胸部CT图像中进行第二类3D区域增长,并对所述第二类3D区域增长所得做肺部标记。
3.根据权利要求1所述的方法,其特征在于,所述获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点的步骤具体包括:
获得所述指定图像层中所有已做所述肺部标记的连通区域的面积,选取所述面积在第一阈值内的所述连通区域作为指定连通区域,所述指定连通区域为一个或多个;
获得所有所述指定连通区域的中心点,并选取所述指定连通区域的中心点与所述指定图像层的横轴中心线最近的一个所述指定连通区域作为气管区域;
判断所述气管区域的中心点是否已做所述肺部标记,若是,则将所述气管区域的中心点确定为第一初始种子点,若否,则在所述气管区域中心点所在的第一指定区域内选取已做所述肺部标记的一点作为第一初始种子点。
4.根据权利要求1所述的方法,其特征在于,步骤i)中,从当前代种子点开始进行3D区域增长之前,还包括:
记录所述第一类3D区域增长的循环次数并判断所述循环次数是否超过第三阈值,或,判断所述当前代种子点的种子点数量是否小于第四阈值;若是,则结束所述第一类3D区域增长。
5.一种从胸部CT图像中获得气管树的装置,其特征在于,包括:
CT图像输入单元:用于接收输入的n层胸部CT图像,其中n为自然数;
肺部标记单元:用于在所述n层胸部CT图像中对肺部组织做肺部标记;
指定图像层获取单元:用于获取所述n层胸部CT图像中的指定图像层,其中所述指定图像层是所述n层胸部CT图像中按照从头到脚顺序的第一幅带有所述肺部标记的图像层;
第一初始种子点获取单元:用于获得所述指定图像层上已做所述肺部标记的指定连通区域的中心点,根据所述指定连通区域的中心点获得第一初始种子点;
第一类3D区域增长单元:用于根据所述第一初始种子点以及所述肺部标记,在所述n层胸部CT图像中进行第一类3D区域增长,获得气管树;
所述第一类3D区域增长单元具体包括:
增长子单元:用于从当前代种子点开始进行3D区域增长,得到新的一代种子点,将所述新的一代种子点作为当前代种子点;
泄漏判断子单元:用于判断所述当前代种子点与上一代种子点的数量差值是否超过第二阈值,若是,则触发泄漏处理子单元;
所述泄漏处理子单元:用于从所述当前代种子点开始,去除已获得的第一指定数量代种子点,并选取当前最后一代种子点作为所述当前代种子点,触发当前代种子点筛选子单元;
所述当前代种子点筛选子单元:包括:
指定种子点获取子单元,用于对所述当前代种子点中的每一个种子点进行遍历,在所述遍历过程中,对一个被遍历的种子点进行第二指定数量代模拟第一类3D区域增长,在所述模拟第一类3D增长过程中判断新一代与上一代的种子点数量差值是否超过第二阈值,若是,则确定所述被遍历的种子点是一个所述指定种子点;
剔除子单元,用于将所述指定种子点从当前代种子点中剔除。
6.根据权利要求5所述的装置,其特征在于,所述肺部标记单元具体包括:
肺部区域图像层获取子单元:用于在所述n层胸部CT图像中获取一幅带有肺部区域的图像层;
第二初始种子点获取子单元:用于获得所述图像层的所述肺部区域的中心点,并根据所述肺部区域的中心点获得第二初始种子点及第二全局阈值;
第二类3D区域增长及标记子单元:用于根据所述第二初始种子点及第二全局阈值,在所述n层胸部CT图像中进行第二类3D区域增长,并对所述第二类3D区域增长所得做肺部标记。
7.根据权利要求5所述的装置,其特征在于,所述第一初始种子点获取单元具体包括:
指定连通区域获取子单元:用于获得所述指定图像层中所有已做所述肺部标记的连通区域的面积,选取所述面积在第一阈值内的所述连通区域作为指定连通区域,所述指定连通区域为一个或多个;
气管区域获取子单元:用于获得所有所述指定连通区域的中心点,并选取所述指定连通区域的中心点与所述指定图像层的横轴中心线最近的一个所述指定连通区域作为气管区域;
第一初始种子点选取子单元:用于判断所述气管区域的中心点是否已做所述肺部标记,若是,则将所述气管区域的中心点确定为第一初始种子点,若否,则在所述气管区域中心点所在的第一指定区域内选取已做所述肺部标记的一点作为第一初始种子点。
8.根据权利要求5所述的装置,其特征在于,所述第一类3D区域增长单元还包括:
结束增长判断子单元:用于记录所述第一类3D区域增长的循环次数并判断所述循环次数是否超过第三阈值,或,判断所述当前代种子点的种子点数量是否小于第四阈值;若是,则结束所述第一类3D区域增长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110405950.9A CN102521833B (zh) | 2011-12-08 | 2011-12-08 | 一种从胸部ct图像中获得气管树的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110405950.9A CN102521833B (zh) | 2011-12-08 | 2011-12-08 | 一种从胸部ct图像中获得气管树的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102521833A CN102521833A (zh) | 2012-06-27 |
CN102521833B true CN102521833B (zh) | 2014-01-29 |
Family
ID=46292737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110405950.9A Expired - Fee Related CN102521833B (zh) | 2011-12-08 | 2011-12-08 | 一种从胸部ct图像中获得气管树的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102521833B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034996B (zh) * | 2012-11-30 | 2016-04-27 | 东软集团股份有限公司 | 一种ct影像左右肺粘连层检测、粘连检测的方法及装置 |
CN104143184B (zh) * | 2013-05-10 | 2017-12-22 | 上海联影医疗科技有限公司 | 一种肺部分割的方法 |
CN104143035B (zh) * | 2013-05-10 | 2016-01-20 | 上海联影医疗科技有限公司 | 一种分割乳腺病灶的方法 |
CN106232010B (zh) * | 2014-07-02 | 2020-03-31 | 柯惠有限合伙公司 | 用于检测气管的系统和方法 |
CN104809730B (zh) * | 2015-05-05 | 2017-10-03 | 上海联影医疗科技有限公司 | 从胸部ct图像提取气管的方法和装置 |
GB2547399B (en) | 2014-12-02 | 2018-05-02 | Shanghai United Imaging Healthcare Co Ltd | A method and system for image processing |
CN105447870B (zh) * | 2015-12-01 | 2018-12-25 | 沈阳东软医疗系统有限公司 | 医学图像中身体组织的提取方法及装置 |
CN105427329B (zh) * | 2015-12-21 | 2018-05-29 | 东软集团股份有限公司 | 一种基于cta图像的双肢血管图像的分割方法和系统 |
CN106097305B (zh) * | 2016-05-31 | 2019-03-01 | 上海理工大学 | 双行程区域生长结合形态学重建的肺部气管树分割方法 |
CN106875405B (zh) * | 2017-01-19 | 2019-05-21 | 浙江大学 | 基于广度优先搜索的ct图像肺实质模板气管消除方法 |
CN108470331B (zh) * | 2017-02-23 | 2021-12-21 | 富士通株式会社 | 图像处理装置和图像处理方法 |
CN108074229A (zh) * | 2017-11-29 | 2018-05-25 | 苏州朗开信通信息技术有限公司 | 一种气管树提取方法及装置 |
CN108053417B (zh) * | 2018-01-30 | 2019-12-17 | 浙江大学 | 一种基于混合粗分割特征的3D U-Net网络的肺分割装置 |
CN108765445B (zh) * | 2018-05-29 | 2021-08-20 | 上海联影医疗科技股份有限公司 | 一种肺气管分割方法及装置 |
CN110378923A (zh) * | 2019-07-25 | 2019-10-25 | 杭州健培科技有限公司 | 一种智能肺部气管树分割提取和分级的方法与装置 |
CN112712540B (zh) * | 2021-01-13 | 2022-07-12 | 杭州象量医疗技术有限公司 | 一种基于ct影像的肺部支气管提取方法 |
CN113628219B (zh) * | 2021-06-30 | 2023-11-03 | 上海市胸科医院 | 一种从胸部ct影像中自动提取支气管树的方法和系统以及计算机可读存储介质 |
CN117237362B (zh) * | 2023-11-16 | 2024-01-26 | 山东嘉源复合材料有限公司 | 一种基于视觉的丙二醇二乙酸酯罐装密封检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707523A (zh) * | 2004-06-07 | 2005-12-14 | 西门子公司 | 医学图像显示和处理方法、ct设备、工作站及程序产品 |
CN101515365A (zh) * | 2009-03-25 | 2009-08-26 | 沈阳东软医疗系统有限公司 | 一种ct影像中的粘连血管型肺结节自动分割方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011094518A2 (en) * | 2010-01-28 | 2011-08-04 | The Penn State Research Foundation | Image-based global registration system and method applicable to bronchoscopy guidance |
-
2011
- 2011-12-08 CN CN201110405950.9A patent/CN102521833B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707523A (zh) * | 2004-06-07 | 2005-12-14 | 西门子公司 | 医学图像显示和处理方法、ct设备、工作站及程序产品 |
CN101515365A (zh) * | 2009-03-25 | 2009-08-26 | 沈阳东软医疗系统有限公司 | 一种ct影像中的粘连血管型肺结节自动分割方法 |
Non-Patent Citations (4)
Title |
---|
3D Human Airway Segmentation for Virtual Bronchoscopy;A.P. Kiraly, et al.;《Proceedings of SPIE》;20021231;第4683卷;摘要,第17页第5段,第18-22页第2节"METHODS" * |
A.P. Kiraly, et al..3D Human Airway Segmentation for Virtual Bronchoscopy.《Proceedings of SPIE》.2002,第4683卷摘要,第17页第5段,第18-22页第2节"METHODS". |
Deniz Aykac, et al..Segmentation and Analysis of the Human Airway Tree From Three-Dimensional X-Ray CT Images.《IEEE TRANSACTIONS ON MEDICAL IMAGING》.2003,第22卷(第8期),摘要,第944-947页第B节"Tree Reconstruction"、第C节"Branchpoint Analysis",附图4. |
Segmentation and Analysis of the Human Airway Tree From Three-Dimensional X-Ray CT Images;Deniz Aykac, et al.;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;20030831;第22卷(第8期);摘要,第944-947页第B节"Tree Reconstruction"、第C节"Branchpoint Analysis",附图4 * |
Also Published As
Publication number | Publication date |
---|---|
CN102521833A (zh) | 2012-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102521833B (zh) | 一种从胸部ct图像中获得气管树的方法及装置 | |
US11783498B2 (en) | Feature-based registration method | |
CN106097305B (zh) | 双行程区域生长结合形态学重建的肺部气管树分割方法 | |
CN103679810B (zh) | 肝部ct图像的三维重建方法 | |
US7822461B2 (en) | System and method for endoscopic path planning | |
US8842898B2 (en) | Region-growing algorithm | |
CN104156935A (zh) | 图像分割装置、图像分割方法和医学图像设备 | |
EP1761897A1 (en) | Displaying a tracheobronchial tree | |
EP2244633A2 (en) | Medical image reporting system and method | |
CN104851108B (zh) | 基于ct图像的肝动脉分割方法 | |
WO2017028519A1 (zh) | 一种肝脏血管的分类方法 | |
CN104036484A (zh) | 图像分割装置、图像分割方法和医学图像设备 | |
WO2019152850A1 (en) | Segmentation of anatomic structures | |
WO2019007952A1 (en) | METHOD OF EVALUATING IMAGE ANALYSIS OF PROBABILITY THAT ISCHEMIA IN A CEREBRAL TISSUE AREA RESULTS IN INFARCTION OF THIS BRAIN TISSUE AREA | |
CN108961273A (zh) | 一种从ct影像中分割肺动脉和肺静脉的方法及系统 | |
CN111145226B (zh) | 基于ct影像的三维肺部特征提取方法 | |
US20070127800A1 (en) | Branch Extension Method For Airway Segmentation | |
Wang et al. | Naviairway: a bronchiole-sensitive deep learning-based airway segmentation pipeline for planning of navigation bronchoscopy | |
KR101251822B1 (ko) | 동적조영증강 폐 전산화단층촬영 영상에서 관류 분석 시스템 및 방법 | |
CN111179298A (zh) | 基于ct图像的三维肺自动分割与左右肺分离方法及其系统 | |
Kiraly et al. | 3D human airway segmentation for virtual bronchoscopy | |
Wang et al. | Naviairway: a bronchiole-sensitive deep learning-based airway segmentation pipeline | |
CN108074229A (zh) | 一种气管树提取方法及装置 | |
Ukil et al. | Automatic lung lobe segmentation in X-ray CT images by 3D watershed transform using anatomic information from the segmented airway tree | |
Duan et al. | Two-pass region growing combined morphology algorithm for segmenting airway tree from CT chest scans |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140129 Termination date: 20201208 |