CN105913422B - 基于气管分割的气管树提取方法 - Google Patents
基于气管分割的气管树提取方法 Download PDFInfo
- Publication number
- CN105913422B CN105913422B CN201610214676.XA CN201610214676A CN105913422B CN 105913422 B CN105913422 B CN 105913422B CN 201610214676 A CN201610214676 A CN 201610214676A CN 105913422 B CN105913422 B CN 105913422B
- Authority
- CN
- China
- Prior art keywords
- node
- node set
- tracheae
- value
- nodes
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30021—Catheter; Guide wire
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于前向波气管分割的气管树提取方法,包括:步骤A:获取胸部CT数据;步骤B:创建气管树结构图像和临时数据池;步骤C:将预设的根结点初始化为第一结点集合;步骤D:遍历第一结点集合中每个结点的像素值的26‑邻域,将26‑邻域中CT值与像素值之差小于第一阈值的结点,添加到第二结点集合;步骤E:当第二结点集合的数量等于零,或者第二结点集合的数量与第一结点集合的数量之商大于等于第二阈值时,执行步骤F;步骤F:检查第一结点集合是否存在父结点;若不存在,则输出临时数据池中所有结点的像素值和CT值,获得提取后的气管树结构图像。采用本发明实施例能快速准确地提取气管树结构,分割结果精确且耗时少。
Description
技术领域
本发明涉及计算机图像处理技术领域,尤其涉及一种基于气管分割的气管树提取方法。
背景技术
随着现代社会工业化的发展,空气污染加重,人体肺部的发病率越来越高,且类型繁多,如肺癌、气管炎、肺气肿、哮喘等。而随着多排螺旋CT的发展,影像科医生可以通过一次扫描获得患者的影像信息,并结合影像处理技术对疾病进行分析诊断,CT成像被认为是诊断肺部疾病的金标准。但是由于气管树的结构复杂,对比度差,且容易受到噪声、容积效应的影响,如在肺部气管内部充满空气时,通过人体组织CT值可知,肺部气管在CT图像中CT值约为-1000HU,但受噪声或容积效应影响时,肺部区域的CT值会在一个范围内波动,且肺部在吸气和呼气时候的CT值也不尽相同,那么可假设气管的灰度在-1200HU至-800HU之间,或者与种子点灰度相差200HU以内的即可视为是气管上的像素。
为了排除上述影响,在CT图像的影像处理时常使用气管分割法进行处理。目前最为常见的气管分割方法皆采用区域增长的方式,该方法中的阈值选择对分割结果影响较大,当阈值选择不恰当时,不仅会造成分割时间过长,而且容易导致分割失败,图像处理效果不甚理想。
发明内容
本发明实施例提出一种基于前向波气管分割的气管树提取方法,能快速准确地提取气管树结构,分割结果精确且耗时少。
本发明实施例提供一种基于前向波气管分割的气管树提取方法,包括:
步骤A:获取胸部CT数据;
步骤B:根据所述胸部CT数据,创建气管树结构图像和临时数据池;其中,所述气管树结构图像包括:若干个结点以及所述若干个结点所对应的像素值和CT值;所述临时数据池用于存储第一结点合集中所有结点的像素值和CT值;
步骤C:将预设的根结点初始化为所述第一结点集合;所述根结点是横断面最顶层的气管组织上的结点;
步骤D:遍历所述第一结点集合中每个结点的像素值的26-邻域,将所述26-邻域中CT值与所述根节点的CT值之差小于第一阈值的结点,添加到第二结点集合;
步骤E:当所述第二结点集合的数量等于零,或者所述第二结点集合的数量与所述第一结点集合的数量之商大于等于第二阈值时,执行步骤F;当所述第二结点集合的节点数量与所述第一结点集合的节点数量之商小于第二阈值时,执行步骤G;
步骤F:检查所述第一结点集合是否存在父结点;若不存在,则输出所述临时数据池中所有结点的像素值和CT值,获得提取后的气管树结构图像。
步骤G:检查所述第二结点集合中各结点的像素是否具有区域连通性;若是,则将所述第二结点集合中所有结点添加到所述第一结点集合中,并清空所述第二结点集合,再返回步骤D;否则,将非连通区域中结点属性为左分支的结点添加到所述第一结点集合中,将非连通区域中结点属性为右分支的结点添加到第三结点集合中,并清空所述第二结点集合,再执行步骤H;
步骤H:检查所述第一结点集合中结点属性为左分支的结点是否均被处理;若是,则将所述第三结点集合添加到所述第一结点集合中,再执行步骤I;否则,返回步骤D;
步骤I:检查所述第一结点集合中结点属性为右分支的结点是否均被处理;若是,则返回步骤F,否则返回步骤D。
进一步的,所述步骤F还包括:若所述第一结点集合存在父结点,则将所述第一结点集合中除所述父结点外所有结点添加到第四结点集合,并将所述父结点初始化为所述第一结点集合,再执行步骤H;
其中,所述第四结点集合中所有结点的像素值和CT值存储在所述临时数据池中。
进一步的,在所述步骤A之后,步骤B之前还包括:
使用阈值法去除所述胸部CT数据的背景,仅保留胸腔及胸腔内的器官数据。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的基于前向波气管分割的气管树提取方法,在获取胸部CT数据后,从预设的根结点开始,依次查找上一次迭代过的所有结点的像素的26-邻域中符合条件的像素,并一直朝着肺门方向推进,直到气管末梢再退回到上一级分支处向另一支气管末梢推进,同一条分支上只限单方向增长,直到找到所有的支气管,获得提取后的气管树结构图像。相比于现有技术使用区域增长的方法提取气管树,本发明无需使用阈值来区分气管像素,而是通过考虑待判定像素与相邻的气管像素的相似性来判定该像素是否属于气管,使得分割结果更具有连续性及鲁棒性。
附图说明
图1是本发明提供的基于前向波气管分割的气管树提取方法的一种实施例的流程示意图;
图2是本发明提供的基于前向波气管分割的气管树提取方法的另一种实施例的流程示意图。
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。
参见图1,是本发明提供的基于前向波气管分割的气管树提取方法的一种实施例的流程示意图,该方法包括以下步骤A至步骤F,具体如下:
步骤A:获取胸部CT数据。
在本实施例中,在所述步骤A之后,步骤B之前还包括:使用阈值法去除所述胸部CT数据的背景,仅保留胸腔及胸腔内的器官数据。
步骤B:根据胸部CT数据,创建气管树结构图像和临时数据池;其中,气管树结构图像包括:若干个结点以及若干个结点所对应的像素值和CT值;临时数据池用于存储第一结点合集中所有结点的像素值和CT值。
在本实施例中,临时数据池用于存储每次迭代过程中找到的结点的像素值和CT值,或者只存储该找到的结点,其像素值和CT值可通过关联关系查询相应的CT数据而获得。
步骤C:将预设的根结点初始化为第一结点集合。
在本实施例中,该预设的根结点可以是横断面最顶层的气管组织上的种子结点。
步骤D:遍历第一结点集合中每个结点的像素值的26-邻域,将26-邻域中CT值与像素值之差小于第一阈值的结点,添加到第二结点集合。
在本实施例中,将26-邻域中CT值与像素值之差小于第一阈值的结点,添加到第二结点集合,具体为将灰度相近的结点添加到第二结点集合。第一阈值的优选值为200HU。
步骤E:当第二结点集合的数量等于零,或者第二结点集合的数量与第一结点集合的数量之商大于等于第二阈值时,执行步骤F。
在本实施例中,第二阈值的优选值为1.4。
步骤F:检查第一结点集合是否存在父结点;若不存在,则输出临时数据池中所有结点的像素值和CT值,获得提取后的气管树结构图像。
作为本实施例的一种举例,参见图2,图2是本发明提供的基于前向波气管分割的气管树提取方法的另一种实施例的流程示意图。如图2所示,步骤E为:判断第二结点集合的数量是否等于零,或者第二结点集合的数量与第一结点集合的数量之商是否大于等于第二阈值,若是,执行步骤F;当第二结点集合与第一结点集合的商小于第二阈值时,执行步骤G。
步骤G:检查第二结点集合中各结点的像素是否具有区域连通性;若是,则将第二结点集合中所有结点添加到第一结点集合中,并清空第二结点集合,再返回步骤D;否则,将非连通区域中结点属性为左分支的结点添加到第一结点集合中,将非连通区域中结点属性为右分支的结点添加到第三结点集合中,并清空所述第二结点集合,再执行步骤H;
步骤H:检查第一结点集合中结点属性为左分支的结点是否均被处理;若是,则将第三结点集合添加到第一结点集合中,执行步骤I;否则,返回步骤D;
步骤I:检查第一结点集合中结点属性为右分支的结点是否均被处理;若是,则返回步骤F,否则返回步骤D。
在本举例中,步骤F还包括:若第一结点集合存在父结点,则将第一结点集合中除父结点外所有结点添加到第四结点集合,并将父结点初始化为第一结点集合,再执行步骤H;其中,第四结点集合中所有结点的像素值和CT值存储在临时数据池中。
在本实施例中,采用树形结构记录气管分支形状,主要是利用气管的生物学形态结构和树的数据结构完全一致,因此采用二叉树结构来记录气管的分支情况具有天然的优势。另外采用深度优先方式进行遍历,可在运算过程中实时跟踪某一分支的处理情况,不会发生重复运算,有助于运算速度的提升。
在本实施例中,本发明利用气管进入肺门的解剖学信息作为提取的停止条件。相比于现有的区域生长分割方法因为气管与肺实质的灰度几乎一致,使得提取的结果包含整个胸部体数据中的呼吸系统。而本发明考虑到气管进入肺实质处(即肺门)时截面积呈迅速扩张趋势,以及气管上可能存在肿瘤、局部扩张等因素,若相邻截面面积之超过1.4,即可认为气管进入肺实质,并使用这一特点判断气管末梢的位置,与气管的实际解剖学结构相符合。
综上所述,本发明实施例提供的基于前向波气管分割的气管树提取方法,在获取胸部CT数据后,从预设的根结点开始,依次查找上一次迭代过的所有结点的像素的26-邻域中符合条件的像素,并一直朝着肺门方向推进,直到气管末梢再退回到上一级分支处向另一支气管末梢推进,同一条分支上只限单方向增长,直到找到所有的支气管,获得提取后的气管树结构图像。相比于现有技术使用区域增长的方法提取气管树,本发明无需使用阈值来区分气管像素,而是通过考虑待判定像素与相邻的气管像素的相似性来判定该像素是否属于气管,使得分割结果更具有连续性及鲁棒性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (3)
1.一种基于气管分割的气管树提取方法,其特征在于,包括:
步骤A:获取胸部CT数据;
步骤B:根据所述胸部CT数据,创建气管树结构图像和临时数据池;其中,所述气管树结构图像包括:若干个结点以及所述若干个结点所对应的像素值和CT值;所述临时数据池用于存储第一结点集合 中所有结点的像素值和CT值;
步骤C:将预设的根结点初始化为所述第一结点集合;所述根结点是横断面最顶层的气管组织上的结点;
步骤D:遍历所述第一结点集合中每个结点的像素值的26-邻域,将所述26-邻域中CT值与所述根结点的CT值之差小于第一阈值的结点,添加到第二结点集合;
步骤E:当所述第二结点集合的数量等于零,或者所述第二结点集合的数量与所述第一结点集合的数量之商大于等于第二阈值时,执行步骤F;当所述第二结点集合的结点数量与所述第一结点集合的结点数量之商小于第二阈值时,执行步骤G;
步骤F:检查所述第一结点集合中各的结点是否存在父结点;若不存在,则输出所述临时数据池中所有结点的像素值和CT值,获得提取后的气管树结构图像;
步骤G:检查所述第二结点集合中各结点的像素是否具有区域连通性;若是,则将所述第二结点集合中所有结点添加到所述第一结点集合中,并清空所述第二结点集合,再返回步骤D;否则,将非连通区域中结点属性为左分支的结点添加到所述第一结点集合中,将非连通区域中结点属性为右分支的结点添加到第三结点集合中,并清空所述第二结点集合,再执行步骤H;
步骤H:检查所述第一结点集合中结点属性为左分支的结点是否均被处理;若是,则将所述第三结点集合添加到所述第一结点集合中,再执行步骤I;否则,返回步骤D;
步骤I:检查所述第一结点集合中结点属性为右分支的结点是否均被处理;若是,则返回步骤F,否则返回步骤D。
2.根据权利要求1所述的基于气管分割的气管树提取方法,其特征在于,所述步骤F还包括:若所述第一结点集合存在父结点,则将所述第一结点集合中除所述父结点外所有结点添加到第四结点集合,并将所述父结点初始化为所述第一结点集合,再执行步骤H;
其中,所述第四结点集合中所有结点的像素值和CT值存储在所述临时数据池中。
3.根据权利要求1至2任一所述的基于气管分割的气管树提取方法,其特征在于,在所述步骤A之后,步骤B之前还包括:
使用阈值法去除所述胸部CT数据的背景,仅保留胸腔及胸腔内的器官数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610214676.XA CN105913422B (zh) | 2016-04-07 | 2016-04-07 | 基于气管分割的气管树提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610214676.XA CN105913422B (zh) | 2016-04-07 | 2016-04-07 | 基于气管分割的气管树提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105913422A CN105913422A (zh) | 2016-08-31 |
CN105913422B true CN105913422B (zh) | 2019-01-25 |
Family
ID=56744907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610214676.XA Active CN105913422B (zh) | 2016-04-07 | 2016-04-07 | 基于气管分割的气管树提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105913422B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109509204A (zh) * | 2018-10-23 | 2019-03-22 | 中国科学院苏州生物医学工程技术研究所 | Ct图像矽肺结节的自动提取方法 |
CN111932549B (zh) * | 2020-06-28 | 2023-03-24 | 山东师范大学 | 一种基于sp-fcn的mri脑肿瘤图像分割系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100296718A1 (en) * | 2009-05-20 | 2010-11-25 | Algotec Systems Ltd. | Soft tissue segmentation using a bone atlas |
US20110044526A1 (en) * | 2008-04-18 | 2011-02-24 | Chao Liu | Process and apparatus for lung nodule segmentation in a chest radiograph |
CN104809730A (zh) * | 2015-05-05 | 2015-07-29 | 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 |
CN104992437A (zh) * | 2015-06-29 | 2015-10-21 | 北京欣方悦医疗科技有限公司 | 一种冠脉三维图像分割的方法 |
-
2016
- 2016-04-07 CN CN201610214676.XA patent/CN105913422B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110044526A1 (en) * | 2008-04-18 | 2011-02-24 | Chao Liu | Process and apparatus for lung nodule segmentation in a chest radiograph |
US20100296718A1 (en) * | 2009-05-20 | 2010-11-25 | Algotec Systems Ltd. | Soft tissue segmentation using a bone atlas |
CN104809730A (zh) * | 2015-05-05 | 2015-07-29 | 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 |
CN104992437A (zh) * | 2015-06-29 | 2015-10-21 | 北京欣方悦医疗科技有限公司 | 一种冠脉三维图像分割的方法 |
Non-Patent Citations (2)
Title |
---|
A Differential Geometric Approach to Automated Segmentation of Human Airway Tree;Jiantao Pu等;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;20100916;第30卷(第2期);266-278 * |
基于CT图像的肺气管树3D分割方法的研究;李翠芳等;《中国医学物理学杂志》;20110915;第28卷(第5期);2867-2871 * |
Also Published As
Publication number | Publication date |
---|---|
CN105913422A (zh) | 2016-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sato et al. | TEASAR: tree-structure extraction algorithm for accurate and robust skeletons | |
CN111696089B (zh) | 一种动静脉确定方法、装置、设备和存储介质 | |
US8913060B2 (en) | Systems and methods for extracting a curve-skeleton from a volumetric image of a vessel | |
Danilov et al. | Methods of graph network reconstruction in personalized medicine | |
CN108171692B (zh) | 一种肺部影像检索方法及装置 | |
US9996918B2 (en) | Method for distinguishing pulmonary artery and pulmonary vein, and method for quantifying blood vessels using same | |
CN106997596B (zh) | 一种基于信息熵和联合向量的lbf活动轮廓模型的肺结节分割方法 | |
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 | |
Arbelaez et al. | Constrained image segmentation from hierarchical boundaries | |
CN104504737B (zh) | 一种从肺部ct图像获得三维气管树的方法 | |
CN107067409A (zh) | 一种血管分离方法及系统 | |
JP2006081906A (ja) | 器官内の塞栓症により冒されている領域を分析するための自動化された方法および装置ならびに器官内の塞栓症により冒されている領域を分析するためのコンピュータプログラムコードが記憶されているコンピュータ読み取り可能媒体 | |
CN110796670A (zh) | 一种夹层动脉分割方法及装置 | |
JP2008043736A (ja) | 医用画像処理装置及び医用画像処理方法 | |
CN109712695B (zh) | 血管图像的处理方法及交互显示方法、计算机装置 | |
CN109410166A (zh) | 用于肺实质ct图像的全自动分割方法 | |
CN105913422B (zh) | 基于气管分割的气管树提取方法 | |
JP5105997B2 (ja) | 医用画像処理装置、医用画像診断装置、及びプログラム | |
CN108765445B (zh) | 一种肺气管分割方法及装置 | |
KR101625955B1 (ko) | 장기의 동맥 및 정맥의 구분 방법 | |
CN114332013A (zh) | 基于肺动脉树分级的ct图像靶肺段识别方法 | |
US20070127800A1 (en) | Branch Extension Method For Airway Segmentation | |
KR101126224B1 (ko) | 동적 mr 영상을 이용한 자동 전립선 분할 방법 및 시스템 | |
Liu et al. | Parallel centerline extraction on the GPU | |
KR101514795B1 (ko) | 혈관의 정량화 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information |
Inventor after: Tang Ning Inventor after: Long Jie Inventor after: Chen Kai Inventor after: Peng Yingying Inventor before: Tang Ning Inventor before: Long Jie Inventor before: Chen Kai |
|
CB03 | Change of inventor or designer information |