CN107045721B - 一种从胸部ct图像中提取肺血管的方法及装置 - Google Patents

一种从胸部ct图像中提取肺血管的方法及装置 Download PDF

Info

Publication number
CN107045721B
CN107045721B CN201610924061.6A CN201610924061A CN107045721B CN 107045721 B CN107045721 B CN 107045721B CN 201610924061 A CN201610924061 A CN 201610924061A CN 107045721 B CN107045721 B CN 107045721B
Authority
CN
China
Prior art keywords
point
type
pixel
lung tissue
points
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
Application number
CN201610924061.6A
Other languages
English (en)
Other versions
CN107045721A (zh
Inventor
覃文军
路石洁
赵姝颖
杨金柱
赵大哲
栗伟
曹鹏
冯朝路
宫照煊
边子健
姚洪柱
陈世伟
孙强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201610924061.6A priority Critical patent/CN107045721B/zh
Publication of CN107045721A publication Critical patent/CN107045721A/zh
Application granted granted Critical
Publication of CN107045721B publication Critical patent/CN107045721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/30061—Lung

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请公开了一种从胸部CT图像中提取肺血管的方法及装置，所述方法包括：接收输入的n层胸部CT图像，获取指定图像层进行灰度映射，获得预设分割阈值；在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值及初始种子点进行3D区域增长，获得不带血管的肺组织区域；在所述的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值；在所述带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点，获得初始扩散面；根据所述初始扩散面和血管阈值，在所述带血管的封闭肺组织区域内进行面扩散，获得肺血管。应用本发明能准确的从胸部CT图像中提取出肺血管，辅助医生准确诊断肺血管疾病。

Description

一种从胸部CT图像中提取肺血管的方法及装置
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图像中提取肺血管的方法及装置。
背景技术
CT是电子计算机X线断层扫描技术简称，是常用的医学影像设备。CT图像是黑白影像，以不同的灰度表示应器官和组织对X线的吸收程度。例如，在胸部CT图像上，低密度（即灰度值较低）的区域表示气管、肺实质，高密度（即灰度值较高）的区域表示血管、胸腔、骨骼等。CT可以直观的在图像上显示出病变的区域，为医生观察诊断疾病提供了方便可靠的依据。通常，CT图像是横断层面图像，为了显示整个器官，需要多个连续的层面图像。
在肺血管疾病的CT诊断中，通常需要扫描整个胸腔来得到肺血管图像，在扫描图像中必然存在胸腔内的骨骼以及心脏等，如图1所示。并且，临床医生只能通过逐层图像的观察来检查病变区域。因此，准确的从CT图像中提取出肺血管组织是排除骨骼、心脏等组织的干扰，使医生更直观的观察和诊断肺血管疾病的有效方法。
发明内容
本发明的实施例提供一种从胸部CT图像中提取肺血管的方法及装置，能准确的从胸部CT图像中提取出肺血管，以方便医生对肺血管疾病的观察和诊断。
本发明实施例提供了一种从胸部CT图像中提取肺血管的方法，包括：
接收输入的n层胸部CT图像，其中n为自然数，获取指定图像层，在所述指定图像层上进行灰度映射获得对应的灰度直方图，根据所述灰度直方图获得预设分割阈值；
在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值以及初始种子点，在所述n层胸部CT图像进行3D区域增长，获得不带血管的肺组织区域；
在所述的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值；
在所述指定图像层上的带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点，获得初始扩散面；
根据所述初始扩散面和血管阈值，在所述n层胸部CT图像的带血管的封闭肺组织区域内进行面扩散，获得肺血管。
其中，所述在指定图像层上选取肺部区域的指定像素点获得初始种子点，根据预设分割阈值以及初始种子点，在所述n层胸部CT图像进行3D区域增长，获得不带血管的肺组织区域的步骤包括：
01）在所述指定图像层上选取肺部区域的指定像素点获得初始种子点；
02）从所述初始被标记种子点的8邻域像素点中选取一个像素点；
03）判断所选取的像素点是否已经被标记为标记点，若是，则返回02），否则执行步骤04）；
04）判断所选取的像素点的灰度值是否满足预设要求，若是，则把该像素点标记为标记点，加入标记点集，执行步骤06），否则执行步骤05）；
05）停止标记该像素点，执行步骤06）；
06）判断所述26邻域像素点是否全部判断完毕，若是则执行步骤08），否则返回步骤02）；
08）判断标记点集是否为空，如不为空，则从标记点集中取出一个标记点作为初始被标记种子点，返回步骤02），同时将该点从标记点集中去除，否则执行步骤09）；
09）获取已被标记的像素点集，该像素点集即为不带血管的肺组织区域。
其中，所述在所述的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值的方法和步骤包括:
01）分别在n层胸部CT图像上计算标记为不带血管的肺组织区域的连通区域面积；
02）将面积小于预设阈值的连通区域的像素点的标记去除，即剔除气管像素点；
03）对所述剔除气管像素点后剩余标记点的区域进行填充孔洞形态学计算，得到带血管的肺组织区域；
04）获取所述指定图像层上带血管的肺组织区域的最大灰度值
Figure 973522DEST_PATH_IMAGE001
和最小灰度值
Figure 793710DEST_PATH_IMAGE002
；
05）遍历
Figure 333145DEST_PATH_IMAGE002
与
Figure 213376DEST_PATH_IMAGE001
之间所有值，获取使
Figure 651311DEST_PATH_IMAGE003
的值最大的灰度值
Figure 261808DEST_PATH_IMAGE004
，其中
Figure 672061DEST_PATH_IMAGE005
为像素灰度值小于
Figure 706882DEST_PATH_IMAGE004
的像素个数，
Figure 632113DEST_PATH_IMAGE006
为像素灰度值大于
Figure 794104DEST_PATH_IMAGE004
的像素个数，
Figure 308130DEST_PATH_IMAGE007
为灰度值小于
Figure 530164DEST_PATH_IMAGE004
的像素的平均灰度值，
Figure 129642DEST_PATH_IMAGE008
为灰度值大于
Figure 829745DEST_PATH_IMAGE004
的像素的平均灰度值，获得的
Figure 189489DEST_PATH_IMAGE009
即为血管阈值；
06）在所述指定图像层上带血管的肺组织区域获取像素灰度值大于所述血管阈值的
Figure 644741DEST_PATH_IMAGE004
像素点，并标记为血管。
其中，所述根据所述初始扩散面和血管阈值，在所述n层胸部CT图像的带血管的封闭肺组织区域内进行面扩散，获得肺血管的步骤包括：
01）所述n层胸部CT图像的带血管的封闭肺组织区域的像素点将归为四类：第一类为当前扩散点，第二类为边界点，第三类为待处理完点，第四类为已处理完点，初始均设置为第三类点；
02）把在所述指定图像层上带血管的肺组织区域标记为肺血管的像素点标记为第一类点；
03）将与第一类点相邻区域中的第三类像素点标记为第二类点；
04）遍历计算第一类点与其相邻第二类点的到达时间T，并将第一类点标记为第四类点；
05）设置到达时间T大于预设阈值的所述第二类点的到达时间为0，并标记为第四类点，设置到达时间T不大于预设阈值的所述第二类点为第一类点；
06）判断与第一类点相邻区域是否存在第三类点，如存在，返回步骤03），否则将第一类点设置为第四类点，执行步骤07）；
07）获取所述n层胸部CT图像的带血管的封闭肺组织区域的像素点的到达时间T大于0的像素点，即为肺血管。
其中，所述遍历计算第一类点与其相邻第二类点的到达时间T的计算步骤包括：
第二类像素点
Figure 482247DEST_PATH_IMAGE010
的到达时间
Figure 235308DEST_PATH_IMAGE011
为：
Figure 271397DEST_PATH_IMAGE012
，其中
Figure 835234DEST_PATH_IMAGE013
、
Figure 409303DEST_PATH_IMAGE014
、
Figure 451209DEST_PATH_IMAGE015
为像素点
Figure 794334DEST_PATH_IMAGE016
与X、Y、Z三个方向相邻像素点的灰度值差绝对值的最大值，具体为：
Figure 529072DEST_PATH_IMAGE017
，
Figure 137908DEST_PATH_IMAGE018
，
Figure 501281DEST_PATH_IMAGE019
，其中
Figure 449645DEST_PATH_IMAGE020
为像素点
Figure 604552DEST_PATH_IMAGE010
的灰度值。
本发明还提供了一种从胸部CT图像中提取肺血管的装置，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；
预设分割阈值获取单元：用于获取所述n层胸部CT图像指定图像层，在所述指定图像层上进行灰度映射获得对应的灰度直方图，根据所述灰度直方图获得预设分割阈值；
不带血管的肺组织区域获取单元：用于在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值以及初始种子点，在所述n层胸部CT图像进行3D区域增长，获得不带血管的肺组织区域；
血管阈值计算单元：用于在所述不带血管的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值；
初始扩散面获取单元：用于在所述指定图像层上的带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点，获得初始扩散面；
肺血管提取单元：用于根据所述初始扩散面和血管阈值，在所述n层胸部CT图像的带血管的封闭肺组织区域内进行面扩散，获得肺血管。
其中，所述不带血管的肺组织区域获取单元包括：
初始标记点选取单元：用于在所述指定图像层上获取灰度值比所述预设分割阈值小的一个像素点，作为初始标记点；
像素点选取子单元：用于从所述初始标记点的26邻域像素点中选取一个像素点；
第一判断处理子单元：用于判断所选取的像素点是否已经被标记为标记点，若是，通知像素点选取子单元，否则通知第二判断处理子单元；
第二判断处理子单元：用于判断所选取的像素点的灰度值是否满足预设要求，若是，则通知第三判断处理子单元，否则停止标记该像素点，通知第三判断处理子单元；
第三判断处理子单元：用于判断所述26邻域像素点是否全部判断完毕，若是则通知第四判断处理子单元，否则通知像素点选取子单元；
第四判断处理子单元：用于判断标记点集是否为空，如不为空，则从标记点集中取出一个标记点作为初始被标记种子点，通知像素点选取子单元，同时将该点从标记点集中去除，否则，获取已被标记的像素点集，该像素点集即为不带血管的肺组织区域。
其中，所述血管阈值计算单元包括：
连通区域面积计算子单元：用于在所述n层胸部CT图像上计算标记为不带血管的肺组织区域的连通区域面积；
像素点剔除子单元：用于在将面积小于预设阈值的所述连通区域的像素点的标记去除，即剔除气管像素点；
带血管的肺组织区域获取子单元：用于对所述剔除气管像素点后剩余标记点的区域进行填充孔洞形态学计算，得到带血管的肺组织区域；
血管阈值设置子单元：用于获取所述指定图像层上带血管的肺组织区域的最大灰度值
Figure 700684DEST_PATH_IMAGE001
和最小灰度值
Figure 84392DEST_PATH_IMAGE002
，遍历
Figure 402110DEST_PATH_IMAGE002
与
Figure 478650DEST_PATH_IMAGE001
之间所有值，获取使
Figure 249029DEST_PATH_IMAGE003
的值最大的灰度值
Figure 498744DEST_PATH_IMAGE004
，其中
Figure 421701DEST_PATH_IMAGE005
为像素灰度值小于
Figure 983657DEST_PATH_IMAGE004
的像素个数，
Figure 241332DEST_PATH_IMAGE006
为像素灰度值大于
Figure 294739DEST_PATH_IMAGE004
的像素个数，
Figure 72202DEST_PATH_IMAGE007
为灰度值小于
Figure 739812DEST_PATH_IMAGE004
的像素的平均灰度值，
Figure 969936DEST_PATH_IMAGE008
为灰度值大于
Figure 16914DEST_PATH_IMAGE004
的像素的平均灰度值，获得的灰度值
Figure 711201DEST_PATH_IMAGE004
即为血管阈值。
其中，所述肺血管提取单元包括：
初始设置子单元：用于将所述n层胸部CT图像的带血管的封闭肺组织区域的像素点归为四类点：第一类为当前扩散点，第二类为边界点，第三类为待处理完点，第四类为已处理完点，初始设置为第三类点；
第一标记子单元：用于把在所述指定图像层上带血管的肺组织区域标记为肺血管的像素点标记为第一类点；
第二标记子单元：用于将与第一类点相邻区域中的第三类像素点标记为第二类点；
第三标记子单元：用于遍历计算第一类点与其相邻第二类点的到达时间T，并将第一类点标记为第四类点；
时间设置子单元：用于设置到达时间T大于预设阈值的所述第二类点的到达时间为0，并标记为第四类点，并设置到达时间T不大于预设阈值的所述第二类点为第一类点；
判断子单元：用于判断与第一类点相邻区域是否存在第三类点，如存在，通知第二标记子单元，否则将第一类点设置为第四类点，通知肺血管标记子单元；
肺血管标记子单元：用于获取所述n层胸部CT图像的带血管的封闭肺组织区域的像素点的到达时间T大于0的像素点，即为肺血管。
附图说明
为了更清楚的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做简单的介绍，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是现有技术的一幅胸部CT扫描的原始图像。
图2是根据本发明实施例的从胸部CT图像中提取肺血管的方法流程图。
图3是胸部CT图像的灰度直方图。
图4是不带血管的肺组织区域结果示意图。
图5是带血管的肺组织区域结果示意图。
图6是肺血管提取效果示意图。
图7是根据本发明实施例的从胸部CT图像中提取肺血管的装置结构示意图。
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、完整的描述，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护范围。
本发明考虑到由于在胸部CT图像中心脏、周围骨骼与肺血管的灰度值差别较小，如果直接从胸部CT图像上提取肺血管，操作非常困难。因此本发明先用预设分割阈值和3D区域增长的方法获得不带血管的肺组织，再通过形态学运算获得带血管的封闭肺组织区域，然后获得初始扩散面和血管阈值并进行面扩散，最终准确提取出肺血管。
参见图2，其是根据本发明实施例的从胸部CT图像提取肺血管的方法流程图，本流程具体包括：
步骤201，接收输入的n层胸部CT图像，其中n为自然数，获取指定图像层，在所述指定图像层上进行灰度映射获得对应的灰度直方图，根据所述灰度直方图获得预设分割阈值；
上述层数n由层厚决定，如层厚为1.5mm时n约为350左右，层厚为1.0mm时n约为500左右。本发明选取的指定图像层为第n/2层，逐一计算该层图像上全部灰度值范围内的像素数目，获得图3所示的该层图像的灰度直方图。从图3中可以分析出，选取1450—1650之间的某一灰度值作为阈值可以将图像分为两类：低密度的肺实质区和高密度的血管、心脏、骨骼、胸腔区。因此，预设分割阈值可以选取为1450—1650之间的某一灰度值。
步骤202，在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值以及初始种子点，在所述n层胸部CT图像进行3D区域增长，获得不带血管的肺组织区域；
本步骤具体包括：
01）在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，具体步骤包括；
02）从所述初始被标记种子点的26邻域像素点中选取一个像素点；
03）判断所选取的像素点是否已经被标记为标记点，若是，则返回02），否则执行步骤04）；
04）判断所选取的像素点的灰度值是否满足预设要求，若是，则把该像素点标记为标记点，加入标记点集，执行步骤06），否则执行步骤05）；
05）停止标记该像素点，执行步骤06）；
06）判断所述26邻域像素点是否全部判断完毕，若是则执行步骤08），否则返回步骤02）；
08）判断标记点集是否为空，如不为空，则从标记点集中取出一个标记点作为初始被标记种子点，返回步骤02），同时将该点从标记点集中去除，否则执行步骤09）；
09）获取已被标记的像素点集，该像素点集即为不带血管的肺组织区域。
上述在所述指定图像层上选取肺部区域的指定像素点获得初始种子点的步骤包括：
01）分别获取第n/2层图像上X轴方向150-200，Y轴方向230-880之间以及X轴方向330-380，Y轴方向230-280之间且灰度值比预设分割阈值小的两组像素点；
02）对获取的两组像素点分别按灰度值的大小排序；
03）分别获取两组数据排序后居中的两个像素点作为初始种子点。
上述步骤获得的不带血管的肺组织区域的结果示意图如图4所示，从图中可以看到肺组织区域区内的血管被标记为空洞，没有包含在肺组织区域中。
步骤203，在所述的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值；
本步骤具体包括：
01）分别在n层胸部CT图像上计算标记为不带血管的肺组织区域的连通区域面积；
02）将面积小于预设阈值的连通区域的像素点的标记去除，即剔除气管像素点，上述预设阈值为经验值，可以选取为300-500之间；
03）对所述剔除气管像素点后剩余标记点的区域进行填充孔洞形态学计算，得到带血管的肺组织区域；
04）获取所述指定图像层上带血管的肺组织区域的最大灰度值
Figure 300445DEST_PATH_IMAGE001
和最小灰度值
Figure 532712DEST_PATH_IMAGE002
；
05）遍历
Figure 865605DEST_PATH_IMAGE002
与
Figure 601348DEST_PATH_IMAGE001
之间所有值，获取使
Figure 627073DEST_PATH_IMAGE003
的值最大的灰度值
Figure 81057DEST_PATH_IMAGE004
，其中
Figure 952061DEST_PATH_IMAGE005
为像素灰度值小于
Figure 822539DEST_PATH_IMAGE004
的像素个数，
Figure 206116DEST_PATH_IMAGE006
为像素灰度值大于
Figure 632549DEST_PATH_IMAGE004
的像素个数，
Figure 822091DEST_PATH_IMAGE007
为灰度值小于
Figure 283159DEST_PATH_IMAGE004
的像素的平均灰度值，
Figure 824255DEST_PATH_IMAGE008
为灰度值大于
Figure 252832DEST_PATH_IMAGE004
的像素的平均灰度值，获得的灰度值
Figure 731217DEST_PATH_IMAGE004
即为血管阈值；
06）在所述指定图像层上带血管的肺组织区域获取像素灰度值大于所述血管阈值的
Figure 296060DEST_PATH_IMAGE004
像素点，并标记为血管。
上述步骤获得的带血管的肺组织区域的结果示意图如图5所示，从图中可以看到步骤202获得的肺组织区域内的血管空洞已经被完整填充上。
步骤204，在所述指定图像层上的带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点，获得初始扩散面；
本步骤中，在所述指定图像层上带血管的封闭肺组织区域上查找所有大于血管阈值的像素点，并做标记值为1；随机选取某一标记点为首个种子点，按照广度优先或者深度优先的规则搜索种子点周围8连通域内的已做标记为1的像素点，并修改标记值为2；以新标记为2的像素点作为新种子点按照上述规则再次进行搜索和标记；循环上述过程直至新种子点周围无标记为1的像素点，则标记为2的连通域即为某一初始扩散面；分别对指定图像层上剩余标记为1的像素点执行上述步骤，直至肺组织区域内无标记为1的像素点；标记为2的像素点组成的连通域即为所获得的初始扩散面。注意的是，本发明所述的初始扩散面不一定是一个面，初始扩散面的个数与连通域的数量一致。
步骤205，根据所述初始扩散面和血管阈值，在所述n层胸部CT图像的带血管封闭肺组织区域内进行面扩散，获得肺血管；
本步骤具体包括：
01）将所述n层胸部CT图像的带血管封闭肺组织区域的像素点将归为四类：第一类为当前扩散点，第二类为边界点，第三类为待处理完点，第四类为已处理完点，初始均设置为第三类点；
02）把在所述指定图像层上带血管的肺组织区域标记为肺血管的像素点标记为第一类点；
03）将与第一类点相邻区域中的第三类像素点标记为第二类点；
04）遍历计算第一类点与其相邻第二类点的到达时间T，并将第一类点标记为第四类点；
05）设置到达时间T大于预设阈值的所述第二类点的到达时间为0，并标记为第四类点，设置到达时间T不大于预设阈值的所述第二类点为第一类点，本发明的预设阈值可选为100-200之间的某一数值；
06）判断与第一类点相邻区域是否存在第三类点，如存在，返回步骤03），否则将第一类点设置为第四类点，执行步骤07）；
07）获取所述n层胸部CT图像的带血管的封闭肺组织区域的像素点的到达时间T大于0的像素点，即为肺血管。
其中，所述遍历计算第一类点与其相邻第二类点的到达时间T的计算步骤包括：
第二类像素点
Figure 834489DEST_PATH_IMAGE010
的到达时间
Figure 297831DEST_PATH_IMAGE011
为：
Figure 832105DEST_PATH_IMAGE012
，其中
Figure 267765DEST_PATH_IMAGE013
、
Figure 960784DEST_PATH_IMAGE014
、
Figure 114685DEST_PATH_IMAGE015
为像素点
Figure 997190DEST_PATH_IMAGE016
与X、Y、Z三个方向相邻像素点的灰度值差绝对值的最大值，具体为：
Figure 536625DEST_PATH_IMAGE017
，
Figure 151277DEST_PATH_IMAGE018
，
Figure 776162DEST_PATH_IMAGE019
，其中
Figure 400041DEST_PATH_IMAGE020
为像素点
Figure 796912DEST_PATH_IMAGE010
的灰度值。
采用本发明实施例对从胸部CT图像中提取肺血管的结果如图6所示。其中图6(a)是带血管的肺部区域图像，图6(b)肺血管提取结果的二维显示，图6(c)是肺血管提取结果的三维显示。从图6中可以看出，本发明提出的方法能够准确的提取出血管组织，可以在三维上直观的观察血管情况。经过对20组胸部图像数据进行肺血管提取统计本发明中提出的方法的运行时间，结果表明每组的运行时间基本在1分钟以内，运行速度较快。
本发明实施例还提供了一种从胸部CT图像中提取肺血管的装置，参见图7，具体包括：
CT图像输入单元601：用于接收输入的n层胸部CT图像，其中n为自然数；
预设分割阈值获取单元602：用于获取所述n层胸部CT图像指定图像层，在所述指定图像层上进行灰度映射获得对应的灰度直方图，根据所述灰度直方图获得预设分割阈值；
不带血管的肺组织区域获取单元603：用于在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值以及初始种子点，在所述n层胸部CT图像进行3D区域增长，获得不带血管的肺组织区域；
血管阈值计算单元604：用于在所述不带血管的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值；
初始扩散面获取单元605：用于在所述指定图像层上的带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点，获得初始扩散面；
肺血管提取单元606：用于根据所述初始扩散面和血管阈值，在所述n层胸部CT图像的带血管的封闭肺组织区域内进行面扩散，获得肺血管。
其中，上述不带血管的肺组织区域获取单元603可以具体包括：
初始标记点选取单元：用于在所述指定图像层上获取灰度值比所述预设分割阈值小的一个像素点，作为初始标记点；
像素点选取子单元：用于从所述初始标记点的26邻域像素点中选取一个像素点；
第一判断处理子单元：用于判断所选取的像素点是否已经被标记为标记点，若是，通知像素点选取子单元，否则通知第二判断处理子单元；
第二判断处理子单元：用于判断所选取的像素点的灰度值是否满足预设要求，若是，则通知第三判断处理子单元，否则停止标记该像素点，通知第三判断处理子单元；
第三判断处理子单元：用于判断所述26邻域像素点是否全部判断完毕，若是则通知第四判断处理子单元，否则通知像素点选取子单元；
第四判断处理子单元：用于判断标记点集是否为空，如不为空，则从标记点集中取出一个标记点作为初始被标记种子点，通知像素点选取子单元，同时将该点从标记点集中去除，否则，获取已被标记的像素点集，该像素点集即为不带血管的肺组织区域。
其中，上述血管阈值计算单元604可以具体包括：
连通区域面积计算子单元：用于在所述n层胸部CT图像上计算标记为不带血管的肺组织区域的连通区域面积；
像素点剔除子单元：用于在将面积小于预设阈值的所述连通区域的像素点的标记去除，即剔除气管像素点；
带血管的肺组织区域获取子单元：用于对所述剔除气管像素点后剩余标记点的区域进行填充孔洞形态学计算，得到带血管的肺组织区域；
血管阈值设置子单元：用于获取所述指定图像层上带血管的肺组织区域的最大灰度值
Figure 910362DEST_PATH_IMAGE001
和最小灰度值
Figure 773275DEST_PATH_IMAGE002
，遍历
Figure 184534DEST_PATH_IMAGE002
与
Figure 449293DEST_PATH_IMAGE001
之间所有值，获取使
Figure 920595DEST_PATH_IMAGE003
的值最大的灰度值
Figure 5225DEST_PATH_IMAGE004
，其中
Figure 220175DEST_PATH_IMAGE005
为像素灰度值小于
Figure 401758DEST_PATH_IMAGE004
的像素个数，
Figure 910538DEST_PATH_IMAGE006
为像素灰度值大于
Figure 810360DEST_PATH_IMAGE004
的像素个数，
Figure 563422DEST_PATH_IMAGE007
为灰度值小于
Figure 537194DEST_PATH_IMAGE004
的像素的平均灰度值，
Figure 350298DEST_PATH_IMAGE008
为灰度值大于
Figure 409521DEST_PATH_IMAGE004
的像素的平均灰度值，获得的灰度值
Figure 779322DEST_PATH_IMAGE004
即为血管阈值。
其中，上述肺血管提取单元606可以具体包括：
初始设置子单元：用于将所述n层胸部CT图像的带血管的封闭肺组织区域的像素点归为四类点：第一类为当前扩散点，第二类为边界点，第三类为待处理完点，第四类为已处理完点，初始设置为第三类点；
第一标记子单元：用于把在所述指定图像层上带血管的肺组织区域标记为肺血管的像素点标记为第一类点；
第二标记子单元：用于将与第一类点相邻区域中的第三类像素点标记为第二类点；
第三标记子单元：用于遍历计算第一类点与其相邻第二类点的到达时间T，并将第一类点标记为第四类点；
时间设置子单元：用于设置到达时间T大于预设阈值的所述第二类点的到达时间为0，并标记为第四类点，并设置到达时间T不大于预设阈值的所述第二类点为第一类点；
判断子单元：用于判断与第一类点相邻区域是否存在第三类点，如存在，通知第二标记子单元，否则将第一类点设置为第四类点，通知肺血管标记子单元；
肺血管标记子单元：用于获取所述n层胸部CT图像的带血管的封闭肺组织区域的像素点的到达时间T大于0的像素点，即为肺血管。
应用本发明实施例的装置，可以自动准确的从胸部CT图像上提取出肺血管，使医生对肺血管的观察更直观、更准确，避免了在图像上观察和诊断肺血管疾病时心脏以及骨骼的干扰，而且运算速度快时间短。
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者操作区分开来，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，或者还是包括这种过程、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最佳实施例而已，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 (7)

1.一种从胸部CT图像中提取肺血管的方法，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，获取指定图像层，在所述指定图像层上进行灰度映射获得对应的灰度直方图，根据所述灰度直方图获得预设分割阈值；
在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值以及初始种子点，在所述n层胸部CT图像进行3D区域增长，获得不带血管的肺组织区域；
在所述的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值；
在所述指定图像层上的带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点，获得初始扩散面；
在所述初始扩散面和血管阈值，在n层胸部CT图像的带血管的封闭肺组织区域内进行面扩散获得肺血管计算步骤包括：
01)所述n层胸部CT图像的带血管的封闭肺组织区域的像素点将归为四类:第一类为当前扩散点，第二类为边界点，第三类为待处理完点，第四类为已处理完点，初始均设置为第三类点；
02)把在所述指定图像层上带血管的肺组织区域标记为肺血管的像素点标记为第一类点；
03)将与第一类点相邻区域中的第三类像素点标记为第二类点；
04)遍历计算第一类点与其相邻第二类点的到达时间T,并将第一类点标记为第四类点，计算第二类像素点(i,j,k)的到达时间T(i,j,k)的步骤为：
Figure FDA0003954293720000011
其中Di、Dj、Dk为像素点(i,j,k)与X、Y、Z三个方向相邻像素点的灰度值差绝对值的最大值，具体为：Di＝max(|Vi,j,k-Vi-1,j,k|,|Vi,j,k-Vi+1,j,k|),Dj＝max(|Vi,j,k-Vi,j-1,k|,|Vi,j,k-Vi,j+1,k|),Dk＝max(|Vi,j,k-Vi,j,k-1|,|Vi,j,k-Vi,j,k+1|)，其中Vi,j,k为像素点(i,j,k)的灰度值；
05)设置到达时间T大于预设阈值的所述第二类点的到达时间为0,并标记为第四类点，设置到达时间T不大于预设阈值的所述第二类点为第一类点；
06)判断与第一类点相邻区域是否存在第三类点，如存在，返回步骤03)，否则将第一类点设置为第四类点，执行步骤07)；
07)获取所述n层胸部CT图像的带血管的封闭肺组织区域的像素点的到达时间T大于0的像素点，即为肺血管。
2.根据权利要求1所述的方法，其特征在于，在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值以及初始种子点，在所述n层胸部CT图像进行3D区域增长,获得不带血管的肺组织区域的步骤包括：
01)在所述指定图像层上选取肺部区域的指定像素点获得初始种子点；
02)从所述初始被标记种子点的26邻域像素点中选取一个像素点；
03)判断所选取的像素点是否已经被标记为标记点，若是，则返回02),否则执行步骤04)；
04)判断所选取的像素点的灰度值是否满足预设要求，若是，则把该像素点标记为标记点,加入标记点集，执行步骤06),否则执行步骤05)；
05)停止标记该像素点，执行步骤06)；
06)判断所述26邻域像素点是否全部判断完毕，若是则执行步骤08),否则返回步骤02)；
08)判断标记点集是否为空，如不为空，则从标记点集中取出一个标记点作为初始被标记种子点，返回步骤02),同时将该点从标记点集中去除,否则执行步骤09)；
09)获取已被标记的像素点集,该像素点集即为不带血管的肺组织区域。
3.根据权利要求1所述的方法，其特征在于，在所述的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值的步骤包括：
01)分别在n层胸部CT图像上计算标记为不带血管的肺组织区域的连通区域面积；
02)将面积小于预设阈值的连通区域的像素点的标记去除，即剔除气管像素点；
03)对所述剔除气管像素点后剩余标记点的区域进行填充孔洞形态学计算，得到带血管的肺组织区域；
04)获取所述指定图像层上带血管的肺组织区域的最大灰度值Tmax和最小灰度值Tmin；
05)遍历Tmin与Tmax之间所有值，获取使g＝w0w1(u0-u1)2的值最大的灰度值T0，其中，w0为像素灰度值小于T0的像素个数,w1为像素灰度值大于T0的像素个数,u0为灰度值小于T0的像素的平均灰度值,u1为灰度值大于T0的像素的平均灰度值,获得的灰度值T0即为血管阈值；
06)在所述指定图像层上带血管的肺组织区域获取像素灰度值大于所述血管阈值T0的所有像素点，并标记为血管。
4.一种从胸部CT图像中提取肺血管的装置,其特征在于,包括：
CT图像输入与预设分割阈值获取单元：接收输入的n层胸部CT图像，其中n为自然数，获取指定图像层，在所述指定图像层上进行灰度映射获得对应的灰度直方图，根据所述灰度直方图获得预设分割阈值；
不带血管的肺组织区域获取单元：在所述指定图像层上选取肺部区域的指定像素点获得初始种子点，根据所述预设分割阈值以及初始种子点，在所述n层胸部CT图像进行3D区域增长，获得不带血管的肺组织区域；
血管阈值计算单元：在所述的肺组织区域进行形态学运算，获得带血管的封闭肺组织区域，计算血管阈值；
初始扩散面获取单元：在所述指定图像层上的带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点，获得初始扩散面；
肺血管提取单元：在所述初始扩散面和血管阈值，在n层胸部CT图像的带血管的封闭肺组织区域内进行面扩散获得肺血管计算步骤包括：
01)所述n层胸部CT图像的带血管的封闭肺组织区域的像素点将归为四类:第一类为当前扩散点，第二类为边界点，第三类为待处理完点，第四类为已处理完点，初始均设置为第三类点；
02)把在所述指定图像层上带血管的肺组织区域标记为肺血管的像素点标记为第一类点；
03)将与第一类点相邻区域中的第三类像素点标记为第二类点；
04)遍历计算第一类点与其相邻第二类点的到达时间T,并将第一类点标记为第四类点，计算第二类像素点(i,j,k)的到达时间T(i,j,k)的步骤为：
Figure FDA0003954293720000031
其中Di、Dj、Dk为像素点(i,j,k)与X、Y、Z三个方向相邻像素点的灰度值差绝对值的最大值，具体为：Di＝max(|Vi,j,k-Vi-1,j,k|,|Vi,j,k-Vi+1,j,k|),Dj＝max(|Vi,j,k-Vi,j-1,k|,|Vi,j,k-Vi,j+1,k|)，Dk＝max(|Vi,j,k-Vi,j,k-1|,|Vi,j,k-Vi,j,k+1|)，其中Vi,j,k为像素点(i,j,k)的灰度值；
05)设置到达时间T大于预设阈值的所述第二类点的到达时间为0,并标记为第四类点，设置到达时间T不大于预设阈值的所述第二类点为第一类点；
06)判断与第一类点相邻区域是否存在第三类点，如存在，返回步骤03),否则将第一类点设置为第四类点，执行步骤07)；
07)获取所述n层胸部CT图像的带血管的封闭肺组织区域的像素点的到达时间T大于0的像素点，即为肺血管。
5.根据权利要求4所述装置，其特征在于，不带血管的肺组织区域获取单元还包括：
初始标记点选取单元：用于在所述指定图像层上获取灰度值比所述预设分割阈值小的一个像素点，作为初始标记点；
像素点选取子单元：用于从所述初始标记点的26邻域像素点中选取一个像素点；
第一判断处理子单元：用于判断所选取的像素点是否已经被标记为标记点，若是，通知像素点选取子单元，否则通知第二判断处理子单元；
第二判断处理子单元：用于判断所选取的像素点的灰度值是否满足预设要求，若是,则通知第三判断处理子单元，否则停止标记该像素点,通知第三判断处理子单元；
第三判断处理子单元：用于判断所述26邻域像素点是否全部判断完毕，若是则通知第四判断处理子单元，否则通知像素点选取子单元；
第四判断处理子单元：用于判断标记点集是否为空，如不为空，则从标记点集中取出一个标记点作为初始被标记种子点，通知像素点选取子单元，同时将该点从标记点集中去除，否则，获取已被标记的像素点集，该像素点集即为不带血管的肺组织区域。
6.根据权利要求4所述装置,其特征在于,血管阈值计算单元还包括：
连通区域面积计算子单元：用于在所述n层胸部CT图像上计算标记为不带血管的肺组织区域的连通区域面积；
像素点剔除子单元：用于在将面积小于预设阈值的所述连通区域的像素点的标记去除，即剔除气管像素点；
带血管的肺组织区域获取子单元：用于对所述剔除气管像素点后剩余标记点的区域进行填充孔洞形态学计算，得到带血管的肺组织区域；
血管阈值设置子单元：用于获取所述指定图像层上带血管的肺组织区域的最大灰度值Tmax和最小灰度值Tmin,遍历Tmin与Tmax之间所有值，获取使g＝w0w1(u0-u1)2的值最大的灰度值T0，其中w0为像素灰度值小于T0的像素个数,w1为像素灰度值大于T0的像素个数,u0为灰度值小于T0的像素的平均灰度值，u1为灰度值大于T0的像素的平均灰度值，获得的灰度值T0即为血管阈值。
7.根据权利要求4所述装置，其特征在于，肺血管提取单元还包括：
初始设置子单元：用于将所述n层胸部CT图像的带血管的封闭肺组织区域的像素点归为四类点：第一类为当前扩散点，第二类为边界点，第三类为待处理完点，第四类为已处理完点，初始设置为第三类点；
第一标记子单元：用于把在所述指定图像层上带血管的肺组织区域标记为肺血管的像素点标记为第一类点；
第二标记子单元：用于将与第一类点相邻区域中的第三类像素点标记为第二类点；
第三标记子单元：用于遍历计算第一类点与其相邻第二类点的到达时间T,并将第一类点标记为第四类点；
时间设置子单元：用于设置到达时间T大于预设阈值的所述第二类点的到达时间为0,并标记为第四类点，并设置到达时间T不大于预设阈值的所述第二类点为第一类点；
判断子单元：用于判断与第一类点相邻区域是否存在第三类点，如存在，通知第二标记子单元，否则将第一类点设置为第四类点，通知肺血管标记子单元；
肺血管标记子单元：用于获取所述n层胸部CT图像的带血管的封闭肺组织区域的像素点的到达时间T大于0的像素点，即为肺血管。
CN201610924061.6A 2016-10-24 2016-10-24 一种从胸部ct图像中提取肺血管的方法及装置 Active CN107045721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610924061.6A CN107045721B (zh) 2016-10-24 2016-10-24 一种从胸部ct图像中提取肺血管的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610924061.6A CN107045721B (zh) 2016-10-24 2016-10-24 一种从胸部ct图像中提取肺血管的方法及装置

Publications (2)

Publication Number Publication Date
CN107045721A CN107045721A (zh) 2017-08-15
CN107045721B true CN107045721B (zh) 2023-01-31

Family

ID=59543112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610924061.6A Active CN107045721B (zh) 2016-10-24 2016-10-24 一种从胸部ct图像中提取肺血管的方法及装置

Country Status (1)

Country Link
CN (1) CN107045721B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3460712A1 (en) * 2017-09-22 2019-03-27 Koninklijke Philips N.V. Determining regions of hyperdense lung tissue in an image of a lung
CN108074242B (zh) * 2018-01-29 2020-09-29 北京大学人民医院 一种提高炎症识别准确度的方法及装置
CN108648193B (zh) * 2018-06-06 2023-10-31 南方医科大学 生物组织影像识别的方法及其系统、计算机储存介质
CN109191468B (zh) * 2018-08-16 2021-01-08 杭州晟视科技有限公司 一种血管提取的方法、装置及存储介质
CN109740602B (zh) * 2019-01-10 2023-06-30 上海联影医疗科技股份有限公司 肺动脉期血管提取方法及系统
CN110246144A (zh) * 2019-06-17 2019-09-17 吉林大学第一医院 一种肺部ct图像的血管增强方法及系统
CN111276106A (zh) * 2020-02-19 2020-06-12 京东方科技集团股份有限公司 一种基于面积统计的异常标注方法及装置
CN112102267B (zh) * 2020-08-31 2023-07-07 沈阳东软智能医疗科技研究院有限公司 肺动脉血管树的获取方法、装置、存储介质和电子设备
CN112767332B (zh) * 2021-01-08 2024-05-17 心医国际数字医疗系统(大连)有限公司 一种基于cta影像的血管区域判断方法及系统
CN113192099B (zh) * 2021-04-30 2023-02-17 上海联影医疗科技股份有限公司 一种组织提取方法、装置、设备和介质
CN113409328B (zh) * 2021-06-02 2024-01-02 东北大学 Ct图像的肺动静脉分割方法、装置、介质及设备
CN114240851B (zh) * 2021-11-25 2024-08-02 深圳市旭东数字医学影像技术有限公司 基于ct图像的肺动静脉提取方法、装置及电子设备
CN115049807B (zh) * 2022-06-28 2023-05-09 上海市胸科医院 肺部血管模型的建立方法、装置及服务器
CN117115186B (zh) * 2023-10-25 2024-02-02 高州市人民医院 基于区域生长的心血管分割方法
CN117437236B (zh) * 2023-12-21 2024-03-01 中国人民解放军总医院第一医学中心 一种胃肠镜图像异常检测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651130A (zh) * 2012-03-30 2012-08-29 宋怡 水平集图像处理方法
CN103871043A (zh) * 2012-12-12 2014-06-18 上海联影医疗科技有限公司 一种血管提取方法
CN105741251A (zh) * 2016-03-17 2016-07-06 中南大学 一种肝脏cta序列图像的血管分割方法
CN106023165A (zh) * 2016-05-12 2016-10-12 曲阜师范大学 一种用于光学分辨率光声显微镜下活体肿瘤血管新生图像的血管提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007046514A1 (de) * 2007-09-28 2009-04-23 Siemens Ag Verfahren zur Erkennung und Markierung von Kontrastmittel in Blutgefäßen der Lunge mit Hilfe einer CT-Untersuchung und Bildauswerteeinheit eines CT-Systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651130A (zh) * 2012-03-30 2012-08-29 宋怡 水平集图像处理方法
CN103871043A (zh) * 2012-12-12 2014-06-18 上海联影医疗科技有限公司 一种血管提取方法
CN105741251A (zh) * 2016-03-17 2016-07-06 中南大学 一种肝脏cta序列图像的血管分割方法
CN106023165A (zh) * 2016-05-12 2016-10-12 曲阜师范大学 一种用于光学分辨率光声显微镜下活体肿瘤血管新生图像的血管提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Automatic extraction of the pulmonary artery tree from multi-slice CT data;Buelow T;《Proc of SPIE，Medical Imaging，Physiology，Function，and Structure from Medical Images》;20051231;第730-740页 *
基于几何形变模型的三维肺血管图像分割方法;贾同;《仪器仪表学报》;20101015;第2296-2301页 *

Also Published As

Publication number Publication date
CN107045721A (zh) 2017-08-15

Similar Documents

Publication Publication Date Title
CN107045721B (zh) 一种从胸部ct图像中提取肺血管的方法及装置
US11900608B2 (en) Automatic image segmentation methods and analysis
EP2916737B1 (en) System and method for automated detection of lung nodules in medical images
John et al. Multilevel thresholding based segmentation and feature extraction for pulmonary nodule detection
EP1851720B1 (en) Method of automatic extraction of the pulmonary artery tree from 3d medical images
Camilus et al. Computer-aided identification of the pectoral muscle in digitized mammograms
CN109064476B (zh) 一种基于水平集的ct胸片肺组织图像分割方法
Maitra et al. Automated digital mammogram segmentation for detection of abnormal masses using binary homogeneity enhancement algorithm
US9305356B2 (en) Image processing method and apparatus
KR101625955B1 (ko) 장기의 동맥 및 정맥의 구분 방법
Jamil et al. Adaptive thresholding technique for segmentation and juxtapleural nodules inclusion in lung segments
CN113034522A (zh) 一种基于人工神经网络的ct图像分割方法
Wei et al. Automatic recognition of major fissures in human lungs
Ming et al. Enhanced automatic lung segmentation using graph cut for interstitial lung disease
Tschirren et al. Airway segmentation framework for clinical environments
KR101494975B1 (ko) 3차원 자동 유방 초음파 영상의 유두 자동 검출 시스템 및 그 검출 방법
JP2017111129A (ja) 輪郭抽出装置、輪郭抽出方法およびプログラム
da Silva Felix et al. Automatic Segmentation and Measurement of the Lungs in healthy persons and in patients with Chronic Obstructive Pulmonary Disease in CT Images
Aggarwala et al. Detection of ground glass nodules in human lungs using lungs CT scans images
Albalooshi et al. Automatic segmentation of carcinoma in radiographs
Skoura et al. Integrating edge detection and fuzzy connectedness for automated segmentation of anatomical branching structures
Bajwa et al. Computer-aided detection (CADe) system for detection of malignant lung nodules in CT slices-a key for early lung cancer detection
Li et al. Automatic rib positioning method in CT images
Supriyanti et al. Comparison of conventional edge detection methods performance in lung segmentation of COVID19 patients
Malik et al. Differentiating honeycombed images from normal HRCT lung images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant