CN110211141B - 一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法 - Google Patents
一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法 Download PDFInfo
- Publication number
- CN110211141B CN110211141B CN201910515795.2A CN201910515795A CN110211141B CN 110211141 B CN110211141 B CN 110211141B CN 201910515795 A CN201910515795 A CN 201910515795A CN 110211141 B CN110211141 B CN 110211141B
- Authority
- CN
- China
- Prior art keywords
- region
- segmentation
- seed point
- constraint
- trachea
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法,属于图像处理领域。针对肺气道树分割中低亮度气管壁缺口导致的泄漏问题,本发明提出了一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法,包括以下步骤:(1)建立类球体区域约束模型;(2)区域内分割及参数自适应调整;(3)气管壁缺口封堵。类球体区域对分割的约束降低了泄漏检测的难度,在约束区域内易于自适应调整各参数,类球体区域约束为气管壁缺口封堵创造了条件;气管壁缺口封堵可以有效定位并封堵微小的低亮度气管壁缺口,为肺气道树三维结构提取创造了良好分割环境。
Description
技术领域
本发明属于医学图像处理领域,具体涉及基于胸部CT图像的肺气道树分割。
背景技术
基于胸部3D-CT影像数据构建的准确的三维肺气道树模型对辅助诊断肺部疾病具有重要意义。对肺气道树分割算法的研究除医学图像分割中的共性难题外,还需面对两个特有难题,即泄漏问题和细小气道提取问题。两个难题的根源为在部分容积效应和噪声的影响下,CT图像中的高亮度气管壁上存在低亮度的气管壁缺口,如图1所示,气管壁难以完美隔离气道与肺实质,导致分割过程由气道错误漫延至肺实质,而无法准确分割出细小气道,无法获得完整准确的三维肺气道树。
发明内容
针对肺气道树分割领域特有的泄漏问题和细小气道提取问题,考虑低亮度气管壁缺口为肺气道树分割难点的主要原因。
本发明的技术方案为:一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法,包括以下步骤:
步骤1:读入胸部CT图像,在主气管中设定初始种子点;
步骤2:检测连通域并标记,将种子点留存矩阵中的单连通种子点集合依次压入堆栈,该堆栈用于明确各种子点集合独立分割的顺序;
步骤3:依次提取单连通种子点集合,建立类球体区域约束模型;
步骤4:依次对建立的类球体区域进行分割,进行泄露检测并调整参数;
步骤5:依次定位各类球体区域内的气管壁低亮度缺口,提高原图像该位置体素点的CT值以封堵气管壁缺口,重新分割该区域内图像;
步骤6:依次保存分割结果,依次保存区域边缘分割结果至种子点留存矩阵P;
步骤7:若种子点留存矩阵P为空,则分割结束,否则返回步骤2。
本发明的有益效果在于:类球体区域对分割的约束降低了泄漏检测的难度,在区域约束下易于自适应调整各参数,类球体区域约束为气管壁缺口封堵创造了条件;气管壁缺口封堵可以有效定位并封堵微小的低亮度气管壁缺口,为肺气道树三维结构提取创造了良好分割环境。
附图说明
图1是肺气道树分割难点模型图;
图2是区域内分割流程图;
图3是气管壁缺口封堵流程图;
图4是完整流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细的说明。本发明实现一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法,主要包括以下步骤:
步骤1:读入胸部CT图像,在主气管中设定初始种子点;
步骤2:检测连通域并标记,将种子点留存矩阵中的单连通种子点集合依次压入堆栈,该堆栈用于明确各种子点集合独立分割的顺序,表示为:
PLabel(P)=[Parea(k),k],k=1,2,3,...,n.
其中,P为种子点留存矩阵,k为堆栈中的排序值和标记值,n为该堆栈中k的最大值,Parea(k)为标记k的单连通种子点集合,满足如下性质:
(3)max[Parea(k)]=1;
步骤3:依次提取单连通种子点集合,建立类球体区域约束模型:
(1)计算单连通种子点集合体素点总数,并计算区域半径R:
其中,farea(x,y,z,k)为种子点集合的二值图像函数,ceil为向上取整操作;
(2)计算初始阈值:
分割中的阈值用Threshold(k)表示,初始阈值为种子点集合对应原图像位置体素点的CT值变化范围;
(3)数据切割以优化算法:
首先寻找种子点曲面边界,然后将边界扩张R(k)个体素点距离,且不超出CT图像边界;
(4)实现约束区域及区域边界的生成:
以R(k)为半径的三维球形算子Sphere,对种子点集合曲面进行单次膨胀操作,可得近似球体的约束区域Tregion(k),区域外体素的CT值取最低值:-2048HU。用Imdilate表示形态学膨胀操作,则约束区域边缘为:
Tedge(k)=Imdilate[R(k)]-Imdilate[R(k)-1];
步骤4:依次对建立的类球体区域进行分割,进行泄露检测并调整参数(如图2所示):
区域内分割采用波面传播法提取待分割点,并使用阈值法对待分割点进行判定。分割过程即迭代过程,迭代次数和每一次迭代的结果均可参与泄漏判定,其中,迭代次数受区域半径R(k)限制,每一次迭代结果的体素点总量受种子点集合内元素总量限制,区域半径R(k)限制和种子点集合内元素总量限制的参数设置保留弹性;若判定泄漏发生,则该小段分割返回初始状态并分割阈值衰减,为保持分割精细程度,设定Threshold(k)-1;当迭代结果不再增加时,区域内分割结束,分割结果表示为X(k)。此时提取区域边缘上分割结果,计算其面积以判定是否泄漏,此外该小段分割结果的体积也可作为泄漏判定的条件,区域边缘面积限定法和区域内分割结果体积限定法同样参考种子点集合内元素总量和区域半径R(k);
步骤5:依次定位各类球体区域内的气管壁低亮度缺口,提高原图像该位置体素点的CT值以封堵气管壁缺口,重新分割该区域内图像:
对步骤4的分割结果X(k)进行形态学闭操作,其结果减去X(k)可得存在低亮度气管壁缺口的气管壁图像,再对该图像进行形态学闭操作,其结果减去该图像,可得准确的气管壁缺口位置,针对性提高原图像相应位置体素点的CT值,实现对低亮度气管壁缺口的封堵;通过设定缺口封堵开关,重复气管壁缺口封堵操作,可在同一小段气道上实现多个气管壁缺口的封堵,当缺口封堵检测时区域内分割阈值不再增加或超出细小气道阈值范围(Threshold(k)=200)时,关闭缺口封堵开关,跳出循环,封堵结束;
步骤6:依次保存分割结果,依次保存区域边缘分割结果至种子点留存矩阵P;步骤7:若种子点留存矩阵P为空,则分割结束,否则返回步骤2,完整流程如图4所示。
最后应说明的是,以上实施实例仅用以说明本发明的技术方案而非限制,尽管参照较佳的实施实例对本发明进行了详细的说明,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的修改或等同替换,而不脱离本发明技术方案的精神和范围,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法,其特征在于包括以下步骤:
步骤1:读入胸部CT图像,在主气管中设定初始种子点;
步骤2:检测连通域并标记,将种子点留存矩阵中的单连通种子点集合依次压入堆栈,该堆栈用于明确各种子点集合独立分割的顺序;
步骤3:依次提取单连通种子点集合,建立类球体区域约束模型;
步骤4:依次对建立的类球体区域进行分割,进行泄露检测并调整参数;
步骤5:依次定位各类球体区域内的气管壁低亮度缺口,提高原图像该位置体素点的CT值以封堵气管壁缺口,重新分割该区域内图像;
步骤6:依次保存分割结果,依次保存区域边缘分割结果至种子点留存矩阵P;
步骤7:若种子点留存矩阵P为空,则分割结束,否则返回步骤2;
所述步骤2中连通域检测和标记的方法如下:
PLabel(P)=[Parea(k),k],k=1,2,3,...,n.
其中,P为种子点留存矩阵,k为堆栈中的排序值和标记值,n为该堆栈中k的最大值,Parea(k)为标记k的单连通种子点集合,满足如下性质:
(3) max[Parea(k)]=1;
所述步骤3中,建立类球体区域约束模型的过程如下:
(1)计算单连通种子点集合体素点总数,并计算区域半径R:
其中,farea(x,y,z,k)为种子点集合的二值图像函数,ceil为向上取整操作;
(2)计算初始阈值:
分割中的阈值用Threshold(k)表示,初始阈值为种子点集合对应原图像位置体素点的CT值变化范围;
(3)数据切割以优化算法:
首先寻找种子点曲面边界,然后将边界扩张R(k)个体素点距离,且不超出CT图像边界;
(4)实现约束区域及区域边界的生成:
以R(k)为半径的三维球形算子Sphere,对种子点集合曲面进行单次膨胀操作,可得近似球体的约束区域Tregion(k),区域外体素的CT值取最低值:-2048HU,
用Imdilate表示形态学膨胀操作,则约束区域边缘为:
Tedge(k)=Imdilate[R(k)]-Imdilate[R(k)-1]。
2.根据权利要求1所述的肺气道树分割方法,其特征在于,所述步骤4中,区域内分割采用波面传播法提取待分割点,并使用阈值法对待分割点进行判定。
3.根据权利要求2所述的肺气道树分割方法,其特征在于,分割过程即迭代过程,迭代次数和每一次迭代的结果均可参与泄漏判定,其中,迭代次数受区域半径R(k)限制,每一次迭代结果的体素点总量受种子点集合内元素总量限制,区域半径R(k)限制和种子点集合内元素总量限制的参数设置保留弹性;若判定泄漏发生,则该小段分割返回初始状态并分割阈值衰减,为保持分割精细程度,设定Threshold(k)-1;当迭代结果不再增加时,区域内分割结束,分割结果表示为X(k);此时提取区域边缘上分割结果,计算其面积以判定是否泄漏,此外该小段分割结果的体积也可作为泄漏判定的条件,区域边缘面积限定法和区域内分割结果体积限定法同样参考种子点集合内元素总量和区域半径R(k)。
4.根据权利要求1所述的肺气道树分割方法,其特征在于,所述步骤5中,对步骤4的分割结果X(k)进行形态学闭操作,其结果减去X(k)可得存在低亮度气管壁缺口的气管壁图像,再对该图像进行形态学闭操作,其结果减去该图像,可得准确的气管壁缺口位置。
5.根据权利要求4所述的肺气道树分割方法,其特征在于,设定缺口封堵开关,重复气管壁缺口封堵操作,在同一小段气道上实现多个气管壁缺口的封堵,当缺口封堵检测时区域内分割阈值不再增加或超出细小气道阈值范围Threshold(k)=200时,关闭缺口封堵开关,跳出循环,封堵结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515795.2A CN110211141B (zh) | 2019-06-14 | 2019-06-14 | 一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515795.2A CN110211141B (zh) | 2019-06-14 | 2019-06-14 | 一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211141A CN110211141A (zh) | 2019-09-06 |
CN110211141B true CN110211141B (zh) | 2022-06-28 |
Family
ID=67792862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910515795.2A Active CN110211141B (zh) | 2019-06-14 | 2019-06-14 | 一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211141B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006000953A1 (en) * | 2004-06-22 | 2006-01-05 | Koninklijke Philips Electronics N.V. | Displaying a tracheobronchial tree |
CN108171703A (zh) * | 2018-01-18 | 2018-06-15 | 东北大学 | 一种从胸部ct图像中自动提取气管树的方法 |
CN109740600A (zh) * | 2019-01-04 | 2019-05-10 | 上海联影医疗科技有限公司 | 高亮病灶区域的定位方法、装置、计算机设备以及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7711165B2 (en) * | 2005-07-28 | 2010-05-04 | Siemens Medical Solutions Usa, Inc. | System and method for coronary artery segmentation of cardiac CT volumes |
US10909684B2 (en) * | 2017-11-20 | 2021-02-02 | University Of Iowa Research Foundation | Systems and methods for airway tree segmentation |
-
2019
- 2019-06-14 CN CN201910515795.2A patent/CN110211141B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006000953A1 (en) * | 2004-06-22 | 2006-01-05 | Koninklijke Philips Electronics N.V. | Displaying a tracheobronchial tree |
CN108171703A (zh) * | 2018-01-18 | 2018-06-15 | 东北大学 | 一种从胸部ct图像中自动提取气管树的方法 |
CN109740600A (zh) * | 2019-01-04 | 2019-05-10 | 上海联影医疗科技有限公司 | 高亮病灶区域的定位方法、装置、计算机设备以及存储介质 |
Non-Patent Citations (5)
Title |
---|
Automatic segmentation of the airway tree from thoracic CT scans using a multi-threshold approach;Eva M. van Rikxoort等;《Proceedings of the 2nd International Workshop on Pulmonary Image Analysis》;20091231;341-349 * |
Extraction of Airways From CT (EXACT"09);Pechin Lo*,Bram van Ginneken等;《IEEE Transaction on Medical Imaging》;20121231;第31卷(第11期);2093-2107 * |
一种人体气道树快速自动提取算法的设计;齐守良;《东北大学学报(自然科学版)》;20130228;第34卷(第2期);186-190 * |
一种基于参数自适应的CT图像肺气道树分割方法;赵鹏等;《北京生物医学工程》;20091031;第28卷(第5期);454-457 * |
基于CT影像的肺组织分割方法综述;耿欢等;《计算机应用研究》;20160731;第33卷(第7期);175-180 * |
Also Published As
Publication number | Publication date |
---|---|
CN110211141A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10249045B2 (en) | Region-growing algorithm | |
US9978150B2 (en) | Method and system for spatial segmentation of anatomical structures | |
CN109472792B (zh) | 结合局部熵的局部能量泛函与非凸正则项的图像分割方法 | |
Rivest-Hénault et al. | A local linear level set method for the binarization of degraded historical document images | |
JP2013518611A5 (zh) | ||
US20110317888A1 (en) | Liver lesion segmentation | |
CN104899851A (zh) | 一种分割肺结节图像的方法 | |
Graf et al. | Robust segmentation of relevant regions in low depth of field images | |
WO2018176319A1 (zh) | 超声图像的分析方法及装置 | |
CN110211141B (zh) | 一种在类球体区域约束下进行气管壁缺口封堵的肺气道树分割方法 | |
CN109544577A (zh) | 一种基于边缘点编组的改进直线提取方法 | |
CN110610491B (zh) | 一种腹部ct图像的肝脏肿瘤区域分割方法 | |
CN106447659A (zh) | 一种基于多重判定的区域生长检测方法 | |
CN116934761A (zh) | 一种乳胶手套缺陷自适应检测方法 | |
CN108074229A (zh) | 一种气管树提取方法及装置 | |
CN112348826A (zh) | 一种基于测地线距离和V-net的交互式肝脏分割方法 | |
CN114596320A (zh) | 一种基于alslcv模型的图像分割方法及装置 | |
CN107368851B (zh) | 一种带邻域选择策略的快速模糊c均值聚类图像分割方法 | |
Bao et al. | Solar panel segmentation under low contrast condition | |
CN112581479A (zh) | 一种基于医疗影像的肺结节交互式分割方法 | |
CN101789127A (zh) | 视频图像中提取目标的方法 | |
AU2015238846B2 (en) | Region-growing algorithm | |
Walczak et al. | Segmenting lungs from whole-body CT scans | |
CN112700449A (zh) | 一种图像分割提取方法、系统及存储介质 | |
CN115760722A (zh) | 一种区域生长以及形态学分析相结合的气管树提取方法 |
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 |