CN111145185B - 一种基于聚类关键帧提取ct图像的肺实质分割方法 - Google Patents

Abstract

本发明涉及一种基于聚类关键帧提取CT图像的肺实质分割方法，包括以下步骤：肺部CT图像数据预处理，对图像CT值进行肺窗加窗灰阶变换处理；对步骤1处理后患者肺部CT图像的灰度直方图相似度进行聚类分析，提取肺部CT序列中关键帧数据；采用多相位水平集CV模型进行对患者关键帧CT图像进行肺实质分割；依据关键帧中肺实质分割结果进行肺部CT全序列中肺实质的映射分割提取，得到肺实质初始轮廓；对肺部CT图像中肺实质初始轮廓进行形态学腐蚀和膨胀操作细化轮廓，最终得到患者肺部CT数据中肺实质的分割结果。本发明同时还给出实现上述分割方法的肺实质分割设备。

Description

一种基于聚类关键帧提取CT图像的肺实质分割方法

技术领域

本发明涉及一种医学图像处理领域，尤其涉及一种基于聚类关键帧提取CT图像的肺实质快速自动分割方法。

背景技术

肺部计算机断层扫描(Computer Tomography，CT)成像具有较好的组织密度分辨率，可以有效、直接的实现早期肺癌无创、低成本筛查，已成为临床推荐检测方式。随着临床对肺部成像精度需求地不断提高，CT扫描层厚度逐渐减小，使得临床肺部CT数据量呈爆炸式增长，从而带来了临床处理工作量大，速度慢和效率低等问题。因此，基于各种机器学习算法开发的计算机辅助诊断(Computer-Aided Diagnosis，CAD)技术，可实现快速、精确地CT图像自动处理及分析，有助于提高临床处理速度和效率，减少医师工作强度。

目前，已有的CT图像中肺实质CAD提取算法可分为四类：①阈值分割法，②基于区域分割法，③基于形状的分割法，④临近解剖组织引导分割法。多数研究是采用大量肺部CT数据进行卷积神经网络等机器学习算法训练，从而实现肺实质地精确分割提取。但是由于肺部CT数据量大，且存有较大个体差异，使得现有CAD算法存在开发周期长，复杂度较高，处理速度及效率不理想等缺点。

关键帧提取患者肺部CT序列中包含有用信息的几帧图像，清晰反应患者肺实质及病变组织，可以极大地节约临床医生和CAD算法所需处理图像数据量。因此本发明提出了一种基于聚类关键帧提取CT图像的肺实质快速自动分割方法在进行临床诊疗及CAD开发前，首先进行肺癌患者CT数据降维压缩，有助于在保证精度的同时提升肺实质自动分割速率。

发明内容

本发明要解决的技术问题是提供一种快速、准确、可靠的通过聚类关键帧提取的肺实质CT图像快速自动分割算法，通过对患者肺部CT序列进行关键帧提取，实现依据关键帧自动提取结果为先验信息的肺部CT全序列中肺实质的快速自动分割。本发明的技术方案，

一种基于聚类关键帧提取CT图像的肺实质分割方法，包括以下步骤：

步骤1：肺部CT图像数据预处理：读取患者肺部CT图像，进行去除胸腔以外区域预处理后，对图像CT值进行肺窗加窗灰阶变换处理；

步骤2：对步骤1处理后患者肺部CT图像的灰度直方图相似度进行聚类分析，提取肺部CT序列中关键帧数据，即计算CT序列中第i帧图像CT_i与现存某个聚类中各图像CTK_j之间的距离D(CT_i,CTK_j)；

设定阈值，如果D(CT_i,CTK_j)均小于所述阈值，则说明当前帧CT_i图像不属于已有的任何一个聚类，转到下一步；否则，将该CT图像划分到与其之间最相近的聚类中；

步骤3：采用多相位水平集CV模型进行对患者关键帧CT图像进行肺实质分割，以避免分割结果的中空和重叠问题；

步骤4：依据关键帧中肺实质分割结果进行肺部CT全序列中肺实质的映射分割提取，即关键帧数据{CTK₁,CTK₂,…,CTK_N}将患者肺部CT图像含有i幅数据{CT₁,CT₂,…,CT_i}分为N-1段，依据关键帧处理结果进行肺部CT图像肺实质分割时，首先，判断CT_i图像与其所在分段起始关键帧的距离；然后，选择与其相邻的关键帧中肺实质及结构轮廓作为先验信息，进行CT_i图像映射分割得到肺实质初始轮廓；

步骤5：对肺部CT图像中肺实质初始轮廓进行细化轮廓的处理，最终得到患者肺部CT数据中肺实质的分割结果。

进一步地，读取患者肺部CT图像，进行伪影、去噪并去除胸腔以外区域预处理。

进一步地，对图像CT值进行肺窗加窗灰阶变换处理，从而得到图像各点灰

度值x’：

其中x为CT序列中各点CT值，w和c分别为肺窗窗宽和窗位。

进一步地，距离D(CT_i,CTK_j)的计算公式如下：

其中n为CT图像的各个灰度阶，取0-255；N为当前聚类个数。

进一步地，步骤3执行如下的步骤：首先进行第1层CV分割，即提取CT图像中内全部连通的结构轮廓，并据此进行标记为肺实质Cs和背景Bs初始区域；然后，对区域划分结果进行判断：①肺实质Cs区域内包含其他连通的组织结构；②背景Bs区域内包含连通的组织、结构；如满足上述判断，则对满足区域顺序进行多层CV分割，采用这样的串行多相位CV模型对关键帧进行逐层分割。

进一步地，对肺部CT图像中肺实质初始轮廓进行形态学腐蚀和膨胀操作细化轮廓。

本发明同时给出完成上述分割方法的设备。

与现有技术相比，本发明的有益效果是：

本发明设计了一种基于聚类关键帧提取CT图像的肺实质快速自动分割方法，是利用聚类分析对患者肺部CT数据进行压缩，提取肺实质具有明显变化的关键帧图像，采用多相位水平集算法进行关键帧中肺实质分割，并将分割结果作为先验信息实现肺部CT图像中肺实质的快速自动提取，达到保证分割精度，同时大大提高了自动提取的时效性和鲁棒性。

与现有肺实质分割方法相比，本发明提出的方法解决了其他方法的实效性及鲁棒性不理想等问题，并具备以下有点：1、本发明的聚类关键帧提取方法，实现了肺部CT图像数据的有效压缩，仅保留具有明显变化的关键帧数据，大大减小临床和算法所需处理的数据量，降低了医师工作强度和CAD算法开发的复杂度；2、本发明依据关键帧自动分割结果作为先验信息，可以实现患者肺部CT图像中肺实质的快速精确分割；3、算法自动分割结果有助于辅助医师进行临床肺部疾病诊疗及CAD算法的开发。

附图说明

图1为本发明的一种基于聚类关键帧提取CT图像的肺实质快速自动分割方法的流程示意图；

图2为本发明实施例中的采用多相位水平集CV算法进行关键帧中肺实质分割的示意图；

图3为本发明实施例中的基于关键帧提取结果进行肺部CT图像数据划分的示意图；

图4为本发明实施例中的肺部CT序列数据样本和肺实质分割结果的示意图。a、c、e、g为原图，b、d、f、h为分割图。

具体实施方式

下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。

如图1所示，本实施例的一种基于聚类关键帧提取CT图像的肺实质快速自动分割方法，包括如下步骤：

步骤1，读取患者肺部CT图像。

本步骤对患者肺部CT图像预处理，主要包括胸腔区域划分及图像灰阶变换处理。具体如下：

(1)胸部感兴趣区域划分：去除患者CT数据中床板及头颈等胸腔以外的图像数据，从而获得患者胸腔区域；

(2)灰阶变换处理：对图像CT值进行加窗(肺窗)灰阶变换处理，从而得到图像各点灰度值x’：

其中x为CT序列中各点CT值，w和c分别为肺窗窗宽1500Hu和窗位-600Hu。

步骤2：采用处理后图像灰度直方图的相似度(巴氏系数)对患者肺部CT数据进行聚类分析提取关键帧数据。具体如下：

(1)以患者肺部CT序列的首张图像CT₁作为第一个聚类CTK₁的聚类中心，类个数N＝1；

(2)计算CT序列中第i帧图像CT_i与现存某个聚类中各图像CTK_j之间的图像灰度直方图的相似度(巴氏系数)：

其中n为各个灰度级，取0-255；N为当前聚类个数。如果D(CT_i,CTK_j)均＜0.65则说明当前帧CT_i图像不属于已有的任何一个聚类，跳转到下一步，否则，将该图像划分到与其之间最相近的聚类中。

(3)更新关键帧数N＝N+1，当前图像CT_i划分为新类，重复第(2)步，对CT序列中各个图像进行聚类计算。

(4)CT序列中所有图像顺序进行聚类分析后，选取每个类中与其他图像之间相似度值最大的图像为改类的关键帧图像，即得到肺部CT图像的关键帧{CTK₁,CTK₂,…,CTK_N}。

步骤3：采用多相位水平集(Chan-Vese,CV)模型进行对关键帧数据进行肺实质分割。具体如下：

(1)第1层CV分割，提取关键帧中全部连通的结构轮廓，并据此进行标记为肺实质Cs和背景Bs初始区域；

(2)区域划分结果进行判断：①肺实质Cs区域内包含其他连通的组织结构(气管、食管或支气管等)；②背景Bs区域内包含连通的组织、结构；若上述两种情况均不存在，则跳转至第(4)步；

(3)否则对满足判断区域再次进行CV分割，并跳转至第(2)步进行判断，循环多层CV分割直到不存在上述两种情况；

(4)结束计算，得到关键帧中肺实质提取结果。

步骤4：依据关键帧中肺实质分割结果进行肺部CT全序列中肺实质的映射分割提取。具体如下：

(1)采用关键帧数据{CTK₁,CTK₂,…,CTK_N}将患者肺部CT图像含有i幅数据{CT₁,CT₂,…,CT_i}分为N-1段；

(2)判断CT_i图像与其所在分段起始关键帧的距离，选择与其相邻的关键帧分割所得轮廓作为先验信息，进行CT_i图像中肺实质映射分割，得到肺部CT图像中肺实质初始轮廓。

步骤5：对肺部CT图像中肺实质初始轮廓进行形态学腐蚀和膨胀操作细化轮廓，最终得到患者肺部CT数据中肺实质的精确分割结果。

上述实施例的内容仅为本发明较佳的具体实施方式，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披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种基于聚类关键帧提取CT图像的肺实质分割方法，包括以下步骤：

步骤1：肺部CT图像数据预处理：读取患者肺部CT图像，进行伪影、去噪并去除胸腔以外区域预处理后，对图像CT值进行肺窗加窗灰阶变换处理，从而得到图像各点灰度值x’：

其中x为CT序列中各点CT值，w和c分别为肺窗窗宽和窗位；

步骤2：对步骤1处理后患者肺部CT图像的灰度直方图相似度进行聚类分析，提取肺部CT序列中关键帧数据，即计算CT序列中第i帧图像CT_i与现存某个聚类中各图像CTK_j之间的距离D(CT_i,CTK_j)，距离D(CT_i,CTK_j)的计算公式如下：

其中n为CT图像的各个灰度阶，取0-255；N为当前聚类个数；

设定一个不大于1的阈值，如果D(CT_i,CTK_j)均小于所述阈值，则说明当前帧CT_i图像不属于已有的任何一个聚类，转到下一步；否则，将该CT图像划分到与其之间最相近的聚类中；

步骤3：采用多相位水平集CV模型进行对患者关键帧CT图像进行肺实质分割，以避免分割结果的中空和重叠问题，方法如下：

步骤3执行如下的步骤：

(1)第1层CV分割，提取关键帧中全部连通的结构轮廓，并据此进行标记为肺实质Cs和背景Bs初始区域；

(2)区域划分结果进行判断：①肺实质Cs区域内包含其他连通的组织结构；②背景Bs区域内包含连通的组织、结构；若上述两种情况均不存在，则跳转至第(4)步；

(3)否则对满足判断区域再次进行CV分割，并跳转至第(2)步进行判断，循环多层CV分割直到不存在上述两种情况；

(4)结束计算，得到关键帧中肺实质提取结果;

步骤4：依据关键帧中肺实质分割结果进行肺部CT全序列中肺实质的映射分割提取，即关键帧数据{CTK₁,CTK₂,…,CTK_N}将患者肺部CT图像含有i幅数据{CT₁,CT₂,…,CT_i}分为N-1段，依据关键帧处理结果进行肺部CT图像肺实质分割时，首先，判断CT_i图像与其所在分段起始关键帧的距离；然后，选择与其相邻的关键帧中肺实质及结构轮廓作为先验信息，进行CT_i图像映射分割得到肺实质初始轮廓；

步骤5：对肺部CT图像中肺实质初始轮廓进行细化轮廓的处理，最终得到患者肺部CT数据中肺实质的分割结果。

2.根据权利要求1所述的方法，其特征在于，w和c分别为肺窗窗宽1500Hu和窗位-600Hu。

3.根据权利要求1所述的方法，其特征在于，所述的阈值为0.65。

4.根据权利要求1所述的方法，其特征在于，对肺部CT图像中肺实质初始轮廓进行形态学腐蚀和膨胀操作细化轮廓。

5.一种基于聚类关键帧提取CT图像的肺实质分割设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-4任意一项所述的方法步骤。