CN111260673B - 一种适用边缘破碎脏器造影的脏器实质分割方法及装置 - Google Patents

一种适用边缘破碎脏器造影的脏器实质分割方法及装置 Download PDF

Info

Publication number
CN111260673B
CN111260673B CN202010055593.7A CN202010055593A CN111260673B CN 111260673 B CN111260673 B CN 111260673B CN 202010055593 A CN202010055593 A CN 202010055593A CN 111260673 B CN111260673 B CN 111260673B
Authority
CN
China
Prior art keywords
organ
image
parenchyma
candidate contour
map
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
CN202010055593.7A
Other languages
English (en)
Other versions
CN111260673A (zh
Inventor
汪昌健
郭凌超
李方召
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010055593.7A priority Critical patent/CN111260673B/zh
Publication of CN111260673A publication Critical patent/CN111260673A/zh
Application granted granted Critical
Publication of CN111260673B publication Critical patent/CN111260673B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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]

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)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种适用边缘破碎脏器造影的脏器实质分割方法及装置，通过以下方式实现：对输入图像进行二值化处理，然后进行平滑滤波处理；利用拉普拉斯算子对平滑滤波后图像进行处理，选择外侧的边界线作为脏器实质的候选轮廓；调整平滑滤波参数，至边缘碎块能够包含在候选轮廓中；判断图像中是否存在其他脏器造成的孔洞；对脏器实质进行过零边界检测；确定候选轮廓线与过零边界之间的像素距离；对脏器实质候选轮廓进行调整，得到脏器实质掩码图；根据脏器实质掩码图的背景区域，将原图相应部分的灰度值设置为0，得到分割后脏器实质图。本发明适用于边缘完整或边缘破碎脏器实质分割，能够准确排除因其他脏器干扰导致的影像孔洞，分割准确性高。

Description

一种适用边缘破碎脏器造影的脏器实质分割方法及装置
技术领域
本发明属于图像处理领域，涉及一种脏器实质分割方法及装置，特别涉及一种适用边缘完整或边缘破碎的CT影像脏器实质分割方法及装置。
背景技术
CT照影是临床进行脏器病变诊断的重要手段之一。利用图像处理技术辅助CT影像分析，可以有效降低临床诊断的工作量，减少误判的概率。其中，脏器实质分割是利用计算机技术处理CT影像的关键步骤。影响脏器实质分割效果的因素主要有两个部分：(1)脏器所在腔体的轮廓、脏器所在腔体的骨骼、肌肉、其他脏器以及CT机扫描床、噪声等的干扰；(2)疾病引起的脏器实质边缘不完整。
传统的研究主要面向脏器实质边缘完整的脏器CT影像，因此，其主要解决的是背景和噪声消除问题，针对脏器实质边缘不完整的CT影像研究还是空白。常用的脏器实质分割方法可以分成三类：阈值法，区域生长法和主动轮廓法。
阈值法利用CT影像灰度值在不同组织上的差异，通过确定灰度值的范围，来识别脏器实质区域。这种方法简单、速度快，但是，不同组织之间的灰度值差异并不是截然区分的，还是存在着交集的可能，因此，准确性较低，只能用于确定粗略的范围。一种改进的阈值法，通过计算灰度值分布情况，确定区分不同组织区域的灰度值。虽然这种方法较之前的阈值法有所改善，但是仍然不能保证将不同区域截然区分。特别是脏器血管，会出现细节信息丢失的情况，而对于脏器间隔增厚的脏器CT影像，如肺间隔增厚的CT影像，还会导致病变区域细节信息丢失。
区域生长法首先在脏器实质区域中选择合适的种子像素点，然后加入相邻的值在确定的范围内的像素点，如此反复不断向外扩张，直至外沿找不到新的可以加入的像素点。使用该方法，需要满足三个条件：(1)脏器实质区域应是连通的和完整的；(2)需要正确选择脏器实质区域内的种子点；(3)需要准确确定脏器实质的CT值范围。相比阈值法，区域生长法利用组织的连通性进行约束，对于连通完整的脏器实质，如果选取了合适的种子点，可以获得较好的脏器实质分割效果。但是，一方面，部分脏器CT图像受其他器官影响，会形成彼此分离的多个区域，这会增加种子点选取的难度；另一方面，大多数CT图像都是源自脏器病变的患者，其典型的特征之一就是会出现局部脱离脏器主体部分的碎块，无法保证脏器影像都是连通的完整的，这也导致该方法适用范围受限。
主动轮廓模型利用能量函数计算初始轮廓的膨胀方向，通过寻找能量函数的最小值来找到脏器实质边界。这种方法受初始轮廓和噪声的干扰较大。因此，在脏器实质分割中，一般会在双脏器之间的区域选择初始轮廓，从脏器实质外部膨胀寻找脏器实质的边缘。这样可以避免脏器实质内部因血管和其他器官造影引起的干扰。但是，主动轮廓模型依然只对边缘完整的脏器实质分割有效，利用该方法对边缘碎裂的脏器实质进行分割，仍然会导致碎块丢失、边缘缺失的情况。
边缘检测是实现脏器实质分割的又一种重要途径，它利用脏器实质边缘存在着的灰度值或者结构的突变来分割图像。边缘像素灰度值的不连续性可通过求导运算来检测。对于灰度值突变的边缘，其像素位置对应于一阶导数的极值点，或者是二阶导数的过零点(零交叉点)。因此，传统方法一般用微分算子来进行边缘检测。常用的一阶微分算子有Roberts算子、Prewitt算子和Sobel算子，二阶微分算子有Laplace算子和Kirsh算子等。在实际中各种微分算子常用卷积核来表示，微分运算就近似为利用卷积核对图像进行卷积操作。但是，这种方法对噪声非常敏感，由于边缘和噪声都是灰度不连续点，均在高频频域，因此，这些低阶的微分运算很难克服噪声的影响，只适合于噪声较小且不太复杂的图像。
为了减少图像中的噪声，避免噪声对边缘检测的干扰，通常会在微分算子检测边缘前对图像进行平滑滤波。高斯函数是目前认为最好的图像平滑滤波方法，基于该方法衍生出的Canny算子和LOG算子是具有平滑功能的一阶和二阶微分算子，其中Canny算子是高斯函数的一阶导数，LOG算子是采用Laplacian算子高斯函数的二阶导数。它们在噪声抑制和边缘检测之间取得了较好的平衡，因此边缘检测效果也较好。但是这类方法只适合用于边缘连续完整的图像的边缘检测。如果将这类方法直接用于边缘破碎的图像，则会导致碎块部分与主体部分被分割在不同的边缘中。
而准确完整的检测出脏器实质边缘如间质性肺疾病的肺实质边缘，并排除其他脏器对当前脏器实质造影的影响如肝脏对于肺实质造影的影响，对于临床分析具有重要的意义，如果碎块部分与主体部分被分割在不同的边缘中，不能排除其他脏器对当前脏器造影的影响，则无法准确计算脏器实质每个切面的实际面积，进而计算整个脏器实质的体积，不能准确评估各类组织在脏器实质中的构成，不能产生准确的脏器三维重建图像。类似应用的基础均包括完整脏器实质边缘检测，也就是说脏器实质边缘为脏器疾病诊断的重要依据。
发明内容
为了克服现有技术的不足，本发明人进行了锐意研究，提供了一种适用边缘破碎脏器造影的脏器实质分割方法及装置，将CT影像脏器实质分割过程分为三个阶段：脏器实质轮廓勾勒阶段、器官孔洞识别阶段和脏器实质轮廓收缩阶段，在轮廓勾勒阶段，首先利用不同组织CT值的差异将目标区域缩小到脏器实质边缘附近并进行去噪，由此产生脏器实质二值化图；然后使用高斯函数对二值化图进行平滑滤波，通过调整标准偏差σ的值，会以脏器实质边缘为中心形成相应宽度的平滑带，标准偏差σ越大，则平滑带越宽；再利用拉普拉斯算子会产生双边界的特点对平滑带图进行处理，选择外侧的边界作为图像的候选轮廓，平滑带的宽度会影响脏器实质候选轮廓线外扩的幅度；通过判断脏器实质遗漏区域的占比，反复调整标准偏差σ，直至边缘碎块恰好被全部包含进脏器实质候选轮廓中。在器官孔洞识别阶段，首先填充候选轮廓线产生脏器实质候选轮廓区域二值图，然后将候选轮廓线与脏器实质轮廓区域叠加，利用区域生长法分割出候选轮廓线的外部区域；计算剩余区域中的连通域面积，由于其他器官造成的孔洞一般都会很显著，因此，如果各连通域面积均小于阈值μ，就表示脏器实质中没有其他器官造成的孔洞，结束器官孔洞识别阶段，否则，保留脏器中面积大于阈值μ的连通域，将剩余区域中的连通域都消除，对于成对的器官，如肺、肾脏，分别对左右两侧器官进行单独处理；将脏器实质轮廓中保留下的面积大于阈值μ的连通域部分设置灰度值0。在脏器实质轮廓收缩阶段，首先基于过零检测算法对脏器实质二值化图进行处理，获得脏器实质的过零边界，这是一般认为的脏器实质边缘；然后计算脏器实质候选轮廓线与过零边界之间的像素距离；最后，根据像素距离，采用腐蚀算法对器官孔洞识别后的候选轮廓线进行腐蚀操作，使腐蚀后的候选轮廓线在脏器实质主体区域与脏器实质主体的过零边界存在较大重合，收缩到实际的边界；或者，根据过零边界内区域存在脏器实质候选轮廓线包含的情况，反复收缩候选轮廓线，得到实际的边界。该方法适用于边缘完整或边缘破碎脏器实质分割，并且能够准确排除因其他脏器干扰导致的影像孔洞，从而完成本发明。
本发明的目的在于提供以下技术方案：
第一方面，一种适用边缘破碎脏器造影的脏器实质分割方法，该方法包括三个阶段：脏器实质轮廓勾勒阶段、器官孔洞识别阶段和脏器实质轮廓收缩阶段；其中，
脏器实质轮廓勾勒阶段：
S101，输入脏器CT图像P，利用不同组织CT值的差异，对图像进行二值化处理，将目标区域缩小到脏器实质边缘，产生脏器实质二值化图P2，其中，脏器实质区域的灰度值设为一致且选自1～255，其他背景区域的灰度值设置为0；
S102，对二值化图P2进行平滑滤波处理，得到平滑滤波后图像P3；
S103，利用拉普拉斯算子对平滑滤波后图像P3进行处理，选择外侧的边界线作为脏器实质的候选轮廓，得到候选轮廓图P4；
S104，判定脏器实质的边缘碎块是否包含在候选轮廓中；若未包含在候选轮廓中，则调整S102中平滑滤波参数，至S103中脏器实质的边缘碎块能够包含在候选轮廓中；
器官孔洞识别阶段：
S200，判断候选轮廓图P4中是否存在其他脏器造成的孔洞，若存在该孔洞，孔洞区域像素灰度值设置为0，其他区域像素灰度值设置为非0，输出拟脏器实质掩码图P10后进入脏器实质轮廓收缩阶段，若不存在其他脏器造成的孔洞，直接进入脏器实质轮廓收缩阶段；
脏器实质轮廓收缩阶段：
S301，基于过零检测算法对S101二值化图P2中脏器实质进行过零边界检测，输出脏器实质的过零边界；
S302，确定脏器实质候选轮廓线与脏器实质主体的过零边界之间的像素距离；
S303，根据像素距离，对脏器实质候选轮廓进行调整，使调整后的候选轮廓线在脏器实质主体区域与脏器实质主体的过零边界存在重合，得到脏器实质掩码图P12；
S304，根据脏器实质掩码图P12的背景区域，将原CT图像相应部分的灰度值设置为0，得到并输出分割后脏器实质图P13。
第二方面，一种适用边缘破碎脏器造影的脏器实质分割装置，用于实施第一方面所述的脏器实质分割方法，该装置包括：
二值化模块，用于对输入装置的图像P进行二值化，利用不同组织CT值的差异，对图像进行二值化处理，将目标区域缩小到脏器实质边缘附近，输出脏器实质二值化图P2；该对输入图像进行二值化、将目标区域缩小到脏器实质边缘附近的二值化图，定义为第一二值化图P2；
平滑模块，其对第一二值化图P2进行平滑滤波处理，输出平滑滤波后图像P3；
轮廓界定模块，其利用拉普拉斯算子对平滑滤波后图像P3进行处理，并选择外侧的边界线作为脏器实质的候选轮廓，输出候选轮廓图P4；
判定模块，用于判定脏器实质的边缘碎块是否被包含在候选轮廓中；若未包含在候选轮廓中，则需要调整平滑模块中平滑滤波参数，至候选轮廓将脏器实质的边缘碎块包含其中；
器官孔洞识别模块，用于判断候选轮廓图P4中是否存在其他脏器造成的孔洞，若存在该孔洞，孔洞区域像素灰度值设置为0，其他区域像素灰度值设置为非0，输出拟脏器实质掩码图P10后进行脏器实质轮廓收缩，若不存在其他脏器造成的孔洞，对候选轮廓图P4进行填充后进行脏器实质轮廓收缩；
边缘界定模块，其利用过零检测算法对第一二值化图P2中脏器实质进行过零检测，获得脏器实质主体的过零边界；
像素距离测定模块，用于确定脏器实质候选轮廓线与脏器实质主体的过零边界之间的像素距离；
腐蚀模块，用于根据像素距离，对脏器实质候选轮廓线进行调整，使调整后的候选轮廓线在脏器实质主体区域与脏器实质主体的过零边界存在重合，输出脏器实质掩码图P12；
分割结果输出模块，根据脏器实质掩码图P12的背景区域，将原CT图像相应部分的灰度值设置为0，得到并输出分割后脏器实质图P13。
本发明提供的一种适用边缘破碎脏器造影的脏器实质分割方法及装置，带来了有益的技术效果：
相比传统方法，本发明方法可同时适用于边缘完整、边缘破碎的各类CT影像脏器实质分割任务，在避免脏器实质碎块丢失的同时，分割准确性更高，抗干扰性更强，边缘也更加平滑。
附图说明
图1示出本发明脏器实质分割方法流程示意图，其中图1(a)和图1(b)分别对应两种不同的优选实施方式；
图2示出本发明实施例1中CT图像P；
图3示出本发明实施例1中经过二值化及去噪处理后得到的图P2；
图4示出本发明实施例1中对二值化图P2进行平滑处理后得到的图P3；
图5示出本发明实施例1中经过拉普拉斯算子处理后得到的候选轮廓图P4；
图6示出本发明实施例1中对候选轮廓图P4进行填充后得到的图P5；
图7示出本发明实施例1中提取候选轮廓图P4中候选轮廓线得到的候选轮廓线图P6；
图8示出本发明实施例1中包括肺实质候选轮廓线，以及含脏器孔洞候选轮廓线在内的所有孔洞候选轮廓线的准器官孔洞轮廓图P7；
图9示出本发明实施例1中只包含填充孔洞区域的准器官孔洞图P8；
图10示出本发明实施例1中保留图P8中面积大于阈值μ的连通域产生的器官孔洞图P9；
图11示出本发明实施例1中将图P5脏器孔洞区域像素灰度值设置为0后得到的拟肺实质掩码图P10；
图12示出本发明实施例1中对图P2的过零边界进行填充后产生的图P11；
图13示出本发明实施例1中脏器实质主体区域的候选轮廓线与过零边界存在重合时得到的脏器实质掩码图P12；
图14示出本发明实施例1中根据脏器实质掩码图P12对原CT图像处理后得到的脏器实质图P13；
图15示出本发明实施例1中采用阈值法得到的脏器实质分割结果；
图16示出本发明实施例1中采用区域生长法得到的脏器实质分割结果；
图17示出本发明实施例1中采用主动轮廓模型得到的脏器实质分割结果。
具体实施方式
下面通过附图和实施例对本发明进一步详细说明。通过这些说明，本发明的特点和优点将变得更为清楚明确。
如图1(a)所示，根据本发明的第一方面，提供了一种适用边缘破碎脏器造影的脏器实质分割方法，该方法包括三个阶段：脏器实质轮廓勾勒阶段、器官孔洞识别阶段和脏器实质轮廓收缩阶段；其中，
脏器实质轮廓勾勒阶段：
S101，输入脏器CT图像P，如图2所示，利用不同组织CT值的差异，对图像进行二值化处理，将目标区域缩小到脏器实质边缘，产生脏器实质二值化图P2；
S102，对二值化图P2进行平滑滤波处理，得到平滑滤波后图像P3；
S103，利用拉普拉斯算子对平滑滤波后图像P3进行处理，选择外侧的边界线作为脏器实质的候选轮廓，得到候选轮廓图P4；对候选轮廓图P4进行填充，形成新的二值化图P5，如图6所示，候选轮廓内的区域(含候选轮廓线)的像素取值与S101二值化图P2中脏器实质的灰度值一致，候选轮廓外的区域设置为0，也就是说，填充后的候选轮廓图P5中脏器实质候选轮廓中的区域均为白色，不体现脏器造成的孔洞区域；
S104，判定脏器实质的边缘碎块是否包含在候选轮廓中；若未包含在候选轮廓中，则调整S102中平滑滤波参数，至S103中脏器实质的边缘碎块能够包含在候选轮廓中；
器官孔洞识别阶段：
S200，判断候选轮廓图P4中是否存在其他脏器造成的孔洞，若存在该孔洞，孔洞区域像素灰度值设置为0，其他区域像素灰度值设置为非0，输出拟脏器实质掩码图P10后进入脏器实质轮廓收缩阶段，若不存在其他脏器造成的孔洞，直接进入脏器实质轮廓收缩阶段；
脏器实质轮廓收缩阶段：
S301，基于过零检测算法对S101二值化图P2中脏器实质进行过零边界检测，输出脏器实质的过零边界，得到脏器实质的边缘；这是一般认为的脏器实质的真实边缘。理论上，此时会产生脏器实质主体和碎块部分的边缘，且脏器实质主体和碎块部分分离，各自具有边缘，然而只需要确定脏器实质主体的边缘，进行后续脏器实质候选轮廓与脏器实质主体过零边界之间像素距离的确定即可；
S302，确定脏器实质候选轮廓线与脏器实质主体的过零边界之间的像素距离；
S303，根据像素距离，对脏器实质候选轮廓(填充后的候选轮廓图P5或拟脏器实质掩码图P10)进行调整，使调整后的候选轮廓线在脏器实质主体区域与脏器实质主体的过零边界存在重合，得到脏器实质掩码图P12。经过脏器实质轮廓收缩阶段，脏器实质的候选轮廓线可以准确地收缩到实际的边缘，且碎块区域与脏器实质主体部分均包括在边缘内；
S304，根据脏器实质掩码图P12的背景区域，将原CT图像相应部分的灰度值设置为0，得到并输出分割后脏器实质图P13。
在本发明中，候选轮廓线是相较于真实的脏器实质轮廓线而言的，由于图像处理，输出的中间图像中的脏器实质的轮廓线可能与原CT图中脏器实质轮廓线并不重合，因而称之为候选轮廓线。
在本发明中，图像为CT图像，还适用于RGB彩色图像。当输入图像为RGB彩色图像时，则在进行脏器实质分割前，将RGB彩色图像转换为灰度图像。在二值化处理时，采用目标区域灰度值与其他区域灰度值的差异进行处理即可实现与CT图像二值化同样的目的。
在本发明中的脏器实质轮廓勾勒阶段，S101中，利用图像中不同组织CT值的差异对图像进行二值化处理，形成二值化图P2；二值化图P2中，目标区域缩小到脏器实质边缘附近。受脏器生理排布、CT成像方式的限制以及CT值差异的影响，二值化处理后，目标脏器实质上可能会出现由于其他脏器造成的孔洞。已经发现可能存在孔洞的有肺CT图像，其中左肺上可能受肝脏影响出现大的孔洞，右肺上可能受脾脏的影响而出现大的孔洞。该其他脏器造成的孔洞虽处于目标脏器实质内部，但是无法体现脏器实质的真实状况，为干扰因素，因而有必要将其排除脏器实质范围。
步骤S101中，通过阈值法对CT图像进行二值化处理，得到二值化图P2，将包括脏器孔洞在内的非脏器实质部分均排除在脏器实质部分之外。该步骤中脏器实质的边缘已经较为接近真实脏器实质的边缘，但碎块区域与脏器实质主体区域分离，未融合在一个边缘内，不能满足较为全面的医学诊断需求。
步骤S101中，脏器实质区域的灰度值设为一致且选自1～255，优选地，脏器实质区域的灰度值为1，其他背景区域的灰度值设为0，该取值利于降低方法的计算量。
进一步地，图像进行二值化处理后，对二值化图去噪，如采用中值滤波法去噪。
S102中，使用高斯函数对二值化图P2进行平滑滤波，通过选用不同标准偏差σ的高斯卷积核，会以脏器实质边缘为中心形成相应宽度的平滑带，标准偏差σ越大，则平滑带越宽。当标准偏差σ为一定值时，会将脏器实质主体与其附近的碎块连通起来。
S103中，利用拉普拉斯算子会产生双边界的特点对S102中得到的平滑带图进行处理，选择外侧的边界线作为脏器实质的候选轮廓，获得候选轮廓图P4。其中，外侧是以脏器实质作为衡量标准的，脏器外侧是指朝向脏器实质之外的方向。
我们知道，平滑带的宽度会影响脏器实质候选轮廓线外扩的幅度。因而，在进行平滑滤波时，需要尝试性反复调整平滑滤波参数如标准偏差σ，直至S103中边缘碎块能够恰好被包含进候选轮廓中。然而，由于噪声的干扰，包含入候选轮廓范围的占比难以达到100％，因而，限定未包含入候选轮廓范围的阈值ε，作为标准偏差σ调整的终止条件；如果未包含入候选轮廓范围的占比大于阈值ε，则将标准偏差设为σ＝σ+Δ(Δ为固定的步长)，重新返回S102实施平滑滤波。其中，步长Δ为经验值，如对于CT图像中肺实质而言，步长Δ选择0.1。
在S104步骤中，通过确定二值化图P2中灰度值为非0(如1)，但填充后候选轮廓图P5中灰度值为0的像素点的数量与位置，判断二值化图P2中灰度值为非0的有效区域没有被包括入候选轮廓范围的占比，得到阈值ε。
在本发明中的器官孔洞识别阶段，S200具体通过以下步骤实现：
S201，将候选轮廓图P4中脏器实质候选轮廓线的值设置为与S101二值化图P2中脏器实质的灰度值一致，其他区域设置为0，产生候选轮廓线图P6；
S202，将候选轮廓线图P6与填充后的候选轮廓图P5叠加，灰度值相同的像素取值为0，灰度值不相同的像素取值为与S101中二值化图P2中脏器实质像素值一致(与S103中填充后的候选轮廓图P5中像素值一致)，获得准器官孔洞轮廓图P7；准器官孔洞轮廓图P7中呈现出包括脏器实质候选轮廓线，以及含脏器孔洞候选轮廓线在内的所有孔洞候选轮廓线；
S203，将准器官孔洞轮廓图P7中最左侧和最右侧值为非0的两个像素点作为种子点，利用区域增长法分割灰度值为非0(如1)的区域，将分割出的区域的灰度值都设为0，由此产生准器官孔洞图P8；对于成对的器官，如肺、肾脏，分别对左右两侧器官进行单独处理，最左侧和最右侧指成对器官中任意一个器官的最左侧和最右侧；
S204，判断准器官孔洞图P8中连通域的面积，如果所有连通域的面积均小于阈值μ，则跳至S301，否则继续S205；该步骤中，利用了脏器CT图像的先验知识：脏器孔洞连通域面积大于阈值μ的设定。
S205，保留准器官孔洞图P8中面积大于阈值μ的连通域，将其他区域的灰度值均设置为0，产生器官孔洞图P9；
S206，将填充后的候选轮廓图P5与器官孔洞图P9叠加，灰度值相同的像素取值变为0，否则为选自1～255的非0值(如1)，得到拟脏器实质掩码图P10。拟脏器实质掩码图P10中碎块区域与脏器实质主体区域在同一个轮廓中。
在本发明中的脏器实质轮廓收缩阶段，S301中，使用二阶微分算子如高斯拉普拉斯算子检测输入图像中目标脏器的过零边界。当图像为CT图像时，直接使用二阶微分算子如高斯拉普拉斯算子检测S101中二值化图P2中目标脏器的过零边界。进一步地，根据过零边界检测的结果对二值化图进行重新填充，其中，过零边界内区域的灰度值设置一致且选自1～255，过零边界外区域的灰度值设置为0；优选地，过零边界内区域的灰度值设置为与步骤S101中二值化图脏器实质内的灰度值一致。
若输入图像为RGB彩色图像，将该图像转换为灰度图后进行S301中操作。根据过零边界检测的结果对边缘内外区域进行填充，其中，过零边界内区域的灰度值一致且选自1～255，过零边界外区域的灰度值设置为0；优选地，过零边界内区域的灰度值设置为与步骤S101中二值化图脏器实质内的灰度值一致。
CT图像不同于普通图像，其目标单一，背景简单，无明显干扰，步骤S101中二值化图目标区域的边缘已经较为接近真实目标边缘，但碎块区域与目标主体区域分离，未融合在一个边缘内。此时，采用二值化图不影响过零边界检测准确性。而普通图像，背景可能更为复杂，步骤S101中二值化图由于信息丢失过多，无法作为过零边界检测的基础，因而选择灰度图作为步骤S301中目标边缘检测的基础。
S302中，脏器实质候选轮廓线与过零边界之间的像素距离通过获取S103和S301中候选轮廓线和过零边界上对应边缘点之间的距离得到。
S303中候选轮廓线为S301中过零边界的外扩形式，因而两图中相应位置处轮廓弧度相同。
在一种优选的实施方式中，判断候选轮廓线和过零边界的最上端点、最下端点、最左端点、或最右端点是否位于外弧形轮廓中，选择上述任意一个或多个位于外弧形轮廓的端点作为对应边缘点，确定脏器实质候选轮廓线与过零边界之间的像素距离。
采用最上端点或者最下端点确定脏器实质候选轮廓线与过零边界之间的像素距离时，对应边缘点的纵坐标差的绝对值即为像素距离；采用最左端点或者最右端点确定脏器实质候选轮廓线与过零边界之间的像素距离时，对应边缘点的横坐标差的绝对值即为像素距离。例如，脏器实质候选轮廓线和过零边界的最左端点均位于外弧形轮廓中，且候选轮廓线和过零边界的像素的灰度值均为非0，通过确定两最左端点横坐标差的绝对值，即可得到脏器实质候选轮廓线与过零边界之间的像素距离。
选择上述任意一个端点确定脏器实质候选轮廓线与过零边界之间的像素距离时，以该端点确定的像素距离作为S303中对候选轮廓线进行调整的依据；
选择上述多个端点确定脏器实质候选轮廓线与过零边界之间的像素距离时，以多个端点确定的像素距离的平均值作为S303中对候选轮廓线进行调整的依据。
进一步地，脏器实质候选轮廓和过零边界的最上端点、最下端点、最左端点、或最右端点的确定方法为：脏器实质候选轮廓和过零边界的最上端点就是纵坐标最小的灰度值非0的像素点，最下端点就是纵坐标最大的灰度值非0的像素点，最左端点就是横坐标最小的灰度值非0的像素点，最右端点就是横坐标最大的灰度值非0的像素点。
在本发明S303中，当脏器实质中不存在其他脏器造成的孔洞时，采用腐蚀算法对S103中得到的填充后的候选轮廓图P5的候选轮廓线进行调整；当脏器实质中存在其他脏器造成的孔洞时，对拟脏器实质掩码图P10的候选轮廓线进行调整，输出脏器实质掩码图P12。
在本发明中，除了上述通过“确定脏器实质候选轮廓线与脏器实质主体的过零边界之间的像素距离”进行判断指导脏器实质轮廓线收缩的方式外，实施脏器实质轮廓线收缩还可以采用下述方式进行(即采用下述步骤S302’替代上述方法中步骤S302和S303)：
S302’，当脏器实质中不存在其他脏器造成的孔洞时，将过零边界内的填充区域与填充后的候选轮廓图P5中的像素值非0的区域相减，若相减后的过零边界内剩余非0区域在原过零边界内区域的占比小于阈值τ，则将填充后的候选轮廓图P5的候选轮廓线收缩1个像素宽度，重复前述操作，直至占比大于等于阈值τ时停止收缩，输出脏器实质掩码图P12；
当脏器实质中存在其他脏器造成的孔洞时，将过零边界内的填充区域与拟脏器实质掩码图P10中像素值非0的区域相减，若相减后的过零边界内剩余非0区域在原过零边界内区域的占比小于阈值τ，则将拟脏器实质掩码图P10的候选轮廓线收缩1个像素宽度，重复前述操作，直至占比大于等于阈值τ时停止收缩，输出脏器实质掩码图P12。
其中，阈值τ为针对不同脏器的经验值，如对肺CT图，阈值τ可以选择0.01。采用上述方式的整体流程图，如图1(b)所示。
以脏器实质掩码图P12作为掩码，与原图进行与运算，对应灰度值为0的像素取值为0，得到基于原图的脏器实质图P13。
根据本发明的二方面，提供了一种适用边缘破碎脏器造影的脏器实质分割装置，该装置包括：
二值化模块，用于对输入装置的图像P进行二值化，利用不同组织CT值的差异，对图像进行二值化处理，将目标区域缩小到脏器实质边缘附近，输出脏器实质二值化图P2；该对输入图像进行二值化、将目标区域缩小到脏器实质边缘附近的二值化图，定义为第一二值化图P2，其对应于分割方法中步骤S101中的脏器实质二值化图P2；
平滑模块，其对第一二值化图P2进行平滑滤波处理，输出平滑滤波后图像P3；
轮廓界定模块，其利用拉普拉斯算子对平滑滤波后图像P3进行处理，并选择外侧的边界线作为脏器实质的候选轮廓，输出候选轮廓图P4；
判定模块，用于判定脏器实质的边缘碎块是否被包含在候选轮廓中；若未包含在候选轮廓中，则需要调整平滑模块中平滑滤波参数，至候选轮廓将脏器实质的边缘碎块包含其中；
器官孔洞识别模块，用于判断候选轮廓图P4中是否存在其他脏器造成的孔洞，若存在该孔洞，孔洞区域像素灰度值设置为0，其他区域像素灰度值设置为非0，输出拟脏器实质掩码图P10后进行脏器实质轮廓收缩，若不存在其他脏器造成的孔洞，对候选轮廓图P4进行填充后进行脏器实质轮廓收缩；
边缘界定模块，其利用过零检测算法对第一二值化图P2中脏器实质进行过零检测，获得脏器实质主体的过零边界，即脏器实质主体的边缘；
像素距离测定模块，用于确定脏器实质候选轮廓线与脏器实质主体的过零边界之间的像素距离；
腐蚀模块，用于根据像素距离，对脏器实质候选轮廓线进行调整，使调整后的候选轮廓线在脏器实质主体区域与脏器实质主体的过零边界存在重合，输出脏器实质掩码图P12。此时，脏器实质的候选轮廓线可以准确地收缩到实际的边缘，且碎块区域与脏器实质主体部分均包括在边缘内；
分割结果输出模块，根据脏器实质掩码图P12的背景区域，将原CT图像相应部分的灰度值设置为0，得到并输出分割后脏器实质图P13。
在本发明一种优选的实施方式中，该分割装置还包括灰度处理模块，若输入装置的图像为RGB彩色图像，则通过灰度处理模块将RGB彩色图像转换为灰度图像。
在本发明一种优选的实施方式中，该装置还包括去噪模块，用于输入图像P进行二值化处理后，对第一二值化图P2去噪。
在本发明一种优选的实施方式中，该分割装置中的二值化模块，还用于对中间输出的图像进行二值化处理，如对轮廓界定模块输出的脏器实质候选轮廓内外区域赋予不同的灰度值，以及对边缘界定模块输出的脏器实质主体过零边界内外区域赋予不同的灰度值。
在本发明一种优选的实施方式中，器官孔洞识别模块包括以下子模块：
轮廓线输出子模块，用于将候选轮廓图P4中脏器实质候选轮廓线的值设置为与第一二值化图P2中脏器实质的灰度值一致，其他区域设置为0，输出候选轮廓线图P6；
准器官孔洞轮廓输出子模块，用于将候选轮廓线图P6与填充后的候选轮廓图P5叠加，填充后候选轮廓图P5中候选轮廓内的像素取值与第一二值化图P2中脏器实质的灰度值一致，候选轮廓外的区域设置为0；两图中灰度值相同的像素取值为0，灰度值不相同的像素取值为与第一二值化图P2中脏器实质像素值一致，获得准器官孔洞轮廓图P7；
准器官孔洞输出子模块，将准器官孔洞轮廓图P7中最左侧和最右侧值为非0的两个像素点作为种子点，利用区域增长法分割灰度值为非0的区域，将分割出的区域的灰度值都设为0，输出准器官孔洞图P8；
连通域确定子模块，用于判断准器官孔洞图P8中连通域的面积，如果各连通域面积均小于阈值μ，则触发边缘界定模块，否则触发器官孔洞输出模块；
器官孔洞输出子模块，其保留准器官孔洞图P8中面积大于阈值μ的连通域，将其他区域的灰度值均设置为0，输出器官孔洞图P9；对于成对的器官，如肺、肾脏，分别对左右两侧器官进行单独处理；
拟脏器实质掩码输出子模块，用于将填充后的候选轮廓图P5与器官孔洞图P9叠加，灰度值相同的像素取值变为0，否则为选自1～255的非0值(如1)，输出拟脏器实质掩码图P10。拟脏器实质掩码图P10中碎块区域与脏器实质主体区域在同一个轮廓中，通过腐蚀模块的调整，能够得到脏器实质掩码图P12。
在本发明中，像素距离测定模块确定脏器实质候选轮廓线与脏器实质主体过零边界之间的像素距离的方式为：判断脏器实质候选轮廓线和过零边界的最上端点、最下端点、最左端点、或最右端点是否位于外弧形轮廓中，选择上述任意一个或多个位于外弧形轮廓的端点作为对应点，确定脏器实质候选轮廓线与过零边界之间的像素距离。
采用最上端点或者最下端点确定脏器实质候选轮廓线与过零边界之间的像素距离时，对应点的纵坐标差的绝对值即为像素距离；采用最左端点或者最右端点确定脏器实质候选轮廓线与过零边界之间的像素距离时，对应点的横坐标差的绝对值即为像素距离。
选择上述任意一个端点确定脏器实质候选轮廓线与过零边界之间的像素距离时，以该端点确定的像素距离作为对候选轮廓线进行调整的依据；
选择上述多个端点确定脏器实质候选轮廓线与过零边界之间的像素距离时，以多个端点确定的像素距离的平均值作为对候选轮廓线进行调整的依据。
进一步地，脏器实质候选轮廓线和过零边界的最上端点、最下端点、最左端点、或最右端点的确定方法为：脏器实质候选轮廓和过零边界的最上端点就是纵坐标最小的灰度值非0的像素点，最下端点就是纵坐标最大的灰度值非0的像素点，最左端点就是横坐标最小的灰度值非0的像素点，最右端点就是横坐标最大的灰度值非0的像素点。
在本发明中，当脏器实质中不存在其他脏器造成的孔洞时，腐蚀模块对填充后的候选轮廓图P5的候选轮廓线进行调整，输出脏器实质掩码图P12；当脏器实质中存在其他脏器造成的孔洞时，对拟脏器实质掩码图P10的候选轮廓线进行调整，输出脏器实质掩码图P12。
在本发明的装置中，实施脏器实质候选轮廓线收缩还可以采用以下的“轮廓线收缩模块”代替上述“像素距离测定模块”和“腐蚀模块”，具体地：
轮廓线收缩模块，其用于当脏器实质中不存在其他脏器造成的孔洞时，将过零边界内的填充区域与填充后的候选轮廓图P5中的像素值非0的区域相减，若相减后的过零边界内剩余非0区域在原填充区域的占比小于阈值τ，则将填充后的候选轮廓图P5的候选轮廓线收缩1个像素宽度，重复前述操作，直至占比大于等于阈值τ时停止收缩，输出脏器实质掩码图P12；
当脏器实质中存在其他脏器造成的孔洞时，将过零边界内的填充区域与拟脏器实质掩码图P10中像素值非0的区域相减，若相减后的过零边界内剩余非0区域在原填充区域的占比小于阈值τ，则将拟脏器实质掩码图P10的候选轮廓线收缩1个像素宽度，重复前述操作，直至占比大于等于阈值τ时停止收缩，输出脏器实质掩码图P12。
在一种优选的实施方式中，分割结果输出模块以脏器实质掩码图P12作为掩码，与原图进行与运算，对应灰度值为0的像素取值为0，得到基于原图的脏器实质图P13。
本发明中的上述装置，对应的可用于执行上述解析方法的技术方案，其实现原理和技术效果类似，在此不再赘述。
本领域的技术人员可以理解：实现上述方法的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述方法的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
实施例
实施例1
对间质性肺病的CT图像进行边缘分割，受疾病影响，该CT图像中肺部边缘破碎，同时受其他脏器干扰，该CT图像中肺实质中部存在孔洞，方法流程如图1a所示。
(1)将间质性肺病的CT图像定义为图像P，如图2所示；(2)对肺部CT图像P进行二值化处理并中值滤波去噪，形成二值化图P2，其中肺实质区域像素的灰度值设为1，背景区域像素的灰度值设为0，如图3所示；(3)选择标准偏差为σ(设为0.5)的高斯卷积核，对P2进行卷积运算，平滑图像边缘区域，形成图P3，如图4所示；(4)利用拉普拉斯算子对平滑滤波后图P3进行处理，选择外侧的边界线作为肺实质的候选轮廓，获得候选轮廓图P4，如图5所示；(5)对候选轮廓图P4进行填充形成图P5，其中候选轮廓内的区域(含候选轮廓线)灰度值为1，候选轮廓外的区域灰度值为0，如图6所示；(6)计算图P2中值为1但图P5中值为0的像素点的数量与位置，判断P2中灰度值为1的有效区域没有被包括入轮廓范围的占比，如果大于阈值ε(设为0.01)，则将标准偏差设为σ＝σ+Δ(Δ为固定的步长，设为0.1)，返回步骤(3)；选择标准偏差σ为1的高斯卷积核时，有效区域没有被包括入轮廓范围的占比小于阈值ε，满足要求。
(7)将候选轮廓图P4中肺实质候选轮廓线的值设置为1，其他区域设置为0，产生候选轮廓线图P6，如图7所示；(8)将填充后的候选轮廓图P5与候选轮廓线图P6叠加，同时为1或0的像素取值为0，否则为1，如此产生准器官孔洞轮廓图P7，如图8所示；(9)对左肺和右肺分别处理，选择准器官孔洞轮廓图P7中最左侧和最右侧值为1的两个像素点作为种子点，利用区域增长法分割像素值为1的区域，将分割出的区域的像素值都设为0，由此产生准器官孔洞图P8，如图9所示；(10)判断准器官孔洞图P8中连通域的面积，如果各面积均小于阈值μ(设为1000个像素)，则跳到步骤(14)，而本实施例P8中最大连通域面积大于μ，继续进行步骤(11)；(11)保留准器官孔洞图P8中面积大于阈值μ的连通域，将其他的像素值都设置为0，产生器官孔洞图P9，如图10所示；(12)将填充后的候选轮廓图P5与器官孔洞图P9叠加，值同时为1或0的像素取值为0，否则为1，由此产生拟肺实质掩码图P10，如图11所示。
(13)使用高斯拉普拉斯算子检测二值化图P2中目标区域的过零边界，根据过零边界进行填充，产生图P11，如图12所示，其中过零边界内的区域像素值为1，过零边界外的区域像素值为0；(14)根据填充后的候选轮廓图P5与图P11计算肺实质候选轮廓边缘与过零边界的像素距离θ；(15)将拟肺实质掩码图P10的肺实质轮廓边缘收缩θ像素距离，产生肺实质掩码图P12，如图13所示；(16)根据肺实质掩码图P12的背景区域，将CT原图相应部分的像素值设置为0，产生分割后肺实质图P13并输出，如图14所示，过程结束。
采用阈值法，对间质性肺病的CT图像P进行边缘分割，得到分割结果，如图15所示。
采用区域生长法，对间质性肺病的CT图像P进行边缘分割，得到分割结果，如图16所示；
采用主动轮廓模型，对间质性肺病的CT图像P进行边缘分割，得到分割结果，如图17所示。
由本发明中方法、阈值法、区域生长法、以及主动轮廓模型获得的边缘分割结果可知，本方法所得到的结果明显优于阈值法、区域增长法和主动轮廓模型方法的结果。阈值法的阈值设置依赖于经验，容易导致误差，并且会将与背景像素值接近的血管等组织也从肺实质中消除；区域生长法受选择的种子点的影响，会丢失肺部碎块；主动轮廓模型方法的结果中包含了大量非肺实质的部分，并且也会出现部分肺组织丢失。
以上结合了优选的实施方式对本发明进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本发明进行多种替换和改进，这些均落入本发明的保护范围内。

Claims (17)

1.一种适用边缘破碎脏器造影的脏器实质分割方法，其特征在于，该方法包括三个阶段：脏器实质轮廓勾勒阶段、器官孔洞识别阶段和脏器实质轮廓收缩阶段；其中，
脏器实质轮廓勾勒阶段：
S101，输入脏器CT图像，利用不同组织CT值的差异，对图像进行二值化处理，将目标区域缩小到脏器实质边缘，产生脏器实质二值化图，其中，脏器实质区域的灰度值设为一致且选自1～255，其他背景区域的灰度值设置为0；
S102，对二值化图进行平滑滤波处理，得到平滑滤波后图像；
S103，利用拉普拉斯算子对平滑滤波后图像进行处理，选择外侧的边界线作为脏器实质的候选轮廓，得到候选轮廓图；
S104，判定脏器实质的边缘碎块是否包含在候选轮廓中；若未包含在候选轮廓中，则调整S102中平滑滤波参数，至S103中脏器实质的边缘碎块能够包含在候选轮廓中；
器官孔洞识别阶段：
S200，判断候选轮廓图中是否存在其他脏器造成的孔洞，若存在该孔洞，孔洞区域像素灰度值设置为0，其他区域像素灰度值设置为非0，输出拟脏器实质掩码图后进入脏器实质轮廓收缩阶段，若不存在其他脏器造成的孔洞，直接进入脏器实质轮廓收缩阶段；
脏器实质轮廓收缩阶段：
S301，基于过零检测算法对S101二值化图中脏器实质进行过零边界检测，输出脏器实质的过零边界；
S302，确定脏器实质候选轮廓线与脏器实质主体的过零边界之间的像素距离；
S303，根据像素距离，对脏器实质候选轮廓进行调整，使调整后的候选轮廓线在脏器实质主体区域与脏器实质主体的过零边界存在重合，得到脏器实质掩码图；
S304，根据脏器实质掩码图的背景区域，将原CT图像相应部分的灰度值设置为0，得到并输出分割后脏器实质图。
2.根据权利要求1所述的方法，其特征在于，S101中，通过阈值法对CT图像进行二值化处理，得到二值化图；
脏器实质区域的灰度值设为1，其他背景区域的灰度值设为0。
3.根据权利要求1所述的方法，其特征在于，S101中，图像进行二值化处理后，对二值化图去噪。
4.根据权利要求1所述的方法，其特征在于，S102中，使用高斯函数对二值化图进行平滑滤波。
5.根据权利要求1所述的方法，其特征在于，S103中，对候选轮廓图进行填充，形成新的二值化图，候选轮廓内的区域的像素取值与S101二值化图中脏器实质的灰度值一致，候选轮廓外的区域灰度值设置为0；
S104中，限定未包含入候选轮廓范围的阈值ε，作为平滑滤波参数调整的终止条件；通过确定二值化图中灰度值为非0，但填充后候选轮廓图P5中灰度值为0的像素点的数量与位置，判断二值化图中灰度值为非0的有效区域没有被包括入候选轮廓范围的占比，得到阈值ε。
6.根据权利要求5所述的方法，其特征在于，S200通过以下步骤实现：
S201，将候选轮廓图中脏器实质候选轮廓线的值设置为与S101二值化图中脏器实质的灰度值一致，其他区域设置为0，产生候选轮廓线图；
S202，将候选轮廓线图与填充后的候选轮廓图叠加，灰度值相同的像素取值为0，灰度值不相同的像素取值为与S103中填充后的候选轮廓图中像素值一致，获得准器官孔洞轮廓图；
S203，将准器官孔洞轮廓图中最左侧和最右侧值为非0的两个像素点作为种子点，利用区域增长法分割灰度值为非0的区域，将分割出的区域的灰度值都设为0，由此产生准器官孔洞图；
S204，判断准器官孔洞图中连通域的面积，如果各连通域面积都小于阈值μ，则跳至S301，否则继续S205；
S205，保留准器官孔洞图中面积大于阈值的连通域，将该连通域外的其他区域的灰度值均设置为0，产生器官孔洞图；
S206，将S103中得到的填充后候选轮廓图与器官孔洞图叠加，灰度值相同的像素取值变为0，否则为选自1～255的非0值，得到拟脏器实质掩码图。
7.根据权利要求1所述的方法，其特征在于，S301中，根据过零边界检测的结果对二值化图进行重新填充，其中，过零边界内区域的灰度值设置一致且选自1～255，过零边界外区域的灰度值设置为0。
8.根据权利要求1所述的方法，其特征在于，S302中，脏器实质候选轮廓线与过零边界之间的像素距离通过获取S103和S301中候选轮廓线和过零边界上对应边缘点之间的距离得到。
9.根据权利要求8所述的方法，其特征在于，S303中，判断候选轮廓线和过零边界的最上端点、最下端点、最左端点、或最右端点是否位于外弧形轮廓中，选择上述任意一个或多个位于外弧形轮廓的端点作为对应边缘点，确定脏器实质候选轮廓线与过零边界之间的像素距离。
10.根据权利要求6所述的方法，其特征在于，当脏器实质中不存在其他脏器造成的孔洞时，采用腐蚀算法对S103中得到的填充后候选轮廓图的候选轮廓线进行调整，输出脏器实质掩码图；
当脏器实质中存在其他脏器造成的孔洞时，采用腐蚀算法对拟脏器实质掩码图的候选轮廓线进行调整，输出脏器实质掩码图。
11.根据权利要求1至10之一所述的方法，其特征在于，脏器实质轮廓收缩阶段中脏器实质掩码图还可以通过包括以下步骤的方式获得；
S301’，基于过零检测算法对S101二值化图中脏器实质进行过零边界检测，输出脏器实质的过零边界；
S302’，当脏器实质中不存在其他脏器造成的孔洞时，将过零边界内的填充区域与填充后的候选轮廓图中的像素值非0的区域相减，若相减后的过零边界内剩余非0区域在原过零边界内区域的占比小于阈值τ，则将填充后的候选轮廓图的候选轮廓线收缩1个像素宽度，重复前述操作，直至占比大于等于阈值τ时停止收缩，输出脏器实质掩码图；
当脏器实质中存在其他脏器造成的孔洞时，将过零边界内的填充区域与拟脏器实质掩码图中像素值非0的区域相减，若相减后的过零边界内剩余非0区域在原过零边界内区域的占比小于阈值τ，则将拟脏器实质掩码图的候选轮廓线收缩1个像素宽度，重复前述操作，直至占比大于等于阈值τ时停止收缩，输出脏器实质掩码图。
12.一种适用边缘破碎脏器造影的脏器实质分割装置，其特征在于，该装置包括：
二值化模块，用于对输入装置的图像进行二值化，利用不同组织CT值的差异，对图像进行二值化处理，将目标区域缩小到脏器实质边缘附近，输出脏器实质二值化图；该对输入图像进行二值化、将目标区域缩小到脏器实质边缘附近的二值化图，定义为第一二值化图；
平滑模块，其对第一二值化图进行平滑滤波处理，输出平滑滤波后图像；
轮廓界定模块，其利用拉普拉斯算子对平滑滤波后图像进行处理，并选择外侧的边界线作为脏器实质的候选轮廓，输出候选轮廓图；
判定模块，用于判定脏器实质的边缘碎块是否被包含在候选轮廓中；若未包含在候选轮廓中，则需要调整平滑模块中平滑滤波参数，至候选轮廓将脏器实质的边缘碎块包含其中；
器官孔洞识别模块，用于判断候选轮廓图中是否存在其他脏器造成的孔洞，若存在该孔洞，孔洞区域像素灰度值设置为0，其他区域像素灰度值设置为非0，输出拟脏器实质掩码图后进行脏器实质轮廓收缩，若不存在其他脏器造成的孔洞，对候选轮廓图进行填充后进行脏器实质轮廓收缩；
边缘界定模块，其利用过零检测算法对第一二值化图中脏器实质进行过零检测，获得脏器实质主体的过零边界；
像素距离测定模块，用于确定脏器实质候选轮廓线与脏器实质主体的过零边界之间的像素距离；
腐蚀模块，用于根据像素距离，对脏器实质候选轮廓线进行调整，使调整后的候选轮廓线在脏器实质主体区域与脏器实质主体的过零边界存在重合，输出脏器实质掩码图；
分割结果输出模块，根据脏器实质掩码图的背景区域，将原CT图像相应部分的灰度值设置为0，得到并输出分割后脏器实质图。
13.根据权利要求12所述的装置，其特征在于，该装置还包括去噪模块，用于输入图像进行二值化处理后，对第一二值化图去噪。
14.根据权利要求12所述的装置，其特征在于，器官孔洞识别模块包括以下子模块：
轮廓线输出子模块，用于将候选轮廓图中脏器实质候选轮廓线的值设置为与第一二值化图中脏器实质的灰度值一致，其他区域设置为0，输出候选轮廓线图；
准器官孔洞轮廓输出子模块，用于将候选轮廓线图与填充后的候选轮廓图叠加，填充后候选轮廓图中候选轮廓内的像素取值与第一二值化图中脏器实质的灰度值一致，候选轮廓外的区域设置为0；两图中灰度值相同的像素取值为0，灰度值不相同的像素取值为与第一二值化图中脏器实质像素值一致，获得准器官孔洞轮廓图；
准器官孔洞输出子模块，将准器官孔洞轮廓图中最左侧和最右侧值为非0的两个像素点作为种子点，利用区域增长法分割灰度值为非0的区域，将分割出的区域的灰度值都设为0，输出准器官孔洞图；
连通域确定子模块，用于判断准器官孔洞图中连通域的面积，如果各连通域面积均小于阈值μ，则触发边缘界定模块，否则触发器官孔洞输出模块；
器官孔洞输出子模块，其保留准器官孔洞图中面积大于阈值的连通域，将其他区域的灰度值均设置为0，输出器官孔洞图；
拟脏器实质掩码输出子模块，用于将填充后的候选轮廓图与器官孔洞图叠加，灰度值相同的像素取值变为0，否则为选自1～255的非0值，输出拟脏器实质掩码图。
15.根据权利要求14所述的装置，其特征在于，当脏器实质中不存在其他脏器造成的孔洞时，腐蚀模块对填充后候选轮廓图的候选轮廓线进行调整，输出脏器实质掩码图；当脏器实质中存在其他脏器造成的孔洞时，腐蚀模块对拟脏器实质掩码图的候选轮廓线进行调整，输出脏器实质掩码图。
16.根据权利要求15所述的装置，其特征在于，分割结果输出模块以脏器实质掩码图作为掩码，与原图进行与运算，对应灰度值为0的像素取值为0，得到基于原图的脏器实质图。
17.根据权利要求12至16之一所述的装置，其特征在于，该装置还可以通过轮廓线收缩模块实施脏器实质轮廓线收缩，得到脏器实质掩码图；
轮廓线收缩模块，其用于当脏器实质中不存在其他脏器造成的孔洞时，将过零边界内的填充区域与填充后的候选轮廓图中的像素值非0的区域相减，若相减后的过零边界内剩余非0区域在原填充区域的占比小于阈值τ，则将填充后的候选轮廓图的候选轮廓线收缩1个像素宽度，重复前述操作，直至占比大于等于阈值τ时停止收缩，输出脏器实质掩码图；
当脏器实质中存在其他脏器造成的孔洞时，将过零边界内的填充区域与拟脏器实质掩码图中像素值非0的区域相减，若相减后的过零边界内剩余非0区域在原填充区域的占比小于阈值τ，则将拟脏器实质掩码图的候选轮廓线收缩1个像素宽度，重复前述操作，直至占比大于等于阈值τ时停止收缩，输出脏器实质掩码图。
CN202010055593.7A 2020-01-17 2020-01-17 一种适用边缘破碎脏器造影的脏器实质分割方法及装置 Active CN111260673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010055593.7A CN111260673B (zh) 2020-01-17 2020-01-17 一种适用边缘破碎脏器造影的脏器实质分割方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010055593.7A CN111260673B (zh) 2020-01-17 2020-01-17 一种适用边缘破碎脏器造影的脏器实质分割方法及装置

Publications (2)

Publication Number Publication Date
CN111260673A CN111260673A (zh) 2020-06-09
CN111260673B true CN111260673B (zh) 2022-12-06

Family

ID=70947140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010055593.7A Active CN111260673B (zh) 2020-01-17 2020-01-17 一种适用边缘破碎脏器造影的脏器实质分割方法及装置

Country Status (1)

Country Link
CN (1) CN111260673B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950588B (zh) * 2021-03-02 2024-07-16 江苏阿瑞斯智能设备有限公司 一种图像处理方法、装置、电子设备及介质
CN114782472B (zh) * 2022-06-22 2022-10-14 杭州三坛医疗科技有限公司 一种ct图像的分割方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699511A (zh) * 2009-10-30 2010-04-28 深圳创维数字技术股份有限公司 彩色图像分割方法及系统
CN107437251B (zh) * 2017-07-26 2020-11-13 广州慧扬健康科技有限公司 头部mri影像颅骨剥离模块
CN109300113B (zh) * 2018-08-28 2021-12-24 东北大学 一种基于改进凸包方法的肺结节辅助检测系统及方法

Also Published As

Publication number Publication date
CN111260673A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN104143190B (zh) Ct图像中组织的分割方法及系统
US8116531B2 (en) Image processing apparatus, image processing method, and image processing program product
US9119559B2 (en) Method and system of generating a 3D visualization from 2D images
EP3497669B1 (en) Method for automatically detecting systemic arteries in arbitrary field-of-view computed tomography angiography (cta).
Mukherjee et al. Lung nodule segmentation using deep learned prior based graph cut
JP6329697B2 (ja) 体組織の自動的なセグメンテーションおよび定量化のための方法
CN109300113B (zh) 一种基于改进凸包方法的肺结节辅助检测系统及方法
US7787673B2 (en) Method and apparatus for airway detection and segmentation using 3D morphological operators
CN107564048B (zh) 基于分叉点特征配准方法
Jodas et al. Automatic segmentation of the lumen region in intravascular images of the coronary artery
Destrempes et al. Segmentation method of intravascular ultrasound images of human coronary arteries
CN111260673B (zh) 一种适用边缘破碎脏器造影的脏器实质分割方法及装置
CN105488796A (zh) 肺分割方法
CN110415216B (zh) 基于sd-oct和octa视网膜图像的cnv自动检测方法
CN111415340B (zh) 一种面向大面积高密度影ct图像的脏器分割方法及装置
CN111223116B (zh) 一种面向破碎边缘目标的两阶段边缘检测方法及装置
Yadav et al. A generalized motion pattern and FCN based approach for retinal fluid detection and segmentation
KR101474162B1 (ko) 흉부 컴퓨터 단층 영상의 간유리음영 결절 자동 분할 시스템 및 그 분할 방법
KR101404345B1 (ko) 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법
KR101274283B1 (ko) 간 자동분할 방법 및 시스템
CN111292309A (zh) 一种肺组织异化程度判断方法及装置
CN111091578A (zh) 一种针对血管医学影像的分割方法
Bandyopadhyay et al. Bone contour tracing in digital X-ray images based on adaptive thresholding
CN114037719A (zh) 骨骼区域确定方法、装置、电子设备及存储介质
CN114066885A (zh) 下肢骨骼模型构造方法、装置、电子设备及存储介质

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