CN111292309A - 一种肺组织异化程度判断方法及装置 - Google Patents
一种肺组织异化程度判断方法及装置 Download PDFInfo
- Publication number
- CN111292309A CN111292309A CN202010090962.6A CN202010090962A CN111292309A CN 111292309 A CN111292309 A CN 111292309A CN 202010090962 A CN202010090962 A CN 202010090962A CN 111292309 A CN111292309 A CN 111292309A
- Authority
- CN
- China
- Prior art keywords
- organ
- parenchyma
- lung
- image
- 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.)
- Granted
Links
- 210000004072 lung Anatomy 0.000 title claims abstract description 314
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000011218 segmentation Effects 0.000 claims abstract description 64
- 210000001147 pulmonary artery Anatomy 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 53
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 37
- 238000009423 ventilation Methods 0.000 claims abstract description 22
- 230000000873 masking effect Effects 0.000 claims abstract description 11
- 210000000056 organ Anatomy 0.000 claims description 254
- 210000001835 viscera Anatomy 0.000 claims description 32
- 230000003902 lesion Effects 0.000 claims description 31
- 238000009499 grossing Methods 0.000 claims description 26
- 230000008602 contraction Effects 0.000 claims description 24
- 239000012634 fragment Substances 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 16
- 230000004069 differentiation Effects 0.000 claims description 14
- 230000002685 pulmonary effect Effects 0.000 claims description 14
- 210000004369 blood Anatomy 0.000 claims description 12
- 239000008280 blood Substances 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 230000009278 visceral effect Effects 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 11
- 210000000746 body region Anatomy 0.000 claims description 7
- 230000003628 erosive effect Effects 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 2
- 210000001519 tissue Anatomy 0.000 description 59
- 238000003745 diagnosis Methods 0.000 description 15
- 201000010099 disease Diseases 0.000 description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 13
- 230000036285 pathological change Effects 0.000 description 11
- 231100000915 pathological change Toxicity 0.000 description 11
- 238000001574 biopsy Methods 0.000 description 10
- 210000002966 serum Anatomy 0.000 description 10
- 230000004199 lung function Effects 0.000 description 8
- 239000003550 marker Substances 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000011994 high resolution computer tomography Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 208000029523 Interstitial Lung disease Diseases 0.000 description 6
- 210000000621 bronchi Anatomy 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000001575 pathological effect Effects 0.000 description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002269 spontaneous effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 210000001365 lymphatic vessel Anatomy 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 210000003437 trachea Anatomy 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 2
- 201000003176 Severe Acute Respiratory Syndrome Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 210000002808 connective tissue Anatomy 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 210000000952 spleen Anatomy 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 210000000779 thoracic wall Anatomy 0.000 description 2
- 208000037816 tissue injury Diseases 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 102000008857 Ferritin Human genes 0.000 description 1
- 238000008416 Ferritin Methods 0.000 description 1
- 108050000784 Ferritin Proteins 0.000 description 1
- 206010016654 Fibrosis Diseases 0.000 description 1
- 208000000616 Hemoptysis Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000000721 bacterilogical effect Effects 0.000 description 1
- 210000001601 blood-air barrier Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000003123 bronchiole Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000002380 cytological effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004761 fibrosis Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000037797 influenza A Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013123 lung function test Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000009279 non-visceral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 201000003144 pneumothorax Diseases 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 210000003456 pulmonary alveoli Anatomy 0.000 description 1
- 201000004193 respiratory failure Diseases 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 210000003660 reticulum Anatomy 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000003519 ventilatory effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- 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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提供了一种肺组织异化程度判断方法及装置，通过以下方式实现：对所有肺部CT图像进行肺实质分割，产生肺实质分割图；对肺实质分割图进行二值化处理，产生肺实质掩码图；对所有肺实质分割图中的肺血管进行特征增强处理，产生肺血管特征增强图；对肺血管特征增强图进行二值化处理，产生肺血管掩码图；统计所有肺实质掩码图中肺实质区域像素点的数量L，作为其体积参数；统计所有肺血管掩码图中肺血管区域像素点的数量V，作为其体积参数；基于所有肺实质掩码图中肺实质区域像素点的数量L和所有肺血管掩码图中肺血管区域像素点的数量V，计算得到肺有效通气功能区占比ELVAR值并输出。本发明中方法和装置为临床相关肺部病情评估提供了可靠的依据。
Description
技术领域
本发明属于医疗图像处理领域，涉及一种病症(该病症可见于引起肺组织CT影像发生变化的疾病，如甲型H1 N1流感肺炎、间质性肺炎、2019-nCov病毒肺炎、严重急性呼吸综合症(SARS)等)的判断方法及装置，具体涉及一种肺组织异化程度判断方法及装置。
背景技术
肺功能检查是临床呼吸系统疾病检查的重要手段，主要用于呼吸道通畅程度和肺容量大小的检测，对于肺、气道病变的早期发现，呼吸困难原因的鉴别，病变部位的诊断，疾病病情严重程度及预后效果的评估，药物或其他治疗方法疗效的评定，对患者手术耐受力或劳动强度耐受力的评估等方面都具有重要的临床价值。现有的肺功能测量指标主要有三部分组成，分别是肺通气量、肺容量和肺弥散功能。肺通气量是衡量空气进入肺泡及废气从肺泡排出过程的动态指标。常用的分析指标有静息通气量、肺泡通气量、最大通气量、时间肺活量及一些流速指标。肺容量(lung volume)，指肺活量、残气的总和，肺活量是潮气量、补吸气量、补呼气量三者之和，用来测定肺容纳的气体量。弥散功能是一项测定肺换气功能的指标，用于评价肺泡毛细血管膜进行气体交换的效率。这三组指标都需要在自主呼吸的情况下，对被测量者的呼吸情况进行测量和分析得到，反映的是被测量者肺功能的工作效率。现有的指标都是基于目标人的生物特征来度量其肺功能状况。但是，这种方法也存在两个比较明显的问题：一方面它不能直接评估目标对象的肺部异化情况，只是通过功能水平的差异间接反映出肺器官或者组织的变化，这会导致一定的滞后性，一般只有当组织异化到严重影响功能时才会发现差异，无法实时准确观察病患的肺部病变情况；另一方面这种方法存在较大的误差，该方法需要被测量者可以自主呼吸且积极配合，对于部分耐受性不好的被测量者，或者一些自主呼吸困难的患者，这种方法并不适用，这也是部分急性加重导致呼吸衰竭的病人缺乏肺功能检查结果的直接原因。
肺部活检是临床对肺部占位性病变进行诊断的重要手段。肺部活检有三种方法：1)使用纤维支气管镜活检。通过纤维支气管镜摘取目标肺组织，做成病理切片进行检查。但是该方法摘取的肺组织较小，难以形成整体观察，临床上往往通过多点采集来弥补不足。2)剖胸肺活检。该方法主要用于手术过程中切除部分肺组织进行病理检查。由于可以目测，病理样本的选择更有针对性，范围较广，观察更清晰，结果也更为准确。3)通过胸壁穿刺肺活检。该方法在CT或B超引导下定位，以细针经胸壁刺入肺组织，吸引肺组织或肺内液体做细菌学和细胞学检查，适用于病因不明的肺部弥漫性病变和周围型肿块病灶的诊断。尽管肺活检是直接获取组织样本，可以做出准确的诊断，但是，无论是哪一种肺活检，都是有创的，会在一定的范围内造成组织受伤，还可能会导致一些并发症，如气胸，咳血，甚至引起癌细胞的扩散等。鉴于此，这种方式也很难为病情轻微的患者采用。
血清标志物检查也是临床对肺部病变进行诊断的重要方式，如间质性肺炎发生过程中，铁蛋白往往会偏高，白蛋白则往往会偏低，通过观察这些标志物指标的变化，可以为临床医生准确诊断病情提供依据。但是，血清标志物通常不具有特异性，血清标志物值的变化可以由多种疾病产生，因此，血清标志物只能作为病情评估的重要参考。临床医生在使用血清标志物检查结果进行诊断过程中多是依据经验以及临床观察进行综合判断，即便如此，依然有出现误诊和漏诊的可能。
高分辨率CT(HRCT)是肺部病变评估与诊断的又一重要途径。HRCT提高了CT的空间分辨率，能够清晰显示肺组织的细微结构，如肺小叶、肺间质、小叶间隔、气道、血管、淋巴管以及毫米级的肺内小结节等，常用来观察位于间质的肺内病变，如反映间质纤维化的胸膜下线影、蜂窝样网影、胸膜下小结及毛玻璃征等，是临床决策的重要参考，被认为是目前诊断肺弥漫性病变的首选方法。尽管基于HRCT的诊断在部分情况下可以达到接近病理检查的准确性，但是，目前HRCT临床上主要还是用于直接观察肺部病变的影像特征。基于HRCT的肺部病变诊断已有一些指导性的原则，但是缺乏明确的可以定量分析的指标，这导致不同医师对于CT影像的诊断意见常出现差异，这也削弱了HRCT在肺部病变诊断中的使用价值。
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，提供了一种肺组织异化程度判断方法及装置，基于肺部CT影像计算出有效肺通气功能区占比(ELVAR，EffectiveLung Ventilation spAce Ratio)的值，能够准确地、量化地评估肺部病变程度，为疾病诊断提供有效的数据信息，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，一种肺组织异化程度判断方法，该方法通过确定有效肺通气功能区占比ELVAR的值，评估肺部病变程度，ELVAR值越高，则肺部病变的程度越低，ELVAR值越低，则肺部病变的程度越高；
ELVAR＝1-(V/L)
其中，L表示肺体积，对应于CT图像中肺实质分割结果区域，V表示血管、血液、类血管组织的总体积，对应于CT图像肺实质分割结果中CT值较高的区域，该“类血管组织”包含与血管密度相当的正常肺组织，如淋巴管、神经、结缔组织等，以及病变组织或物质。
进一步地，确定ELVAR值的方法包括以下步骤：
S100，对所有肺部CT图像进行肺实质分割，产生肺实质分割图；
S200，对肺实质分割图进行二值化处理，产生肺实质掩码图；
S300，对所有肺实质分割图中的肺血管进行特征增强处理，产生肺血管特征增强图；
S400，对肺血管特征增强图进行二值化处理，产生肺血管掩码图；
S500，统计所有肺实质掩码图中肺实质区域像素点的数量L，作为其体积参数；
S600，统计所有肺血管掩码图中肺血管区域像素点的数量V，作为其体积参数；其中，肺血管区域为血管、血液、类血管组织所在区域，类血管组织与血管密度相当，灰度值相近；
S700，基于所有肺实质掩码图中肺实质区域像素点的数量L和所有肺血管掩码图中肺血管区域像素点的数量V，根据公式ELVAR＝1-(V/L)，得到肺有效通气功能区占比ELVAR值并输出。
进一步地，S100中的肺实质分割图，可以通过包括以下步骤的方法获得，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：
S110，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；
S120，对二值化图P2进行平滑滤波处理，得到平滑滤波后图像P3；
S130，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，形成填充后候选轮廓图P5；
S140，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S120中平滑滤波参数，至S130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：
S210，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：
S310，基于过零检测算法对S110二值化图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；
S320，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；
S330，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，一种肺组织异化程度判断装置，该装置包括：
肺实质分割模块，用于对所有肺部CT图像进行肺实质分割，产生肺实质分割图；
肺实质掩码图输出模块，用于对肺实质分割图进行二值化处理，产生肺实质掩码图；
特征增强模块，用于对所有肺实质分割图中的肺血管进行特征增强处理，产生肺血管特征增强图；
肺血管掩码图输出模块，对肺血管特征增强图进行二值化处理，产生肺血管掩码图；
肺体积确定模块，其用于统计所有肺实质掩码图中肺实质区域像素点的数量L，作为其体积参数；
肺血管区域确定模块，其用于统计所有肺血管掩码图中肺血管区域像素点的数量V，作为其体积参数；
ELVAR值输出模块，其用于根据所有肺实质掩码图中肺实质区域像素点的数量L和所有肺血管掩码图中肺血管区域像素点的数量V，确定肺有效通气功能区占比ELVAR值并输出。
进一步地，肺实质分割模块包括以下子模块，通过以下子模块得到肺实质分割图：
二值化子模块，用于对输入装置的CT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；
平滑子模块，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；
轮廓界定子模块，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；
判定子模块，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；
器官孔洞识别子模块，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；
边缘界定子模块，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；
候选轮廓调整子模块：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；
分割结果输出子模块，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。
本发明提供的一种肺组织异化程度判断方法及装置，带来了有益的技术效果：
本发明可以很好地解决现有临床肺部病变评估方法存在的问题，提出了一种肺组织异化程度判断方法及装置，通过有效肺通气功能区占比(ELVAR)的值，准确评估肺部病变程度。不同于传统方法依赖于被测量者生物学特征评估其肺部病变程度，本发明基于被测量者肺部CT影像计算出有效肺通气功能区占比(ELVAR)的值，利用该值评估被测量者的肺部病变程度，进而为临床肺部病情评估提供的依据。与肺功能检查相比，本发明通过对被测量者即时的肺部CT影像分析获得其肺部组织病变程度的评估，不存在滞后性，并且不需要被测量者自主呼吸来配合检查，适用面更广，不仅适用于正常人、轻微患者，也适用于自主呼吸困难的严重患者；与血清检查相比，ELVAR指标值直接来源于被测量者的肺部CT影像分析，是肺部病变程度的直接反映，具有良好的特异性；与肺部活检相比，本发明只依赖于被测量者的肺部CT影像分析，不需要对被测量者进行开创手术，也不会增加病人的经济负担。
附图说明
图1示出本发明实施例1中有效肺通气功能区占比ELVAR值计算流程图；
图2示出本发明实施例1中肺实质分割图P100；
图3示出本发明实施例1中肺实质掩码图P200；
图4示出本发明实施例1中肺血管特征增强图P300；
图5示出本发明实施例1中肺血管掩码图P400；
图6示出本发明实施例2中脏器实质分割方法流程示意图；
图7示出本发明实施例2中CT图像P；
图8示出本发明实施例2中经过二值化及去噪处理后得到的图P2；
图9示出本发明实施例2中对候选轮廓图P4进行填充后得到的图P5；
图10示出本发明实施例2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11示出本发明实施例2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12示出本发明实施例2中只包含填充孔洞区域的准器官孔洞图P8；
图13示出本发明实施例2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14示出本发明实施例2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15示出本发明实施例2中对图P2的过零边界进行填充后产生的图P11；
图16示出本发明实施例2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17示出本发明实施例2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。
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。
临床对于肺部病变程度的诊断主要依据四类途径：肺功能检查，肺部活检，血清标志物检测和高分辨率CT。但是，肺功能检查结果相对于肺部病变情况存在一定的滞后性，并且依赖被测量者自主呼吸和积极配合，对于部分耐受性不好的被测量者，或者一些自主呼吸困难的患者，这种方法并不适用；肺部活检是有创检查，会在一定的范围内造成组织受伤，还可能会导致一些并发症，因此，很难为病情轻微的患者采用；血清标志物通常不具有特异性，血清标志物检测值的变化可以由多种疾病产生，因此，血清标志物只能作为病情评估的重要参考。HRCT临床上主要还是用于直接观察肺部病变的影像特征进行定性判断，基于HRCT的肺部病变诊断缺乏明确的可以定量分析的指标，这导致不同医师对于CT影像的诊断意见常出现差异。
针对临床缺乏肺部病变程度量化度量和判断方法的问题，本发明提出了一种肺组织异化程度判断方法及装置，基于肺部CT影像计算出有效肺通气功能区占比(ELVAR)的值，准确评估肺部病变程度。
具体地，根据本发明的第一方面，提供了一种肺组织异化程度判断方法，通过确定有效肺通气功能区占比ELVAR的值，评估肺部病变程度，ELVAR值越高，则肺部病变的程度越低，ELVAR值越低，则肺部病变的程度越高；
ELVAR＝1-(V/L)
其中，L表示肺体积，对应于CT图像中肺实质分割结果区域，V表示血管、血液、类血管组织的总体积，对应于CT图像肺实质分割结果中CT值较高的区域，该“类血管组织”包含与血管密度相当的正常肺组织、病变组织或物质。
在解剖学中，肺实质是指肺内各级支气管及其终端的肺泡结构，即与肺内空气接触的腔隙和管壁。由气管、主支气管、叶支气管、段支气管、小支气管、细支气管、终末细支气管、呼吸性细支气管、肺泡管、肺泡囊和肺泡等23级组成；肺间质是指肺泡间隔、空气腔隙周围及支气管血管周围的间质，由结缔组织及其中的血管、淋巴管、神经组成。肺器官由上述肺实质与肺间质共同组成。与解剖学不同，医疗图像分析领域的肺实质分割(简称肺分割)，是对肺部影像中肺组织区域进行分割，包括解剖学上的肺实质与肺间质部分(可根据需要不包含气管和主支气管)，对应于肺部CT影像中代表两侧肺组织的阴影区域。在本发明中的肺实质，如无特殊说明，即是指医疗图像分析领域的肺实质。在肺部CT影像中，肺血管、血液等肺间质以及病变组织或物质表现为高密度区域，呈白色或者灰白色。为简化概念，本发明中对该部分进行的特征增强，统一称为肺血管增强，产生的结果图也统一称为肺血管特征增强图，对肺血管特征增强图进行二值化处理产生的结果统一称为肺血管掩码图。
经研究发现，一般情况下，正常人(14岁及以上)ELVAR值介于0.901～0.953之间，并且绝大多数正常人的ELVAR值分布在0.93～0.945之间狭小的数据区间中(在现有数据下，均值0.934，标准偏差0.0112)。
本发明人经过研究发现：肺实质CT图像可以分为CT值较低的区域和CT值较高的区域。CT值较低的区域呈深灰色或者黑色，主成分是气管、肺小叶等肺组织以及容纳的气体，主要是与肺通气功能相关的组织或成分。CT值较高的部分呈白色，主成分是肺血管、血液等肺间质，以及其他病变引起的与血管密度相当的物质等。不考虑病变组织或成分，CT值较高的部分主要是辅助通气或与气体弥散功能相关的组织与成分。正常人该两类区域所代表的不同的肺组织与相关物质在整个肺部的体积占比具有稳定性。而肺病患者的肺部CT影像中，受病变的影响，CT值较高的部分会增加，对应于病变的CT影像特征，表现为肺小叶间隔增厚、毛玻璃征、不规则网影、蜂窝样网影、肺小结节等，相应的，肺部CT影像中CT值较低的部分会减少。这会导致两类区域所代表的不同的肺组织与相关物质在整个肺部的体积占比出现显著的变化。可以利用两者比值的变化来评估肺部病变程度，进而用于临床准确评估肺部病情，由此得到上述有效肺通气功能区占比(ELVAR)及其计算方法。
ELVAR值越高，则肺部病变的程度越低，反之则越高。由于该指标是根据肺部CT影像的分析产生，因此，能够更加直观地反映出肺部病变的情况。同时，该指标可以在目标人进行CT检查时实时获取，因此，能够更加实时地评估检查人的肺部异化程度。
本发明中，如图1所示，确定ELVAR值的方法包括以下步骤：
S100，对所有肺部CT图像进行肺实质分割，产生肺实质分割图；如图2所示；
S200，对肺实质分割图进行二值化处理，将肺实质区域像素的灰度值设置为统一的非0值，背景像素的灰度值设置为0，产生肺实质掩码图；如图3所示；
S300，对所有肺实质分割图中的肺血管进行特征增强处理，产生肺血管特征增强图；如图4所示；
S400，对肺血管特征增强图进行二值化处理，将灰度值大于阈值w的像素值设置为统一的非0值，小于阈值w的像素值设置为0，产生肺血管掩码图；如图5所示；
S500，统计所有肺实质掩码图中肺实质区域像素点的数量L，作为其体积参数；
S600，统计所有肺血管掩码图中肺血管区域像素点的数量V，作为其体积参数；其中，肺血管区域为血管、血液、类血管组织所在区域，类血管组织与血管密度相当，灰度值相近；
S700，基于所有肺实质掩码图中肺实质区域像素点的数量L和所有肺血管掩码图中肺血管区域像素点的数量V，根据公式ELVAR＝1-(V/L)，得到肺有效通气功能区占比ELVAR值并输出。
在本发明S100中，基于CT检测的特点，即用X线束对人体某部进行断层扫描，获得人体被检部的断面图像，一次CT检测会产生多张断面图像，所有断面图像堆叠可以获得立体图像，对每个断面图像进行处理，即相当于获得了整个肺部组织的信息。
本发明中，肺部CT图像可以选用高分辨率CT或普通CT采集获得，优选采用高分辨率CT采集肺部CT图像。高分辨率CT为薄层扫描及高分辨率算法(一般为骨算法)重建图像的技术，扫描层厚1～2.0mm，分辨率可达0.25～0.68mm。
在本发明S300中，增强处理可以采用现有技术中的增强算法，优选采用海森矩阵增强算法对肺实质分割图中的肺血管进行特征增强处理。
在本发明S400中，阈值w可以采用现有技术中的阈值分割算法得到，如直方图双峰法、迭代法、和Otsu法，优选为Otsu法。
本发明人研究发现，影响ELVAR值测定准确性的原因除了CT影像质量外，另一重要原因是肺实质分割准确性。为此，本发明进一步提出了一种适用边缘破碎脏器造影的脏器实质分割方法，用于获得S100中的肺实质分割图，该脏器实质分割方法除了适用于肺，还适用于肝脏、脾脏、肾脏等，具体地，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：
S110，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；
S120，对二值化图P2进行平滑滤波处理，得到平滑滤波后图像P3；
S130，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，形成填充后候选轮廓图P5，候选轮廓内的区域(含候选轮廓线)的像素取值与S110二值化图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；
S140，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S120中平滑滤波参数，至S130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：
S210，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：
S310，基于过零检测算法对S110二值化图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；
S320，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；
S330，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(或称为肺实质分割图)。
在此，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。
在本发明中的脏器实质轮廓勾勒阶段，S110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，部分肺CT图像可能存在孔洞，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。其他脏器造成的孔洞虽处于目标脏器实质内部，但是不属于目标脏器部分，为干扰因素，因而有必要将其排除脏器实质范围。
步骤S110中，通过阈值法对CT图像进行二值化处理，对二值化图去噪，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S110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。
S120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。
S130中，利用拉普拉斯算子会产生双边界的特点对S120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S130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S120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S140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，S210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S110二值化图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S110中二值化图P2中脏器实质像素值一致(与S130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，对左肺和右肺分别进行处理，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；在该步骤中，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，对独立的器官，则最左侧和最右侧指该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，如果各连通域的面积均小于阈值μ，则跳至S310，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，S310中，使用二阶微分算子如高斯拉普拉斯算子检测S110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S110中二值化图脏器实质内的灰度值一致。
在本发明S320中，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，可以根据以下两种方式进行：
第一种方式，像素距离法：
S321，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，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S130和S310中候选轮廓线和过零边界上对应边缘点之间的距离得到。
S322，根据像素距离，对脏器实质候选轮廓进行调整。候选轮廓线为S310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S322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S322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S322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S130中得到的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，采用腐蚀算法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。
第二种方式，面积占比法：
S321’，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为针对不同目标脏器的经验值，对肺CT图，阈值τ可以选择0.01。
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。
在本发明中，优选采用上述方法获得肺实质分割图，但并不局限于上述方法，其他能够获得完整肺实质的分割方法，均适用于本发明。
根据本发明的二方面，提供了一种肺组织异化程度判断装置，该装置包括：
肺实质分割模块，用于对所有肺部CT图像进行肺实质分割，产生肺实质分割图；
肺实质掩码图输出模块，用于对肺实质分割图进行二值化处理，将肺实质区域像素的灰度值设置为统一的非0值，背景像素的灰度值设置为0，产生肺实质掩码图；
特征增强模块，用于对所有肺实质分割图中的肺血管进行特征增强处理，产生肺血管特征增强图；
肺血管掩码图输出模块，对肺血管特征增强图进行二值化处理，将灰度值大于阈值w的像素值设置为统一的非0值，小于阈值w的像素值设置为0，产生肺血管掩码图；
肺体积确定模块，其用于统计所有肺实质掩码图中肺实质区域像素点的数量L，作为其体积参数；
肺血管区域确定模块，其用于统计所有肺血管掩码图中肺血管区域像素点的数量V，作为其体积参数；
ELVAR值输出模块，其用于根据所有肺实质掩码图中肺实质区域像素点的数量L和所有肺血管掩码图中肺血管区域像素点的数量V，确定肺有效通气功能区占比ELVAR值并输出。
在本发明中，肺实质分割模块包括以下子模块，通过以下子模块得到肺实质分割图：
二值化子模块，用于对输入装置的CT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S110中的脏器实质二值化图P2；
平滑子模块，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；
轮廓界定子模块，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；
判定子模块，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；
器官孔洞识别子模块，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；
边缘界定子模块，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；
候选轮廓调整子模块：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；
分割结果输出子模块，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，该肺实质分割模块中还包括去噪子模块，用于输入图像P进行二值化处理后，对第一二值化图去噪。
在本发明一种优选的实施方式中，该肺实质分割模块中的二值化子模块，还用于对中间输出的图像进行二值化处理，如对轮廓界定子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，以及对边缘界定子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，器官孔洞识别子模块包括以下亚子模块：
轮廓线输出亚子模块，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亚子模块，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；
准器官孔洞输出亚子模块，对左肺和右肺分别进行处理，用于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；
连通域确定亚子模块，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，则触发边缘界定子模块，否则触发器官孔洞输出亚子模块；
器官孔洞输出亚子模块，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；
拟脏器实质掩码输出亚子模块，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。
在本发明中，候选轮廓调整子模块，包括像素距离测定亚子模块和腐蚀亚子模块，其中，
像素距离测定亚子模块，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；
腐蚀亚子模块，用于根据像素距离，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，输出脏器实质掩码图P12。
当脏器实质中不存在其他脏器造成的孔洞时，腐蚀亚子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。
在本发明中，候选轮廓调整子模块还可以包括轮廓线收缩亚子模块，可实现与像素距离测定亚子模块和腐蚀亚子模块相当的功能，具体地：
轮廓线收缩亚子模块，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。
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
对三组肺CT图像进行处理，三组样本来源于健康成年男性(44岁)、患轻度间质性肺炎的中年女性(46岁)、患重度间质性肺炎的老年女性(57岁)，判定肺组织异化程度，方法流程如图1所示。
(1)从肺部CT图像队列中取出一幅肺部CT图像P进行肺实质分割，产生肺实质分割图P100，如图2所示(图2a为健康样本图像，图2b为轻度肺组织异化图像，图2c为重度肺组织异化图像)；(2)将肺实质区域像素值设置为统一的非0值，背景像素值设置为0，产生肺实质掩码图P200，如图3所示(图3a为健康样本图像，图3b为轻度肺组织异化图像，图3c为重度肺组织异化图像)，将P200加入肺实质掩码图队列listl；(3)对肺实质分割图中的肺血管进行海森矩阵特征增强处理，产生肺血管增强图P300，如图4所示(图4a为健康样本图像，图4b为轻度肺组织异化图像，图4c为重度肺组织异化图像)；(4)通过Otsu法，将像素值大于阈值w的像素值设置为统一的非0值，小于阈值w的像素值设置为0，产生肺血管掩码图P400，如图5所示(图5a为健康样本图像，图5b为轻度肺组织异化图像，图5c为重度肺组织异化图像)，将P400加入肺血管二值化图队列listv；(5)如果肺部CT图像队列中还有未处理的肺部CT图像，则返回(1)；(6)统计listl队列中所有肺实质掩码图上非0值的像素点数L；(7)统计listv队列中所有肺血管掩码图上非0值的像素点数V；(8)基于肺实质掩码图非0值像素点总数L与肺血管掩码图非0值像素点数V计算肺有效功能区占比ELVAR值并输出，结果如表1所示。
表1三例样本的ELVAR值
| 健康样本 | 轻度样本 | 重度样本 | |
| ELVAR值 | 0.944 | 0.826 | 0.587 |
实施例2
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6所示。
(1)将间质性肺病的CT图像定义为图像P，如图7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8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；(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；(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9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10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11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12所示；(10)判断准器官孔洞图P8中连通域的面积，如果各面积小于均阈值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13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14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15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16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17所示，过程结束。
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 (14)
1.一种肺组织异化程度判断方法，其特征在于，通过确定有效肺通气功能区占比ELVAR的值，评估肺部病变程度，ELVAR值越高，则肺部病变的程度越低，ELVAR值越低，则肺部病变的程度越高；
ELVAR＝1-(V/L)
其中，L表示肺体积，对应于CT图像中肺实质分割结果区域，V表示血管、血液、类血管组织的总体积，对应于CT图像肺实质分割结果中CT值较高的区域，该“类血管组织”包含与血管密度相当的正常肺组织、病变组织或物质。
2.根据权利要求1所述的方法，其特征在于，确定ELVAR值的方法包括以下步骤：
S100，对所有肺部CT图像进行肺实质分割，产生肺实质分割图；
S200，对肺实质分割图进行二值化处理，产生肺实质掩码图；
S300，对所有肺实质分割图中的肺血管进行特征增强处理，产生肺血管特征增强图；
S400，对肺血管特征增强图进行二值化处理，产生肺血管掩码图；
S500，统计所有肺实质掩码图中肺实质区域像素点的数量L，作为其体积参数；
S600，统计所有肺血管掩码图中肺血管区域像素点的数量V，作为其体积参数；其中，肺血管区域为血管、血液、类血管组织所在区域，类血管组织与血管密度相当，灰度值相近；
S700，基于所有肺实质掩码图中肺实质区域像素点的数量L和所有肺血管掩码图中肺血管区域像素点的数量V，根据公式ELVAR＝1-(V/L)，得到肺有效通气功能区占比ELVAR值并输出。
3.根据权利要求2所述的方法，其特征在于，步骤S100中，选用高分辨率CT或普通CT采集肺部CT图像。
4.根据权利要求2所述的方法，其特征在于，步骤S200中，对肺实质分割图进行二值化处理时，将肺实质区域像素的灰度值设置为统一的非0值，背景像素的灰度值设置为0；
步骤S400中，对肺血管特征增强图进行二值化处理时，将灰度值大于阈值w的像素值设置为统一的非0值，小于阈值w的像素值设置为0。
5.根据权利要求2所述的方法，其特征在于，S100中的肺实质分割图，可以通过包括以下步骤的方法获得，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：
S110，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；
S120，对二值化图P2进行平滑滤波处理，得到平滑滤波后图像P3；
S130，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，形成填充后候选轮廓图P5；
S140，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S120中平滑滤波参数，至S130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：
S210，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：
S310，基于过零检测算法对S110的二值化图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；
S320，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；
S330，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。
6.根据权利要求5所述的方法，其特征在于，S210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S110二值化图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S130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P7；
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；在该步骤中，对于成对的器官，对左右两侧器官进行单独处理；
S204，判断准器官孔洞图P8中连通域的面积，如果各连通域的面积均小于阈值μ，则跳至S310，否则继续S205；
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，得到拟脏器实质掩码图P10。
7.根据权利要求5所述的方法，其特征在于，S320中，对脏器实质候选轮廓进行调整，可以根据以下方式进行：
S321，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，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S130和S310中候选轮廓线和过零边界上对应边缘点之间的距离得到；
S322，根据像素距离，对脏器实质候选轮廓进行调整：当脏器实质中不存在其他脏器造成的孔洞时，对S130中得到的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。
8.根据权利要求5所述的方法，其特征在于，S320中，对脏器实质候选轮廓进行调整，还可以根据以下方式进行：
S321’，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。
9.一种肺组织异化程度判断装置，该装置包括：
肺实质分割模块，用于对所有肺部CT图像进行肺实质分割，产生肺实质分割图；
肺实质掩码图输出模块，用于对肺实质分割图进行二值化处理，产生肺实质掩码图；
特征增强模块，用于对所有肺实质分割图中的肺血管进行特征增强处理，产生肺血管特征增强图；
肺血管掩码图输出模块，对肺血管特征增强图进行二值化处理，产生肺血管掩码图；
肺体积确定模块，其用于统计所有肺实质掩码图中肺实质区域像素点的数量L，作为其体积参数；
肺血管区域确定模块，其用于统计所有肺血管掩码图中肺血管区域像素点的数量V，作为其体积参数；
ELVAR值输出模块，其用于根据所有肺实质掩码图中肺实质区域像素点的数量L和所有肺血管掩码图中肺血管区域像素点的数量V，确定肺有效通气功能区占比ELVAR值并输出。
10.根据权利要求9所述的装置，其特征在于，
肺实质掩码图输出模块，将肺实质区域像素的灰度值设置为统一的非0值，背景像素的灰度值设置为0，得到肺实质掩码图；
肺血管掩码图输出模块，将灰度值大于阈值w的像素值设置为统一的非0值，小于阈值w的像素值设置为0，得到肺血管掩码图。
11.根据权利要求9所述的装置，其特征在于，肺实质分割模块包括以下子模块，通过以下子模块得到肺实质分割图：
二值化子模块，用于对输入装置的CT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；
平滑子模块，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；
轮廓界定子模块，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；
判定子模块，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；
器官孔洞识别子模块，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；
边缘界定子模块，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；
候选轮廓调整子模块：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；
分割结果输出子模块，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。
12.根据权利要求11所述的装置，其特征在于，器官孔洞识别子模块包括以下亚子模块：
轮廓线输出亚子模块，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亚子模块，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；
准器官孔洞输出亚子模块，用于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；对于成对的器官，对左右两侧器官进行单独处理；
连通域确定亚子模块，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，则触发边缘界定子模块，否则触发器官孔洞输出亚子模块；
器官孔洞输出亚子模块，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；
拟脏器实质掩码输出亚子模块，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，输出拟脏器实质掩码图P10。
13.根据权利要求11所述的装置，其特征在于，候选轮廓调整子模块，包括像素距离测定亚子模块和腐蚀亚子模块，其中，
像素距离测定亚子模块，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；
腐蚀亚子模块，用于根据像素距离，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，输出脏器实质掩码图P12。
14.根据权利要求11所述的装置，其特征在于，候选轮廓调整子模块还可以包括轮廓线收缩亚子模块，
轮廓线收缩亚子模块，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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010090962.6A CN111292309B (zh) | 2020-02-13 | 2020-02-13 | 一种肺组织异化程度判断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010090962.6A CN111292309B (zh) | 2020-02-13 | 2020-02-13 | 一种肺组织异化程度判断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111292309A true CN111292309A (zh) | 2020-06-16 |
| CN111292309B CN111292309B (zh) | 2023-08-18 |
Family
ID=71019018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010090962.6A Active CN111292309B (zh) | 2020-02-13 | 2020-02-13 | 一种肺组织异化程度判断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111292309B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862003A (zh) * | 2020-06-30 | 2020-10-30 | 至本医疗科技（上海）有限公司 | 医疗影像目标信息获取方法、装置、设备和存储介质 |
| CN114931435A (zh) * | 2022-06-02 | 2022-08-23 | 上海市胸科医院 | 三维模型处理方法、装置和电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010086776A1 (en) * | 2009-01-30 | 2010-08-05 | Koninklijke Philips Electronics N.V. | System for providing lung ventilation information |
| CN103746774A (zh) * | 2014-01-03 | 2014-04-23 | 中国人民解放军国防科学技术大学 | 一种高效数据读取的容错编码方法 |
| CN103824295A (zh) * | 2014-03-03 | 2014-05-28 | 天津医科大学 | 一种肺部ct图像中粘连血管型肺结节的分割方法 |
| US9076201B1 (en) * | 2012-03-30 | 2015-07-07 | University Of Louisville Research Foundation, Inc. | Volumetric deformable registration method for thoracic 4-D computed tomography images and method of determining regional lung function |
| US20150238270A1 (en) * | 2014-02-24 | 2015-08-27 | Vida Diagnostics, Inc. | Treatment outcome prediction for lung volume reduction procedures |
| CN107945167A (zh) * | 2017-11-27 | 2018-04-20 | 北京医拍智能科技有限公司 | 基于深度神经网络的慢性阻塞性肺病的检测系统 |
| CN109598730A (zh) * | 2018-12-03 | 2019-04-09 | 鄂珑江 | 胸片分割及处理方法、系统及电子设备 |
| CN110766713A (zh) * | 2019-10-30 | 2020-02-07 | 上海微创医疗器械（集团）有限公司 | 肺部图像分割方法、装置和肺部病变区域识别设备 |
-
2020
- 2020-02-13 CN CN202010090962.6A patent/CN111292309B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010086776A1 (en) * | 2009-01-30 | 2010-08-05 | Koninklijke Philips Electronics N.V. | System for providing lung ventilation information |
| US9076201B1 (en) * | 2012-03-30 | 2015-07-07 | University Of Louisville Research Foundation, Inc. | Volumetric deformable registration method for thoracic 4-D computed tomography images and method of determining regional lung function |
| CN103746774A (zh) * | 2014-01-03 | 2014-04-23 | 中国人民解放军国防科学技术大学 | 一种高效数据读取的容错编码方法 |
| US20150238270A1 (en) * | 2014-02-24 | 2015-08-27 | Vida Diagnostics, Inc. | Treatment outcome prediction for lung volume reduction procedures |
| CN103824295A (zh) * | 2014-03-03 | 2014-05-28 | 天津医科大学 | 一种肺部ct图像中粘连血管型肺结节的分割方法 |
| CN107945167A (zh) * | 2017-11-27 | 2018-04-20 | 北京医拍智能科技有限公司 | 基于深度神经网络的慢性阻塞性肺病的检测系统 |
| CN109598730A (zh) * | 2018-12-03 | 2019-04-09 | 鄂珑江 | 胸片分割及处理方法、系统及电子设备 |
| CN110766713A (zh) * | 2019-10-30 | 2020-02-07 | 上海微创医疗器械（集团）有限公司 | 肺部图像分割方法、装置和肺部病变区域识别设备 |
Non-Patent Citations (2)
| Title |
|---|
| ERIC A. HOFFMAN.ET AL: ""Computed Tomography Studies of Lung Ventilation and Perfusion"" * |
| 张伟宏等: ""CT肺功能成像技术研究"" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862003A (zh) * | 2020-06-30 | 2020-10-30 | 至本医疗科技（上海）有限公司 | 医疗影像目标信息获取方法、装置、设备和存储介质 |
| CN111862003B (zh) * | 2020-06-30 | 2022-04-22 | 至本医疗科技（上海）有限公司 | 医疗影像目标信息获取方法、装置、设备和存储介质 |
| CN114931435A (zh) * | 2022-06-02 | 2022-08-23 | 上海市胸科医院 | 三维模型处理方法、装置和电子设备 |
| CN114931435B (zh) * | 2022-06-02 | 2023-02-17 | 上海市胸科医院 | 三维模型处理方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111292309B (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rossi et al. | Combination of low level processing and active contour techniques for semi-automated volumetric lung lesion segmentation from thoracic CT images | |
| CN110473207B (zh) | 一种交互式分割肺叶的方法 | |
| CN107527341B (zh) | 血管造影图像的处理方法和系统 | |
| US20080317322A1 (en) | Identifying Ribs in Lung X-Rays | |
| CN107563998B (zh) | 医学图像中心脏图像处理方法 | |
| US10275878B2 (en) | Method for the quantification of the presence of fats in a region of the heart | |
| JP5331299B2 (ja) | 解剖学的構造内の疾患に関する疾患関連の変化の患者特異的解析を実行するための方法及びシステム | |
| US20090136107A1 (en) | Automatic Segmentation of the Heart and Aorta in Medical 3-D Scans Without Contrast Media Injections | |
| US8265367B2 (en) | Identifying blood vessels in lung x-ray radiographs | |
| JP2007517610A (ja) | 医用画像のフィルタリングシステムおよび方法 | |
| SG188879A1 (en) | A method and system of segmenting ct scan data | |
| Doel et al. | Pulmonary lobe segmentation from CT images using fissureness, airways, vessels and multilevel B-splines | |
| CN111292309B (zh) | 一种肺组织异化程度判断方法及装置 | |
| WO2002064034A1 (en) | Method and apparatus for the non-invasive imaging of anatomic tissue structures | |
| Zhang et al. | Automatic 3D adaptive vessel segmentation based on linear relationship between intensity and complex-decorrelation in optical coherence tomography angiography | |
| CN111260669A (zh) | 基于ct图像的肺叶分割方法和装置 | |
| Artaechevarria et al. | Airway segmentation and analysis for the study of mouse models of lung disease using micro-CT | |
| KR101251822B1 (ko) | 동적조영증강 폐 전산화단층촬영 영상에서 관류 분석 시스템 및 방법 | |
| CN117529282A (zh) | 通过超声图像的分析诊断肺炎的设备和方法 | |
| CN114764809A (zh) | 肺部ct密度增高影的自适应阈值分割方法和装置 | |
| CN110533667B (zh) | 基于图像金字塔融合的肺部肿瘤ct影像3d分割方法 | |
| Wang et al. | Airway segmentation for low-contrast CT images from combined PET/CT scanners based on airway modelling and seed prediction | |
| Marcos et al. | Quantitative assessment of emphysema severity in histological lung analysis | |
| KR102373987B1 (ko) | 알츠하이머 병 및 정상 노화에서 템플릿 기반 해마 서브필드 위축 분석 방법 | |
| Karwoski et al. | Processing of CT images for analysis of diffuse lung disease in the lung tissue research consortium |
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 |