CN111462201A - 基于新型冠状病毒肺炎ct影像的随访分析系统及方法 - Google Patents

Abstract

本发明实施例提供一种基于新型冠状病毒肺炎CT影像的随访分析系统及方法，该系统包括：提取模块，用于提取随访前肺部CT影像的第一骨骼点云数据以及提取随访后肺部CT影像的第二骨骼点云数据；配准模块，用于对第一骨骼点云数据与第二骨骼点云数据进行配准，获得配准误差；匹配模块，用于基于配准误差对随访前肺部CT影像和随访后肺部CT影像中的肺炎病灶进行匹配。本发明实施例利用骨骼变化特性小的特点，以骨骼为基准进行匹配，结合三维点云刚性配准方法，能够克服肺部形变导致的误差，提高配准的准确度。

Description

基于新型冠状病毒肺炎CT影像的随访分析系统及方法

技术领域

本发明涉及计算机图像处理领域，更具体地，涉及一种基于新型冠状病毒肺炎CT影像的随访分析系统及方法。

背景技术

2019年12月以来，湖北省武汉市陆续发现不明原因肺炎患者，在全国医学机构的共同努力下，迅速确定这类病例的病原为新型冠状病毒，该病原感染所致的肺炎称为新型冠状病毒感染的肺炎。由于新冠病毒的传染性较强，因而早发现、早隔离是结束疫情最有效的办法。由于新冠肺炎早期并无明显症状，甚至有些病人症状一直都较为轻微，因此，准确的确诊新冠肺炎病人显得十分重要。

目前，新冠肺炎的确诊标准是核酸检测，但有医学专家指出核酸检测的特异性不够，可能会导致部分病人不能正确被确诊，对病人的早隔离造成一定的难度。临床上，CT检查具有简单、敏感、快速等优势，因此CT识别新型冠状病毒肺炎早期征象，具有重大的诊疗价值和疫情防控意义。极少数普通型患者起病早期CT无异常发现，随着病变发展，肺内可以出现病变。常见CT表现两肺有多发斑片状磨玻璃阴影、实变影。从前期的CT影像中可以发现，肺炎病灶发展迅速是这次新冠肺炎一个很明显的特征。CT随访可以快速的确定肺炎病灶的发展情况，对确诊肺炎病人提供很好的参考作用。其中，随访的含义是如果病人当前没有其他症状，暂时观察，如果有症状及时到医院诊察。

由于疫情的快速发展，CT影像的数据量急剧增加，医生阅片工作量大大增加。因此，快速准确的帮助医生匹配分析肺炎病灶，显得十分必要。由于呼吸作用或其他一些因素的影响，随访前后的肺部组织往往会有一定差别，有些甚至差别很大，因而对肺炎病灶的匹配造成了较大的难度。现有技术中，肺部常见病灶随访的配准方法主要分为：基于全局的配准方法、基于局部的配准方法或者两种方法相结合。基于全局的配准方法通常是配准肺部整体结构，基于局部的配准方法是为了解决局部形变导致病灶无法匹配的问题。由于肺部组织变化的不确定性和肺炎病灶生长的不可预测性，上述配准方法总会导致一些病灶匹配错误。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于新型冠状病毒肺炎CT影像的随访分析系统及方法。

根据本发明实施例第一方面，提供了一种基于新型冠状病毒肺炎CT影像的随访分析系统，该系统包括：提取模块，用于提取随访前肺部CT影像的第一骨骼点云数据以及提取随访后肺部CT影像的第二骨骼点云数据；配准模块，用于对第一骨骼点云数据与第二骨骼点云数据进行配准，获得配准误差；匹配模块，用于基于配准误差对随访前肺部CT影像和随访后肺部CT影像中的肺炎病灶进行匹配。

根据本发明实施例的第二方面，提供一种基于新型冠状病毒肺炎CT影像的随访分析方法，该方法包括：提取随访前肺部CT影像的第一骨骼点云数据以及提取随访后肺部CT影像的第二骨骼点云数据；对第一骨骼点云数据与第二骨骼点云数据进行配准，获得配准误差；基于配准误差对随访前肺部CT影像和随访后肺部CT影像中的肺炎病灶进行匹配。

本发明实施例提供的基于新型冠状病毒肺炎CT影像的随访分析系统及方法，利用骨骼变化特性小的特点，以骨骼为基准进行匹配，结合三维点云刚性配准方法，能够克服肺部形变导致的误差，提高配准的准确程度。

附图说明

为了更清楚地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作简单地介绍。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，还可以根据这些图获得其他的附图。

图1为本发明实施例提供的基于新型冠状病毒肺炎CT影像的随访分析方法的流程示意图；

图2为本发明实施例提供的基于新型冠状病毒肺炎CT影像的随访分析方法的原理流程示意图；

图3为本发明实施例提供的基于新型冠状病毒肺炎CT影像的随访分析系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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地描述，显然，所描述的实施例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，都属于本发明保护的范围。

针对现有技术中存在的上述问题，本发明实施例提供一种基于新型冠状病毒肺炎CT影像的随访分析方法，该方法基于CT影像，利用计算机视觉与图像处理算法，采用骨骼点云数据配准来实现肺部组织的配准，进而实现肺炎病灶的自适应匹配，克服现有技术中的肺部形变导致的匹配错误，大量计算导致的性能差等缺点。

为了便于理解本发明实施例，首先参见图2，对本发明实施例提供的方法的原理进行说明，该方法包括但不限于如下步骤：

1.数据准备。准备肺部CT影像数据和肺炎病灶数据。

2.提取肺部与骨骼点云数据。利用医学影像处理方法，在CT影像上分割肺部与骨骼区域，提取轮廓点云数据，并进行稀疏采样处理。

3.三维点云数据配准。利用FGR(Fast Global Registration)或ICP(IterativeClosest Point)等算法配准两组骨骼点云数据，利用骨骼配准得到的转换矩阵，评估两组肺部点云数据的配准误差。

4.肺炎病灶的自适应匹配。结合配准误差，基于距离的方法匹配肺炎病灶。

5.肺炎病灶发展变化分析。匹配成功的肺炎病灶，分析前后两次肺炎病灶的大小，类型，CT值等信息的变化情况。

应当说明的是，本发明实施例结合新冠肺炎病灶的发展变化特点，重点关注的新冠肺炎病灶征像发展变化，具有较强的针对性。

基于此，参见图1，以下对该方法进行进一步说明，该方法包括但不限于如下步骤：

步骤101、提取随访前肺部CT影像的第一骨骼点云数据以及提取随访后肺部CT影像的第二骨骼点云数据。

其中，作为一种可选实施例，该步骤101可进一步包括如下步骤：

步骤1011、获取随访前肺部CT影像和随访后肺部CT影像。

具体地，本步骤为数据准备的步骤，即准备随访前后两套CT影像数据，并可获取两组DICOM的CT值数据。另外，还可准备随访前后两套影像的肺炎病灶数据，包括肺炎坐标，长短径，体积，类型和CT值等属性。

步骤1012、将随访前肺部CT影像和随访后肺部CT影像的CT值数据插值到归一化空间[2.0,2.0,2.0]。

其中，该归一化空间在三个方向上的尺寸空间保持一致，从而提高算法泛化能力。

应当说明的是，本发明实施例在预处理中进行了归一化处理，能够提高算法的鲁棒性，对不同尺寸的CT影像数据适用性好。

步骤1013、将数据重采样至[0,255]区间。

步骤1014、通过形态学方法分别提取随访前肺部CT影像和随访后肺部CT影像中的肺部区域。

其中，作为一种可选实施例，该步骤1014可进一步包括如下步骤：

分别针对随访前肺部CT影像和随访后肺部CT影像进行以下处理：根据肺部组织的阈值范围，通过二值化方法初步提取中的连通区域；剔除边界区域并填充包含有空洞的连通区域；根据连通区域的位置信息和面积信息分别提取左肺区域和右肺区域；合并左肺区域和右肺区域，并剔除不属于肺部的连通区域。

步骤1015、根据骨骼CT值的范围，分别提取随访前肺部CT影像和随访后肺部CT影像中的骨骼区域。

步骤1016、根据肺部区域与骨骼区域的连通区域去除非必要区域。

步骤1017、提取连通区域的边界轮廓。

步骤1018、将轮廓数据转换为三维点云数据格式，获得第一骨骼点云数据、第二骨骼点云数据、第一肺部点云数据和第二肺部点云数据。

步骤102、对第一骨骼点云数据与第二骨骼点云数据进行配准，获得配准误差。

其中，作为一种可选实施例，该步骤102可进一步包括如下步骤：

步骤1021、提取第一骨骼点云数据和第二骨骼点云数据的特征，并对第一骨骼点云数据和第二骨骼点云数据进行稀疏采样。

其中，特征可以为FPFH(Fast Point Feature Histograms)特征，本发明实施例的范围对此不做限定。本步骤是对骨骼点云数据做预处理，提取预处理后骨骼点云数据的FPFH特征，同时对骨骼点云数据进行稀疏采样。

步骤1022、根据提取的特征及稀疏采样获得的骨骼点云数据获得变换矩阵。

其中，作为一种可选实施例，该步骤1022可进一步包括如下步骤：将FPFH特征及稀疏采样获得的骨骼点云数据作为输入，采用FGR算法进行点云配准，获得变换矩阵。

步骤1023、根据变换矩阵获取随访前肺部CT影像的第一肺部点云数据与随访后肺部CT影像的第二肺部点云数据之间的配准误差。

其中，配准误差为点云数据的RMSE(Root Mean Square Error)。具体地，本步骤根据变换矩阵，变换移动肺部点云数据，计算变换后两组肺部点云数据的RMSE。

步骤103、基于配准误差对随访前肺部CT影像和随访后肺部CT影像中的肺炎病灶进行匹配。

应当说明的是，本发明实施例利用骨骼变化特性小的特点，以骨骼为基准进行匹配，结合三维点云刚性配准方法，能够克服肺部形变导致的误差，解决现有技术中存在的问题。

其中，作为一种可选实施例，该步骤103可进一步包括如下步骤：

步骤1031、根据变换矩阵，变换移动随访前肺部CT影像和/或随访后肺部CT影像中的肺炎病灶的坐标。

步骤1032、根据配准误差自适应设定用于肺炎病灶匹配的阈值。

其中，作为一种可选实施例，根据两组肺部点云数据的RMSE，自适应设定匹配肺炎的阈值，那么，大于该阈值则认为无匹配的肺炎病灶。

应当说明的是，通过上述自适应的方案，能够根据肺部配准的误差自适应的调整搜索肺炎病灶匹配的距离范围，同时结合病灶的局部位置信息，进一步提高匹配的准确率。

步骤1033、根据阈值，采用最小欧式距离法在随访前肺部CT影像和/或随访后肺部CT影像中进行遍历寻找，匹配获得肺炎病灶。

具体地，基于最小欧式距离的方法，遍历寻找匹配肺炎病灶。在寻找到肺炎病灶后，结合肺炎病灶的位置信息(左肺或右肺，以及在肺中位置信息)，整理匹配结果。

另外，作为一种可选实施例，在步骤103之后，还包括：

步骤104、根据匹配结果，筛选出匹配成功的肺炎病灶和/或匹配不成功的肺炎病灶。

具体地，根据配对结果，筛选出配对成功的肺炎病灶对与匹配不成功的肺炎病灶。并可进一步计算配对成功肺炎病灶变化情况：长短径，体积，类型以及CT值变化。分析匹配不成功肺炎病灶：消失，或者新增。

综上，本发明实施例提供的基于新型冠状病毒肺炎CT影像的随访分析方法至少具有如下有益效果：

1)利用骨骼变化特性小的特点，以骨骼为基准进行匹配，结合三维点云刚性配准方法，能够克服肺部形变导致的误差；

2)利用综合全局和局部信息，能够准确的匹配随访前后的肺炎病灶，具有较高的准确率；

3)在大量测试样本中，本方案的整体运行时间<1s，满足实时要求，具有较好的性能；

4)在不同的CT设备和不同尺寸的CT影像数据上数据上，适用性都很好，鲁棒性好；

5)在肺炎病灶匹配过程中，采用了一种自适应的方案，根据肺部配准的误差自适应的调整搜索肺炎病灶匹配的距离范围，同时结合病灶的局部位置信息，进一步提高匹配的准确率。

基于上述实施例的内容，本发明实施例提供了一种基于新型冠状病毒肺炎CT影像的随访分析系统，该系统用于执行上述方法实施例中的基于新型冠状病毒肺炎CT影像的随访分析方法。参见图3，该系统包括：提取模块201，用于提取随访前肺部CT影像的第一骨骼点云数据以及提取随访后肺部CT影像的第二骨骼点云数据；配准模块202，用于对第一骨骼点云数据与第二骨骼点云数据进行配准，获得配准误差；匹配模块203，用于基于配准误差对随访前肺部CT影像和随访后肺部CT影像中的肺炎病灶进行匹配。

作为一种可选实施例，配准模块具体用于：提取第一骨骼点云数据和第二骨骼点云数据的特征，并对第一骨骼点云数据和第二骨骼点云数据进行稀疏采样；根据提取的特征及稀疏采样获得的骨骼点云数据获得变换矩阵；根据变换矩阵获取随访前肺部CT影像的第一肺部点云数据与随访后肺部CT影像的第二肺部点云数据之间的配准误差。

作为一种可选实施例，匹配模块具体用于：根据变换矩阵，变换移动随访前肺部CT影像和/或随访后肺部CT影像中的肺炎病灶的坐标；根据配准误差，自适应设定用于肺炎病灶匹配的阈值；根据阈值，采用最小欧式距离法在随访前肺部CT影像和/或随访后肺部CT影像中进行遍历寻找，匹配获得肺炎病灶。

作为一种可选实施例，特征为FPFH特征；根据提取的特征及稀疏采样获得的骨骼点云数据获得变换矩阵，包括：将FPFH特征及稀疏采样获得的骨骼点云数据作为输入，采用FGR算法进行点云配准，获得变换矩阵；配准误差为点云数据的RMSE。

作为一种可选实施例，提取第一骨骼点云数据和第二骨骼点云数据的特征，包括：获取随访前肺部CT影像和随访后肺部CT影像；将随访前肺部CT影像和随访后肺部CT影像的CT值数据插值到归一化空间[2.0,2.0,2.0]；将数据重采样至[0,255]区间；通过形态学方法分别提取随访前肺部CT影像和随访后肺部CT影像中的肺部区域；根据骨骼CT值的范围，分别提取随访前肺部CT影像和随访后肺部CT影像中的骨骼区域；根据肺部区域与骨骼区域的连通区域去除非必要区域；提取连通区域的边界轮廓；将轮廓数据转换为三维点云数据格式，获得第一骨骼点云数据、第二骨骼点云数据、第一肺部点云数据和第二肺部点云数据。

作为一种可选实施例，通过形态学方法分别提取随访前肺部CT影像和随访后肺部CT影像中的肺部区域，包括，分别针对随访前肺部CT影像和随访后肺部CT影像进行以下处理：根据肺部组织的阈值范围，通过二值化方法初步提取中的连通区域；剔除边界区域并填充包含有空洞的连通区域；根据连通区域的位置信息和面积信息分别提取左肺区域和右肺区域；合并左肺区域和右肺区域，并剔除不属于肺部的连通区域。

作为一种可选实施例，还包括：筛选模块；筛选模块用于：根据匹配结果，筛选出匹配成功的肺炎病灶和/或匹配不成功的肺炎病灶。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于新型冠状病毒肺炎CT影像的随访分析系统，其特征在于，包括：

提取模块，用于提取随访前肺部CT影像的第一骨骼点云数据以及提取随访后肺部CT影像的第二骨骼点云数据；

配准模块，用于对所述第一骨骼点云数据与所述第二骨骼点云数据进行配准，获得配准误差；

匹配模块，用于基于所述配准误差对所述随访前肺部CT影像和所述随访后肺部CT影像中的肺炎病灶进行匹配。

2.根据权利要求1所述的系统，其特征在于，所述配准模块具体用于：

提取所述第一骨骼点云数据和所述第二骨骼点云数据的特征，并对所述第一骨骼点云数据和所述第二骨骼点云数据进行稀疏采样；

根据提取的所述特征及稀疏采样获得的骨骼点云数据获得变换矩阵；

根据所述变换矩阵获取所述随访前肺部CT影像的第一肺部点云数据与所述随访后肺部CT影像的第二肺部点云数据之间的配准误差。

3.根据权利要求2所述的系统，其特征在于，所述匹配模块具体用于：

根据所述变换矩阵，变换移动所述随访前肺部CT影像和/或所述随访后肺部CT影像中的肺炎病灶的坐标；

根据所述配准误差，自适应设定用于肺炎病灶匹配的阈值；

根据所述阈值，采用最小欧式距离法在所述随访前肺部CT影像和/或所述随访后肺部CT影像中进行遍历寻找，匹配获得肺炎病灶。

4.根据权利要求2所述的系统，其特征在于，所述特征为FPFH特征；

所述根据提取的所述特征及稀疏采样获得的骨骼点云数据获得变换矩阵，包括：将FPFH特征及稀疏采样获得的骨骼点云数据作为输入，采用FGR算法进行点云配准，获得所述变换矩阵；

所述配准误差为点云数据的RMSE。

5.根据权利要求2所述的系统，其特征在于，提取所述第一骨骼点云数据和所述第二骨骼点云数据的特征，包括：

获取所述随访前肺部CT影像和所述随访后肺部CT影像；

将所述随访前肺部CT影像和所述随访后肺部CT影像的CT值数据插值到归一化空间[2.0,2.0,2.0]；

将数据重采样至[0,255]区间；

通过形态学方法分别提取所述随访前肺部CT影像和所述随访后肺部CT影像中的肺部区域；

根据骨骼CT值的范围，分别提取所述随访前肺部CT影像和所述随访后肺部CT影像中的骨骼区域；

根据所述肺部区域与所述骨骼区域的连通区域去除非必要区域；

提取所述连通区域的边界轮廓；

将轮廓数据转换为三维点云数据格式，获得所述第一骨骼点云数据、所述第二骨骼点云数据、所述第一肺部点云数据和所述第二肺部点云数据。

6.根据权利要求5所述的系统，其特征在于，通过形态学方法分别提取所述随访前肺部CT影像和所述随访后肺部CT影像中的肺部区域，包括，

分别针对所述随访前肺部CT影像和所述随访后肺部CT影像进行以下处理：根据肺部组织的阈值范围，通过二值化方法初步提取中的连通区域；剔除边界区域并填充包含有空洞的连通区域；根据所述连通区域的位置信息和面积信息分别提取左肺区域和右肺区域；合并所述左肺区域和右肺区域，并剔除不属于肺部的连通区域。

7.根据权利要求1所述的系统，其特征在于，还包括：筛选模块；

所述筛选模块用于：根据匹配结果，筛选出匹配成功的肺炎病灶和/或匹配不成功的肺炎病灶。

8.一种基于新型冠状病毒肺炎CT影像的随访分析方法，其特征在于，包括：

提取随访前肺部CT影像的第一骨骼点云数据以及提取随访后肺部CT影像的第二骨骼点云数据；

对所述第一骨骼点云数据与所述第二骨骼点云数据进行配准，获得配准误差；

基于所述配准误差对所述随访前肺部CT影像和所述随访后肺部CT影像中的肺炎病灶进行匹配。

9.根据权利要求8所述的方法，其特征在于，对所述第一骨骼点云数据与所述第二骨骼点云数据进行配准，获得配准结果，包括：

提取所述第一骨骼点云数据和所述第二骨骼点云数据的特征，并对所述第一骨骼点云数据和所述第二骨骼点云数据进行稀疏采样；

根据提取的所述特征及稀疏采样获得的骨骼点云数据获得变换矩阵；

根据所述变换矩阵获取所述随访前肺部CT影像的第一肺部点云数据与所述随访后肺部CT影像的第二肺部点云数据之间的配准误差。

10.根据权利要求9所述的方法，其特征在于，基于所述配准误差对所述随访前肺部CT影像和所述随访后肺部CT影像中的肺炎病灶进行匹配，包括：

根据所述变换矩阵，变换移动所述随访前肺部CT影像和/或所述随访后肺部CT影像中的肺炎病灶的坐标；

根据所述配准误差，自适应设定用于肺炎病灶匹配的阈值；

根据所述阈值，采用最小欧式距离法在所述随访前肺部CT影像和/或所述随访后肺部CT影像中进行遍历寻找，匹配获得肺炎病灶。

Images