CN1912927A - 肺部ct图像病灶半自动分割方法 - Google Patents
肺部ct图像病灶半自动分割方法 Download PDFInfo
- Publication number
- CN1912927A CN1912927A CN 200610105047 CN200610105047A CN1912927A CN 1912927 A CN1912927 A CN 1912927A CN 200610105047 CN200610105047 CN 200610105047 CN 200610105047 A CN200610105047 A CN 200610105047A CN 1912927 A CN1912927 A CN 1912927A
- Authority
- CN
- China
- Prior art keywords
- focus
- zone
- image
- lung
- region
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开的肺部CT图像病灶半自动分割方法,首先根据CT设备读入的患者胸部所有CT断层图像的数据分割肺区域、骨骼区域和肌肉区域,初步确定病灶的大致位置和范围,以受限区域生长法分割其它切片病灶区域,再对分割得到的病灶区域进行图像增强。本发明的方法依据相同组织具有相似的CT值、病灶体在三维空间具有连续性的固有特征对各断层病灶进行数据的提取工作,该方法对病灶分割准确、效率高,具有很好的实用性。
Description
技术领域
本发明属CT图像的自动处理技术领域,涉及一种图像分割技术,具体涉及肺部CT图像病灶的半自动分割方法。
背景技术
CT图像的病灶分割增强技术,目前主要是依靠医生在所有含病灶的二维断层图像上,用手动勾勒出病灶,当病灶比较大时,为了进行三维重建,需要手工对几十幅图像进行同样的操作,医生需要耗费大量的时间,不断从事重复的手动病灶勾勒工作,其效率低,而且不断重复的勾勒工作很容易使医生疲倦,在疲倦的情况下容易出现误操作。
发明内容
本发明的目的是提供一种肺部CT图像病灶的半自动分割方法,解决了手工病灶分割效率低和准确性差的缺点。
本发明所采用的技术方案是,肺部CT图像病灶半自动分割方法,由CT设备读入患者胸部所有CT断层图像数据,还包括以下步骤,
a)分割肺区域、骨骼区域和肌肉区域
在胸部所有的CT断层图像数据中,根据各组织具有不同的CT值分割出肺区域、骨骼区域和肌肉区域,即分别把CT值分布范围为-900Hu~-100Hu的肺区域分割出来,把CT值分布范围为-30Hu~100Hu的肌肉区域分割出来,把CT值分布范围为100Hu以上的骨骼区域分割出来,分别得到肺区域、骨骼区域和肌肉区域的二值图;
b)初步确定病灶的位置和范围
根据以上获得的二值图像,在某幅含病灶的二维断层图像中将病灶区域的大致轮廓勾勒出,作为初始断层图像;
c)以受限区域生长法分割其它切片病灶区域
对勾勒出病灶区域的初始断层图像的上、下一幅CT断层图像进行区域生长,从每幅含有病灶的断层图像中分割出病灶区域,然后继续循环分割再上、下一断层图像中的病灶区域,当分割出的病灶面积超出了区域生长候选区域的范围或该断层图像中不存在病灶时,停止分割;
d)图像的增强
根据上述得到的分割区域获得各病灶区的二值图,从原CT图像中提取出病灶信息,并将区域二值图像与原图作“与”操作,然后进行图像增强,即完成了病灶的分割。
本发明的方法依据相同组织具有相似的CT值,病灶体在三维空间具有连续性的固有特征对病灶在手工初始定位后,自动完成对各断层病灶数据的提取工作,该方法对病灶分割准确、效率高,能够帮助医生从枯燥、重复的勾勒工作中解脱出来,具有很好的实用性。
附图说明
图1是本发明方法的流程图;
图2是肺部CT图像,其中,a是肺部CT图像原图,b~d分别为采用本方法得到的肺区域、骨骼区域和含病灶肌肉区域的二值图;
图3是一个病灶半自动分割的示例图,其中,a是对图1a提取的病灶进行增强后的图像,b是图1a的区域生长候补区域的示意图,c是一幅手工圈出病灶的原图,d为病灶区域,e、g为含病灶的原图,f、h为自动提取的病灶增强图。
具体实施方式
以下通过附图和实例对本发明进行详细说明。
本发明的方法按图1所示的流程进行,以下是按本发明的方法提供的一
实施例。
首先由CT设备读入患者胸部所有CT断层图像数据,再进行以下步骤,
a)分割肺区域、骨骼区域和肌肉区域
在胸部所有的CT断层图像数据中,根据CT成像原理和各组织具有不同的CT值分割出肺区域、骨骼区域和肌肉区域,即分别把CT值分布范围为-900Hu~-100Hu的肺区域分割出来、把CT值分布范围为-30Hu~100Hu的肌肉区域分割出来、把CT值分布范围为100Hu以上的骨骼区域分割出来,分别得到其二值图,如图2中,a为原图,b、c、d分别为肺区域、骨骼区域和肌肉区域二值图,当肺部出现的面积较大的病灶区通常为肿瘤的居多,而肿瘤的CT值与肌肉的CT值是很接近的,故在开始时,这类的病灶往往被分割在肌肉区域中;
b)初步确定病灶的位置和范围
在肌肉区域中,初步确定含病灶的一幅二维断层图像,并勾勒出病灶的区域,作为初始断层图像,如图3c、d所示;
c)以受限区域生长法分割其它切片病灶区域
①计算病灶区域的重心G(iG,jG)
以初始断层切片的病灶区域的重心G(iG,jG)为种子像素,即
其中:
f(m,n)为病灶的二值区域,如图3d所示,M,N为图像的长和宽,
②拟合区域生长区域
因为一般情况下,肺部发生病变之后的CT值会大于正常肺组织的CT值,而因为肺部又包围着CT值比肺组织大的纵隔部分,为了不使病灶区域与纵隔区域混淆,首先对供区域生长用的候补病灶区域进行限定。具体的做法如下。
如图3b所示,从骨骼区域中确定大致包围该区域的多个点,本实施例中确定为10个关键点A,B,C,D,E,F,G,H,I,J,对这10个点用抛物线拟合,得到正常肺部区域,根据人体解剖学及拓扑结构,人体纵隔基本在一个圆区域内,连接胸骨关键点E和脊椎关键点J,并计算线段EJ的中点O,以点O为圆心,OE为半径作圆,如图3b中所示,将拟合出来的正常肺部区域减去纵隔圆区域得到的区域作为区域生长区域;
③进行区域生长
从重心位置开始进行区域生长,其生长准则为:设对一个含N个像素的病灶区域R,其均值为
f(x,y)为切片的CT值,设CT生长阈值为ε,第n张切片的病灶均值为mn,病灶区重心为Gn,第n+1张的区域生长过程为,
n=0时为初始切片,ε为均值阈值,通常设为30Hu(Hu为CT值单位),A为生长区域的面积,当A过大(即超出了所限定的侯选病灶区域)或为零时,终止区域生长。
如果病灶区域比较小,或者特征比较微弱,则用户可以根据界面提供的手写画笔,将观测到的病灶区进行圈定。
d.图像的增强
根据上述得到的分割区域获得各病灶区的二值图,判断为病灶的像素点为“白色”,判断为非病灶的像素点为“黑色”,从原CT图像中提取出病灶信息,并将区域二值图像与原图作“与”操作,对给定的一幅断层图像,如果其相应的二值图中像素点为“白色”,则该点的像素值不变,如果二值图中相应点为“黑色”,则原图中的相应点也置为“黑色”,然后采用灰级窗展宽技术或直方图均衡化方法进行图像增强,如图3a所示,即完成了病灶图像的分割。
1)灰级窗展宽方法
设f(x,y)为具有最大病灶面积的断层图像中的病灶区域的CT值,g(x,y)为增强后的相应位置上的病灶区域的图像,则灰级窗展宽方法的计算公式如下:
其中,
fmin为f(x,y)
的最小CT值,fmax为f(x,y)的最大CT值。
2)直方图均衡化方法
设f(x,y)为具有最大病灶面积的断层图像中的病灶区域的CT值,该病灶区域的像素个数设为Ns,不同CT值的个数为n,对其进行编码为{1,2,...,n}。g(x,y)为增强后的相应位置上的病灶区域的图像,则可按照下面的步骤进行增强处理。
①计算f(x,y)的CT值的分布概率为:{p1,p2,...,pn},则
其中,ni为第i个CT值的像素个数。
②计算f(x,y)的CT值的累计概率为:{ps1,ps2,...,psn},则
并令:
ps1=0
⑧进行增强处理,即
g(x,y)=K·pm(m为对应的f(x,y)的CT值的编码值)
其中,K=255/(fmax-fmin),fmin为f(x,y)的最小CT值,fmax为f(x,y)的最大CT值。
同理,可以对其他断层图像的病灶区域进行增强操作,图3e~h为本发明方法从其他断层图像中进行病灶的提取增强示例图,可以看到,本方法可以有效地提取出响应的病灶区域。
Claims (4)
1.肺部CT图像病灶半自动分割方法,由CT设备读入患者胸部所有CT断层图像数据,其特征在于,该方法还包括以下步骤,
a)分割肺区域、骨骼区域和肌肉区域
在胸部所有的CT断层图像数据中,根据各组织具有不同的CT值分割出肺区域、骨骼区域和肌肉区域,即分别把CT值分布范围为-900Hu~-100Hu的肺区域分割出来,把CT值分布范围为-30Hu~100Hu的肌肉区域分割出来,把CT值分布范围为100Hu以上的骨骼区域分割出来,分别得到肺区域、骨骼区域和肌肉区域的二值图;
b)初步确定病灶的位置和范围
根据以上获得的二值图像,在某幅含病灶的二维断层图像中将病灶区域的大致轮廓勾勒出,作为初始断层图像;
c)以受限区域生长法分割其它切片病灶区域
对勾勒出病灶区域的初始断层图像的上、下一幅CT断层图像进行区域生长,从每幅含有病灶的断层图像中分割出病灶区域,然后继续循环分割再上、下一断层图像中的病灶区域,当分割出的病灶面积超出了区域生长候选区域的范围或该断层图像中不存在病灶时,停止分割;
d)图像的增强
根据上述得到的分割区域获得各病灶区的二值图,从原CT图像中提取出病灶信息,并将区域二值图像与原图作“与”操作,然后进行图像增强,即完成了病灶的分割。
2.根据权利要求1所述的半自动分割方法,其特征在于,所述采用受限区域生长法分割其它断层图像中的病灶区域是按以下步骤进行,
①计算病灶区域的重心
以初始断层图像的病灶区域的重心G(iG,jG)为种子像素,即
其中:
f(m,n)为病灶的二值区域,M,N为图像的长和宽,
②限定可供区域生长用的候补区域
从骨骼区域区中确定包围肺部区域的多个点,对这些点用抛物线拟合,得到正常肺部区域,然后,再拟合出纵隔圆区域,用正常肺部区域减去纵隔圆区域得到的区域即限定为可供区域生长用的候补病灶区域;
③进行区域生长
从重心位置开始进行区域生长,计算生长区域的面积,当该面积超过了限定的候补区域或为零时,终止区域生长。
4.根据权利要求1所述的半自动分割方法,其特征在于,所述的图像增强方法采用灰级窗展宽法或采用直方图均衡化法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200610105047XA CN100573581C (zh) | 2006-08-25 | 2006-08-25 | 肺部ct图像病灶半自动分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200610105047XA CN100573581C (zh) | 2006-08-25 | 2006-08-25 | 肺部ct图像病灶半自动分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1912927A true CN1912927A (zh) | 2007-02-14 |
CN100573581C CN100573581C (zh) | 2009-12-23 |
Family
ID=37721848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200610105047XA Expired - Fee Related CN100573581C (zh) | 2006-08-25 | 2006-08-25 | 肺部ct图像病灶半自动分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100573581C (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989351A (zh) * | 2010-11-16 | 2011-03-23 | 西安理工大学 | 一种肺部疑似结节图像增强方向尺度滤波方法 |
CN101576997B (zh) * | 2009-06-19 | 2011-07-20 | 西安电子科技大学 | 基于二次三维区域生长的腹部器官分割方法 |
CN102688071A (zh) * | 2012-06-15 | 2012-09-26 | 华东医院 | 超声浅表组织与器官容积扫描断层成像方法 |
CN102982531A (zh) * | 2012-10-30 | 2013-03-20 | 深圳市旭东数字医学影像技术有限公司 | 支气管的分割方法及系统 |
CN104899926A (zh) * | 2015-07-06 | 2015-09-09 | 上海联影医疗科技有限公司 | 医学图像分割方法和装置 |
CN105741293A (zh) * | 2016-01-30 | 2016-07-06 | 上海联影医疗科技有限公司 | 定位医学图像上器官的方法 |
CN106778005A (zh) * | 2016-12-27 | 2017-05-31 | 中南民族大学 | 基于多参数mri的前列腺癌计算机辅助检测方法及系统 |
CN106875410A (zh) * | 2017-02-09 | 2017-06-20 | 深圳市医诺智能科技发展有限公司 | 图像轮廓自动提取方法及系统 |
CN107230198A (zh) * | 2017-06-09 | 2017-10-03 | 合肥工业大学 | 胃镜图像智能处理方法及装置 |
CN107590809A (zh) * | 2017-06-30 | 2018-01-16 | 上海联影医疗科技有限公司 | 肺分割方法及医学成像系统 |
CN108074235A (zh) * | 2017-12-26 | 2018-05-25 | 太原理工大学 | 基于区域增长算法的碳纤维表面缺陷程度估计方法 |
US10181191B2 (en) | 2014-12-02 | 2019-01-15 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for identifying spine or bone regions in computed tomography image sequence |
CN110706241A (zh) * | 2019-09-30 | 2020-01-17 | 东软医疗系统股份有限公司 | 一种三维病灶区域提取方法和装置 |
CN111311612A (zh) * | 2020-02-17 | 2020-06-19 | 北京推想科技有限公司 | 肺部分割方法、装置、介质及电子设备 |
CN111481224A (zh) * | 2020-04-30 | 2020-08-04 | 中国医学科学院北京协和医院 | 一种骨/骨髓弥漫病变瘤负荷测量方法和系统 |
CN113706548A (zh) * | 2020-05-09 | 2021-11-26 | 北京康兴顺达科贸有限公司 | 基于ct影像对胸部前纵隔病灶自动分割的方法 |
CN114820663A (zh) * | 2022-06-28 | 2022-07-29 | 日照天一生物医疗科技有限公司 | 用于确定射频消融治疗的辅助定位方法 |
-
2006
- 2006-08-25 CN CNB200610105047XA patent/CN100573581C/zh not_active Expired - Fee Related
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576997B (zh) * | 2009-06-19 | 2011-07-20 | 西安电子科技大学 | 基于二次三维区域生长的腹部器官分割方法 |
CN101989351A (zh) * | 2010-11-16 | 2011-03-23 | 西安理工大学 | 一种肺部疑似结节图像增强方向尺度滤波方法 |
CN102688071A (zh) * | 2012-06-15 | 2012-09-26 | 华东医院 | 超声浅表组织与器官容积扫描断层成像方法 |
CN102982531A (zh) * | 2012-10-30 | 2013-03-20 | 深圳市旭东数字医学影像技术有限公司 | 支气管的分割方法及系统 |
CN102982531B (zh) * | 2012-10-30 | 2015-09-16 | 深圳市旭东数字医学影像技术有限公司 | 支气管的分割方法及系统 |
US11094067B2 (en) | 2014-12-02 | 2021-08-17 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for image processing |
US10181191B2 (en) | 2014-12-02 | 2019-01-15 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for identifying spine or bone regions in computed tomography image sequence |
CN104899926A (zh) * | 2015-07-06 | 2015-09-09 | 上海联影医疗科技有限公司 | 医学图像分割方法和装置 |
CN104899926B (zh) * | 2015-07-06 | 2018-05-04 | 上海联影医疗科技有限公司 | 医学图像分割方法和装置 |
CN105741293A (zh) * | 2016-01-30 | 2016-07-06 | 上海联影医疗科技有限公司 | 定位医学图像上器官的方法 |
CN105741293B (zh) * | 2016-01-30 | 2019-03-05 | 上海联影医疗科技有限公司 | 定位医学图像上器官的方法 |
CN106778005A (zh) * | 2016-12-27 | 2017-05-31 | 中南民族大学 | 基于多参数mri的前列腺癌计算机辅助检测方法及系统 |
CN106778005B (zh) * | 2016-12-27 | 2019-06-07 | 中南民族大学 | 基于多参数mri的前列腺癌计算机辅助检测系统 |
CN106875410B (zh) * | 2017-02-09 | 2020-07-03 | 深圳市医诺智能科技发展有限公司 | 图像轮廓自动提取方法及系统 |
CN106875410A (zh) * | 2017-02-09 | 2017-06-20 | 深圳市医诺智能科技发展有限公司 | 图像轮廓自动提取方法及系统 |
CN107230198A (zh) * | 2017-06-09 | 2017-10-03 | 合肥工业大学 | 胃镜图像智能处理方法及装置 |
CN107590809A (zh) * | 2017-06-30 | 2018-01-16 | 上海联影医疗科技有限公司 | 肺分割方法及医学成像系统 |
CN108074235A (zh) * | 2017-12-26 | 2018-05-25 | 太原理工大学 | 基于区域增长算法的碳纤维表面缺陷程度估计方法 |
CN110706241A (zh) * | 2019-09-30 | 2020-01-17 | 东软医疗系统股份有限公司 | 一种三维病灶区域提取方法和装置 |
CN110706241B (zh) * | 2019-09-30 | 2023-07-04 | 沈阳智核医疗科技有限公司 | 一种三维病灶区域提取方法和装置 |
CN111311612A (zh) * | 2020-02-17 | 2020-06-19 | 北京推想科技有限公司 | 肺部分割方法、装置、介质及电子设备 |
CN111481224A (zh) * | 2020-04-30 | 2020-08-04 | 中国医学科学院北京协和医院 | 一种骨/骨髓弥漫病变瘤负荷测量方法和系统 |
CN113706548A (zh) * | 2020-05-09 | 2021-11-26 | 北京康兴顺达科贸有限公司 | 基于ct影像对胸部前纵隔病灶自动分割的方法 |
CN113706548B (zh) * | 2020-05-09 | 2023-08-22 | 北京康兴顺达科贸有限公司 | 基于ct影像对胸部前纵隔病灶自动分割的方法 |
CN114820663A (zh) * | 2022-06-28 | 2022-07-29 | 日照天一生物医疗科技有限公司 | 用于确定射频消融治疗的辅助定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100573581C (zh) | 2009-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1912927A (zh) | 肺部ct图像病灶半自动分割方法 | |
CN101576997B (zh) | 基于二次三维区域生长的腹部器官分割方法 | |
CN1127700C (zh) | 通过消除主结构增强数据显象能力 | |
CN108596887A (zh) | 一种腹部ct序列图像肝脏肿瘤自动分割方法 | |
CN102324109B (zh) | 基于模糊隶属度模型的非实质性肺结节三维分割方法 | |
CN105678746A (zh) | 一种医学图像中肝脏范围的定位方法及装置 | |
CN101403743B (zh) | 一种x型交叠、粘连染色体自动分割方法 | |
CN108053400A (zh) | 图像处理方法及装置 | |
CN110298804A (zh) | 一种基于生成对抗网络和3d残差编码解码的医学图像降噪方法 | |
CN1934587A (zh) | 增强计算机化x射线断层摄影图像的方法、计算机程序产品以及设备 | |
CN1932882A (zh) | 基于目标检测的红外与可见光序列图像特征级融合方法 | |
CN111383215A (zh) | 一种基于生成对抗网络的病灶检测模型的训练方法 | |
CN103700085A (zh) | 乳腺x光图像中胸肌区域的分割方法 | |
CN1975762A (zh) | 一种皮肤检测方法 | |
CN106127763A (zh) | 一种具有广泛适应性的图像二值化方法 | |
CN1261910C (zh) | 彩色多窗ct图像的自动生成方法 | |
CN104268893A (zh) | 一种用左右扫描和四个角旋转扫描对肺实质分割去噪的方法 | |
CN111260583A (zh) | 基于多判别器的多重解析网络缺失ct投影数据估计方法 | |
Barstugan et al. | Automatic liver segmentation in abdomen CT images using SLIC and AdaBoost algorithms | |
CN105678711A (zh) | 一种基于图像分割的衰减校正方法 | |
CN105374025A (zh) | 乳房图像获取方法及装置、乳房摄影系统 | |
CN1471034A (zh) | 基于水平集和分水岭方法的医学图像分割方法 | |
Seo et al. | Efficient liver segmentation based on the spine | |
CN107481240A (zh) | 基于能谱曲线的能谱ct图像全分割方法及系统 | |
Vijayakumari et al. | Dental cyst diagnosis using texture analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091223 Termination date: 20120825 |