[发明专利]一种从肺部CT图像获得三维气管树的方法

权利要求书

1.一种从肺部CT图像获得三维气管树的方法，其特征在于，包括以下步骤：

采用自适应的三维空间区域生长法提取出主支气管；

采用优化图像特征提取的方法提取出除主支气管外的其他支气管段；

采用模糊连接度算法将主支气管和所述支气管段进行“缝合”，得到三维气管树；

在所述提取出主支气管的步骤之前，先对CT图像进行平滑处理，通过结合分析CT图像中某体素点的CT值和其周围的局部亮度变化的二阶排列结构，并分析所述体素点是否属于管状结构，筛选出属于支气管的体素点，汇集全部所述属于支气管的体素点得到一级气管预处理图像；

在所述提取出除主支气管外的其他支气管段的步骤中，具体包括以下步骤：

提取若干图像特征用于构建代价函数中的能量项；

采用多核学习的方法，使用所述特征的组合核函数嵌入到三维支气管种子点提取算法中，得到组成所述支气管段的种子点；

根据连续性对组成所述支气管段的种子点进行连续得到各独立的支气管段。

2.如权利要求1所述的从肺部CT图像获得三维气管树的方法，其特征在于，在所述提取出主支气管的步骤之前，将所述一级气管预处理图像进行闭运算，先对所述一级气管预处理图像的结构元素进行膨胀，然后再对膨胀后的图像用结构元素进行腐蚀，用于填充小洞，使物体的边界平滑，得到二级气管预处理图像。

3.如权利要求1所述的从肺部CT图像获得三维气管树的方法，其特征在于，在所述提取主支气管的步骤中，具体包括以下步骤：

选取起始种子点；

选择自适应局部相邻阈值法作为区域增长的准则得到阈值，将大于或等于所述阈值的体素点作为种子点归并到种子区域；

当周边所有种子点都归并到种子区域后，得到主支气管图像。

4.如权利要求1所述的从肺部CT图像获得三维气管树的方法，其特征在于，所述若干图像特征包括基于多尺度Hessian矩阵的3D管道特征系数、局部相位、SIFT特征、低分辨率版本Haar-like特征。

5.如权利要求1所述的从肺部CT图像获得三维气管树的方法，其特征在于，在将所述组成所述支气管段的种子点进行连续的步骤中，采用了基于Snake样条模型的方法。

6.如权利要求1所述的从肺部CT图像获得三维气管树的方法，其特征在于，在所述将主支气管和所述支气管段进行“缝合”的步骤中，首先将主支气管与相邻的一端的独立的支气管段进行缝合，然后进行迭代计算直到把全部的支气管段“缝合”到一起。

7.如权利要求1所述的从肺部CT图像获得三维气管树的方法，其特征在于，在所述将主支气管和所述支气管段进行“缝合”的步骤中，利用中心线提取算法，提取所述主支气管的中心线，综合空间距离、局部图像特征、支气管解剖结构中的其中一项或多项判度，构造模糊连通度函数，从所述主支气管的末端出发，利用三维模糊连接算法，将主支气管和所述支气管段连接起来。

8.如权利要求1所述的从肺部CT图像获得三维气管树的方法，其特征在于，在所述将主支气管和所述支气管段进行“缝合”的步骤中，利用中心线提取算法，提取各支气管段的中心线，综合空间距离、局部图像特征、支气管解剖结构中的其中一项或多项判度，构造模糊连通度函数，利用三维模糊连接算法，迭代连接各所述支气管段，直至重建出整个支气管树。