[发明专利]一种基于信息熵和联合向量的LBF活动轮廓模型的肺结节分割方法

说明书

本发明公开了一种基于信息熵和联合向量的LBF活动轮廓模型的肺结节分割方法。该方法充分结合了医学PET和CT图像的多种特征信息，首先利用PET图像SUV值，获取肺结节感兴趣区域；然后采用自动阈值迭代法构造结节的初始轮廓；接着根据PET图像中的SUV信息熵构造一个结节边缘演化的引导函数，并结合PET和CT灰度联合向量对LBF模型的能量泛函进行改进，驱使轮廓曲线的演化准确的停止在肺结节边缘处。本发明操作简单，可以实现对血管粘连型肺结节的批量式自动化分割，具较强的稳定性和准确性。

技术领域

本发明属于医学图像处理领域，具体涉及一种基于信息熵和联合向量的LBF活动轮廓模型的肺结节分割方法，基于医学PET和CT影像的多种信息特征，对血管粘连型的肺结节分割的方法。

背景技术

计算机辅助诊断(Computer Aided Diagnosis,CAD)系统是指能够辅助医生对医学影像进行解释的一项新技术，它综合了多种放射学影像以及临床诊断中的生化技术，能够为诊断医师提供一种自动化的第二意见。然而肺结节诊断中，由于肺部结构复杂，不同病例结节的形状、病变位置各不相同，仅凭肉眼阅片的方法很难在整个肺部的横断层扫描图中准确定位结节的位置和病变类型。在肺腔中，血液里红细胞营养物质丰盛，为肺结节的生长提供了很好的代谢基础。因此，血管粘连型肺结节属于恶性结节的概率较大。血管粘连型肺结节中存在血管的干扰，与孤立性肺结节的分割相比，血管粘连型结节的分割难度是最大的。在分割时容易出现过分割或漏分割现象。如果不能实现对结节的正确分割，那么后续的CAD诊断流程必然会受到影响。通常肺结节的分割工作大多是基于单一的CT图像进行展开的，然而这种方式并不能实现对血管粘连型肺结节的准确分割。原因如下：(1)由于在CT切片中，血管和结节所呈现的灰度值比较接近，有效的对其进行分离难度极大，并且也容易造成误分割；(2)在肺部断层扫描图片中，血管的横断面和结节均呈现为类球形状，很难辨别。针对以上的问题，仅凭借CT图像是不能够精准分割的。鉴于此，本发明结合PET和CT双模态图像的信息，对LBF活动轮廓模型进行改进，对血管粘连型肺结节分割。

发明内容

本发明的目的在于克服现有分割技术中存在的缺陷，提供一种基于信息熵和联合向量的LBF活动轮廓模型的肺结节分割方法。

一种基于信息熵和联合向量的LBF活动轮廓模型的肺结节分割方法，包括以下步骤：

A.感兴趣区域的获取：首先应该对肺实质图像中感兴趣区域(ROI)进行提取；

B.初始轮廓的构造：采用自动阈值迭代分割算法无需手动设置阈值，即可实现对结节初始轮廓的构造；

C构建基于信息熵的边缘引导函数：

C1.给定初始轮廓曲线上的一点x，以R(x)表示以点x为中心，r个像素点为半径构造一个邻域集合；

C2.在此邻域集合中，边缘区域的SUV信息熵可用如下公式表示：

其中i＝1,2，P_i(x)表示边缘区域内外像素的SUV概率分布值；在小邻域的集合中，SUV的概率近似服从高斯分布，因此可表示为：

其中，I_i(x)表示像素x的SUV值；c_i(x)，σ_i(x)分别表示边缘区域内外的SUV均值和标准差；

C3.定义区域的特征函数为：

C4.SUV信息熵的边缘引导函数定义为：

D.构建灰度联合向量