[发明专利]一种从胸部CT图像中自动提取气管树的方法

说明书

本发明属于基于医学图像的图像处理技术领域，尤其涉及一种从胸部CT图像中自动提取气管树的方法。从胸部CT图像中获取主气管与主支气管；根据3D区域生长分割方式和已获取主气管与主支气管信息，建立自适应阈值3D区域生长分割模型和自适应阈值泄漏模型；利用自适应阈值3D区域生长分割模型和自适应阈值泄漏模型，提取胸部CT图像的第二类气管分支；根据提取的第二类气管分支的中间信息，调整自适应阈值3D区域生长模型和自适应阈值泄露模型的参数，然后提取所述胸部CT图像的第三类气管分支；基于已获取气管树拓扑结构提取末梢气管分支，获得所述胸部CT图像的气管树。本发明提供的方法提高了从CT图像中提取气管树的气管分割精度，同时降低提取时间。

技术领域

本发明属于基于医学图像的图像处理技术领域，尤其涉及一种从胸部CT图像中自动提取气管树的方法。

背景技术

从CT图像中获取精确的肺气管树结构在医学界和计算机应用界具有重要意义。临床医生通过气管参数和分级信息可以对慢性阻塞性肺病、支气管扩张等常见呼吸系统疾病展开病理分析及跟踪研究；也可以以此对患者进行无侵入式的虚拟支气管镜检查；此外，气管树与肺叶、肺段等亚级肺结构在解剖学上的一一对应性也是相关结构图像分割与分析的重要基础。因此，基于CT图像的肺气管分割一直是研究者关注的热点。

在胸部CT图像中，肺气管总体呈树状结构，由主气管分裂为左、右主支气管，然后分裂为叶、段、亚段支气管，再分裂为低级支气管和末梢支气管，伸入肺实质中。气管分支自主支气管分裂后基本呈棒状结构，气管腔呈低灰度值区域，由较高灰度值的气管壁包围以与肺实质相隔离。

由于肺气管树所具有的特殊的拓扑结构特征和灰度纹理特征，随着气管树组织逐级分裂，管腔变细、管壁变薄，在CT图像上，气管壁的灰度值逐渐降低，常规用于肺实质、肝部、脑部的一些分割方法并不能很好地适用于肺气管的分割。基于传统阈值生长的气管分割容易越过气管壁扩散入肺实质中，形成大范围的过分割，即“泄漏”现象，也难以有效识别细微或病变的分支，遗漏了大量细节信息，这难以获得精确的肺气管树。

目前已公开的气管树处理方法中，专利CN201210423958.2采用多尺度灰度重建增强管腔区域；在此基础上，专利CN201510009239.X利用多尺度管状结构特征提取气管树，两种方法均需消耗大量时间；专利CN201110405950.9采用固定阈值提取段级以下支气管，所设计泄漏处理模型也仅针对段级分支，难以获取更深层次的支气管和细微气管，更没有针对这些分支设计特定的泄漏处理方法；专利CN201510224781.7利用能量函数重建细微和末梢气管，但仍需要固定阈值判断气管隶属度和泄漏。上述方法需要严格的人工参数设定，或需要对CT图像进行复杂的预处理增强操作，或需要提取管状结构特征等辅助气管分割，大大提高了处理时间，也制约了气管分割精度，难以完成多种成像条件下CT图像的分割任务，严重制约了在临床应用中的可靠性和适用性。

发明内容

(一)要解决的技术问题

为了提高从CT图像中提取气管树的气管分割精度，同时降低气管树的提取时间，本发明提供一种从胸部CT图像中自动提取气管树的方法。

(二)技术方案

为了达到上述的目的，本发明采用的主要技术方案包括：

一种从胸部CT图像中自动提取气管树的方法，包括：

101、针对胸部CT图像，基于3D区域生长分割方式获取气管树的主气管和主支气管；

102、基于所述3D区域生长分割方式、获取的所述主气管的中间信息和获取的所述主支气管的中间信息，建立用于提取第二类气管分支的自适应阈值3D区域生长模型和自适应阈值泄漏模型；

103、根据所述自适应阈值3D区域生长模型和所述自适应阈值泄漏模型，提取所述胸部CT图像的第二类气管分支；