[发明专利]基于视觉显著性谱残差方法的低剂量CT肺结节检测算法

说明书

本发明属于医疗图像处理领域，具体为一种基于视觉显著性谱残差方法的低剂量CT肺结节检测算法。该算法的流程如下：(1)肺实质分割；(2)候选区提取：通过谱残差方法对肺实质部分进行显著性检测，提取具有视觉显著性的肺结节候选区；(3)特征计算；(4)候选区分类：使用C‑SVM分类器对提取的肺结节候选区分类，去除假阳性样本。本发明采用谱残差方法提取候选结节可以有效地提取具有空洞，毛刺等复杂结构的结节区域，具有高检测敏感性和低假阳性，算法流程具有高可解释性，以满足实际医疗辅助系统的需要。

技术领域

本发明属于计算机医疗图像处理技术领域，具体涉及一种基于视觉显著性谱残差方法的低剂量CT肺结节检测算法。

背景技术

肺结节是肺癌早期的重要体现形式，随着中国肺癌患病率和致死率上升，基于低剂量CT的肺癌筛查显得尤为重要。但是由于胸部CT断层高达200层以上，完全通过人类医师检查每位普查受众的每张CT图像是难以实现的。所以一种计算机辅助肺结节检测的算法非常关键。

传统肺结节检测算法中的候选区提取算法有两类，一类是基于阈值简单寻找图像中所有高CT值区域，但是由于肺部包含大量血管、气管等其他组织，这种做法会大大提高候选区数量降低算法整体的效率和及准确率，另一类方法基于结节类圆形的形态学特征，但是这类方法往往会漏检具有空洞、毛刺、磨玻璃结构的肺结节，而这类结节恰恰最具有恶性风险，所以这样的漏检必须避免。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于视觉显著性谱残差方法的低剂量CT肺结节检测算法。本发明能在不对结节的CT范围和形态做出先验假设的情况下，达到高敏感度和低假阳性。本发明将视觉显著性谱残差方法应用于肺结节检测算法，使得整个算法有较低的假阳性的同时，提高了对有空洞、毛刺等结构的结节的敏感度。

本发明提出的视觉显著性谱残差方法的低剂量CT肺结节检测算法，使用谱残差算法，在肺部分割以后，将肺部图像转换至频域空间，然后通过平滑得到肺部图像无视觉显著性的背景冗余部分，再将两者相减转换回空间域，得到显著性图，二值化后得到相应的肺结节候选区，再通过特征提取和C-SVM(支持向量机)分类器分类，将假阳性样本去除。本发明的技术方案具体介绍如下。

一种基于视觉显著性谱残差方法的低剂量CT肺结节检测算法，具体步骤如下：

(1)肺实质分割：基于阈值法和形态学操作在低剂量CT图像上分割出肺实质区域；

(2)候选区提取：通过谱残差方法对肺实质区域进行显著性检测，提取具有视觉显著性的肺结节候选区；

(3)特征计算：对提取的肺结节候选区提取灰度和形态学特征；

(4)候选区分类：使用支持向量机C-SVM分类器对提取的肺结节候选区分类，去除假阳性样本，留下真实肺结节。

本发明中，步骤(1)中，使用大津法寻找最佳阈值，二值化图像后，寻找代表左右肺的最大连通区域，然后使用形态法修整，分割出肺实质分割区域；具体步骤如下：

①将CT图像转化为8位256级灰度图，统计图像的灰度直方图；

②每个区间像素数除以总像素数，转换为灰度概率；

③在[0，255]枚举阈值i；

④计算灰度区间[0，i]中前景像素总占比w0，前景像素平均灰度u0，灰度区间[i+1，255]中背景像素总占比w1，前景像素平均灰度u1；

⑤计算类间方差g_i＝w0*w1*(u0-u1)2；

⑥找到使g_i最大的i作为最优阈值t；

⑦二值化图像；