[发明专利]用于肺实质CT图像的全自动分割方法

说明书

本发明公开了一种用于肺实质CT图像的全自动分割方法，其特征在于，包括以下步骤：1)肺实质模板初步提取；2)左右肺全自动分离；3)纵膈面平滑；4)肋面平滑。本发明设计了一种用于肺实质CT图像的全自动分割方法，可实现肺部CT图像全自动精确分割，有助于辅助临床医生诊断肺部疾病，大大减少医生的工作量和操作时间，更快更准确地检查出肺部疾病。本发明在得到初步肺实质模板后，进行左右肺全自动分离、纵膈面平滑、肋面平滑的操作，保证了分割结果的准确性、完整性和鲁棒性，辅助临床医生诊断肺部疾病；本发明全部过程无需手工标定和设置参数，确保了肺实质CT图像分割方法的广泛性和普遍性。

技术领域

本发明涉及医学图像处理领域，特别涉及一种用于肺实质CT图像的全自动分割方法。

背景技术

随着计算机断层扫描(Computer Tomography,CT)技术和计算机图像处理技术的发展，计算机辅助诊断系统(Computer-Aided Diagnosis,CAD)为准确、快速、自动的分析和处理CT图像数据提供了新的手段，有助于提高医生诊断的敏感性和特异性。在针对肺部疾病的计算机辅助诊断的研究中，肺实质的分割可以排除CT图像中无关因素(如胸廓、心脏、检查床等)的影响、减少不必要的计算，分割的准确与否是影响肺部疾病的定量分析、肺结节的检测和肺功能评估的关键环节。

申请号为201310241384.1，名称为一种基于抛物线修正凸包的肺实质分割方法的专利，介绍了一种基于抛物线修正凸包的肺实质分割方法的实现步骤：粗提取肺实质轮廓图像、肺实质外轮廓修复、肺实质内部边缘修复，但其在初步获得肺实质轮廓图像后仅进行肺实质外轮廓和内部边缘修复，适用范围窄。申请号：201510426463.9，名称为一种CT图像肺实质的自动分割方法的专利，介绍一种CT图像肺实质的自动分割方法的实现步骤：预处理、选取目标种子点、获取初步肺实质掩膜、调整目标种子点和背景种子点位置、获取精确肺实质图像，但其也存在与上述专利相同的不足。申请号：201710712015.4，名称为一种基于聚类算法和卷积神经网络的肺实质提取方法的专利，介绍了一种基于聚类算法和卷积神经网络的肺实质提取方法的实现步骤：预处理、建立卷积神经网络、得到CT图像肺实质图像区域。但该专利仅实现CT图像中肺实质区域提取，未涉及对CT图像中肺实质区域精确分割。申请号：201710039672.7，名称为基于广度优先搜索的CT图像肺实质模板气管消除方法的专利，介绍了基于广度优先搜索的CT图像肺实质模板气管消除方法的实现步骤。但该专利仅实现CT图像中肺实质模板气管消除，未涉及肺实质模板气管消除、后续的边界修复，难以实现肺实质CT图像的完备精确分割。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种用于肺实质CT图像的全自动分割方法。

为解决上述技术问题，本发明采用的技术方案是：一种用于肺实质CT图像的全自动分割方法，包括以下步骤：

1)肺实质模板初步提取：先对胸部CT图像进行二值化处理，去除胸腔外图像后，在肺实质图像中自动选择种子点，使用区域生长、气管剔除和空洞填充方法初步提取出肺实质图像部分，得到初步肺实质模板图像A；

2)左右肺全自动分离：运用动态规划技术，对初步肺实质模板图像依次进行形态学腐蚀和有条件的膨胀迭代处理；

3)纵膈面平滑：对左右肺分离后的肺实质模板图像进行修复，包括使用形态学闭操作填补大肺气管造成的边界缺口，结合形态学腐蚀、连通区域标记和形态学膨胀去除肺边界附近小气管引起的小凸起，运用形态学腐蚀、连通区域标记、形态学膨胀和图像差值去除左右主支气管进入肺引起的边界大凸起；

4)肋面平滑：包含感兴趣区域提取、角点检测、凸包获取。

优选的是，所述步骤1)中，肺实质模板初步提取根据图像CT值自动判定胸腔外图像并进行去除，以避免因病人CT检查姿势不对导致胸腔外图像(脖子、头颅)包含进胸部CT图像而影响后续肺实质图像的分割结果。