[发明专利]一种基于随机选取分区的肺气肿精准检测与量化分析方法

权利要求书

1.一种基于随机选取分区的肺气肿精准检测与量化分析方法，其特征在于包括下述步骤：（1）、先由数据输入模块完成CT图像序列输入和图像标准化预处理；（2）、肺实质和气管提取模块对CT图像进行自动分割提取肺实质和利用波前检测算法提取气管，提取肺组织感兴趣区域；（3）、然后对肺进行区域式划分，右肺三块区域，左肺两块区域，再根据随机区域选取模块在CT图像上随机提取肺实质体积计算该部分肺实质的肺气肿；（4）、慢阻肺病灶提取模块根据每个肺实质体积计算病灶与健康肺组织的CT值分布模型，利用层次聚类提取病灶区域；并根据提取的病灶区域计算病灶特征指数；（5）、输出与显示模块将各区域CT阈值显示在图像上，并将分类结果进行蒙色显示，显示肺气肿区域，根据分类结果计算区域肺气肿的各个指数；肺进行区域式划分时每个区域最高点到最低点距离相同，左肺分割成两个区域分割线在水平中线的位置；区域选取过程中，在各区域随机选取3-5区域作为肺气肿计算的区域，最终取得3-5圆柱区域为分析目标，在随机选取区域过程中，圆柱的直径保持在5—20像素距离，高度到当前肺组织边缘，并且各圆柱不相交进行选取；病灶特征指数包括慢阻肺病灶的位置、肺气肿百分比和CT阈值；区域肺气肿的各个指数包括CT阈值、肺气肿百分比；肺实质分割是自动阈值算法计算肺实质区域；气管分割是采用波前检测和低阈值区域增长算法去除肺实质区域气管。

2.根据权利要求1所述的一种基于随机选取分区的肺气肿精准检测与量化分析方法，其特征在于在分割后的每个区域肺实质体积，采用凝聚层次聚类算法计算各区域体积CT值的分布情况。

3.根据权利要求1所述的一种基于随机选取分区的肺气肿精准检测与量化分析方法，其特征在于凝聚层次聚类算法采用自下而上的算法，自下而上的算法将每个数据点视为一个单一的类，然后连续的合并成对的类，直到所有的类都合并成一个包含所有数据点的类；通过凝聚层次聚类算法计算得出肺气肿的分类结果、分类的CT阈值，对各随机区域的CT数据分类并进行蒙色标注；通过CT阈值将各区域划分为健康区域、不健康区域和不确定区域；同时根据CT阈值计算肺气肿在该区域的百分比，从而可判断该区域肺气肿的严重程度。

4.根据权利要求1所述的一种基于随机选取分区的肺气肿精准检测与量化分析方法，其特征在于根据计算得到的各随机区域肺气肿分类结果、CT阈值和气肿百分比信息，对各区域肺气肿病灶位置进行标注，并将肺气肿阈值显示在CT图像中；同时生成三维提取区域柱状图。

5.根据权利要求3所述的一种基于随机选取分区的肺气肿精准检测与量化分析方法，其特征在于对蒙色标注不准确的区域进行调整，改变CT阈值的大小，根据反馈结果自动调整蒙色信息；并且将调整后的结果反馈到网络，从而不断修正算法的精度，提高气肿分类准确性。