[发明专利]一种针对肺CT图像阈值分割结果的肺膜粘连结节区域精确修复方法

说明书

本发明公开了一种针对肺CT图像阈值分割结果的肺膜粘连结节区域修复方法，通过对肺部二值图像进行SIFT特征检测获得图像中的特征点，并对上述获得的非边界特征点计算其最近邻替代点，并使用计算出的替代点替换原非边界特征点后，获得对应的边界特征点集合；针对上述边界特征点集合中的每一个边界特征点，基于特定的规则提取支撑边界；并根据计算得到的支撑边界图像中各支撑边界的联通性对其分段，获得图中彼此独立的支撑边界；对每个支撑边界分段,使用基于弯曲度编码对待修复的边界进行识别；对识别出的部分使用基于GVF的方法驱动光滑轮廓曲线以修复凹陷区域及边界。本发明应用本发明方法可以精确修复阈值分割结果中遗漏的肺膜黏连结节区域，将肺膜结节区域重新纳入肺实质区域中，从而保障了肺部CT图像病变组织分析算法的准确性。

技术领域

本发明属于肺部CT图像分析处理技术领域，具体涉及一种针对肺CT图像阈值分割结果的肺膜粘连结节区域精确修复方法。

背景技术

近二十年以来，我国肺癌发病人数急剧增加。另外，因为肺癌在所有癌症中致死率较高，它成为危害我国居民健康的重要疾病。对于肺癌，使用CT设备进行影像学检查是当前重要的诊断手段。因此，针对肺部CT图像的识别技术是值得重视的。

随着计算机硬件计算能力的提高以及相关算法理论的完善，针对肺CT图像使用计算机硬件和算法辅助检测病变部位的方案已越来越成熟。其中，从肺部CT图像中精确提取肺区域成为节省计算资源、提高识别准确性的重要和首要手段。

在图像处理算法中，提取肺部区域的基本依据是CT图像中不同组织间的HU值范围存在差异，故大部分肺区域自动提取算法常设定一个经验阈值或通过计算获得阈值。

使用阈值遍历所有的像素点后，根据每一个像素点的CT值与阈值的大小关系，将像素点划分为肺区域或者其他区域两类。待所有点被处理完毕后，将提取到的像素点组成肺区域，并送入下一个处理流程识别其中的病变组织。

但使用上述基于阈值的方法提取肺区域有时存在问题，特别是在与肺膜粘结的肺结节上该问题更为严重。

该问题表现在CT图像上与肺膜粘连的肺结节和周围其他组织具有相近的CT值，因此基于阈值的方法常常将这些肺膜粘连型肺结节排除在肺区域之外。

但是，肺膜粘连肺结节具有较高的阳性肺结节可能性。因此，若将这些结节区域排除在肺区域外，通过算法识别出的病变部位中将缺少这部分区域，从而对算法的可靠性和准确性产生影响。

另外，一些肺边界修复算法将两个端点的连接直线段作为修复后的边界。这种方案获得的修复边界太过平直，与周围正常的肺边界存在差异而且不符合正常肺边界的形态学特征。同时，使用直线段作为边界后，使肺膜结节外部边界形状发生改变，从而影响了对肺膜结节各种形态学、统计学特征的计算结果，最终导致后续识别病变算法中出现结果识别错误。

所以，有必要开发新的算法将肺膜结节区域再次处理，以精确地将肺膜结节所在的区域重新纳入肺区域中。

综上所述，现有肺区域提取分割算法存在的主要问题是：

基于阈值提取后的肺实质区域中常常缺失肺膜粘连肺结节所在的区域。

现有技术采用直线修复的方式，修复的结果与周围正常的肺边界存在差异、不符合正常肺边界的形态学特征。

现有的部分肺结节区域处理算法存在依赖算法初始条件的问题。在初始条件较差时，需要二次或再次处理，使算法存在处理效率不高的问题。

部分肺结节区域处理算法对病变区域的位置处理方案不完善，存在对病变位置识别精度不高的问题。

发明内容

为了将二值图像中的肺膜结节区域准确地重新纳入肺实质区域中，本发明提供了一种基于弯曲度编码和梯度向量流的粘连肺结节区域修复算法。

为了达到上述目的，本发明采用的技术方案如下：