[发明专利]一种肺部图像分割和跟踪方法和系统

说明书

本发明属于模式识别、图像处理、计算机视觉技术领域，具体为一种肺部图像分割和跟踪方法和系统。本发明方法包括：通过医疗影像设备对人体扫描获得按顺序排列的CT图像序列；图像中CT值满足一定条件的像素点标记为前景点；通过8邻居区域生长法将前景点聚类为连通区域；采用滤波方法对连通区域进行过滤筛选；顺序扫描每个切片的CT图像，标记出左肺和右肺；分别从左肺和右肺开始沿着起始帧向下扫描，找到与前一帧图像满足一致性检验的当前肺部区域；实验表明，本发明方法可以获得较好的肺部分割与跟踪效果，作为后续计算机辅助诊断的基础。

技术领域

本发明属于模式识别、图像处理、计算机视觉技术领域，具体涉及一种图像序列中肺部自动分割和跟踪的图像处理方法和系统，可以用于CT图像中的肺部分割。

背景技术

医学影像的计算机辅助诊断一直以来受到广泛关注。对于肺部肿块的自动诊断任务，不论采用何种技术方案，如：深度神经网络、图像分割、图像配准等，所有后期辅助诊断技术都依赖于肺部图像的分割，只有通过图像分析自动分割、定位肺部，才能进行后续的分析和处理。

近期流行的肺部图像分割方法包括水平集的方法[1]、基于随机游走的方法[2]等。实际上，所有分割方法都各有优缺点，很难说哪个方法绝对有优势。另一方面，现有方法大都是基于单个切片图像的分割，而医学影像都是由图像序列组成的，包括多个切片，空间临近的切片组成连续帧，基于临近图像帧具有一致性的观察，本发明提出基于图像序列的肺部分割、定位和跟踪方法，根据医学知识找到肺部分割的初始图像帧，然后根据一致性检验分别跟踪左肺和右肺。

根据观察，如果遍历CT图像切片并将其看作是类似视频的图像序列，肺部肿块总是以近乎突变的方式出现，并且持续存在的帧数很短。因此，相比单帧图像的肺部图像分割方法，本发明提出的基于连续帧图像内容一致性检验的肺部分割、定位和跟踪的方法更适用于基于连续帧图像突变检测的肺部肿块计算机辅助诊断方法。

参考文献：

[1]BijjuKranthiVeduruparthi,JayantaMukhopadhyay,ParthaPratim Das,Mandira Sahay,SriramPrasathy,SoumendranathRayy,Raj Kumar Shrimaliy,and SanjoyChatterjee,“Segmentation of Lung Tumor in Cone Beam CT Images based on Level-Sets”,ICIP 2018,IEEE,pp.1398-1402.

[2]Zhe Liu,Yuqing Song,Charlie Maere,Qingfeng Liu,Yan Zhu,Hu Lu,andDeqi Yuan,“A Method for PET-CT Lung Cancer Segmentation based on ImprovedRandom Walk”,201824th International Conference on Pattern Recognition(ICPR),IEEE,pp.1187-1192,Beijing,China,August20-24,2018.。

发明内容

本发明的目的在于提出一种图像序列中肺部自动分割和跟踪的图像处理方法和系统，是后续计算机辅助诊断的基础。

本发明提出的图像序列中肺部自动分割和跟踪的图像处理方法，具体步骤如下：

(a)通过医疗影像设备对人体扫描获得按顺序排列的CT图像序列，空间相邻的两个切片对应相邻帧的图像；

(b)根据医学影像学，图像中CT值满足一定条件的像素点可能属于肺，将这些点标记为前景点；

进一步地，具体可有以下2种代表性的计算方法：