[发明专利]基于CT图像的肺结节检测方法

说明书

本发明涉及一种基于CT图像的肺结节检测方法，属于医学影像处理技术领域。检测方法包括：获取原始CT图像，对原始CT图像进行二值化；对二值化后的图像利用结构元素进行连续n次腐蚀，并且每次腐蚀后的图像进行卷积处理；将相邻两次经过腐蚀、卷积后的图像进行异或操作，找出腐蚀过程中消失的像素点；在原始CT图像上，以消失的像素点的位置为中心截取设定大小的肺结节疑似区域图片；将肺结节疑似区域图片输入训练好的分类模型中进行分类，完成肺结节的检测。本发明在进行肺结节区域的定位前，首先找出肺结节疑似区域，提高了肺结节区域定位的准确性，并且肺结节疑似区域只是对原始CT图像进行二值化、多次的腐蚀和卷积操作，整体过程简单。

技术领域

本发明涉及一种基于CT图像的肺结节检测方法，属于医学影像处理技术领域。

背景技术

肺癌是我国最常见的恶性肿瘤之一，我国肺癌的五年生存率仅为16.1％，而肺癌的早期确诊是提高患者生存率的重要手段。然而，肺癌早期特征——肺部结节并不明显，需要有效地对肺部结节(简称肺结节)进行鉴别诊断和治疗。诊断过程是为了快速明确肺结节是良性还是恶性，治疗过程是尽早切除恶性结节，因此肺结节的诊断和治疗不仅可以避免不必要的过度治疗，还是防治肺癌的关键。

目前对肺结节的诊断过程是通过CT图像配合临床经验进行诊断，但由于医疗资源有限，导致诊断效率不高，为此有人提出运用神经网络对CT图像进行肺结节的检测，给予医生辅助，能够较好的节省人力资源并提高检测效率。

一般情况下，进行肺结节识别的过程包括：首先，通过一种神经网络对CT图像进行分割，得到肺结节区域；然后，通过另一种神经网络对肺结节区域进行识别，对肺结节进行分级，进而完成肺结节的检测。

然而上述检测过程中，进行肺结节区域的确定时采用神经网络算法的准确性低。

发明内容

本申请的目的在于提供了基于CT图像的肺结节检测方法，用以解决现有检测不准确的问题。

为实现上述目的，本申请提出了第一种基于CT图像的肺结节检测方法的技术方案，包括以下步骤：

1)获取原始CT图像，对原始CT图像进行二值化；

2)对二值化后的图像利用结构元素进行连续n次腐蚀，并且每次腐蚀后的图像进行卷积处理；

3)将相邻两次经过腐蚀、卷积后的图像进行异或操作，找出腐蚀过程中消失的像素点；

4)在原始CT图像上，以消失的像素点的位置为中心截取设定大小的肺结节疑似区域图片；

5)将肺结节疑似区域图片输入训练好的分类模型中进行分类，完成肺结节的检测。

本发明的第一种基于CT图像的肺结节检测方法的技术方案的有益效果是：本发明在得到原始CT图像后，首先进行二值化处理，二值化处理是后续数学形态处理的基础，这里的数学形态处理即腐蚀处理，并且要经过连续n次腐蚀处理，每次腐蚀消除图像最边缘的像素点，对于结节区域，最后一次消除的像素点必为肺结节中心点，因此将相邻两次腐蚀、卷积后的图像进行异或操作即可找出腐蚀过程中消失的像素点，确定消失的像素点的位置，通过腐蚀次数以及每次腐蚀的像素点的层数，进而确定肺结节疑似区域在原始CT图像上的位置，最后将肺结节疑似区域截取出来在分类模型中分类，确定该区域是否为肺结节区域，完成肺结节的检测。本发明在进行肺结节区域的定位前，首先找出肺结节疑似区域，提高了肺结节区域定位检测的准确性，并且肺结节疑似区域的确定只是对原始CT图像进行二值化、多次的腐蚀和卷积操作，整体过程简单。

进一步的，为了得到分类模型，所述分类模型的训练方法为：对标注过的CT图像进行手动分割，得到数据集，对数据集进行训练。

进一步的，为了完成腐蚀操作，所述步骤2)中的结构元素为3*3的十字型结构元素、菱形结构元素、球形结构元素、或者圆盘形结构元素。