[发明专利]一种淋巴结CT图像自动分割方法及系统

说明书

本发明公开了一种淋巴结CT图像自动分割方法及系统，包括以下步骤：指定目标淋巴结，结合淋巴结CT图像增强和自适应阈值自动确定淋巴结内部标识区域和淋巴结外部标识区域；自适应确定淋巴结灰度阈值，并完善淋巴结外部标识区域；基于原始灰度图像的灰度梯度图像，利用标识区域控制分水岭模型对梯度图像进行自动分割，获得最终分割结果。本发明仅需指定目标淋巴结，便可实现对目标淋巴结的自动分割。本发明结合多尺度Hessian矩阵增强、自适应阈值和区域控制分水岭模型，综合了淋巴结的形态特征和灰度特征，从而保证了分割过程的自动性和有效性。

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种淋巴结CT图像自动分割方法及系统。

背景技术

癌症检测、诊断与治疗是临床医学研究的重要方向之一。淋巴结是人体内产生免疫应答的重要器官，淋巴结定性、定量分析在癌症分期、疗效评估等方面具有非常重要的意义。在临床上，对淋巴结的检测和评估通常是基于CT图像，要对淋巴结进行定性、定量分析如目标淋巴结的尺寸等，往往首先需要对淋巴结图像进行分割，即精确提取出淋巴结所在的区域。人工分割即由医生手动勾画淋巴结边界，费时费力，而且受医生经验等主观性的限制。因此，用计算机算法准确、快速、自动地分割淋巴结CT图像就显得很有必要。淋巴结分布比较广，和周围的软组织不仅灰度范围重合，而且容易连接在一起。这就使得淋巴结CT图像自动分割非常具有挑战性。目前，针对淋巴结CT图像自动分割算法的研究并不多，而且往往针对某一部位进行(1.魏俊，何凌等，“CT图像的颈部淋巴结半自动分割算法”，计算机工程与设计，Vol.36,No.11,pp.3014-3018,2015；2.宋懿花，葛晨等，“一种基于水平集的胸部淋巴结全自动分割算法”，软件，Vol.41,No.2,pp.44-48,2020)。也有利用最大类间方差与形态学的方法(张艳玲，何鑫驰等，“基于最大类间方差与形态学的淋巴结图像分割”，计算机科学，Vol.40,No.8,pp.296-299,2013)和基于深度学习的算法(张璐.基于深度学习的淋巴结自动分割算法研究，浙江大学硕士学位论文，2019)。因为CT图像中淋巴结灰度和相邻软组织极为相似，所以基于最大类间方差于形态学的方法难以获得理想的分割效果。张璐的深度学习方法针对的是PET-CT图像，而不单单是CT图像。为更好地实现对淋巴结CT图像的快速、有效分割，本发明提出一种结合Hessian矩阵图像增强、自适应阈值和标识区域控制分水岭模型的淋巴结CT图像自动分割方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种淋巴结CT图像自动分割方法及系统，以解决现有技术的不足。

为实现上述目的，本发明提供了一种淋巴结CT图像自动分割方法，包括以下步骤：

指定目标淋巴结，结合淋巴结CT图像增强和自适应阈值自动确定淋巴结内部标识区域和淋巴结外部标识区域；

自适应确定淋巴结灰度阈值，并完善淋巴结外部标识区域；

基于原始灰度图像的灰度梯度图像，利用标识区域控制分水岭模型对梯度图像进行自动分割，获得最终分割结果。

优选的，所述结合淋巴结CT图像增强和自适应阈值自动确定淋巴结内部标识区域和淋巴结外部标识区域，具体为：

根据淋巴结通常呈现为一定圆形的形态特征，利用多尺度Hessian矩阵增强淋巴结图像中具有圆形形态特征的区域，并根据不同尺度下，图像的增强效果，自动获得最佳尺度，以及该尺度下图像中每点所在物体的圆形度，从而得到对应的圆形度图像；

以目标淋巴结中心处的圆形度C₀为参考，以0.6C₀为自适应圆形度阈值，对圆形度图像进行阈值处理；

将目标淋巴结中心点处高于圆形度阈值的连通区域作为淋巴结的内部标识区域，同时将其他高于圆形度阈值的区域作为淋巴结的外部标识区域。