[发明专利]一种基于胸部CT影像的肺实质自动分割方法

说明书

本发明提供一种基于胸部CT影像的肺实质自动分割方法，由于采用了自动种子点提取方法来提取种子点，采用了区域生长方法以及孔洞填充方法来提取得到胸腔轮廓，采用了面积阈值方法来去除两个连通域中的气管区域，从而得到肺实质区域，进一步地，还将得到的肺实质区域以及对应的胸部CT影像作为一一对应的标签和图像，组成训练集，基于该训练集进行分割网络的训练，得到训练好的肺实质分割网格模型，用于后续从新的胸部CT影像中提取肺实质区域，因此，该方法能够自动获取分割标签，不再需要人工进行标注，减少了人工工作量，提高了效率，并且获取的分割标签具有较高的一致性。

技术领域

本发明属于医学影像处理领域，具体涉及一种基于胸部CT影像的肺实质自动分割方法。

背景技术

CT影像为临床上诊断肺部疾病的重要技术手段，尤其对于肺癌而言，早期的肺结节等征象发现及分析，可以提早进行临床干预治疗，降低疾病恶化的风险。目前临床上对肺结节的分析主要依靠临床医生根据大量的二维CT切片图像进行分析，效率较低，而且容易错失部分关键信息，造成漏诊、误诊等现象发生，因此，实现包含肺结节的肺实质区域的三维重建则显得十分重要。肺实质作为评估与研究疾病的关键区域，其准确的分割与重建对进一步的研究肺部各器官功能的组织与病变至关重要。

传统的肺实质分割方式需要人工进行干预，目前，可以采用深度学习模型方法进行肺实质的分割，但是对于分割标签的获取往往需要临床医生通过手工进行标注，工作量大且效率较低。同时，分割标签可能来自多位医生，由于多位医生存在相关医学经验、判断标准等方面的差异，也会对标签的一致性造成一定影响。

发明内容

为解决上述问题，提供一种基于胸部CT影像的肺实质自动分割方法，本发明采用了如下技术方案：

本发明提供了一种基于胸部CT影像的肺实质自动分割方法，用于从胸部CT影像中提取得到肺实质区域，其特征在于，包括步骤S1，使用种子点提取方法从胸部CT影像中选取种子点；步骤S2，基于种子点，使用区域生长方法以及孔洞填充方法提取得到胸腔轮廓；步骤S3，在胸腔轮廓的范围内进行连通域分析，判断是否存在两个面积相近的连通域；步骤S4，当步骤S3判断为否时，使用角点检测方法对胸腔轮廓进行分离，得到两个连通域；步骤S5，使用面积阈值方法分别去除两个连通域中的气管区域，得到肺实质区域；步骤S6，将肺实质区域作为标签，将肺实质区域对应的胸部CT影像作为与标签对应的图像，组成训练集，基于该训练集进行分割网络的训练，得到训练好的肺实质分割网格模型，并使用肺实质分割网格模型来从新的胸部CT影像中提取肺实质区域。

本发明提供的基于胸部CT影像的肺实质自动分割方法，还可以具有这样的技术特征，其中，种子点提取方法包括以下步骤：步骤A1，使用具有预定尺寸及预定步长的滑窗对胸部CT影像进行全局遍历，判断每个滑窗内的图像的平均像素灰度值是否高于设定阈值，当判断为是时，将滑窗作为初步选定滑窗；步骤A2，对每个初步选定滑窗以及和初步选定滑窗邻接的四个滑窗进行相似性测度计算，判断该初步选定滑窗和四个邻接的滑窗是否都具有高相似性，当判断为是时，提取初步选定滑窗的质心作为种子点。

本发明提供的基于胸部CT影像的肺实质自动分割方法，还可以具有这样的技术特征，其中，相似性测度计算包括灰度相似性计算、纹理相似性计算以及结构相似性计算，灰度相似性计算采用了均值差分算法进行计算：

纹理相似性计算采用了熵差分算法进行计算：

结构相似性计算采用了基于哈希编码的汉明值进行计算：

式中，N为图像的尺度，X为中间区域图像的像素灰度值，Y_n为X的领域图像的像素灰度值，E_x、E_y为图像熵，i为像素的灰度值，j为领域图像的灰度均值，P_ij为图像取灰度值ij的概率。