專利名稱：一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及肺結(jié)節(jié)檢測(cè)領(lǐng)域，尤其涉及一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法。
背景技術(shù)：
近年來(lái)，肺癌死亡人數(shù)已經(jīng)占到所有癌癥死亡人數(shù)的第一位，美國(guó)癌癥協(xié)會(huì)估計(jì)在2009年，肺癌將占整個(gè)癌癥病例的28%，而肺癌病人的5年存活率只有14%，但如果能檢測(cè)到作為早期肺癌的肺結(jié)節(jié)，再配合適當(dāng)?shù)闹委?，病人的存活率可以提高?0%。CT被認(rèn)為是檢測(cè)肺結(jié)節(jié)的最佳方法一一“金標(biāo)準(zhǔn)”，然而，因?yàn)榻?jīng)濟(jì)、方便和放射劑量適中等原因，X光胸片更常用，事實(shí)上，幾乎所有的早期肺癌都是通過(guò)胸片發(fā)現(xiàn)的，但對(duì)放射科醫(yī)生來(lái)說(shuō)，基于胸片發(fā)現(xiàn)早期肺癌是一件很困難的任務(wù)。近20年來(lái)，基于胸片肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)系統(tǒng)一直是研究熱點(diǎn)。雖然基于胸片的肺結(jié)節(jié)檢測(cè)系統(tǒng)性能在近10年提高了很多，但還是面臨檢測(cè)結(jié)果存在大量假陽(yáng)性的問(wèn)題。研究表明，如果檢測(cè)系統(tǒng)的假陽(yáng)性達(dá)到每副圖像11個(gè)，哪怕它的結(jié)節(jié)檢出率達(dá)到80%，也不能幫助醫(yī)生提高診斷精度.但如果系統(tǒng)的假陽(yáng)性只有4個(gè)，醫(yī)生對(duì)結(jié)節(jié)的檢出率會(huì)得到有效的提高。對(duì)于當(dāng)前的檢測(cè)系統(tǒng)，最大問(wèn)題是如何在提高結(jié)節(jié)檢測(cè)率的同時(shí)，降低檢測(cè)結(jié)果中的假陽(yáng)性。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題在于提供一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，為醫(yī)生讀片提供參考，進(jìn)而解決檢測(cè)率不高，假陽(yáng)性過(guò)多的問(wèn)題。為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，具體技術(shù)方案如下:—種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，包括:獲取肺區(qū)軟組織圖像；通過(guò)灰度形態(tài)學(xué)，將所述肺區(qū)軟組織圖像轉(zhuǎn)化為第一結(jié)節(jié)增強(qiáng)圖像和線性結(jié)構(gòu)增強(qiáng)圖像；通過(guò)對(duì)比，將所述第一結(jié)節(jié)增強(qiáng)圖像中包含的線性結(jié)構(gòu)增強(qiáng)圖案去除，生成第二結(jié)節(jié)增強(qiáng)圖像；通過(guò)統(tǒng)計(jì)方法，將所述第二結(jié)節(jié)增強(qiáng)圖像轉(zhuǎn)換為結(jié)節(jié)可能性圖像；從所述結(jié)節(jié)可能性圖像中獲取可疑節(jié)點(diǎn)，并從可疑結(jié)節(jié)中識(shí)別出真實(shí)結(jié)節(jié)并標(biāo)識(shí)。其中，所述從所述結(jié)節(jié)可能性圖像中獲取可疑結(jié)節(jié)，并從可疑節(jié)點(diǎn)中識(shí)別出真實(shí)結(jié)節(jié)并標(biāo)識(shí)，包括:引入閾值法從所述可能性圖像中提取結(jié)節(jié)區(qū)域；引入形態(tài)學(xué)方法獲得結(jié)節(jié)的粗略區(qū)域，得到可疑結(jié)節(jié)；引入分水嶺算法分割結(jié)節(jié)的粗略區(qū)域獲得分割結(jié)果；基于分割結(jié)果標(biāo)識(shí)真實(shí)結(jié)節(jié)。其中，所述引入閾值法從所述可能性圖像中提取結(jié)節(jié)區(qū)域步驟包括:從結(jié)節(jié)可能值圖像中選取若干個(gè)峰值點(diǎn)作為可疑結(jié)節(jié)的初始位置；如果任意兩個(gè)峰值點(diǎn)之間的距離小于閾值，則具有更大值的點(diǎn)被選作可疑結(jié)節(jié)。
其中。所述引入分水嶺算法分割結(jié)節(jié)的粗略區(qū)域獲得分割結(jié)果步驟包括:首先，以某一可疑結(jié)節(jié)位置為中心點(diǎn)從結(jié)節(jié)肋骨圖像上截取一感興趣區(qū)域；其次，用灰度閾值法獲得初始分割區(qū)域；然后，用二值的形態(tài)學(xué)腐蝕運(yùn)算去除初始分割區(qū)域中一些不屬于結(jié)節(jié)的部分；再后，用膨脹運(yùn)算還原分割區(qū)域的大?。蛔詈?，采用分水嶺算法對(duì)分割區(qū)域中的結(jié)節(jié)進(jìn)行精分割。本發(fā)明提供的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，由于方法為基于虛擬雙能量的計(jì)算機(jī)輔助技術(shù)，提高了結(jié)節(jié)的檢測(cè)性能。


圖1為本發(fā)明實(shí)施例提供的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法中感興趣點(diǎn)O的結(jié)節(jié)可能值計(jì)算圓環(huán)示意圖。
具體實(shí)施例方式本發(fā)明實(shí)施例提供一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，能夠檢測(cè)到更多被肋骨等結(jié)構(gòu)遮擋的結(jié)節(jié)，同時(shí)降低假陽(yáng)性。為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，具體技術(shù)方案如下:一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，包括:獲取肺區(qū)軟組織圖像；通過(guò)灰度形態(tài)學(xué)，將所述肺區(qū)軟組織圖像轉(zhuǎn)化為第一結(jié)節(jié)增強(qiáng)圖像和線性結(jié)構(gòu)增強(qiáng)圖像；通過(guò)對(duì)比，將所述第一結(jié)節(jié)增強(qiáng)圖像中包含的線性結(jié)構(gòu)增強(qiáng)圖案去除，生成第二結(jié)節(jié)增強(qiáng)圖像；通過(guò)統(tǒng)計(jì)方法，將所述第二結(jié)節(jié)增強(qiáng)圖像轉(zhuǎn)換為結(jié)節(jié)可能性圖像；從所述結(jié)節(jié)可能性圖像中獲取可疑節(jié)點(diǎn)，并從可疑結(jié)節(jié)中識(shí)別出真實(shí)結(jié)節(jié)并標(biāo)識(shí)。其中，所述從所述結(jié)節(jié)可能性圖像中獲取可疑結(jié)節(jié)，并從可疑節(jié)點(diǎn)中識(shí)別出真實(shí)結(jié)節(jié)并標(biāo)識(shí)，包括:引入閾值法從所述可能性圖像中提取結(jié)節(jié)區(qū)域；引入形態(tài)學(xué)方法獲得結(jié)節(jié)的粗略區(qū)域，得到可疑結(jié)節(jié)；引入分水嶺算法分割結(jié)節(jié)的粗略區(qū)域獲得分割結(jié)果；基于分割結(jié)果標(biāo)識(shí)真實(shí)結(jié)節(jié)。其中，所述引入閾值法從所述可能性圖像中提取結(jié)節(jié)區(qū)域步驟包括:從結(jié)節(jié)可能值圖像中選取若干個(gè)峰值點(diǎn)作為可疑結(jié)節(jié)的初始位置；如果任意兩個(gè)峰值點(diǎn)之間的距離小于閾值，則具有更大值的點(diǎn)被選作可疑結(jié)節(jié)。其中。所述引入分水嶺算法分割結(jié)節(jié)的粗略區(qū)域獲得分割結(jié)果步驟包括:首先，以某一可疑結(jié)節(jié)位置為中心點(diǎn)從結(jié)節(jié)肋骨圖像上截取一感興趣區(qū)域；其次，用灰度閾值法獲得初始分割區(qū)域；然后，用二值的形態(tài)學(xué)腐蝕運(yùn)算去除初始分割區(qū)域中一些不屬于結(jié)節(jié)的部分；再后，用膨脹運(yùn)算還原分割區(qū)域的大??；最后，采用分水嶺算法對(duì)分割區(qū)域中的結(jié)節(jié)進(jìn)行精分割。本發(fā)明提供的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，由于方法為基于虛擬雙能量的計(jì)算機(jī)輔助技術(shù)，提高了結(jié)節(jié)的檢測(cè)性能。為了便于本領(lǐng)域技術(shù)人員更好的理解本發(fā)明實(shí)施例提供的計(jì)算機(jī)輔助標(biāo)識(shí)肺結(jié)節(jié)的方法，下面結(jié)合附圖對(duì)本發(fā)明實(shí)施例計(jì)算機(jī)輔助標(biāo)識(shí)肺結(jié)節(jié)的方法進(jìn)行詳細(xì)描述。本發(fā)明實(shí)施例提供的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，包括:通過(guò)基于活動(dòng)形狀模型的肺區(qū)分割方法和肺區(qū)背景噪聲去除技術(shù)對(duì)圖像進(jìn)行預(yù)處理。為了和其他學(xué)者研究結(jié)果作比較，我們使用日本放射技術(shù)學(xué)會(huì)(Japanese Societyof Radiology Technology, JSRT)提供的公共數(shù)據(jù)庫(kù)測(cè)試本文系統(tǒng)的檢測(cè)性能。圖像中所有肺結(jié)節(jié)經(jīng)過(guò)CT確認(rèn)，結(jié)節(jié)大小從5mm到40mm不等.肺結(jié)節(jié)按照明顯度不同被放射科醫(yī)生分為5類:很明顯、明顯、不明顯、很不明顯和極其不明顯。我們把以下圖像從測(cè)試庫(kù)中去除:(I)含有大于35mm結(jié)節(jié)的圖像；(2) —個(gè)病人多于兩個(gè)結(jié)節(jié)的圖像；(3)放射科醫(yī)生不能確定結(jié)節(jié)邊緣的圖像；(4)結(jié)節(jié)被心臟、橫隔遮擋的圖像。所述分割方法以ASM模型為基礎(chǔ)，在模型中固定不同類型邊界的轉(zhuǎn)換點(diǎn).模型在分割過(guò)程中每段邊緣只要匹配所屬類型邊緣的特征即可.獲得肺分割結(jié)果后，將左右肺區(qū)分別擬合到一二階多項(xiàng)式式(1)，用原圖減肺區(qū)擬合多項(xiàng)式獲取背景噪聲去除的預(yù)處理圖像。
權(quán)利要求
1.一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，其特征在于，包括: a.獲取肺區(qū)軟組織圖像； b.通過(guò)灰度形態(tài)學(xué)，將所述肺區(qū)軟組織圖像轉(zhuǎn)化為第一結(jié)節(jié)增強(qiáng)圖像和線性結(jié)構(gòu)增強(qiáng)圖像； c.通過(guò)對(duì)比，將所述第一結(jié)節(jié)增強(qiáng)圖像中包含的線性結(jié)構(gòu)增強(qiáng)圖案去除，生成第二結(jié)節(jié)增強(qiáng)圖像； d.通過(guò)統(tǒng)計(jì)方法，將所述第二結(jié)節(jié)增強(qiáng)圖像轉(zhuǎn)換為結(jié)節(jié)可能性圖像； e.從所述結(jié)節(jié)可能性圖像中獲取可疑節(jié)點(diǎn)，并從可疑結(jié)節(jié)中識(shí)別出真實(shí)結(jié)節(jié)并標(biāo)識(shí)。
2.根據(jù)權(quán)利要求1所述的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，其特征在于，所述從所述結(jié)節(jié)可能性圖像中獲取可疑結(jié)節(jié)，并從可疑節(jié)點(diǎn)中識(shí)別出真實(shí)結(jié)節(jié)并標(biāo)識(shí)，包括: 引入閾值法從所述可能性圖像中提取結(jié)節(jié)區(qū)域； 引入形態(tài)學(xué)方法獲得結(jié)節(jié)的粗略區(qū)域，得到可疑結(jié)節(jié)； 引入分水嶺算法分割結(jié)節(jié)的粗略區(qū)域獲得分割結(jié)果； 基于分割結(jié)果標(biāo)識(shí)真實(shí)結(jié)節(jié)。
3.根據(jù)權(quán)利要求2所述的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，其特征在于，所述引入閾值法從所述可能性圖像中提取結(jié)節(jié)區(qū)域步驟包括:從結(jié)節(jié)可能值圖像中選取若干個(gè)峰值點(diǎn)作為可疑結(jié)節(jié)的初始位置；如果任意兩個(gè)峰值點(diǎn)之間的距離小于閾值，則具有更大值的點(diǎn)被選作可疑結(jié)節(jié)。
4.根據(jù)權(quán)利要求3所述的一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，其特征在于，所述引入分水嶺算法分割結(jié)節(jié)的粗略區(qū)域獲得分割結(jié)果步驟包括:首先，以某一可疑結(jié)節(jié)位置為中心點(diǎn)從結(jié)節(jié)肋骨圖像上截取一感興趣區(qū)域；其次，用灰度閾值法獲得初始分割區(qū)域；然后，用二值的形態(tài)學(xué)腐蝕運(yùn)算去除初始分割區(qū)域中一些不屬于結(jié)節(jié)的部分；再后，用膨脹運(yùn)算還原分割區(qū)域的大??；最后，采用分水嶺算法對(duì)分割區(qū)域中的結(jié)節(jié)進(jìn)行精分割。
全文摘要
本發(fā)明公開(kāi)了一種基于虛擬軟組織圖像的計(jì)算機(jī)輔助檢測(cè)早期肺癌結(jié)節(jié)的方法，包括通過(guò)虛擬雙能量技術(shù)獲取基于胸片的肺區(qū)軟組織的圖像；通過(guò)灰度形態(tài)學(xué)，將所述肺區(qū)軟組織圖像轉(zhuǎn)化為第一結(jié)節(jié)增強(qiáng)圖像和線性結(jié)構(gòu)增強(qiáng)圖像；通過(guò)對(duì)比，將所述第一結(jié)節(jié)增強(qiáng)圖像中包含的線性結(jié)構(gòu)增強(qiáng)圖案去除，生成第二結(jié)節(jié)增強(qiáng)圖像；通過(guò)統(tǒng)計(jì)方法，將所述第二結(jié)節(jié)增強(qiáng)圖像轉(zhuǎn)換為結(jié)節(jié)可能性圖像；從所述結(jié)節(jié)可能性圖像中獲取可疑節(jié)點(diǎn)，并從可疑結(jié)節(jié)中識(shí)別出真實(shí)結(jié)節(jié)并標(biāo)識(shí)。本發(fā)明能夠高性能的檢測(cè)早期肺癌小結(jié)節(jié)，降低診斷系統(tǒng)假陽(yáng)性。
文檔編號(hào)G06F19/00GK103186702SQ201110453048
公開(kāi)日2013年7月3日 申請(qǐng)日期2011年12月30日 優(yōu)先權(quán)日2011年12月30日
發(fā)明者陳 勝, 周廣生 申請(qǐng)人:無(wú)錫睿影信息技術(shù)有限公司