一種肺部ct圖像粘連血管型結(jié)節(jié)檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種肺結(jié)節(jié)檢測方法，具體地說是一種肺部CT圖像粘連血管型結(jié)節(jié) 檢測方法。
【背景技術(shù)】
[0002] 肺癌是目前世界上人類因惡性腫瘤而死亡的主要腫瘤之一。根據(jù)我國衛(wèi)生腫瘤防 治辦公室提供的資料顯示，2000至2005年間，中國肺癌的發(fā)病人數(shù)估計增加12萬人。隨著 現(xiàn)代科技的發(fā)展，雖然肺癌的各種治療手段都有了很大的進步，但肺癌的五年內(nèi)存活率只 有13.9%。該其中的主要原因是肺癌初期病人沒有過多的不適癥狀，而當(dāng)病人出現(xiàn)突然的 身體消瘦、低燒、咳嗽，甚至咳血及胸部疼痛的癥狀后，一般來說肺部腫瘤已達到晚期，治愈 效果極差?；疌AP巧arly Lung Cancer Action Project,早期肺癌研究項目）研究結(jié)果表 明肺癌的早期診斷和治療對提高治愈率和預(yù)后效果起著至關(guān)重要的作用。因此，"早診斷， 早發(fā)現(xiàn)，早治療"是降低肺癌死亡率的重要措施。
[0003] 肺癌早期的影像學(xué)檢查手段主要包括胸部X線片、計算機斷層掃描（CT，Computed Tomogra地y)和磁共振成像（MRI，Ma即etic Resonance Imaging)。其中對各種肺部病變組 織都具有良好的密度分辨能力的CT圖像成為肺癌早期篩查最好的影像學(xué)方式。肺結(jié)節(jié)通 常被定義為肺實質(zhì)內(nèi)直徑不大于3cm的圓形或類圓形組織，在醫(yī)學(xué)影像中主要表現(xiàn)為類圓 形的致密區(qū)。放射科醫(yī)生在利用CT圖像（或稱影像）對肺部疾病進行診斷時，往往帶有主 觀性，而且肺部組織結(jié)構(gòu)比較復(fù)雜，肺結(jié)節(jié)本身大小不一，形狀與血管切面相近，僅憑肉眼 的觀察易造成誤診或漏診。針對肺部疾病的診斷，越來越廣泛的應(yīng)用計算機輔助診斷系統(tǒng) (Computer-Aided Detection, CAD)，CAD系統(tǒng)被稱為放射科醫(yī)生的"第二雙眼睛"，它可W幫 助醫(yī)生在進行大數(shù)據(jù)量肺部CT影像分析時，提前篩選出正常圖像，標(biāo)記疑似影像，降低醫(yī) 生勞動強度的同時，起到輔助的分析和診斷功能，提高醫(yī)生的工作效率和診斷率，使得醫(yī)學(xué) 影像的診斷更趨于客觀準確。
[0004] 采用CAD系統(tǒng)檢測肺結(jié)節(jié)時，粘連血管型結(jié)節(jié)因其特殊的性質(zhì)而不易被分割檢 巧。。粘連血管型結(jié)節(jié)是指與肺內(nèi)血管粘連在一起的實體型結(jié)節(jié)，其密度和血管密度相近，呈 球形或類球形。粘連血管型結(jié)節(jié)是目前肺結(jié)節(jié)計算機輔助檢測的難點，其中，關(guān)鍵是如何從 候選結(jié)節(jié)中區(qū)分出什么是真正的粘連血管型結(jié)節(jié)，什么是假陽性血管分叉部分。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的就是提供一種肺部CT圖像粘連血管型結(jié)節(jié)檢測方法，W解決現(xiàn)有 技術(shù)難W對真正的粘連血管型結(jié)節(jié)和假陽性血管分叉部分進行區(qū)分的問題。
[0006] 本發(fā)明是該樣實現(xiàn)的：一種肺部CT圖像粘連血管型結(jié)節(jié)檢測方法，包括如下步 驟：
[0007] a、獲取目標(biāo)區(qū)域；采用區(qū)域增長方法，從肺部CT圖像的肺實質(zhì)中去除灰度值小于 灰度級闊值的背景區(qū)域，得到目標(biāo)區(qū)域；
[000引 b、計算符號距離：將目標(biāo)區(qū)域的符號記作1，將背景區(qū)域的符號記作0 ;計算肺實 質(zhì)中每一像素點到該像素點所在區(qū)域邊界的最短距離，再乘W該像素點所在區(qū)域的符號， 得到該像素點的符號距離；目標(biāo)區(qū)域內(nèi)每一像素點的符號距離為非0值，即目標(biāo)區(qū)域為非0 值區(qū)域；背景區(qū)域內(nèi)每一像素點的符號距離為0值，即背景區(qū)域為0值區(qū)域；
[0009] C、通過形狀增強濾波獲得候選結(jié)節(jié)；使用基于化ssian矩陣特征值的圓形增強濾 波器，對非0值目標(biāo)區(qū)域進行圓形增強處理，獲得候選結(jié)節(jié)；所述候選結(jié)節(jié)為孤立結(jié)節(jié)、粘 連血管型結(jié)節(jié)或假陽性結(jié)節(jié)；
[0010] t用形狀約束的CV模型分割含有候選結(jié)節(jié)的目標(biāo)區(qū)域：使候選結(jié)節(jié)的邊界輪廓 作為CV模型的初始輪廓和圓形約束形狀，用帶有圓形約束的CV模型對目標(biāo)區(qū)域進行有約 束的分割，得到包含候選結(jié)節(jié)的分割區(qū)域；
[0011] e、對分割區(qū)域周邊的形狀特征進行分析；計算每個分割區(qū)域所粘連的管狀血管的 數(shù)量；當(dāng)分割區(qū)域所粘連的管狀血管的數(shù)量為0時，分割區(qū)域內(nèi)的候選結(jié)節(jié)為孤立結(jié)節(jié)；當(dāng) 分割區(qū)域所粘連的管狀血管的數(shù)量為1時，分割區(qū)域內(nèi)的候選結(jié)節(jié)為粘連血管型結(jié)節(jié)；當(dāng) 分割區(qū)域所粘連的管狀血管的數(shù)量大于1時，分割區(qū)域內(nèi)的候選結(jié)節(jié)為假陽性結(jié)節(jié)。
[0012] 步驟e中計算每個分割區(qū)域所粘連的管狀血管的數(shù)量，具體為：
[0013] 將分割區(qū)域記作K，將與分割區(qū)域K所粘連的區(qū)域記作F，將區(qū)域K和F的連接部 位記作K/F ;
[0014] 判斷區(qū)域F是否為管狀血管，若是，則使分割區(qū)域K所粘連的管狀血管的數(shù)量加1， 若否，則忽略不計；直至與分割區(qū)域K所粘連的所有區(qū)域均判斷完畢。
[0015] 判斷區(qū)域F是否為管狀血管，具體判斷過程為：
[0016] 根據(jù)下面公式計算區(qū)域F的應(yīng)力：
[0017]
【主權(quán)項】
1. 一種肺部CT圖像粘連血管型結(jié)節(jié)檢測方法，其特征是，包括如下步驟： a、 獲取目標(biāo)區(qū)域：采用區(qū)域增長方法，從肺部CT圖像的肺實質(zhì)中去除灰度值小于灰度 級閾值的背景區(qū)域，得到目標(biāo)區(qū)域； b、 計算符號距離：將目標(biāo)區(qū)域的符號記作1，將背景區(qū)域的符號記作0 ;計算肺實質(zhì)中 每一像素點到該像素點所在區(qū)域邊界的最短距離，再乘以該像素點所在區(qū)域的符號，得到 該像素點的符號距離；目標(biāo)區(qū)域內(nèi)每一像素點的符號距離為非〇值，即目標(biāo)區(qū)域為非〇值區(qū) 域；背景區(qū)域內(nèi)每一像素點的符號距離為〇值，即背景區(qū)域為〇值區(qū)域； c、 通過形狀增強濾波獲得候選結(jié)節(jié)：使用基于Hessian矩陣特征值的圓形增強濾波 器，對非〇值目標(biāo)區(qū)域進行圓形增強處理，獲得候選結(jié)節(jié)；所述候選結(jié)節(jié)為孤立結(jié)節(jié)、粘連 血管型結(jié)節(jié)或假陽性結(jié)節(jié)； d、 用形狀約束的CV模型分割含有候選結(jié)節(jié)的目標(biāo)區(qū)域：使候選結(jié)節(jié)的邊界輪廓作為 CV模型的初始輪廓和圓形約束形狀，用帶有圓形約束的CV模型對目標(biāo)區(qū)域進行有約束的 分割，得到包含候選結(jié)節(jié)的分割區(qū)域； e、 對分割區(qū)域周邊的形狀特征進行分析：計算每個分割區(qū)域所粘連的管狀血管的數(shù) 量；當(dāng)分割區(qū)域所粘連的管狀血管的數(shù)量為〇時，分割區(qū)域內(nèi)的候選結(jié)節(jié)為孤立結(jié)節(jié)；當(dāng)分 割區(qū)域所粘連的管狀血管的數(shù)量為1時，分割區(qū)域內(nèi)的候選結(jié)節(jié)為粘連血管型結(jié)節(jié)；當(dāng)分 割區(qū)域所粘連的管狀血管的數(shù)量大于1時，分割區(qū)域內(nèi)的候選結(jié)節(jié)為假陽性結(jié)節(jié)。
2. 根據(jù)權(quán)利要求1所述的肺部CT圖像粘連血管型結(jié)節(jié)檢測方法，其特征是，步驟e中 計算每個分割區(qū)域所粘連的管狀血管的數(shù)量，具體為： 將分割區(qū)域記作K，將與分割區(qū)域K所粘連的區(qū)域記作F，將區(qū)域K和F的連接部位記 作K/F; 判斷區(qū)域F是否為管狀血管，若是，則使分割區(qū)域K所粘連的管狀血管的數(shù)量加1，若 否，則忽略不計；直至與分割區(qū)域K所粘連的所有區(qū)域均判斷完畢。
3. 根據(jù)權(quán)利要求2所述的肺部CT圖像粘連血管型結(jié)節(jié)檢測方法，其特征是，判斷區(qū)域 F是否為管狀血管，具體判斷過程為： 根據(jù)下面公式計算區(qū)域F的應(yīng)力：
式（13)中，運算符號N*| |為像素單元的L2范數(shù)，A(K/F)為區(qū)域K和F連接部位K/F的面積； 判斷L(F)與應(yīng)力閾值e的大小，若L(F) >e，則區(qū)域F為管狀血管；若L(F) <e， 則區(qū)域F不是管狀血管。
4. 根據(jù)權(quán)利要求1所述的肺部CT圖像粘連血管型結(jié)節(jié)檢測方法，其特征是，步驟d中 帶有圓形約束的CV模型的能量函數(shù)為：
式（11)中，Eshape((i))為能量約束項，Eshape((i)) =Jn((i)-(i)B)2dXdy;(i)為演化曲線C的水平集函數(shù)，巾B為圓形約束形狀的水平集函數(shù)邛是正參數(shù)，用于調(diào)節(jié)圓形約束形狀對 曲線演化影響的大??； 已1^((：，111，1^)為不帶圓形約束的(^模型的能量函數(shù)，￡ (^((：，111，1^)的表達式為：
(8) 式（8)中，C為演化曲線，演化曲線C將圖像D分為成兩部分，Ul為演化曲線C內(nèi)的平 均灰度值，u2為演化曲線C外的平均灰度值，U(l為圖像Q的灰度值，y多0,v多〇,A，〇， 入2>0，y、v、A兩A2為權(quán)重系數(shù)。
【專利摘要】本發(fā)明提供了一種肺部CT圖像粘連血管型結(jié)節(jié)檢測方法。本發(fā)明首先從肺部CT圖像的肺實質(zhì)中去除灰度值較低的背景區(qū)域，獲得高灰度級的目標(biāo)區(qū)域；之后計算符號距離；接著通過形狀增強濾波獲得候選結(jié)節(jié)，再利用形狀約束的CV模型分割含有候選結(jié)節(jié)的目標(biāo)區(qū)域，得到分割區(qū)域，最后對分割區(qū)域周邊的形狀特征進行分析，即可識別出真正的結(jié)節(jié)和假陽性結(jié)節(jié)，從而識別出粘連血管型結(jié)節(jié)。本發(fā)明提供了一種計算機輔助影像診斷的方法，可以幫助醫(yī)生消除由于主觀經(jīng)驗、觀察能力等主觀因素的不同所導(dǎo)致的診斷差異，并提供出準確率較高的參考識別診斷結(jié)果，從而使影像識別更加客觀化，提高了識別的效率和正確率。
【IPC分類】G06T7-00
【公開號】CN104616307
【申請?zhí)枴緾N201510075108
【發(fā)明人】王兵, 顧力栩, 王茜, 楊穎 , 田學(xué)東
【申請人】河北大學(xué)
【公開日】2015年5月13日
【申請日】2015年2月12日