基于圖割的肺4d?ct多相位腫瘤聯(lián)合分割方法
【專利摘要】本發(fā)明公開了基于圖割的肺4D?CT多相位腫瘤聯(lián)合分割方法，該分割方法包括步驟：(1)讀取肺4D?CT圖像，該圖像由多幅不同相位的肺3D?CT圖像組成；(2)標記初始相位3D?CT圖像上目標種子點和背景種子點，初始相位3D?CT圖像是指多幅不同相位的肺3D?CT圖像中第一幅3D?CT圖像；(3)利用步驟(2)得到的目標種子點和背景種子點，獲得腫瘤分割結(jié)果。該方法不僅分割準確性高，而且自動化程度高。
【專利說明】
基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及醫(yī)學圖像處理技術(shù)領(lǐng)域，具體是指一基于圖割的肺4D-CT多相位腫瘤 聯(lián)合分割方法，其中利用了肺4D-CT相位之間的信息。
【背景技術(shù)】
[0002] 4D-CT在傳統(tǒng)3D-CT的基礎(chǔ)上加入了時間軸，動態(tài)采集患者呼吸時的CT圖像，而后 通過圖像重建和重新排序得到患者在不同呼吸相位的3D-CT圖像。4D-CT不僅能夠明顯消除 呼吸運動偽影，而且能夠真實準確地反映肺隨呼吸運動的變化規(guī)律，為實現(xiàn)個體化精確放 療奠定了有力基礎(chǔ)。
[0003] 精確放療的關(guān)鍵在于靶區(qū)的準確定位，靶區(qū)的精度會直接影響最終的放療結(jié)果， 確定靶區(qū)可以采用圖像分割技術(shù)。然而，目前肺4D-CT腫瘤分割存在著兩大主要問題:其一， 4D-CT生成的圖像數(shù)量巨大，通常有1000到2000張，甚至更多，如果僅靠放療科醫(yī)生手工分 割每幅圖像中的腫瘤來獲得靶區(qū)，顯然費時費力，也不現(xiàn)實;其二，肺腫瘤經(jīng)常與周圍肺壁、 膈肌、血管等正常器官組織發(fā)生黏連，若采用區(qū)域生長、邊緣提取等自動分割技術(shù)，誤分割 的概率很大，直接影響靶區(qū)精度。因此，研究出一種自動化程度高，分割準確，魯棒性強的肺 腫瘤分割算法十分必要。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法，該方 法不僅分割準確性高，而且自動化程度高。
[0005] 本發(fā)明的目的可通過下述技術(shù)措施來實現(xiàn):基于圖割的肺4D-CT多相位腫瘤聯(lián)合 分割方法，其特征在于，該分割方法包括以下步驟：
[0006] (1)讀取肺4D-CT圖像，該圖像由多幅不同相位的肺3D-CT圖像組成；
[0007] (2)標記初始相位3D-CT圖像上目標種子點和背景種子點，初始相位3D-CT圖像是 指多幅不同相位的肺3D-CT圖像中第一幅3D-CT圖像；
[0008] (3)利用步驟(2)得到的目標種子點和背景種子點，獲得腫瘤分割結(jié)果。
[0009] 本發(fā)明中，所述步驟(3)采用結(jié)合肺4D-CT相位間信息的圖割算法分割腫瘤，具體 包括：
[0010] (3.1)將步驟⑵得到的目標種子點記作0,背景種子點記作B;
[0011] (3.2)將肺4D-CT圖像映射成網(wǎng)絡(luò)圖，圖像中的像素點對應(yīng)圖中的節(jié)點，并添加兩 個額外的頂點，一個為源點S，一個為匯點T，圖像中相鄰像素點p和q之間的關(guān)系對應(yīng)圖中節(jié) 點之間的邊；
[0012] (3.3)給圖中每一條邊賦予權(quán)值，設(shè)定權(quán)值的原則為:像素間的差異越小則權(quán)值越 大，像素間差異越大則權(quán)值越小，具體如下：
[0013] 若戶萑0 運0W S，則p和q之間的邊權(quán)值記為B{P,q};若p G P，/?運0 ,則 P和s之間的邊權(quán)值記為λ · Rp( 〃bkg〃）；若p e 〇，則p和s之間的邊權(quán)值記為K;若p e B，則p和s 之間的邊權(quán)值記為O;若P e P，P隹O u S，則P和t之間的邊權(quán)值記為λ · Rp(〃〇bj〃）；若P G ο， 則p和t之間的邊權(quán)值記為O;若p e B，則p和t之間的邊權(quán)值記為K;
[0014] 其中：
[0015]
[0016]
[0017]
[0018]
[0019]
[0020]
[0021]
[0022]
[0023]
[0024]
[0025]
[0026] (3.5)求解得到ε的最小值，對應(yīng)于肺4D-CT圖像的最終腫瘤分割結(jié)果。
[0027] 和現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：
[0028] (1)本發(fā)明的分割通過式(5)利用了肺4D-CT圖像相位之間的信息，提高了分割精 度；
[0029] (2)本發(fā)明提出的方法只需醫(yī)生在初始相位上選取目標種子點和背景種子點，即 可獲得同一呼吸周期內(nèi)所有相位的腫瘤分割結(jié)果，達到了多相位腫瘤聯(lián)合分割的目的，提 高了算法的自動化程度。
【附圖說明】
[0030] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明做進一步的詳細說明。
[0031] 圖1是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例一的框架圖； [0032]圖2是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例一中醫(yī)生選取 的目標種子點和背景種子點；
[0033]圖3是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例一中傳統(tǒng)圖割 算法和本發(fā)明分割結(jié)果的對比圖；從上至下分別為:冠狀面;矢狀面;橫斷面;從左至右分別 為:原始肺4D-CT圖像;本發(fā)明的分割結(jié)果;傳統(tǒng)圖割算法的分割結(jié)果;其中原始肺4D-CT圖 像中的輪廓線為醫(yī)生手工勾畫的結(jié)果，即金標準；
[0034]圖4是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例一中各相位傳 統(tǒng)圖割算法和本發(fā)明分割結(jié)果的ASSD對比圖；
[0035]圖5是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例一中各相位傳 統(tǒng)圖割算法和本發(fā)明分割結(jié)果的DSC對比圖；
[0036]圖6是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例二中醫(yī)生選取 的目標種子點和背景種子點；
[0037]圖7是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例二中傳統(tǒng)圖割 算法和本發(fā)明分割結(jié)果的對比圖；從上至下分別為:冠狀面;矢狀面;橫斷面;從左至右分別 為:原始肺4D-CT圖像;本發(fā)明的分割結(jié)果;傳統(tǒng)圖割算法的分割結(jié)果;其中原始肺4D-CT圖 像中的輪廓線為醫(yī)生手工勾畫的結(jié)果，即金標準；
[0038]圖8是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例二中各相位傳 統(tǒng)圖割算法和本發(fā)明分割結(jié)果的ASSD對比圖；
[0039] 圖9是本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法實施例二中各相位傳 統(tǒng)圖割算法和本發(fā)明分割結(jié)果的DSC對比圖。
【具體實施方式】
[0040] 實施例一
[0041] 本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法的實施例一，結(jié)合一套公共 可用的肺4D-CT數(shù)據(jù)集，該數(shù)據(jù)集包含10個相位圖像，如圖1所示，該分割方法的具體步驟如 下：
[0042] (1)讀取肺4D-CT圖像，該圖像由10個不同相位的肺3D-CT圖像組成，各相位3D圖像 大小為320 X 224 X 86像素；
[0043] (2)標記初始相位3D-CT圖像上目標種子點和背景種子點，如圖2所示；
[0044] (3)利用步驟(2)得到的目標種子點和背景種子點，獲得腫瘤分割結(jié)果。
[0045] 本發(fā)明中，所述步驟(2)中目標種子點和背景種子點由放療科醫(yī)生手動選取，如圖 所示。
[0046] 本發(fā)明中，所述步驟(3)具體采用結(jié)合肺4D-CT相位間信息的圖割算法分割腫瘤。 [0047]上述步驟(3)具體包括：
[0048] (3.1)將步驟(2)得到的目標種子點記作0,背景種子點記作B;
[0049] (3.2)將肺4D-CT圖像映射成網(wǎng)絡(luò)圖，圖像中的像素點對應(yīng)圖中的節(jié)點，并添加兩 個額外的頂點，一個為源點S，一個為匯點T，圖像中相鄰像素點p和q之間的關(guān)系對應(yīng)圖中節(jié) 點之間的邊。
[0050] (3.3)給圖中每一條邊賦予權(quán)值，設(shè)定權(quán)值的原則為:像素間的差異越小則權(quán)值越 大，像素間差異越大則權(quán)值越小，具體如下：
[0051 ] 若/?矣〇 U 5且g在0 W F ,則p和q之間的邊權(quán)值記為B{P,q}。若p e P，尸O U B，則p 和s之間的邊權(quán)值記為λ · Rp(〃bkg〃）；若p e 〇，則p和s之間的邊權(quán)值記為K;若p e B，則p和s 之間的邊權(quán)值記為0。若pep，i?在，則p和t之間的邊權(quán)值記為λ · Rp(〃〇bj〃）；若ρ￡〇， 貝IJp和t之間的邊權(quán)值記為0;若p e B，則p和t之間的邊權(quán)值記為K。
[0052]其中：
[0053]
[0054]
[0055]
[0056]
[0057]
[0058]
[0059]
[0060]
[0061]
[0062]
[0063] (3.5)求解得到ε的最小值，對應(yīng)于肺4D-CT圖像的最終腫瘤分割結(jié)果。
[0064] 分割結(jié)果如圖3所示，對比利用原始圖割算法分割出的結(jié)果圖和利用本發(fā)明方法 分割出的結(jié)果圖。本發(fā)明的方法能夠準確地分割出腫瘤。
[0065] 除了視覺效果以外，本實例也通過量化指標客觀評價本發(fā)明的有效性。以醫(yī)生手 工分割的結(jié)果作為評價本發(fā)明實驗結(jié)果的金標準。分別采用對稱位置的平均表面距離 (Average Symmetric Surface Distance，ASSD)和Dice相似系數(shù)（Dice Similarity Coefficient，DSC)去量化評價分割結(jié)果。
[0066] ASSD定義如下：
[0067]
[0068] 式中a和b分別代表分割結(jié)果與金標準的邊緣像素，dist(a，b)代表a和b的距離，Na 和Nb是分割結(jié)果A與金標準B中邊緣像素的個數(shù)。ASSD表征了兩個集合之間的不相似程度， 因此ASSD越小則代表分割越精確。
[0069] 利用式(9)計算原始圖割算法分割結(jié)果和利用本發(fā)明方法分割結(jié)果與金標準之間 的ASSD，如圖4所示，可見，本發(fā)明的方法較原始圖割算法，ASSD減小。
[0070] Dice相似系數(shù)用來度量兩個集合之間的相似性，定義如下：
[0071]
[0072] 田上式口」知，Uiceffi似糸數(shù)介和IZI日」，值趣X，說明分割結(jié)果與標準越接近。
[0073]利用式（10)計算原始圖割算法分割結(jié)果和利用本發(fā)明方法分割結(jié)果的Dice相似 系數(shù)，如圖5所示，可見，本發(fā)明的方法較原始圖割算法，Dice相似系數(shù)提高。
[0074] 實施例二
[0075]本發(fā)明基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法的實施例二結(jié)合另一組具有 6個相位的肺4D-CT數(shù)據(jù)，其具體步驟如下：
[0076] (1)讀取肺4D-CT圖像，該圖像由6個不同相位的肺3D-CT圖像組成，各相位3D圖像 大小為350 X 210 X 100像素；
[0077] (2)標記初始相位3D-CT圖像上目標種子點和背景種子點，如圖6所示；
[0078] (3)利用步驟(2)得到的目標種子點和背景種子點，獲得腫瘤分割結(jié)果。
[0079] 本發(fā)明中，所述步驟(2)中目標種子點和背景種子點由放療科醫(yī)生手動選取，如圖 所示。
[0080] 本發(fā)明中，所述步驟(3)具體采用結(jié)合肺4D-CT相位間信息的圖割算法分割腫瘤， 其具體過程均與實例一相同，不再贅述。
[0081] 分割結(jié)果如圖7所示，對比利用原始圖割算法分割出的結(jié)果圖和利用本發(fā)明方法 分割出的結(jié)果圖。本發(fā)明的方法能夠準確地分割出腫瘤。
[0082] 除了視覺效果以外，本實例也通過量化指標客觀評價本發(fā)明的有效性。以醫(yī)生手 工分割的結(jié)果作為評價本發(fā)明實驗結(jié)果的金標準。利用式(9)和（10)計算利用本發(fā)明方法 分割結(jié)果的ASSD和Dice相似系數(shù)。如圖8、圖9所示，可見與現(xiàn)有技術(shù)相比，本發(fā)明不僅能夠 提高自動化程度，還能夠準確地分割出腫瘤。
[0083] 本發(fā)明的上述實施例并不是對本發(fā)明保護范圍的限定，本發(fā)明的實施方式不限于 此，凡此種種根據(jù)本發(fā)明的上述內(nèi)容，按照本領(lǐng)域的普通技術(shù)知識和慣用手段，在不脫離本 發(fā)明上述基本技術(shù)思想前提下，對本發(fā)明上述結(jié)構(gòu)做出的其它多種形式的修改、替換或變 更，均應(yīng)落在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法，其特征在于，該分割方法包括以下步 驟： (1) 讀取肺4D-CT圖像，該圖像由多幅不同相位的肺3D-CT圖像組成； (2) 標記初始相位3D-CT圖像上目標種子點和背景種子點，初始相位3D-CT圖像是指多 幅不同相位的肺3D-CT圖像中第一幅3D-CT圖像； (3) 利用步驟(2)得到的目標種子點和背景種子點，獲得腫瘤分割結(jié)果。2. 根據(jù)權(quán)利要求1所述的基于圖割的肺4D-CT多相位腫瘤聯(lián)合分割方法，其特征在于： 所述步驟(3)采用結(jié)合肺4D-CT相位間信息的圖割算法分割腫瘤，具體包括： (3.1) 將步驟(2)得到的目標種子點記作0,背景種子點記作B; (3.2) 將肺4D-CT圖像映射成網(wǎng)絡(luò)圖，圖像中的像素點對應(yīng)圖中的節(jié)點，并添加兩個額 外的頂點，一個為源點S，一個為匯點T，圖像中相鄰像素點p和q之間的關(guān)系對應(yīng)圖中節(jié)點之 間的邊； (3.3) 給圖中每一條邊賦予權(quán)值，設(shè)定權(quán)值的原則為:像素間的差異越小則權(quán)值越大， 像素間差異越大則權(quán)值越小，具體如下： 若/?.茫0^.5且分鐸0。/)),貝1^和9之間的邊權(quán)值記為叫1),(1};若1)￡?，尸￥〇」/?貝1^和 8 之間的邊權(quán)值記為λ · RP(〃bkg〃）；若p e 〇，則!)和8之間的邊權(quán)值記為K;若p eB，則p和s之間 的邊權(quán)值記為0;若pep, i 0_u__5，貝ijp和t之間的邊權(quán)值記為λ · Rp(〃〇bj〃）；若pe〇,則p和 t之間的邊權(quán)值記為0;若p e B，則p和t之間的邊權(quán)值記為K; 其中：P和P'分別表示不同相位同一位置的像素點； (3.4) 定義能量函數(shù)：(3.5) 求解得到ε的最小值，對應(yīng)于肺4D-CT圖像的最終腫瘤分割結(jié)果。
【文檔編號】G06T7/00GK106056610SQ201610388369
【公開日】2016年10月26日
【申請日】2016年6月2日
【發(fā)明人】張煜, 申正文
【申請人】南方醫(yī)科大學