基于CT图像的肺实质分割方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于CT图像的肺实质分割方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：诊断肺癌的重要手段之一是高分辨率CT（High Resolution ComputedTomography，HRCT）扫描，但是医生需要丰富的阅片经验以及大量的精力时间才能阅读海量的CT图像信息。为了减少医生的精力损耗和降低漏诊率，采用计算机辅助检测成为趋势。在肺癌等肺部疾病计算机辅助诊断方法中，最核心的步骤是肺实质的分割。提出一种基于ct图像序列的新的自动肺实质分割方法，综合利用了区域生长及数学形态学开运算等算法，并通过纵向扫描方法精确定位左肺和右肺的粘连部位，从而在肺实质边界的肺结节结节容易被忽略分割及左右肺分离的难题得到了解决。对多组胸部CT序列图像的实验证明，该方法对于肺实质分割非常精确有效。

关键词：CT图像；计算机辅助诊断；区域生长；肺实质；扫描定位

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）05-1093-03

A Method of Lung Segmentation Based on CT Images

LI Man

（Electronic and Information Engineering， Tianjin Polytechnic University，Tianjin 300387， China）

Abstract：High-resolution CT （High Resolution ComputedTomography， HRCT） scan is an important means of diagnosis of lung cancer， however， a CT image information reading mass requires a lot of time， effort and considerable film-reading experience. To reduce energy loss of docter and cut down misdiagnosis rate，the use of computer-aided detection become a trend. Lung cancer and other lung diseases in computer-aided diagnostic methods， the most central step is the lung parenchyma segmentation. CT image sequence is proposed based on a new method for automatic segmentation of lung parenchyma， utilization of thresholding， region growing and mathematical morphology other algorithms， and through vertical scanning algorithm to pinpoint the cable around a narrow area around the lungs， an effective solution to the edge of the lung parenchyma nodule segmentation omission and so easy to separate the problem of the lung .Multiple sets of chest CT images proved the method for lung segmentation is very accurate and efficient.

Key words：CT image； computer-aided diagnosis； regional growth； lung parenchyma； scanning positioning

1 概述

随着肺部疾病在人群中越来越流行，针对它的有关学习研究工作必须得到高度的注意。现在辅助电脑诊断肺部疾病（computer aided diagnosis CAD）系统[1]的成长是飞快的，能够很大程度上辅助医生诊断病人病情。大多数肺部疾病CA D系统都是利用计算机断层扫描图像来检测诊断肺结节，所以确定左右肺的边缘显得尤其重要，这个步骤称为“肺实质分割”[2-3]。

之前研究人员在研究肺部疾病时，已经注意到了分割肺实质的重要性。在分割肺实质之前，要对图像进行预处理，然后可以采用边界跟踪[4]、区域生长、阈值法、多尺度分析、形态学处理、基于模式分类的分割法等获得肺实质。边界跟踪和区域增长是非全自动的，前一种分割往往会忽略肺实质边缘突起和凹陷区域；并且后一种即使能避免忽略突起和凹陷的区域，但种子点的选择和生长相似性准则的抉择都是相对困难的。阈值法实现快速、简单，但背景、气管支气管等区域不能很好的去除。基于多尺度分析理论框架在分割肺实质时效果不理想，算法也比较繁琐。基于模式分类在提取肺实质时，由于要提取多个特征，因此比较损耗时间，并且训练样本不能自动选择，要人工选择。

本文在提取肺实质时，对上面所述的算法部分利用，先进行肺实质的初步分割；然后根据CT图像的上下文分析运用区域生长法，去掉气管支气管；再对感兴趣范围像素进行左肺和右肺粘连情况的分析，分开左肺和右肺后，运用形态学开运算弥补肺实质缺口，最后获得完整的肺实质，并且较理想。

2 设计与方法

首先利用区域生长算法[5]初步分割出肺实质，接下来，为了避免对下面的分割造成干扰，要剔除肺部的血管、气管、支气管等区域。此外左肺和右肺粘连的问题会出现在肺中部的切面里，针对这种情况，要断开左肺和右肺的连接，对接下来的检测肺结节准备正确的实验数据。肺实质的分割过程如图1所示。

图1 肺实质分割流程

2.1初步分割肺实质

如图2中的原始肺部CT图像观察到，图像的都是像素值较低的，而图像的中间位置是想要得到的肺实质。肺实质的像素也是较低的，肺实质和外部背景包围的区域是躯干，躯干的像素值较高，想要初步的分割出肺实质，根据之前分析的像素值的分布情况，只要将“1”赋值给躯干四周的区域，使之变为白色，这样就使得躯干和形成一个连通的区域，方便我们粗略的分割出肺实质。该文中采用区域生长算法。将图片的四个顶点区域设定为种子的区域，之后运用8领域连通躯干和四周背景区域，得到最终的肺实质了。

图2 原始肺部CT图像 图3 二值化图像

图4 初步分割的肺实质

2.2 气管和支气管的剔除

肺实质经过初步的分割后，有些情况必须引起注意，那就是气管和支气管在肺实质初步的提取后经常被存留了[6]，导致接下来的工作也受到影响。因此为了解决这个问题，要剔除CT影像的这部分区域。区域生长算法从种子点开始，按照之前确定的规则，将区域或者子区域扩大成更大的区域，在没有像素点符合加入这个区域的条件时，生长的过程将会停止。在肺部CT影像中，气管内外的CT值是有较大差异的。由于气体充满在气管内，所以气管的CT值是很低的，与外层的CT值相比，外层的CT值要高出很多。根据气管内外CT值的剧烈变化，把其设置成区域生长准则，从而删除气管和支气管。在这里算法流程的描述见如下，剔除气管和支气管的结果如图6所示。

图5 气管和支气管剔除前 图6 气管和支气管剔除后

1）确定第一层的感兴趣区域：肺部第一层干扰较少，肺部边缘较少有突起凹陷，而且左右肺区是分开的。利用这些可以条件，运用连通域法可以寻找到图像中位于中间部分的连通域，这个连通域就是主气管；

2）种子点的确定。最开始的种子点设置为第一层片中感兴趣区域的质心，为了获得随后层片的种子点，我们将上一层中得到的气管和支气管的质心确定，并将这些质心作为随后层皮的种子点；

3）生长准则。从种子点开始，在CT的每一层片，将和种子点的灰度相差阈值[Ts]内的相邻像素附加到生长区域内，使得气管的范围不断扩大，同时将这些符合条件的相邻像素点作为新的种子点，继续扩充。

4）终止条件。当前后两次经过区域生长后的气管面积之差小于设定的面积[Tm]时，判定生长结束。

2.3 左右肺的分割

气管和主支气管区域是左肺和右肺分开的一个困扰，但当不包括这个区域后，如何解决左肺和右肺的粘连问题[7]就是我们要处理的。这时需要继续对CT影像进行分割，以方便之后辅助电脑诊断肺结节。在这里采用一种容易且高效的快速确定连接部位和把左右肺分开的途径。

有三个重要的问题在分开左肺和右肺中要考虑：左肺和右肺是否粘连在一起、快速确定连结部分、分开左肺和右肺的途径。根据先验知识可知，在中间的肺层，左肺和右肺往往粘连在一起，并且连接的位置也在特定的区域内。由此本文采用下面的方法把左肺和右肺分开：

1）判断左肺和右肺是否粘连：由于气管和支气管被剔除，以至于现在存在在肺区的只有左肺和右肺是两个比较大的连通区域，相比较于左肺和右肺，剩下的连通区域可忽略。由此本文设定的判决准则是：若前两大连通区域的面积之比大于确定的阈值T，就判断左肺和右肺是粘连在一起的，这里的阈值T是经实验确定的常数。

2）寻找连结区域：将准备好的二值图像1到256行进行纵向扫描，把拥有最少像素值为“1”的列记为第n列，然后把二值图像上半部分（第1到256行），第n列的向左30列和向右30列作为感兴趣区域，即为（1：256，n-30：n+30）。

3）处理之前找到的目标区域的二值图像，步骤如下：

A.横向扫描图像的上半部分（行数从1到256），找到每一行中第一个和最后一个像素值为“0”的像素，把第一个像素值为“0”的像素记为Xi（i为行数），最后一个记为Yi，并且从中得到Xi，Yi的中点Ki；

B.把K1，K2......，Ki连结到一起可以初步分开左右肺，然后对其进行一次腐蚀，腐蚀的半径设为1。

本方法容易方便，在处理左肺和右肺的分割问题上效果比较理想。

图7 肺实质图像 图8 去除左右肺黏连图像

2.4 基于形态学的肺实质修补

在有些情况下，进行二值化分割的时候，肺壁位置的结节出会出现一个凹陷，这是由于肺结节与胸膜粘连，且与之有着相近的密度。只有将凹陷区域弥补修复，才能不损失的的得到肺实质，否则的话将丢弃一部分肺结节。对此，为了避免丢失肺结节，Armato[8]采用“滚球法”修复肺实质凹陷区域，Kanazawa等[9]采用解剖学和几何结构，这些方法在肺实质的提取上都更加完善。然而有些形状并非规则的肺部凹陷区域的情况，往往和鉴别的结果有不可忽略的差别，这都是在诊断过程中无法接受的。

本文处理类似问题运用形态学办法。形态学中开运算能够使对象的边缘变得平滑，删除比结构元素小的对象区域，消除细小的突出物，断开狭窄的间断，所以此特点恰好适用于运用于修补肺实质边界上的凹陷区域。为了弥补凹陷，从而平滑肺实质边缘，要选择恰当的结构元素半径，根据开运算的性质，这里的结构元素半径的选择要和最大的肺结节的半径一样，选择好了结构半径，接下来运用开运算，如式（1）。在形态学操作完图像后平滑的肺实质就产生了。

[f?b=（fb）b] （1）

其中f是图像，b是结构元素，用[f?b]表示f对b的开运算。

图9 二值化肺实质 图10 肺实质修补

3 结论

为了解决在辅助电脑诊断中提取肺实质遇到的困难，该文采用了区域生长算法、扫描搜索和形态学中开运算等多种算法，并对其中的各算法进行改善与应用.检测多组肺部CT影像的实验可以看出，该文的算法效果突出，并可以迅速少误差地提取出肺实质，在辅助医师诊断肺部疾病时，基本可以完成临床肺部疾病辅助计算机诊断系统的要求。

参考文献：

[1] Samuel G.Armato III，Geoffrey McLennan，Michael F.McNitt-Gray，et al.Lung image database consortium-Developing a resource for the medical imaging research community [J].Radiology，2004，232（3）：739-748. （下转第1118页）

（上接第1095页）

[2] Cuevas L M，Spieth P M，C arvalho A R，et al.Automatic lung segmentation of helical-CT scans in experimental induced lung injury [J].IFMBE Proceedings，2008，22：764-767

[3] Armato S G，Giger M L，Moran C J，et puterized detection of pulmonary nodules on CT scans [J].Radio Graphics，1999，19：1303-1311.

[4] 郭胜文，曾庆思，陈坚.胸部CT中肺实质的提取与辅助诊断[J].中国生物医学工程学报，2008，27（5）： 788-791.

[5] Hedlund L W，Anderson R F，GouldingP L.Two methods for isolating the lung area of a CT scan for density information [J].Radiology，1982，1440（2）：353-357.

[6] Wicker S B.Error control systems for digital communication and storage[M].Englewood Cliffs：Prentice Hall，1995：39-60.

[7] van Nee R.Prasad R.OFDM for wireless multimedia communications[M].Boston：Artech Publishing House，2000：59-70.

[8] Samuel G puterized detection of pulmonary nodules on CT scans[J].RadioGraphics，1999，19：1303-1311.

[9] 薄华，马缚龙，焦李成，等.图像纹理的灰度共生矩阵计算问题的分析[J].电子学报，2006，34（1）：155-159.