重症监护X-ray图像中呼吸导管的自动检测.pdfVIP

第37卷第3期 ． 上海师范大学学报(自然科学版) Vo1．37．No．3 2 0 0 8年6月 Journal of Shanghm Normal University(Natural Sciences) 2 0 0 8，Jun． 重症监护X—ray图像中呼吸导管的自动检测 陈 胜，李 莉 (上海师范大学数理信息学院，上海200234) 摘 要：近年来，移动X—ray成像机器被广泛地应用于重症监护病房，它可以及时地检测到 病人体中呼吸导管(ET)的位置是否正确．不适当的导管位置会给病人造成不适感，严重的会 给病人造成生命危险．另一方面，由于移动X—ray图像比较模糊、对比度低、噪声大，使得用计 算机自动识别气管内的呼吸导管具有一定难度．首先对X—ray图像作增强处理使图像中的边 缘更清晰而便于边缘检测．在基于增强图像的基础上，利用呼吸导管边缘的对称性和导管的 大致方向不变性，对哈夫变换算法作有针对性的改进．利用此方法检测32张合有呼吸管的x — ray图像，实验结果为检测出93．75％． 关键词：重症监护；呼吸导管；Canny算子；哈夫变换 中图分类号：TP391．41 文献标识码：A 文章编号：1000-5137(2008)03-0265-05 0 引 言 重症监护(ICU)病人，特别是心肺疾病的重症监护病人需要进行机器辅助呼吸．医生需要及时和清 楚地知道ICU病人体中呼吸管的尾端位置以及导管周围组织的变化．通过计算机自动地检测出呼吸管 的位置，对导管周围组织进行局部图像增强为医生诊断提供帮助，临床意义十分明显和重要 J． ICU病人的X—ray胸部图像十分模糊、对比度低、噪声大，同时图像中还有进食管、鼻饲管以及各 种不同种类的医用治疗设备的导管，因此给准确地检测呼吸管带来巨大的挑战．为了改善图像质量，本 研究首先对ICU病人的X—ray图像进行对比度限制的自适应直方图均衡化处理(Contrast—Limited A— daptive Histogram Equalization，CLAHE) ． 图像中的物体识别属于模式识别的范畴，然而用模式识别的方法去检测和定位ICU病人X—ray图 像中的呼吸管并不是十分有效．Canny算子 4 能有效地初步检测图像中的边缘信息，形成边缘的二值 图像，而哈夫变换 对于检测图像中的直线目标方向和位置有着准确和抗噪声的优点．基于呼吸管在 ICU病人的X—ray胸部图像中表现得比较直的特点以及导管的对称性，本研究利用边缘检测和哈夫变 换的方法来检测X—ray图像中呼吸管． 目标图像为：ICU X—ray影像图片；大小：2048×2500像素． 1 基本算法 1．1 对比度限制自适应直方图均衡化(CLAHE) 对比度限制自适应直方图均衡化能增强图像细节的对比度和避免相似区域因为直方图均衡化导致 收稿日期：2007—11-28 基金项目：上海教委科研创新项目(08YZ75)；上海师范大学一般科研项目(SK200704)． 作者简介：陈 胜(1976一)，男，上海师范大学数理信息学院讲师；李 莉(1962一)，女，上海师范大学数理信息学 院教授． 上海师范大学学报(自然科学版) 2008拒 的噪声放大．和普通直方图均衡化一样通过转变图像的灰度值来增强图像的对比度的，不同的是它把整 个图像划分成若干个小区域，然后在每个小区域上进行直方图均衡化，然后将它们合并起来，并且对区 域间作双线性内插来消除假边界． 1．2 哈夫变换(Hough Transform) 已知直线方程Y= +c，假如参数m，c确定，那么直线上的点( ，Y)就确定了，直线也就确定 了．假如对参数m，c感兴趣，且是变量， ， 是常量．那么方程c= —m,x则表示成空间(m，c)上的一 条直线，对应于n个( ，Y)点，可以得到空间(m，c)上的1个直线簇，且所有直线都经过(m，c)上的一 点，该点的坐标反应 ( ，Y)空间上的直线参数．这一过程叫着图像空间到参数空间的映射，亦即Hough 变换．常常已知曲线上很多离散坐标点，在Hough变换中曲线上点总可以表