基于扩散算法CT图像中肺实质分割算法.docVIP

基于扩散算法CT图像中肺实质分割算法 　　摘要：在肺癌，肺气肿等肺部疾病的计算机辅助诊断中，肺实质的正确分割是计算机辅助诊断中的重要先行步骤。文中提出了一种基于定向扩散算法的CT图像的自动分割。在本算法中综合利用了阈值分割、区域增长及数学形态学等算法，能够实现对图像的粗分割，其中对于左右肺粘连的CT图像采用行扫描的方法将左右肺片进行有效分离，最后采用定向扩散算法对粗分割得到的肺部轮廓进行修复，得到完整的肺实质。从肺部图像数据库联盟（LIDC）中取出50张CT图像，采用本文提出的分割算法进行处理。结果表明，所提出的算法能够有效的实现肺部区域的完整分割，并且与滚球法相比较，分割准确率和精度都较高，为计算机辅助诊断奠定了良好基础。 　　关键词：计算机辅助诊断；肺实质分割；行扫描；扩散算法 　　中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2017）09-0136-03 　　1 引言 　　近年来，癌症的发病率急剧上升，尤其是肺癌的发病率及死亡率更是在逐年攀升。我国由于吸烟人数多，空气污染等原因，肺癌的发病率增长较为严重。来自国家计生委的数据统计显示，目前我国的肺癌发病率以每年26.9%的速度增长，近半个世纪来，每10到15年肺癌患者的人数增加一倍。[1] 　　如果肺癌能在早期被诊断和治疗，其5年生存率将从14%上升到49%。由于计算机断层扫描（Computed Tomography，CT） 能够提供高清晰度的图像，并且为图像中各组织提供很高的对比度，因此被广泛用于肺部疾病检测诊断中。对肺部进行一次扫描就会得到几百张的图像，这增加了医生的阅片负担。因此，计算机辅助诊断（compute-aided diagnose，CAD）得到了广泛的研究和使用。[2]而从CT 图像中准确快速的提取出肺实质则是计算机辅助诊断的关键。[3，4] 　　在CT图像中分割出肺??质是CAD的前期工作。本文根据影像学和解剖学特征， 结合最佳阈值法、数学形态学方法， 对图像进行粗分割； 然后利用定向扩散算法修复掩膜图像，得到最终肺实质，为计算机辅助诊断和医学图像在临床和生命科学研究领域的应用打下良好的基础。 　　2 肺实质分割 　　2.1 Ostu（最大类间方差法）法 　　肺部和周围区域密度不同，因此其灰度值相差明显，可用阈值法分割。阈值分割的目的是把CT图像中对应于肺实质，肺实质边界和肺实质周围组织的像素区分开。[5]在本文中采用的是Ostu算法[6，7]对肺部区域进行粗分割，该方法可以自动的选择阈值，得到较好的结果。 　　2.2 区域生长 　　区域生长实质是对像素点或选定的子区域进行操作，让其在满足所定义的准则下去聚合成更大区域，以达到生长目的。其基本思想是先获取种子点，然后从生长点开始，将与生长点性质相似的相邻像素或区域与生长点合并，形成新的生长点，不断重复直到无法生长为止。[8] 　　本文对CT图像进行区域生长处理的算法实现步骤为： 　　（1）在肺实质部分定位得到种子点； 　　（2）利用区域增长算法，在种子点的8*8*8邻域内进行增长，阈值在灰度范围内自动选取最优阈值； 　　（3）相邻区域的像素被合并，对图像中黑色像素点进行连通区域标记，面积最大的连通区域是该CT图像的掩膜图像。 　　2.3 肺部图像预分割 　　肺部图像经上述处理后，与原始图像（图1）进行逻辑与运算，得到预分割图像（图2）。 　　2.4 左右肺的分离 　　CT图像中常出现肺片粘连情况，粘连发生在CT图像的上部分。对图像的上1/3部分扫描，并统计图像每一行中的边缘点的个数，当边缘点数大于等于4的时候，表明肺片并未粘连，但是，当边缘点数小于4的时候，左右肺是粘连的。[10]肺片粘连情况下，对上半部分投影积分，将积分值最小的一列及其左右4列的像素值取反，从而实现左右肺的准确分离。 　　3 图像修复 　　对肺部图像进行预处理的过程中，接近于肺壁的结节可能会被去掉，因此在预分割后要修补图像。本文采用的修复算法是扩散算法来。[11] 　　将完整的肺实质图像定义为函数，在时刻，图像质量为。图像受损过程可以用以下模型来表示， 　　拉普拉斯算子利用点的四邻点来进行离散，得到如下的式子 　　利用该方法可以对逐次对各个像素点进行计算并修复。下面的图像是当取不同数值时相应的恢复图像。当b取值较小时，图像变化不明显，当b的取值较大时候，图像受损。经反复调试，当b取值在20～25中间时，图像的恢复情况最佳，本文中b取值为23。 　　图3中的图片从左至右分别为b的取值为0，5，10，15，20，23，25，30，35时的恢复图像。 　　4 实验结果 　　在美国国家癌症中心（NCI）的RIDER库中选取了50张CT图像，将本文算法与运用”