CT图像中肝脏自动分割算法的研究.docVIP

CT图像中肝脏自动分割算法的研究 　　摘要：由于全自动分割方法容易受噪声、场偏移效应等影响，医用上全自动的分割方法尚且无法完全代替手工操作参与的半自动化方法。该文使用一种基于改良的区域生长算法用于对CT图像的肝脏部分进行剥离，以期能尽可能减少图像分割时人工参与，解决现阶段临床上半自动化交互式分割效率低的问题，以助于计算机辅助诊断、病变组织定位、三维重建、治疗方案设计等。方法：改进的区域生长法。该方法对两套肝脏CT切片分割，准确率均在90%以上，鲁棒性强。 　　关键词：肝脏自动分割；区域生长法；CT图像 　　中图分类号：TP751 文献标识码：A 文章编号：1009-3044（2017）30-0184-04 　　The Algorithm Research of Liver CT Image Automatic Segmentation 　　ZHANG Hui，YAN Qian-shi 　　（School of Computer Science and Engineering， Xi’an Technological University， Xi’an 710021， China） 　　Abstract： Because of that the automatic segmentation method is easy to be affected by the noise and the field offset effect， the fully automatic segmentation method can not completely replace the artificial semi-automatic segmentation method. This paper proposes an improved algorithm for liver section of CT image segmentation Based on region rowing algorithm， in order to minimize the image segmentation of artificial participation， to solve the present clinical semi automated interactive segmentation problem of low efficiency， and help computer aided diagnosis， lesion location， 3D reconstruction， treatment design. Methods： Based on the improved region growing method， the liver CT image was segmented. The proposed method was applied to the segmentation of two sets of liver CT slices， and the accuracy was above 90%. 　　Key words： automatic liver segmentation； region growing； CT image 　　?t学领域的图像分割的发展大致经历了三个阶段的发展，第一阶段完全依赖于工作人员手工勾勒出感兴趣的器官，即手工时期。尤其对于CT图像数以百计的切片来说，依靠工作人员手动去分割的方式不仅耗时耗力，而且分割是否准确很大程度依赖于医生的解剖知识和临床经验，针对不同患者分割结果不可复用，因此很不理想。第二阶段指随着技术的进步和设备的优化，慢慢出现了人工和机器结合的半自动化的分割方法。该方法使医生根据自己的诊断经验、医学知识利用先进的成像设备进行图形分割（例如，文献[6]中提到的自适应区域生长算法需要医者根据经验选取起始种子点，其后则可实现自动分割），采用交互式的半自动化方法完成对医学图像的分割。和手动分割比较，交互式分割方法很大程度降低了手工参与，而且分割效率高、准确度高。第三阶段，近年来，因为人工智能、模糊数学等学科得到广泛推广，出现了一些全自动的分割方法，几乎脱离了手工操作。但是因为各种医学成像技术拥有的成像特征各不相同，没有万能的分割方法，再加之在噪声的影响下，使获取到的图像很不理想，例如：图像灰度不均匀、存在伪影和噪声、对比度低、器官形状结构和微细结构分布复杂、不同软组织之间相互重叠造成边界模糊等特性。所以医用上全自动的分割方法尚无法普及。 　　现阶段基于CT图像的肝脏分割面临的挑战有：设备扫描范围很大，生成的CT断层图像数量多；肝脏与周围组织器官有大面重叠，且其灰度非常