梁洪，李金

哈爾濱工程大學(xué) 自動(dòng)化學(xué)院生物醫(yī)學(xué)工程研究所，黑龍江 哈爾濱 150001

一種肺部CT圖像快速分割算法研究

梁洪，李金

哈爾濱工程大學(xué) 自動(dòng)化學(xué)院生物醫(yī)學(xué)工程研究所，黑龍江 哈爾濱 150001

針對(duì)臨床輔助診斷的需求，本文提出一種肺部感興趣區(qū)域快速分割算法。該算法首先利用最大類間方差（OTSU）法對(duì)圖像進(jìn)行預(yù)分割，然后利用區(qū)域生長(zhǎng)及小面積消除方法剔除干擾信息，并生成掩模圖像，最后運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法對(duì)模板進(jìn)行細(xì)化，并將原始圖像與掩模圖像進(jìn)行數(shù)學(xué)運(yùn)算，從而獲得肺部感興趣區(qū)域。實(shí)驗(yàn)結(jié)果表明，本文提出的算法自動(dòng)化程度高，分割較為準(zhǔn)確。

CT圖像；最大類間方差；數(shù)學(xué)形態(tài)學(xué)；肺部感興趣區(qū)域；CT肺部成像

在臨床影像診斷過程中，醫(yī)生一般只關(guān)注有利于疾病診斷的感興趣區(qū)域（Region of Interest，ROI）。通過對(duì)肺部CT圖像的特點(diǎn)進(jìn)行分析，我們可以發(fā)現(xiàn)能夠反映肺部病變的信息全部集中在肺部區(qū)域中，而其它如胸廓、心臟、檢查床和患者衣物等屬于不相關(guān)信息，但這些信息會(huì)干擾病變區(qū)域特征提取的準(zhǔn)確性，因此，對(duì)胸部CT圖像進(jìn)行分割提取肺部組織是一種有效提取病變區(qū)域的特征，同時(shí)也是降低非相關(guān)信息干擾的行之有效的手段[1]。

通過對(duì)現(xiàn)有圖像處理算法的總結(jié)與應(yīng)用，本文提出一種適用于肺部病變CT圖像的快速分割方案，能夠快速有效地提取肺部感興趣區(qū)域。

1 總體設(shè)計(jì)

根據(jù)胸部CT圖像的影像學(xué)和解剖學(xué)特點(diǎn)，首先利用最大類間方差法（OTSU法）對(duì)圖像進(jìn)行預(yù)分割，然后利用區(qū)域生長(zhǎng)及小面積消除方法剔除干擾信息，同時(shí)生成掩模圖像，最后運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法對(duì)模板進(jìn)行細(xì)化，將原始圖像與掩模圖像進(jìn)行數(shù)學(xué)運(yùn)算即可得到肺部區(qū)域。具體方法如圖1所示。

圖1 肺部區(qū)域提取示意圖

2 快速分割算法

2.1 基于OTSU方法的圖像預(yù)分割

最大類間方差法由日本學(xué)者Nobuyuki Otsu[2]首先提出，是一種自適應(yīng)的閾值確定方法，又叫大津法，簡(jiǎn)稱OTSU法。該方法應(yīng)用類判別法尋找最佳閾值，以獲得最好的分離特性?？疾旆尾酷t(yī)學(xué)圖像，可以發(fā)現(xiàn)背景和目標(biāo)的灰度差值很大，如圖2所示。因此，利用OTSU法依據(jù)類間距離極大準(zhǔn)則來確定區(qū)域分割閾值就意味著錯(cuò)分概率最小。

圖2 胸部CT圖像及其直方圖

設(shè)圖像f(x,y)有L個(gè)灰度級(jí)，則圖像的灰度統(tǒng)計(jì)直方圖可以由以下離散函數(shù)表示：

式中， sk為圖像f(x,y)的第k級(jí)灰度值， nk為f(x,y)中具有灰度值sk的像素的個(gè)數(shù)， n為圖像像素總數(shù)。

選定閾值t，將圖像分成灰度區(qū)間為O:t的目標(biāo) 和灰度區(qū)間為(t+1):(L-1)的背景f2(x,y)兩類，則f1(x,y)和f2(x,y)的概率可由下式表示：

兩類圖像的灰度均值和圖像總體均值則可以表示為：

OTSU方法把兩類的類間方差作為得到最優(yōu)分割閾值的判別準(zhǔn)則，認(rèn)為使得分離度為最大的 值為最佳閾值。

本文利用大量圖像進(jìn)行了實(shí)驗(yàn)，在此僅以一幅胸部CT圖像為例。圖3的(a)為原始圖像，(b)為利用OTSU法預(yù)分割得到的結(jié)果。

圖3 胸部CT圖像OTSU法分割結(jié)果

2.2 基于區(qū)域生長(zhǎng)與小面積計(jì)算的無關(guān)信息消除

胸部軸向 CT層片一般分為三層：上肺野層片、 中肺野層片和下肺野層片，我們選取的CT測(cè)試圖像大多集中在上肺野層片和中肺野層片。經(jīng)過OTSU法分割后，肺部CT圖像根據(jù)灰度值分布情況將肺部區(qū)域和背景大致分開，然而，在上肺野層片的中間目標(biāo)區(qū)域上還保留有大氣管的影像，在中肺野層片上，保留有左右主支氣管的影像。另外，圖像中還存在檢查床、心臟和血管等高密度區(qū)域，這些區(qū)域都會(huì)對(duì)提取完整的肺部區(qū)域形成干擾，為了去除這些無關(guān)信息，我們利用基于區(qū)域生長(zhǎng)的方法和小面積計(jì)算的方法繼續(xù)進(jìn)行分割。

區(qū)域生長(zhǎng)是一種典型的串行區(qū)域技術(shù)，其基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域，從某個(gè)像素出發(fā)，按照一定的準(zhǔn)則，逐步加入臨近像素，當(dāng)滿足一定條件時(shí)區(qū)域生長(zhǎng)終止，可以用圖4表示。

圖4 區(qū)域生長(zhǎng)流程圖

影像區(qū)域生長(zhǎng)結(jié)果的好壞有以下3個(gè)原因：初始點(diǎn)（種子點(diǎn)）的選取、生長(zhǎng)準(zhǔn)則和終止條件。

初始點(diǎn)的選擇，可以是人工加入的交互信息，也可以讓計(jì)算機(jī)自己選取種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)。針對(duì)胸部CT圖像的特點(diǎn)，本文采用 鄰域模板，種子點(diǎn)選取為圖像的中心，生長(zhǎng)準(zhǔn)則是相鄰象素的象素值小于10，終止條件是一直進(jìn)行到再?zèng)]有滿足生長(zhǎng)準(zhǔn)則需要的象素時(shí)為止。經(jīng)過區(qū)域生長(zhǎng)再分割和反色變換后得到的圖像如圖5(a)所示。

除了大部分肺部組織外，氣管、支氣管因內(nèi)部充滿空氣，也顯示為低密度影區(qū)，而原本屬于肺部組織的部分血管、結(jié)節(jié)、纖維化等則顯示為高密度影區(qū)[3]。通過目測(cè)就能發(fā)現(xiàn)，氣管、支氣管對(duì)應(yīng)的低密度影區(qū)的面積要明顯小于肺部組織對(duì)應(yīng)的白色區(qū)域面積；而肺實(shí)質(zhì)內(nèi)的血管、結(jié)節(jié)、纖維化等對(duì)應(yīng)的高密度影區(qū)的面積也遠(yuǎn)不及肺部組織的面積。由此，我們分別對(duì)圖像的兩個(gè)密度區(qū)域進(jìn)行連通域標(biāo)記，測(cè)得各連通區(qū)域的面積，同時(shí)選取合適的面積閾值，并對(duì)面積小于相應(yīng)閾值的區(qū)域內(nèi)的像素值取反，這樣不僅可以自動(dòng)去除氣管、支氣管等干擾，而且能夠?qū)⑸鲜龈呙芏冉Y(jié)構(gòu)正確的歸到肺部區(qū)域，從而彌補(bǔ)二值化過程帶來的分類誤差。處理結(jié)果如圖5(b)所示。

圖5 去除無關(guān)信息的結(jié)果

2.3 基于形態(tài)學(xué)方法的掩模生成與細(xì)化

通過上述一系列的處理，肺部模板已經(jīng)基本成形，但是，對(duì)圖5(b)進(jìn)行分析可以看到，由于肺實(shí)質(zhì)邊緣密度和周圍組織非常相近，在肺部區(qū)域預(yù)分割時(shí)常常將其誤分為背景，因此，本文利用形態(tài)學(xué)的閉運(yùn)算對(duì)模板進(jìn)行細(xì)化。

圖6(a)為利用閉運(yùn)算細(xì)化得到的最終模板，將原圖與模板做減運(yùn)算即得到了肺部區(qū)域的完整圖像，如圖6(b)所示?？梢?，閉運(yùn)算能夠填平小的空洞，彌合小的裂縫，而總的位置和形狀不變，原圖經(jīng)過閉運(yùn)算后，斷裂的地方被彌合了。

圖6 分割最終結(jié)果

3 結(jié)論

本文提出的算法對(duì)大量肺部CT圖像進(jìn)行分割，并與現(xiàn)有的肺部區(qū)域分割算法比較[4-6]，其實(shí)驗(yàn)結(jié)果表明，本文提出的算法簡(jiǎn)單且易于實(shí)現(xiàn)，能夠較為迅速且準(zhǔn)確的分割出雙肺區(qū)域，并能夠有效地去除氣管和支氣管等干擾。與此同時(shí)，在處理含有血管、結(jié)節(jié)、纖維化等高密度影區(qū)的圖像時(shí)，能夠進(jìn)行高效且準(zhǔn)確的分割。但由于人體胸部解剖結(jié)構(gòu)的差異，該分割算法還不能適用于在靠近胸廓位置含有高密度影等類型的圖像。為了更好地滿足臨床輔助診斷的需求，對(duì)算法進(jìn)行改進(jìn)是未來的工作目標(biāo)。

[1] 曹蕾,占杰,余曉鍔,等.基于自動(dòng)閾值的 CT 圖像快速肺實(shí)質(zhì)分割算法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2008, 44 (12):178-181.

[2] Otsu N.A threshold selection method from gray level histogram[J].IEEE Trans on Syst Man,Cybern,1979,9(1):62-66.

[3] 吳恩惠.醫(yī)學(xué)影像診斷學(xué)[M].北京:人民衛(wèi)生出版社, 2001.

[4] 陳旭,莊天戈.胸部高分辨率CT片中肺實(shí)質(zhì)的自動(dòng)分割[J].上海交通大學(xué)學(xué)報(bào), 2002,(36)7:946-948.

[5] Shojaii R, Alirezaie J, Babyn P. Automatic lung segmentation in CT images using watershed transform. Image Processing, 2005. ICIP 2005. IEEE International Conference on,2005,2: II-1270-3.

[6] Lu Meng, Hong Zhao. Interactive Lung Segmentation Algorithm for CT Chest Images Based on Live-Wire Model and Snake Model[M]. Electronic Computer Technology, 2009 International Conference on, 2009:461-466.

[7] 柳淵,等.基于MITK的醫(yī)學(xué)圖像三維重建方法研究[J].中國(guó)醫(yī)療設(shè)備,2009,24(1):10-13.

[8] 李慶玲.CT圖像肺結(jié)節(jié)自動(dòng)檢測(cè)算法研究與實(shí)現(xiàn)[D].北京:北京交通大學(xué),2010.

[9] 曹蕾.肺結(jié)節(jié)圖像的分析與識(shí)別[D].廣州:南方醫(yī)科大學(xué),2009.

A Fast Segmentation Algorithm Approach on Lung ROI

LIANG Hong, LI Jin
Biomedical Institution, College of Automation, Harbin Engineering University, Harbin Heilongjiang 150001, China

According to the request of clinical diagnostic-assisted, a fast segmentation algorithm approach on lung ROI is proposed in this paper. Firstly, maximum between-cluster variance method is applied to presegment the image. Secondly, the method of region growing and small area elimination is applied to get rid of disturb information and generate mask image in the meantime. Lastly, the mathematical morphology method is applied to refine the template image. And arithmetical operation is used to original image and mask image to get lung region of interest. The experimental results indicate that the algorithm in this paper has a high automation degree and accuracy segmentation.

CT images; maximum between-cluster variance; mathematical morphology; lung region of interest; lung CT imaging

TP391.4

A

10.3969/j.issn.1674-1633.2011.03.010

1674-1633(2011)03-0028-03

2010-09-30

作者郵箱：lh@hrbeu.edu.cn