張文莉，呂曉琪,2+，谷 宇,2，吳 涼，李 菁

(1.內(nèi)蒙古科技大學(xué) 信息工程學(xué)院 內(nèi)蒙古自治區(qū)模式識別與智能圖像處理重點實驗室，內(nèi)蒙古 包頭 014010；2.上海大學(xué) 計算機工程與科學(xué)學(xué)院，上海 200444)

0 引 言

目前，肺實質(zhì)的分割方法[1,2]主要包括：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法、基于機器學(xué)習(xí)的分割方法、基于特定理論的分割方法等[3-8]。這些算法對非病變肺實質(zhì)的分割效果較好，但在癌變的肺實質(zhì)中，僅用一種傳統(tǒng)的分割算法易產(chǎn)生過分割或欠分割的現(xiàn)象。目前，常采用多種算法融合或改進傳統(tǒng)分割算法提高肺實質(zhì)的分割精度。Dai S等[9]結(jié)合改進的圖割算法和高斯混合模型以實現(xiàn)肺實質(zhì)分割，該算法提取的肺癌病變肺實質(zhì)存在病灶區(qū)域遺漏問題。龔敬等[10]提出一種灰度積分投影與模糊C均值聚類算法相結(jié)合的肺實質(zhì)分割方法，該算法計算復(fù)雜度高，且分割結(jié)果與聚類中心的位置有關(guān)。目前，針對肺實質(zhì)邊界模糊提出的修補算法主要有數(shù)學(xué)形態(tài)學(xué)法、滾球法、滾圓法、曲率分析法、凸包法等[11-15]。但由于粘連肺壁的腫瘤會致使邊界信息嚴重丟失，滾球法和滾圓法容易陷進缺陷區(qū)域，而達不到修補效果。凸包算法對肺邊緣的修補精度較高，計算量較小，但無法修補血管型凹陷，受噪聲影響較大。本文提出一種改進模糊C均值聚類算法對CT圖像進行肺實質(zhì)分割，然后用八方向的Freeman鏈碼對肺實質(zhì)的缺失邊緣進行修補，該方法對肺實質(zhì)邊緣丟失，尤其是血管型凹陷有著很好的修補作用，且不易受噪聲的影響。

1 算法實現(xiàn)與分析

肺實質(zhì)分割步驟包括肺實質(zhì)粗分割、支氣管移除、左右肺分離、邊緣修補。在分析模糊C均值聚類算法、數(shù)學(xué)形態(tài)學(xué)運算、曲率分析、滾球算法、滾圓算法、凸包算法和Freeman鏈碼法的基礎(chǔ)上提出一種綜合算法對肺實質(zhì)進行分割。原始肺部CT圖像如圖1所示，圖1(a)為大面積病變肺實質(zhì)的原始CT圖像，圖1(b)為正常肺實質(zhì)的原始CT圖像。

圖1 原始肺部CT圖像

1.1 肺實質(zhì)粗分割

模糊C均值聚類算法是一種經(jīng)典的圖像分割算法，該算法利用圖像的空域特征將灰度值相似的像素劃分到一簇，且使不同簇之間的相似度最小，從而實現(xiàn)圖像分割[10-12]。模糊C均值聚類算法利用模糊隸屬度函數(shù)的不斷更新使目標函數(shù)收斂。本文使用改進模糊C均值聚類算法選取合適的閾值將肺部CT圖像二值化，該方法能夠解決傳統(tǒng)閾值存在的過分割的問題。

模糊隸屬度函數(shù)公式

(1)

其中

(2)

(3)

圖2 改進模糊C均值聚類二值化圖像

在對患者進行CT檢查時，由于患者衣物、檢查床等與肺實質(zhì)的灰度值相近，肺部CT圖像二值化后，這些部分和肺實質(zhì)的值相同，需要把肺實質(zhì)以外的部分作為背景，其值設(shè)置為0。

背景的去除步驟：首先利用八鄰域漫水填充算法(Flood Fill)獲得肺部CT的背景圖像，得到的背景二值圖像如圖3所示；然后將二值化的肺部CT圖像與背景圖像做差分運算，肺實質(zhì)的粗分割結(jié)果如圖4所示。

圖3 背景提取

圖4 去除背景的肺實質(zhì)圖像

1.2 肺氣管去除

由于肺氣管不屬于肺實質(zhì)，在分肺實質(zhì)分割過程中若不將其去除會影響肺區(qū)的進一步分割。粗分割后的肺實質(zhì)內(nèi)包含的肺氣管部分粘連肺實質(zhì)，難以完全去除。因此本文采用數(shù)學(xué)形態(tài)學(xué)開運算與孔洞填充算法相結(jié)合的方法，首先用開運算分離粘連肺實質(zhì)的氣管，然后結(jié)合孔洞填充算法去除肺氣管樹。

開運算公式

A°B=(AθB)⊕B

(4)

此開運算公式表示B對A開運算，分離粘連肺實質(zhì)的支氣管，且平滑了肺實質(zhì)的邊緣。對粗分割的肺實質(zhì)進行開運算后，結(jié)合孔洞填充去除小面積的肺實質(zhì)孔洞，然后標記連通區(qū)域，用預(yù)設(shè)面積(2000Pixel)去除干擾區(qū)域和主氣管。去除支氣管后的CT圖像如圖5所示。

圖5 去除肺氣管的肺實質(zhì)圖像

1.3 左右肺分離

肺實質(zhì)分為左、右兩大肺區(qū)，受部分容積效應(yīng)及肺部病變的影響，在CT圖像的分割過程中易出現(xiàn)左右肺粘連的現(xiàn)象，嚴重影響肺部疾病后期的診斷和治療。因此，左右肺分離也是肺實質(zhì)分割的關(guān)鍵環(huán)節(jié)。

左右肺分離的步驟主要有：判斷左右肺是否粘連、確定左右肺粘連的位置、分離左右肺。本文采用灰度投影積分和行掃描算法分離左右肺。首先對連通區(qū)域進行標記，并求出所有連通區(qū)域的面積，當給定閾值大于最大的兩個連通區(qū)域的面積時則判定左右肺粘連，反之則判定左右肺分離；然后用灰度積分投影算法快速定位左右肺的粘連區(qū)域；最后通過行掃描和列掃描實現(xiàn)左右肺分離。左右肺分離后的CT圖像如圖6所示。

圖6 左右肺分離

1.4 邊緣修補

由于肺部有粘連胸腔的腫瘤，在肺實質(zhì)粗分割后，對肺區(qū)輪廓進行修復(fù)才能獲得包含腫瘤的肺實質(zhì)區(qū)域。凸包算法在進行肺實質(zhì)修補時，由于內(nèi)側(cè)邊緣有噪聲存在，該算法無法達到預(yù)期的修補效果。滾圓法或滾球法對肺實質(zhì)邊界進行修補時，如果半徑選取較小，則滾圓或滾球可能會陷入凹陷區(qū)域，而達不到修補的目的；如果半徑選取過大，就會將肺實質(zhì)以外的組織包含至肺實質(zhì)內(nèi)，進而影響肺實質(zhì)的分割精度。Freeman鏈碼分為八連接鏈碼和四連接鏈碼，如圖7所示。通過一個指定長度與方向的直線段的連接序號對邊緣進行跟蹤。Freeman鏈碼生成的三鏈碼差對圖像邊緣的凸凹性判斷準確度高，且不受噪聲影響。另外，八方向Freeman鏈碼生成的三鏈碼差對圖像邊緣的凹凸性判斷更精確。本文采用八方向三鏈碼差，八連接鏈碼描述邊界時的鏈碼值與邊界坐標(x,y)的對應(yīng)關(guān)系見表1。

圖7 Freeman鏈碼

表1 八鄰域鏈碼值與邊界坐標(x,y)的對應(yīng)關(guān)系

基于Freeman鏈碼的邊界描述首先要確定鏈碼的起點和方向，八方向連接的鏈碼每旋轉(zhuǎn)45度鏈碼值增加1。利用三鏈碼差進行凹凸性判別時，若鏈碼差小于-1，則此點為凸點，若鏈碼差大于2，則此點為凹點，并利用循環(huán)尋找凹凸點坐標，若相鄰兩個凸點中間有一個凹點，則將這兩個凸點用直線算法連接，完成邊界的修補。該修補算法能準確檢測出邊界缺失的部分，并進行修補。圖8(a)、圖8(b)、圖8(c)為大面積病變的肺實質(zhì)邊緣修補后效果圖，圖8(d)、圖8(e)、圖8(f)為正常肺實質(zhì)邊緣修補后效果圖。

圖8 修補后的肺實質(zhì)

2 實驗結(jié)果

本文所用的肺部CT影像來源于LIDC數(shù)據(jù)庫，為驗證本文算法的有效性，從LIDC中隨機抽取20個序列進行實驗，所有序列中每一幀的像素均為512*512。實驗工具為MATLAB R2014a，計算機環(huán)境為Intel(R) Core (TM) i7—3770 CPU，3.40 GHz，8 GB內(nèi)存，64位操作系統(tǒng)。圖9(a)與圖9(b)為本文方法分割結(jié)果，圖9(c)與圖9(d)為專家手動分割結(jié)果。從圖中可看出本文算法分割出的肺實質(zhì)接近臨床放射科專家手動分割結(jié)果。

圖9 本文算法與金標準分割結(jié)果

為定量分析本文方法分割的準確率，將本文算法與臨床放射科專家手動分割金標準進行對比，采用式(5)Dice系數(shù)(手動分割區(qū)域與本文算法分割區(qū)域的相似性測度)和式(6)絕對容積誤差Q作為評價標準

(5)

(6)

其中，S為本算法分割結(jié)果，R為醫(yī)生手動分割結(jié)果，V為分割區(qū)域的面積，∩為交集運算符，Dice系數(shù)越接近1，Q值越接近0，說明算法分割精度越高。本文算法主要針對序列CT圖像進行分割，從LIDC數(shù)據(jù)庫中選取20個CT序列圖像進行實驗，平均分割精度為96%。用本文所采用的算法對CT圖像進行分割時，首先利用改進模糊C均值聚類選取最佳閾值，然后用所得閾值將圖像二值化，與傳統(tǒng)閾值法相比，算法的精度能得到進一步提高，不會出現(xiàn)過分割現(xiàn)象。另外，F(xiàn)reeman八方向三鏈碼差算法在修補肺實質(zhì)邊緣時具有魯棒性強的特點，且不受噪聲的影響。

3 結(jié)束語

針對肺部CT內(nèi)邊界存在噪聲以及傳統(tǒng)的算法無法有效修補大面積病變肺實質(zhì)的問題，本文提出了能有效分割病變肺實質(zhì)方法。首先結(jié)合改進模糊C均值算法與八鄰域漫水填充算法獲得粗分割的肺實質(zhì)圖像；然后采用灰度投影積分方法分離左右肺；最后利用Freeman鏈碼三鏈碼差算法修補肺部缺失邊界，進一步提高分割精度。實驗結(jié)果表明，該方法能有效分割肺實質(zhì)，且分割精度接近專家手動分割的金標準，為肺癌的放療、化療、手動切除等后續(xù)工作奠定了堅實的基礎(chǔ)。