• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:30 金币  

    重庆时时彩预测软件下载: 肺部CT影像病变组织的自动分割方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201510122955.9

    申请日:

    2015.03.20

    公开号:

    CN104715483A

    公开日:

    2015.06.17

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06T 7/00申请日:20150320|||公开
    IPC分类号: G06T7/00 主分类号: G06T7/00
    申请人: 中国科学院自动化研究所
    发明人: 田捷; 宋江典; 杨彩云; 杨凤
    地址: 100080北京市海淀区中关村东路95号
    优先权:
    专利代理机构: 北京博维知识产权代理事务所(特殊普通合伙)11486 代理人: 方振昌
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201510122955.9

    授权公告号:

    ||||||

    法律状态公告日:

    2018.05.11|||2015.07.15|||2015.06.17

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明提供的肺部CT影像病变组织的自动分割方法,包括:从肺实质CT影像中通过滑降算法搜索各点邻域梯度最小值,根据邻域梯度最小值获取肺部病变初始生长点的区域,根据肺部病变初始生长点的区域确定初始生长种子点;根据初始生长种子点获取像素灰度约束和生长距离约束,并从像素灰度约束和生长距离约束中由区域生长方法确定肺部病变区域;根据肺部病变区域得到各层肺部病变区域的边界,各层肺部病变区域的边界在中心点根据预设的方向得到所述肺部病变区域中相邻层的边界像素点,通过所述相邻层的边界像素点和所述肺部病变区域的中心点得到平均距离差值,并将超过所述平均距离差值的像素点进行平滑得到肺部病变组织的分割图像。

    权利要求书

    权利要求书
    1.  一种肺部CT影像病变组织的自动分割方法,其特征在于,所述方法包括:
    从肺实质CT影像中通过滑降算法搜索各点邻域梯度最小值,根据所述邻域梯度最小值获取肺部病变初始生长点的区域,并且根据所述肺部病变初始生长点的区域确定初始生长种子点;
    根据所述初始生长种子点获取像素灰度约束和生长距离约束,并从所述像素灰度约束和生长距离约束中通过区域生长方法确定肺部病变区域;
    根据所述肺部病变区域得到各层肺部病变区域的边界,所述各层肺部病变区域的边界在中心点根据预设的方向得到所述肺部病变区域中相邻层的边界像素点,通过所述相邻层的边界像素点和所述肺部病变区域的中心点得到平均距离差值,并将超过所述平均距离差值的像素点进行平滑得到肺部病变组织的分割图像。

    2.  根据权利要求1所述的方法,其特征在于,所述根据所述初始生长种子点获取像素灰度约束和生长距离约束包括:
    根据所述初始生长种子点的灰度值确定病变组织像素值的阈值,并根据所述病变组织的阈值得到所述像素灰度约束,以及
    根据所述肺部病变初始生长点的区域确定所述生长距离约束。

    3.  根据权利要求2所述的方法,其特征在于,从所述像素灰度约束和生长距离约束中通过区域生长方法确定肺部病变区域包括:
    从所述像素灰度约束和生长距离约束中通过区域生长方法得到肺病变区域像素点;
    对所述肺病变区域的各像素点赋予相应的代数标记;
    根据所述代数标记确定所述肺部病变区域。

    4.  根据权利要求1所述的方法,其特征在于,所述方法还包括:
    如果所述区域生长中第一代肺部病变区域的像素点的数值与相邻代的肺部病变区域的像素点的数值的差值大于预设的阈值,则将超过所述预设的阈值的肺部病变区域的像素点取消标记。

    5.  根据权利要求1所述的方法,其特征在于,所述并将超过所述平均距离差值的像素点进行平滑得到肺部病变组织的分割图像包括:
    根据下式计算所述肺部病变组织的分割图像的距离:
    Dis(bi″)=Dis(bi′)-(Dis(bi′)-Avg)*p
    其中,Dis(bi″)为所述肺部病变组织的分割图像的距离,Dis(bi′)为超过所述平均距离差值的像素点的距离,Avg为平均距离差值,p为超过所述平均距离差值的像素点占所有边界点的比重。

    说明书

    说明书肺部CT影像病变组织的自动分割方法
    技术领域
    本发明涉及图像分割技术,特别是涉及一种肺部CT影像病变组织的自动分割方法。
    背景技术
    肺部CT影像病变组织的自动分割是计算机辅助诊断领域研究的一个重要问题,它可以完成肺部病变组织的自动获取,缩短临床诊断时的等待时间,在计算机辅助诊断领域有重要的应用价值。
    肺部CT影像病变组织按照病变位置分类可以分为孤立类型、与血管粘连类型以及与胸膜粘连等类型;按照病变种类可以分为磨玻璃影、肺结节和肺肿瘤等类型。其中,磨玻璃影类型是肺部病变中最难以分割的。现有的基于区域生长的肺部病变组织分割算法都需要人工手动获取初始生长种子点,从而造成了不准确性。
    发明内容
    本发明提供的肺部CT影像病变组织的自动分割方法,可以准确地得到肺部病变组织的分割图像。
    根据本发明的一方面,提供一种肺部CT影像病变组织的自动分割方法,包括:
    从肺实质CT影像中通过滑降算法搜索各点邻域梯度最小值,根据所述邻域梯度最小值获取肺部病变初始生长点的区域,并且根据所述肺部病变初始生长点的区域确定初始生长种子点;根据所述初始生长种子点获取 像素灰度约束和生长距离约束,并从所述像素灰度约束和生长距离约束中确定肺部病变区域;根据所述肺部病变区域通过区域生长方法得到各层肺部病变区域的边界,所述各层肺部病变区域的边界在中心点根据预设的方向得到所述肺部病变区域中相邻层的边界像素点,通过所述相邻层的边界像素点和所述肺部病变区域的中心点得到平均距离差值,并将超过所述平均距离差值的像素点进行平滑得到肺部病变组织的分割图像。
    本发明实施例提供的肺部CT影像病变组织的自动分割方法,通过根据初始生长种子点获取像素灰度约束和生长距离约束,并从像素灰度约束和生长距离约束中确定肺部病变区域,并对肺部病变区域进行平滑处理,从而准确地得到肺部病变组织的分割图像。
    附图说明
    图1为本发明实施例提供的肺部CT影像病变组织的自动分割方法流程图;
    图2为本发明实施例提供的实性结节类型和磨玻璃类型的肺部病变组织示意图;
    图3为本发明实施例提供的同一个孤立肺结节的不同分割结果示意图;
    图4为本发明实施例提供的同一个磨玻璃病变的不同分割结果示意图;
    图5为本发明实施例提供的肺部病变分割完成时的人工交互次数结果示意图;
    图6为本发明实施例提供的不同选取条件下的初始生长种子点的分割 结果示意图。
    具体实施方式
    本发明的总体构思是,通过根据初始生长种子点获取像素灰度约束和生长距离约束,并从像素灰度约束和生长距离约束中通过区域生长方法确定肺部病变区域,并对肺部病变区域进行平滑处理,从而准确地得到肺部病变组织的分割图像。
    下面结合附图对肺部CT影像病变组织的自动分割方法进行详细描述。
    图1为本发明实施例提供的肺部CT影像病变组织的自动分割方法流程图。
    参照图1,在步骤S101,从肺实质CT影像中通过滑降算法搜索各点邻域梯度最小值,根据所述邻域梯度最小值获取肺部病变初始生长点的区域,并且根据所述肺部病变初始生长点的区域确定初始生长种子点。
    这里,初始生长点的区域可以为滑降标记图像的高亮部分。
    步骤S101具体过程如下:首先对于肺实质CT影像的每个像素逐一进行邻域最小梯度值计算,搜索其邻域内梯度最小值,并在预先构造梯度栈内按序存储每一个肺实质像素点得到的梯度最小值;其次,对之后每一个像素点得到的最小梯度值,遍历梯度栈与已存储的各梯度最小值相比,得到与其最相似的梯度值作为该点在标记图像上的标记值的一项,并由公式(1)计算其标记图像上的像素标记值:
    LSource(i,j)=GSource(i,j)*p+[SMax(ToboStack,GToboMin(i,j))]2*q   (1)
    GSource(i,j)为进行搜索的源像素点(i,j),ToboStack为构造的梯度栈,GToboMin(i,j)为搜索得到的邻域最小梯度值,SMax(ToboStack,GToboMin(i,j))函数 表示在梯度栈里搜索与GToboMin(i,j)里最接近的梯度值。LSource(i,j)表示搜索源像素点(i,j)在滑降标记图像里的像素标记值。p、q表示权重用于确定源像素梯度值和梯度栈内计算得到的梯度值在计算LSource(i,j)的比重。
    在步骤S102,根据所述初始生长种子点获取像素灰度约束和生长距离约束,并从所述像素灰度约束和生长距离约束通过区域生长方法确定肺部病变区域。
    在步骤S103,根据所述肺部病变区域得到各层肺部病变区域的边界,所述各层肺部病变区域的边界在中心点根据预设的方向得到所述肺部病变区域中相邻层的边界像素点,通过所述相邻层的边界像素点和所述肺部病变区域的中心点得到平均距离差值,并将超过所述平均距离差值的像素点进行平滑得到肺部病变组织的分割图像。
    这里,根据预设的方向可以每隔2°取一个方向,计算各个方向上每两个相邻层的病变区域边界与图像中心点的距离差值,最后将超过平均差值的像素点通过公式(2)进行平滑。
    进一步地,所述根据所述初始生长种子点获取像素灰度约束和生长距离约束包括:
    根据所述初始生长种子点的灰度值确定病变组织像素值的阈值,并根据所述病变组织的阈值得到所述像素灰度约束,以及
    根据所述肺部病变初始生长点的区域确定所述生长距离约束。
    进一步地,从所述像素灰度约束和生长距离约束中通过区域生长方法确定肺部病变区域包括:
    从所述像素灰度约束和生长距离约束中通过区域生长方法得到肺病 变区域像素点;
    对所述肺病变区域的各像素点赋予相应的代数标记;
    根据所述代数标记确定所述肺部病变区域。
    进一步地,所述方法还包括:
    如果所述肺部病变区域生长过程中第一代的像素点的数值与相邻代的肺部病变区域的像素点的数值的差值大于预设的阈值,则将超过所述预设的阈值的肺部病变区域的像素点取消标记。
    这里,第一代的像素点是从肺部病变区域生长过程中选取任意一代的像素点。并且将超过所述预设的阈值的肺部病变区域的像素点取消标记后,需要重新获取像素灰度约束和生长距离约束。
    进一步地,所述并将超过所述平均距离差值的像素点进行平滑得到肺部病变组织的分割图像包括:
    根据公式(2)计算所述肺部病变组织的分割图像:
    Dis(bi″)=Dis(bi')-(Dis(bi')-Avg)*p   (2)
    其中,Dis(bi″)为所述肺部病变组织的分割图像的距离,Dis(bi')为超过所述平均距离差值的像素点的距离,Avg为平均距离差值,p为超过所述平均距离差值的像素点占所有边界点的比重。
    这里,Dis(bi″)具体为经过平滑后的超过所述平均距离差值的像素点与图像中心点的距离。
    图2为本发明实施例提供的实性结节类型和磨玻璃类型的肺部病变组织示意图。
    参照图2,滑降算法可以从肺实质梯度图像上准确得到肺部病变组织 的位置以及形状,其中高亮部分就是肺结节区域。
    图3为本发明实施例提供的同一个孤立肺结节的不同分割结果示意图。
    参照图3,(a)是通过本发明采用的方法得到的分割结果;(b)是医生A的手动分割结果;(c)是医生B的手动分割结果;(d)是采用水平集算法得到的分割结果;(e)是采用骨架割算法得到的分割结果。
    由图3可知,(a)得到的分割结果与(b)、(c)提供的手动分割结果的相似度高于(d)和(e),在第97层图像上,(d)和(e)都将病变组织上方的血管错误的认为是病变组织。
    图4为本发明实施例提供的同一个磨玻璃病变的不同分割结果示意图。
    参照图4,(a)是通过本发明采用的方法得到的分割结果;(b)是医生A的手动分割结果;(c)是医生B的手动分割结果;(d)是采用水平集算法得到的分割结果;(e)是采用骨架割算法得到的分割结果。
    由图4可知,(a)得到的分割结果与(b)、(c)提供的手动分割结果的相似度高于(d)和(e),从第159层图像到第160层图像,(d)和(e)都将病下方的血管错误的认为是病变组织。
    图5为本发明实施例提供的肺部病变分割完成时的人工交互次数结果示意图。
    参照图5,1表示骨架割算法所用的人工参与次数,2表示单点击共生分割算法的人机交互次数,3表示水平集方法的人机交互次数,4表示本发明所用的人工交互次数。
    由图5可知,本发明采用的方法所需要手动参与次数为0,而骨架割方法所需要的人机交互次数为3,单点击共生分割方法与水平集算法所需要的人机交互次数为1,由此可知,本发明采用的方法实现了全自动的肺部病变组织的分割。
    图6为本发明实施例提供的不同选取条件下的初始生长种子点的分割结果示意图。
    通过自动选择的种子点得到的分割结果(TBGA)与通过手动给定的种子点得到的分割结果(MBGA)进行逐像素对比,黑色表示第一次测试得到的分割相似度,灰色表示第二次测试得到分割相似度。
    由图6可知,通过自动选择的种子点得到的分割结果(TBGA)与通过手动给定的种子点得到的分割结果(MBGA)平均相似度达到了92.50%,由此可知,本发明采用的方法具有很高的实用价值。
    以上所述,仅为本发明的具体实施方式,但本发明的?;し段Р⒉痪窒抻诖?,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的?;し段е?。因此,本发明的?;し段вσ运鋈ɡ蟮谋;し段?。

    关 键 词:
    肺部 CT 影像 病变 组织 自动 分割 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:肺部CT影像病变组织的自动分割方法.pdf
    链接地址://www.4mum.com.cn/p-5890585.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03