CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110033454A(43)申请公布日2019.07.19(21)申请号201910316092.7(22)申请日2019.04.19(71)申请人河北大学地址071002河北省保定市五四东路180号河北大学(72)发明人张欣王洁王兵(74)专利代理机构石家庄国域专利商标事务所有限公司13112代理人孙丽红(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06T7/136(2017.01)权利要求书3页说明书9页附图3页(54)发明名称CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法(57)摘要本发明公开了一种CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法。首先在含大肿瘤的肺CT图像中提取左右肺叶实质形状，构建输入形状；然后根据无肿瘤肺CT图像，利用稀疏相似形状线性组合模型构建先验形状；再在先验形状上选择形变曲线及其控制点，在输入形状上选择目标曲线及其控制点；利用曲线形变方法修正肺实质形状（即输入形状）上的连续性大误差，从而得到包含肿瘤在内的完整的肺实质轮廓，并进一步得到肺实质图像；最后，在肺实质图像上，使用区域生长方法分割肺肿瘤。CN110033454ACN110033454A权利要求书1/3页1.一种CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法，其特征是，按如下步骤进行：S1、选取一帧肺部CT图像作为处理对象，其对应肺部CT扫描的一个切片层，并包含大面积粘连肺边界组织的肿瘤；记录该图像的层序号l，采用大津阈值方法分割左右肺叶实质，构建肺叶实质形状sl，简称输入形状；S2、收集N＝300～400组无肿瘤的肺CT图像序列，从各组中选择与步骤S1相似层次的肺CT图像为处理对象，采用大津阈值方法，获取各图像的左右肺叶的实质形状，简称肺实质形状；所有的肺实质形状组成一个数据库G；然后根据输入形状sl和数据库G，利用稀疏相似形状线性组合模型获取包含大肿瘤的肺实质轮廓先验形状，简称先验形状；本步骤中，与步骤S1所选图像相似层次的无肿瘤肺CT图像的确定方法为：公式(1)中，所找的切片层序号的计算值即为所选相似层次的图像；S3、在先验形状上确定形变曲线及其基线，并在基线上选择基准控制点；在输入形状上确定目标曲线并选择目标控制点；S4、根据步骤S3所确定的曲线和控制点，利用曲线形变方法修正输入形状上的连续性大误差，从而得到包含肿瘤在内的完整的肺实质轮廓；将肺实质轮廓线外围填充纯黑色，肺实质轮廓内部为肺实质的实际灰度值，这样所形成的图像称为肺实质图像；S5、在肺实质图像上，通过直方图分析方法在肿瘤区域中选择生长点，使用区域生长方法分割肺肿瘤。2.根据权利要求1所述的CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法，其特征是，步骤S2具体实现过程如下：S2a、所收集的N组无肿瘤的肺CT图像序列，从各组中选择与步骤S1中所述的包含大面积粘连肺边界组织的肿瘤CT图像相似层次的图像作为处理对象；采用大津阈值方法，获取所有相似层次图像的肺实质形状gi(i＝1，2，...，N)，所有的肺实质形状组成一个数据库G；S2b、根据输入形状sl中左右肺的面积比确定肿瘤所在的单边肺叶实质；面积小的为肿瘤所在肺叶实质，记为slt；面积大的为正常的肺叶实质，作为参考形状，记为sln；同样，将数据库G里的各肺实质形状也分成两部分，其与slt对应的数据库记为Gtum，每个单边肺叶实质形状记为与sln对应的数据库记为Gnor，每个单边肺叶实质形状记为S2c、根据公式(2)寻找数据库Gnor中与sln最相似的单边肺叶实质形状数据库G中与jj对应的g即为与sl最相似的形状；依次找出前m个与sl最相似的形状g(j＝1，2，...，jm)，m＜N；对输入形状sl和所有的相似形状g，使用边缘检测方法分别提取形状边界，并在边界轮廓线上提取均匀分布的标记点，将每个标记点的坐标按顺序构成一维列向量作为各形状轮廓的稀疏表示；以形状sln的轮廓线为参考，使用普氏分析将所述一维列向量归一化，然后将归一化后的相似形状列向量线性组合，得到sl的先验形状。2CN110033454A权利要求书2/3页3.根据权利要求1所述的CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法，其特征是，步骤S4具体实现过程如下：S4a、设形变曲线上共有n个控制点，分为基准控制点和基线外的控制点两类，另设形变曲线的基线共有nB段，每段基线上包含nb个基准控制点，将第i段基线记为Bi，该基线上的基准控制点记为Bi(vj)(j＝1，2，...，nb)，这组基准控制点组成的列向量记为对应的目标控制点列向量记为为基线Bi作用下的形变曲线上基线外控制点组成的列向量，nc为形变曲线上基线外控制点的个数；S4b、对每