高分辨率CT图像的肺纹理分割方法研究

摘要

随着医学影像技术的飞速发展，高分辨率数字图片大量产生，这一方面为影像诊断师提供了更清晰的解剖或功能图片，另一方面也增加了读片负担，致使漏诊和误诊率增加。在此背景下，计算机辅助诊断(computer aided diagnosis，CAD)的研究蓬勃发展起来。计算机断层扫描(computed tomography，CT)是肺功能测定和肺部疾病诊断的重要成像手段，目前国内外已有一些关于肺部功能测定和肺部疾病诊断的报道，在这些研究的效果都需要良好的肺分割和配准技术支持。肺纹理(包括肺气管树、静脉树和动脉树)，包含了肺部重要的功能和解剖结构信息，并与某些肺部病变(如：肺肿瘤、气管狭窄等)直接或间接关联，可以诊断和定位肺部病变，是设计肺部CAD系统时的重要信息，并且可以进一步应用于肺气管镜和肺解剖图谱建立的研究。基于肺纹理在肺图像处理中的重要性，本课题根据肺部气管，血管的不同特点分别进行自动分割，并利用双距离场的方法提取骨架，从而得到气管解剖结构信息，最后作为应用将提取的肺气管解剖结构标记点和气管骨架信息存储在xml文件中，以备进一步的应用。 本课题的研究思路为：首先多层螺旋CT采集胸部HRCT序列图像，先粗略的分割出肺部组织，并保留肺部的纹理细节，以降低分割的难度，再自动化的分割出肺部的三维的气管树，血管树，然后对三维气管树利用双距离场变换的方法，得到每段气管单像素宽度的骨架线，并将所得的气管骨架进行存储。 主要有以下几个部分的研究内容：肺气管树的自动分割，血管树的自动分割，肺气管树的骨架的提取与存储。肺部气管和血管的分割首先分割出粗略的肺区域，并保留气管和血管，以降低分割的难度，对于肺气管的分割，根据气管树解剖结构特点，对气管段进行分段分割，首先从主气管段开始，利用波传播的概念，种子点集合构成初始波面，每次迭代将与当前波面相邻，未处理过，且满足生长条件的像素点包含进来作为新一个波面，在每次迭代后对生长出来的波面，判断其合法性，否则调整参数重新分割，并判断气管的分叉位置，初始化子气管段，继续分割，直到结束。对于肺血管分割，根据SMDC-connection cost算子可以根据尺寸的大小将图像中的“洞”填平的特点，可以首先选择小的尺寸，填平噪声，再利用一个较大的尺寸，将血管区域“填平”，最后两幅处理后的图像的差值取阈值，则可得到分割后的血管图像，并利用三维模糊连通求出的血管图像进行比较。对分割得到的肺气道树，利用源距离场和边界距离场的双距离场方法，得到单像素且定位于气道中心的骨架线和气管的分支点，并将这些结构信息存在xml文件中。可将自动提取的解剖结构点作为landmark点应用于肺部图像配准，具有比手动提取标记点好的精度。 综观整个课题，实现了肺部气管，血管自动，有效的分割，和气道树骨架和肺解剖结构标记点的提取。对于肺CAD系统设计和肺部统计图谱的建立具有一定的参考价值。

目录

文摘

英文文摘

声明

第1章 前 言

1.1研究的背景和意义

1.2国内外研究概况

1.3研究目标，内容及本文安排

第2章 肺部气道树自动分割

2.1概述

2.1.1肺气道树结构及其在肺CT图像中的特点

2.1.2肺气道分割难点及要求

2.2肺气管交互分割

2.2.1 MITK简介

2.2.2肺气管交互分割及界面操作

2.2.3分割结果及显示

2.3肺气管自动分割算法

2.3.1肺气管分割的策略及步骤

2.3.2算法细节

2.3.3分割结果

第3章肺血管分割

3.1概述

3.1.1肺血管分割及应用

3.1.2肺血管分割的要求

3.2基于SMDC-connection cost算子的血管分割方法框架

3.3 HRCT序列层片基于结构连续性的分割

3.3.1利用数学形态学加阈值的肺组织分割

3.3.2滚球算法平滑肺边缘

3.4基于SMDC-connection cost算子的肺血管分割

3.4.1介绍灰度数学形态学算子SMDC-connection cost的原理

3.4.2 SMDC-connection cost的实现

3.4.3二维层片肺血管分割

3.4.4三维肺血管分割

3.5基于模糊连通的血管分割

3.5.1肺血管种子点的自动确定

3.5.2多种子点模糊连通肺血管分割

3.6结果分析

3.6.1数据采集与实验平台

3.6.2实验结果与分析

第4章肺气管骨架化

4.1概述

4.1.2肺气管骨架提取的要求

4.2肺气管骨架提取

4.2.1边缘距离场的计算

4.2.2源距离场的计算

4.2.3基于源距离场簇的构造

4.2.4气管三维骨架提取

4.3肺气管骨架的结构化整理与存储

4.4肺气管骨架解剖结构标记点提取

第5章总结与展望

5.1总结

5.2展望

参考文献

致谢

读硕士期间发表的论文