馬新利

摘要：在肺癌，肺氣腫等肺部疾病的計(jì)算機(jī)輔助診斷中，肺實(shí)質(zhì)的正確分割是計(jì)算機(jī)輔助診斷中的重要先行步驟。文中提出了一種基于定向擴(kuò)散算法的CT圖像的自動分割。在本算法中綜合利用了閾值分割、區(qū)域增長及數(shù)學(xué)形態(tài)學(xué)等算法，能夠?qū)崿F(xiàn)對圖像的粗分割，其中對于左右肺粘連的CT圖像采用行掃描的方法將左右肺片進(jìn)行有效分離，最后采用定向擴(kuò)散算法對粗分割得到的肺部輪廓進(jìn)行修復(fù)，得到完整的肺實(shí)質(zhì)。從肺部圖像數(shù)據(jù)庫聯(lián)盟（LIDC）中取出50張CT圖像，采用本文提出的分割算法進(jìn)行處理。結(jié)果表明，所提出的算法能夠有效的實(shí)現(xiàn)肺部區(qū)域的完整分割，并且與滾球法相比較，分割準(zhǔn)確率和精度都較高，為計(jì)算機(jī)輔助診斷奠定了良好基礎(chǔ)。

關(guān)鍵詞：計(jì)算機(jī)輔助診斷；肺實(shí)質(zhì)分割；行掃描；擴(kuò)散算法

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2017）09-0136-03

1 引言

近年來，癌癥的發(fā)病率急劇上升，尤其是肺癌的發(fā)病率及死亡率更是在逐年攀升。我國由于吸煙人數(shù)多，空氣污染等原因，肺癌的發(fā)病率增長較為嚴(yán)重。來自國家計(jì)生委的數(shù)據(jù)統(tǒng)計(jì)顯示，目前我國的肺癌發(fā)病率以每年26.9%的速度增長，近半個(gè)世紀(jì)來，每10到15年肺癌患者的人數(shù)增加一倍。[1]

如果肺癌能在早期被診斷和治療，其5年生存率將從14%上升到49%。由于計(jì)算機(jī)斷層掃描（Computed Tomography，CT） 能夠提供高清晰度的圖像，并且為圖像中各組織提供很高的對比度，因此被廣泛用于肺部疾病檢測診斷中。對肺部進(jìn)行一次掃描就會得到幾百張的圖像，這增加了醫(yī)生的閱片負(fù)擔(dān)。因此，計(jì)算機(jī)輔助診斷（compute-aided diagnose，CAD）得到了廣泛的研究和使用。[2]而從CT 圖像中準(zhǔn)確快速的提取出肺實(shí)質(zhì)則是計(jì)算機(jī)輔助診斷的關(guān)鍵。[3，4]

在CT圖像中分割出肺實(shí)質(zhì)是CAD的前期工作。本文根據(jù)影像學(xué)和解剖學(xué)特征， 結(jié)合最佳閾值法、數(shù)學(xué)形態(tài)學(xué)方法， 對圖像進(jìn)行粗分割； 然后利用定向擴(kuò)散算法修復(fù)掩膜圖像，得到最終肺實(shí)質(zhì)，為計(jì)算機(jī)輔助診斷和醫(yī)學(xué)圖像在臨床和生命科學(xué)研究領(lǐng)域的應(yīng)用打下良好的基礎(chǔ)。

2 肺實(shí)質(zhì)分割

2.1 Ostu（最大類間方差法）法

肺部和周圍區(qū)域密度不同，因此其灰度值相差明顯，可用閾值法分割。閾值分割的目的是把CT圖像中對應(yīng)于肺實(shí)質(zhì)，肺實(shí)質(zhì)邊界和肺實(shí)質(zhì)周圍組織的像素區(qū)分開。[5]在本文中采用的是Ostu算法[6，7]對肺部區(qū)域進(jìn)行粗分割，該方法可以自動的選擇閾值，得到較好的結(jié)果。

2.2 區(qū)域生長

區(qū)域生長實(shí)質(zhì)是對像素點(diǎn)或選定的子區(qū)域進(jìn)行操作，讓其在滿足所定義的準(zhǔn)則下去聚合成更大區(qū)域，以達(dá)到生長目的。其基本思想是先獲取種子點(diǎn)，然后從生長點(diǎn)開始，將與生長點(diǎn)性質(zhì)相似的相鄰像素或區(qū)域與生長點(diǎn)合并，形成新的生長點(diǎn)，不斷重復(fù)直到無法生長為止。[8]

本文對CT圖像進(jìn)行區(qū)域生長處理的算法實(shí)現(xiàn)步驟為：

（1）在肺實(shí)質(zhì)部分定位得到種子點(diǎn)；

（2）利用區(qū)域增長算法，在種子點(diǎn)的8*8*8鄰域內(nèi)進(jìn)行增長，閾值在灰度范圍內(nèi)自動選取最優(yōu)閾值；

（3）相鄰區(qū)域的像素被合并，對圖像中黑色像素點(diǎn)進(jìn)行連通區(qū)域標(biāo)記，面積最大的連通區(qū)域是該CT圖像的掩膜圖像。

2.3 肺部圖像預(yù)分割

肺部圖像經(jīng)上述處理后，與原始圖像（圖1）進(jìn)行邏輯與運(yùn)算，得到預(yù)分割圖像（圖2）。

2.4 左右肺的分離

CT圖像中常出現(xiàn)肺片粘連情況，粘連發(fā)生在CT圖像的上部分。對圖像的上1/3部分掃描，并統(tǒng)計(jì)圖像每一行中的邊緣點(diǎn)的個(gè)數(shù)，當(dāng)邊緣點(diǎn)數(shù)大于等于4的時(shí)候，表明肺片并未粘連，但是，當(dāng)邊緣點(diǎn)數(shù)小于4的時(shí)候，左右肺是粘連的。[10]肺片粘連情況下，對上半部分投影積分，將積分值最小的一列及其左右4列的像素值取反，從而實(shí)現(xiàn)左右肺的準(zhǔn)確分離。

3 圖像修復(fù)

對肺部圖像進(jìn)行預(yù)處理的過程中，接近于肺壁的結(jié)節(jié)可能會被去掉，因此在預(yù)分割后要修補(bǔ)圖像。本文采用的修復(fù)算法是擴(kuò)散算法來。[11]

將完整的肺實(shí)質(zhì)圖像定義為函數(shù)，在時(shí)刻，圖像質(zhì)量為。圖像受損過程可以用以下模型來表示，

拉普拉斯算子利用點(diǎn)的四鄰點(diǎn)來進(jìn)行離散，得到如下的式子

利用該方法可以對逐次對各個(gè)像素點(diǎn)進(jìn)行計(jì)算并修復(fù)。下面的圖像是當(dāng)取不同數(shù)值時(shí)相應(yīng)的恢復(fù)圖像。當(dāng)b取值較小時(shí)，圖像變化不明顯，當(dāng)b的取值較大時(shí)候，圖像受損。經(jīng)反復(fù)調(diào)試，當(dāng)b取值在20～25中間時(shí)，圖像的恢復(fù)情況最佳，本文中b取值為23。

圖3中的圖片從左至右分別為b的取值為0，5，10，15，20，23，25，30，35時(shí)的恢復(fù)圖像。

4 實(shí)驗(yàn)結(jié)果

在美國國家癌癥中心（NCI）的RIDER庫中選取了50張CT圖像，將本文算法與運(yùn)用”滾球法”修復(fù)的算法比較，計(jì)算處理之后圖像的準(zhǔn)確率和精度。[12]

圖4為結(jié)果對比，從上到下依次為原始CT圖像，醫(yī)生手工分割結(jié)果，本文分割結(jié)果，文獻(xiàn)[14]分割結(jié)果。

4.1 分割準(zhǔn)確率

CT圖像分割的準(zhǔn)確率即為肺實(shí)質(zhì)區(qū)域的重合程度。分割準(zhǔn)確率的公式為

其中表示準(zhǔn)確率，表示分割后圖像面積，表示醫(yī)生手動分割的區(qū)域面積。

根據(jù)上述公式可知，。的值越大，則結(jié)果與醫(yī)生手工分割的肺實(shí)質(zhì)越相近，即分割的準(zhǔn)確率越高。[13]的值越小，則準(zhǔn)確率越低。結(jié)果見表1。

4.2 分割精度

將本文算法和使用滾球法的文獻(xiàn)[14]與醫(yī)生手工分割方法相比較。通過計(jì)算兩種分割方法的最大輪廓距離和平均輪廓距離來確定其分割精度。本文的方法為方法1，文獻(xiàn)[14]的方法為方法2，手工分割方法為方法3.方法1，2，3分割后提取的邊界點(diǎn)分別為，，。定義方法1分和方法3分割后的輪廓邊界點(diǎn)之間的輪廓距離為endprint

分別計(jì)算本算法與手動分割算法、文獻(xiàn)[9]方法與醫(yī)生手動分割算法的平均輪廓距離和最大輪廓距離。

計(jì)算結(jié)果見表2。

因此，本文的算法和醫(yī)生手動分割方法的結(jié)果相比于文獻(xiàn)[14]的方法更為相近，本文的方法提取的肺實(shí)質(zhì)部分精度更高。

5 結(jié)論

在CT圖像中精確提取肺實(shí)質(zhì)是對肺部疾病計(jì)算機(jī)診斷的關(guān)鍵，重點(diǎn)是保證提取出來的肺實(shí)質(zhì)是完整的。本文的分割方法結(jié)合了最優(yōu)閾值分割，區(qū)域生長以及數(shù)學(xué)形態(tài)學(xué)方法，將CT圖像的胸腔和背景區(qū)域去除，從而避免了直接對肺實(shí)質(zhì)部分進(jìn)行操作所造成的信息損失。同時(shí)，將左右肺相粘連的情況也考慮在內(nèi)，采用了行掃描的方法來確定是否粘連，如果粘連則將其分離。并且對分割后得到的肺部邊界信息丟失的問題，采用定向擴(kuò)散的修復(fù)算法來對預(yù)分割圖像進(jìn)行修復(fù)以保證肺實(shí)質(zhì)的完整性。使用本文的算法對大量LIDC庫中CT圖像進(jìn)行處理，并與現(xiàn)有的滾球法修復(fù)算法相比較，本文方法分割的準(zhǔn)確率及其分割的精度都較高。因此，本文中所提到的在CT圖像中提取肺實(shí)質(zhì)的方法能夠準(zhǔn)確有效的對肺實(shí)質(zhì)進(jìn)行提取，為計(jì)算機(jī)輔助診斷工作奠定了基礎(chǔ)。

由于人體的胸部結(jié)構(gòu)存在著明顯的差異，因此任何一種分割方法都不能適用于所有的CT圖像?；诖?，接下來的工作任務(wù)就是在分割的基礎(chǔ)上，對每一步分割再進(jìn)行細(xì)化，以得到一種能夠正確分割絕大多數(shù)CT圖像的方法。

基于 CT 圖像的肺實(shí)質(zhì)分割技術(shù)是制約醫(yī)學(xué)圖像在臨床和生命科學(xué)研究領(lǐng)域的應(yīng)用的一個(gè)瓶頸， 我們將繼續(xù)研究更完善的分割方法，提高肺實(shí)質(zhì)的分割精度，為計(jì)算機(jī)輔助診斷奠定基礎(chǔ)。

參考文獻(xiàn)

[1]張躍海，孔令偉，張剛.CT檢查對肺塵埃沉著病與粟粒性肺轉(zhuǎn)移瘤的鑒別診斷價(jià)值[J].中國醫(yī)藥導(dǎo)報(bào)，2014，11（25）：35-38.

[2]秦嬋嬋.基于隨機(jī)游走算法的圖像分割算法研究[D].上海：華東師范大學(xué)，2014.

[3]王兵，顧瀟蒙等.基于Random Walk算法的CT圖像肺實(shí)質(zhì)自動分割[J].計(jì)算機(jī)應(yīng)用，2015，35（9）：2666-2612.

[4]El-Baz A， Beache GM， Gimel farb G， et al.. Computer-aided diagnosis systems for lung cancer： challenges and methodologies [J].International Journal of Biomedical Imaging，2013，2013：1-46.

[5]李金，鄧冰.基于改進(jìn)凸包算法的肺實(shí)質(zhì)分割研究[J].中國生物醫(yī)學(xué)工程學(xué)報(bào)，2013，32（04）：484-490.

[6]Pulagam A R， Kande G B， Ede V K R，et al.Automated lung segmentation from HRCT scans with diffuse parenchymal lung diseases [J].Journal of Digital Imaging， 2016，29（4）：507-519.

[7]Zhou H L， Goldgof D B， Hawkins S， et al.A robust approach for automated lung segmentation in thoracic CT.Kowloon Tong[C]，Hong Kong，China：IEEE，2015.

[8]李艷波，于翔.基于區(qū)域生長增長法的三維支氣管樹分割算法[J].計(jì)算機(jī)科學(xué)，2015，42（S2）：192-194.

[9]Tasci E， Ugur A， Shape and texture based novel features for automated juxtapleural nodule detection in lung CTs[J].Journal of Medical Systems，2015，39（5）：1-13.

[10]裴曉敏，郭紅宇，戴建平.胸部CT中肺實(shí)質(zhì)的自動分割及粘連腫瘤檢測[J].哈爾濱工程大學(xué)學(xué)報(bào)，2010，31（5）：679-682.

[11]洪志全.遙感模糊降質(zhì)圖像的擴(kuò)散恢復(fù)算法研究及實(shí)現(xiàn)[J].成都理工大學(xué)學(xué)報(bào)，2003，30（6）：617-622.

[12]HEIMANN T，van GINNEKEN B，STYNER M A，et al.Comparison and evaluation of methods for liver segmentation from CT datasets[J].IEEE Transactions on Medical IMAGING， 2009，28（8）：1251-1265（4）：4-90.

[13]龔敬，涅升東.CT圖像肺結(jié)節(jié)計(jì)算機(jī)輔助檢測技術(shù)研究進(jìn)展[J].北京生物醫(yī)學(xué)工程，2016，35（1）：81-86.

[14]袁克虹，向蘭茜.用于計(jì)算機(jī)輔助診斷的肺實(shí)質(zhì)自動分割方法[J].清華大學(xué)學(xué)報(bào)，2011，51（1）：90-95.endprint