胸部CT中肺实质的自动分割及粘连肿瘤检测

胸部CT中肺实质的自动分割及粘连肿瘤检测 o 31 ? Vl.. 531 5 第 卷第 期哈 尔 滨 工 程 大 学 学 报2010 5 年 月 May 2010 Journal of Harbin Engineering University doi:10. 3969 / j. issn. 1006 , 7043. 2010. 05. 023 CT胸部中肺实质的自动分割及粘连肿瘤检测 1 1 1～2～～裴晓敏郭红宇戴建平 (1. ～110004; 2. ～东北大学 中荷生物医学与信息工程学院辽宁 沈阳 首都医科大学附属北京天坛医院 神经影像中心北京100050) :CT ，，摘 要为了实现胸部 图像肺区的完全自动分割与辅助诊断提出了一种自动肺实质分割算法即引入基于量子粒子 3-D ，，群优化的二维直方图阈值分割算法结合 区域生长通过分割背景及胸腔实现肺实质分割并提出行扫描曲率分析法 . 、. 实现粘连肿瘤检测及左右肺分离该方法有效解决了肺实质分割中高密度特征易丢失边缘肿瘤易遗漏等问题通过多 CT ，，，组胸部 序列图像的实验证明该方法对于肺实质分割非常精确有效与传统分割算法相比在分割精度上有明显提 .高 :;;;;;CT关键词自动肺实质分割量子粒子群优化三维区域生长行扫描曲率分析粘连肿瘤胸部 :TP391 :A :1006-7043(2010)05-0679-04中图分类号文献标识码文章编号 Automatic lung paenchyma segmentation and r attached lung nodule detection in thoracic CT images 1 1 1，2PEI Xiao-min，GUO Hong-yu，DAI Jian-ping (1. School of Sino-Dutch Biomedical and Information Engineering，Northeastern University，Shenyang 110004，China; 2. Department of Neurology，Beijing Tiantan Hospital，Capital Medical University，Beijing 100050，China) Abstract:Completely automatic segmentation of lung parenchyma and computer-aided diagnosis ( CAD ) of lungdseases shoud be achevabe. In ths study，an automated methodf or ung parenchyma segmentaton was pro- ilililiposed. First，two dimensional threshold image segmentation was done based on a quantum-behaved particle swarm optimization. Combined with 3-D region growing，it was used to separatea 2-D computed tomography( CT) image into chest and background. Next，3-D lung parenchyma segmentation was done by segmenting chest and back- ground from the image. Line search curvaturea nalysis was then applied to detect attached lun g nodules and sepa- rate the left lung from the right. The proposed methods olved problems such as high-density information being easy to ose，attached nodues beng easy tom ss，etc. resuted from such segmentaton. Expermenta resuts from many lliiliillsets of CT images verified that this method is precise and efficient for lung parenchyma segmentation. Compared with traditional algorithms，this method is more robust and accurate. Keywords:automatic lung parenchyma segmentation; quantum-behaved particle swarm; 3-D region growing; line searching curvaturea nalysis; attachedn odules;thoracic CT ,4,,5,,6, ，、. 生长法模式分类法及组合分割方法等阈在肺部疾病计算机辅助诊断研究中肺实质的 CT ，、、，分割是关键环节是实现肺结节检测和肺功能评估 值法由于 图像的灰度特征血管结节纤维化 ,1-2,，等高密度结构在阈值处理中容易被去除很难确保 . ，的重要预处理步骤近年来国内外已有一系列 ,3,. 肺实质区域的完整性基于区域生长的肺实质分割 :、肺实质分割方法的提出主要包括阈值法区域 ，将主气管区域作为种子点当主气管在一定位置分 ，，叉时确定种子点变得比较困难往往使分割无法进 :2009-03-13.收稿日期 :(20072038).基金项目辽宁省自然科学基金资助项目，. 行降低了算法的适用性模式分类法需要基于大量 :(1981-)，，，Ema:pxm neu @ 126. il_作者简介裴晓敏 女博士研究生，，的样本数据训练而且需要提取多个特征算法处理 com; (1945-) ，，.戴建平男教授博士生导师 :.通信作者裴晓敏 ，. 时间较长无法满足计算机辅助诊断系统在临床应子群优化算法提高二维阈值分割的处理速度利用 ，.阈值分割结果构建区域生长的增长合并准则并结 用中对实时性的要求 ，基于以上分析单独依赖一种分割算法很难确 ，，合数学形态学运算构建种子点进行三维区域生长，保肺实质分割的完整性及算法的适用性而组合分 、. ，提取背景胸腔区域实现三维空间肺实质分割利，割方法不仅同时解决了上述问题而且实现了完全 、用行扫描曲率分析法实现左右肺分离含胸膜粘连 ，CT . 自动分割充分利用了 序列图像的三维信息本 ，型肿瘤检测及受损肺实质轮廓修复克服以往修复 ,6 ,，文在文献基础上提出一种基于阈值分割和区 算法中参数选取及边界跟踪引起的速度下降等问 . 域生长相结合的肺实质分割方法利用人体解剖结 .题 CT ，构特征及 图像的灰度分布特征将肺实质分割 ;通过从图像中去除外部背景区及胸腔来实现克服 1自动肺实质分割方法以往阈值法直接对肺实质进行分割造成的信息丢 ，;失确保肺实质区域的完整性利用基于粒子群优化 CT 本文提出的肺实质分割方法包括单帧 图像 CT 的二维直方图阈值分割方法获得单帧 图像胸腔 、、、阈值分割外部背景区域分割胸腔区域分割去背 ;;及背景区域的统计特征降低算法的噪声敏感性粒 、、，景及胸腔边缘修复左右肺分离等步骤算法流程 1 .如图 所示 1图 算法 Fig. 1 gorthm chart Ali 二维直方图的均值矢量为 1. 1CT 单帧 图像阈值分割L ,1 L ,1 Otsu L ,1 L ,1图像分割 二维 1. 1. 1 T (5)u = (u，u) = (ip，jp). Σ Σ ΣΣ0 1 ij ij Otsu ( ) 利用二维 法最大类间方差法构建阈值 i = 0 j = 0 i = 0 j = 0,7, . CT X = { x } (6):分割的目标函数以单帧 图像 和对可以证明式 mn w+ wwu+ wu. 1， uX 3 × 3 Y = { y} 采用 点阵平滑得到的平滑图像 构 ? ? (6)0 1 0 0 1 1 mn . ( x，y) f(，j)， 它们的类间距离为i成二维直方图二元组出现的总数i i xy 222p:出现的频率为 满足 ij s= w(u,u ) + w(u,u ) .(7) 1 1 0 0 b L ,1 L ,1L ,1 L ,1f ij 使用离散距离的迹作为背景和目标类间的距离测度 = pf= M ×N p= 1. ΣΣΣΣijijij M ×N i = 0 i = 0i = 0 i = 0，函数则 (1)2 2 r,u )+ (u,u ),+(S ) = w ,(u trace b0 0i i0jj:L ;M、N . 式中代表图像的灰度级为图像尺度目标 22 w,(,u )+ (u,u ),.(8)μ 1 1i i 1j j 和背景区出现的概率为 1. 1. 2Otsu 基于量子粒子群算法的 图像分割 t ,1 l ,1s ,1 t ,1 w= p.(2)w= p， ( QPSO) Σ Σ ΣΣ采用量子粒子群算法搜索最优二维阈0 ij 1 ij i = s j = 1i = 0 j = 0 ,8,r( S) ，(8 ) 值向量 以式距离测度函数 为适应 两类对应的均值矢量为 trace b s ,1t ,1L ,1 L ,1，. 度函数求其最大值每个粒子代表一个可行的二维 T jp )， Σ Σ ijij，.阈值向量通过各个粒子的飞行获得最优阈值 = 0j = 0= 0 = 0i i i ，在具有量子行为的粒子群优化算法中粒子的 (3) L ,1L ,1L ,1 L ,1主要迭代为 T jp ). Σ Σ ijijM i = sj = ti = s j = tm= 1 / mP= Σ besti (4)i = 1 :CT 6815 ??裴晓敏等胸部 中肺实质的自动分割及粘连肿瘤检测第 期 MMM . 3-D ，V通过 区域生长得到三维空间的胸腔区 thorax(1 / MP，1 / MP，…，1 / MP)，(9) Σ Σ Σ i1 i2 id ，. CT 最后获得肺实质区域在 序列中去除背景 i = 1i = 1i = 1 = rand，(10)P= ×P + (1 , ) ×P ， idid gd V，(15 )，及胸腔得到肺实质区域 如式分割结果 lung x= P? × |m,x | ×l n (1 / u)u = rand.β best d iidid 2(c).如图 所示 (11) V= V,V ,V .(15) lung img out thorax :mp;PPP其中是粒子群 的中间位置为 和 best best id id gd 1. 3 左右肺分离及粘连型肿瘤检测QPSO .;之间的随机点β 为 的收缩扩张系数 采用基于行扫描的曲率分析的方法进行左右肺 :具体流程步骤如下，:分离及粘连型肿瘤检测具体步骤如下 1)pL) ，(0，随机生成 个粒子粒子的位置在1)CT ，l = 5 popsize 在单帧 图像上以间隔 对分割后的 ，M;产生设置最大迭代次数 . :肺实质区域进行行扫描统计每一行边缘点数定义 maxiter 由肺实质区域到背景及由背景到肺实质区域的点为 2)(8 ) ，根据式计算粒子的适应度更新每个粒 .边缘点 pg;子的个体极值 和整个粒子群的全局极值 best best 3)(11);根据式来更新粒子的位置= ,(x,x ) ×( y,2 y+ y) ,( y,y ) ×κ ii ,1 i i ,1 i i +1 i ,1 i 4)t = t + 1，2)，t = M;令 返回步骤 直到 maxiter 2(x,2 x+ x),/ ,(x,x ) + i ,1 i i +1 i ,1 i 5)，输出粒子群的位置即输出最佳的阈值向量 2 3* * (y,y ) ,.(16) i ,1 i (s，t). 2)4 ，当某行边缘点数少于 时认为该行左右肺 1. 2 CT 序列 图像肺实质分割. 4 连接在一起利用相邻扫描行边缘点数为 点的扫 3-D CT .采用 区域生长操作完成序列 肺实质分割 ，.描行中间点拟合生成边界曲线作为左右肺边界 ，. ( 2I首先分割外部背景区以单帧图像 图 img 3)，分别标注左右肺扫描行边缘点并将边缘点 3 ，3 ( b):P( S)、按灰度变化分成 类如图 起始点 中 ** s(a))4 ，( /2，t/2 ) 个顶点为背景区域种子点为P(M)、L).P(间点 终点 ，R;阈值进行二维区域生长获得外部背景区域 进 out ，V. 行三维区域生长得到三维空间的外部背景区 4)(16)，根据式分别按类计算每行边缘点曲率out (x，y)，( x，y) 其中代表当前点为当前点上一 i i i , 1 j , 1 ，( x，y) 扫描行与当前点同类点为下一扫描行 i + 1 j + 1 .与当前点同类点 S LP(P P )，| | ;? ? κ? λ i i (17)F P? j , M .PP? i 5)(17)F，根据式检测特征点 即属于起始点或 ，= 0. 2 、. 终点曲率大于 λ 的点中间点认为特征点 为受粘连型肿瘤侵占或高密度血管造成的受损边缘 . ，点将特征点处轮廓视为待修复边缘利用特征点相 ，邻扫描行中的同类点进行插值拟合修复边缘区域 ，3 生长填充受损区域图 为受肿瘤侵占受损边缘边 .界修复过程 2 CT 图 图像肺实质分割及平滑 Fig. 2 Lung segmentation and smoothing in chest CT images I，;(12 )，然后分割胸腔区域利用公式从 中 img R，R(2(b)):去除背景区域 得到 胸腔模版如图 out in R= I,R .(12) in img out (13) R= R,R B.Θ seedin in (13):根据式构建胸腔区域种子点选择半径为 ,9, 3 B R ， 的圆形数学形态学算子对胸腔 腐蚀将胸3 图 边界修复 in . Fig. 3 Contour correction 腔模版减去腐蚀后模板得到的环形带作为种子区 ， ( u利用阈值分割获得的胸腔区的灰度统计特性1 2实验结果与分析)，3-D :σ构建 区域生长准则 1 ，为了验证本文所提出的算法在临床的有效性 |(14)V ,u | 3.σ? 1 1 20 CT . 20 . 本文选取了 组 图像序列做肺实质分割组优化算法提高阈值选取的速度利用阈值分割结构 512 × 512 ，2 mm，，样本数据均为 像素层厚 平均每组 创建区域生长准则并结合数学形态学运算获得区 CT 52 .，、，图像序列为 层 域生长种子点更容易将床仪器等干扰去除增强 ,3-5,. 了算法的适应性引入基于行扫描的曲率分析法检 3 将 种传统算法及本文算法应用于样本数 ，，测粘连肿瘤及高密度血管进行边界修复确保肺区 . CT 据分割求得平均处理单组 序列所需时间如表 ，“”的完整性避免了采用滚球法由于半径无法根据 1. ，3 CT 除模式分类法外其他 种算法对单组 图像 . ，肿瘤形状调整造成的肿瘤丢失实验结果证明本文 60 s. 的分割时间均低于 由于本文增加了含粘连肿 ，所提出的算法分割精度更高满足临床肺部疾病 ，、2 ， 瘤边界检测步骤与阈值区域生长 种方法相比 CAD .，系统的要求 本文方法处理速度稍慢但对单组序列分割的最长 55 s，2 8 s，耗时低于 与另外 种算法时间差小于 仍 :参考文献 .能满足实时性要求 1 表 实验数据 ,1,BAE KT，KIM J S，NA Y H，et al. Pulmonary nodules: au- tomated detection on CT images with morphologic matching algorithm-preliminary results,J,. Radiology 2005，236(1): Tabe1 Data of expement lri 286-294 . / s算法处理时间 相似度 ,2,KO J P，BETKE M. Chest CT: automated nodule detection ,3, 0. 8740. 10阈值法and assessmento f change over time-preliminary experience ,4,41. 52 0. 89 区域生长法 ,J, Radoogy，2001，218:267-273.il. ,5,,3,ZHOU S T，HARA T，et utomatc seg- X，HAYAHIal. Ai模式分类法 62. 23 0. 91 mentaton and recognton of anatomca ung structuresfr om iiiill本文算法 47. 17 0. 95 high-resolution chest CT images ,J ,. Comput Med Imaging Graph，2006，30(5):299-313. ，20 CT 为检测算法的分割精度在 组 序列中抽L DSO R FGOLDG P Let a ,4,HEDLUND W，ANERN，UIN，l.20 CT (5 )取 帧单帧 图像张含粘连型肿瘤做为样本 Two methods for isolating the lung area of a CT scan for den- ，4 ，数据分别利用 种自动分割算法对其进行分割并 ,10,sity information,J,. Radiology，1982，144(2):353-357. ,3-4 ,“”在文献算法中引入滚球法进行边界修 ,5,HU S，HOFFMAN E A，REINHARDT J M. Automatic lung ，R = 3. 复选取滚球半径 利用专家手工分割结果作 segmentation for accurate quantification of volumetric X-ray “”4 ，(18 ) 为金标准与 种算法分割结果对比采用式CT mages J Trans Med magng200120 6 i,,.IEEE Ii，，():“”计算相似度衡量自动分割结果与金标准的一致 490498 -.，1.性结果如表 ,6,YENY Y，HONG H. Correction of segmented lung boundary for inclusion of pleural nodules and pulmonary vessels in |AA|? mamual automatic chest CT images,J,. Comput Boil Med，2008，38 (8 ):845- K =.(18) | | AA? manual automatic57. ，由实验结果可见本文算法在分割精度上有明,7,. ,M,. :，2001:43-53. 章毓晋图像分割北京科学出版社，“”，显提高更接近实验中的金标准尤其对于含粘 ,8,，，. 山 艳须文波孙 俊量子粒子群优化算法在训练支 ，连型肿瘤及高密度血管的图像本文能检测出肿瘤 ,J ,. ( 11 ):，2006，26 的 应 用 计 算 机 应 用 持向量机中，，. 侵占修复受损轮廓确保肺实质的完整性尽管在 2645-2647. ,3-4,“”，文献算法中增加了滚球法边界修复但由 SHAN Yan，XU Wenbo，SUN Jun. Application of quantum- ，于滚球半径无法随肿瘤尺度调整仍很难检测全部 behaved partce swarm optmzaton tranng support vec- iliiiin ii，.粘连肿瘤并修复边界使算法分割精度降低 3结束语 tor machines ,J,. Journal of Computer Applications，2006， 肺实质的精确分割是肺部疾病计算机辅助诊断 26 (11):2645-2647. ，的关键步骤如何确保肺实质区域的完整性是分割 ,9,，. ,M,. :智能图像处理技术北京电子工 李弼程彭天强 :1781852004-.. 业出版社 的核心问题本文采用阈值法和区域生长相结合的 ,10,ARMATO S G，SENSAOVC W F. Automated ung seg- KIl，肺实质分割算法将肺实质分割转化为去除胸腔及 mentation for thoracic CT: impact on computer-aided diag- ，背景区域来实现避免了直接对肺实质区域操作造 noss,J, Academc Radoogy，2004，11(9):10111021 i.iil-.. 成的诊断信息丢失利用基于量子粒子群优化的二 ,:,，责任编辑陈 峰维直方图阈值分割算法进行阈值选取降低噪声及 ，部分容积效应对阈值分割的影响引入量子粒子群