基于模糊连接度搜索算法的近胸膜肺结点的检测
基于模糊连接度搜索算法的近胸膜肺结点
的检测
第21卷第3期重庆邮电大学学报(自然科学版)Vo1.21No.3
2009年6月
JournalofChongqingUniversityofP0stsandTelecommunications(NaturalScienceEdition)Jim.2009
基于模糊连接度搜索算法的近胸膜肺结点的检测
王卫星,王李平,员志超
(1.重庆邮电大学计算机科学与技术学院,重庆400065;2.电子科技大学电子工程学院,成都
610054
3.山东科技职业学院信息网络系,潍坊山东261053)
摘要:在分析了滚球搜索算法对近胸膜肺结点的搜索效果后,根据近胸膜肺结点是由不确定
的肺区边缘点及其
对应的特征点组成,提出了基于模糊连接度的搜索算法.利用肺区边缘关联结点之间的欧氏
距离,肺区边缘关联
点之间的路径,标记值和模糊连接度四个参数来描述近胸膜肺结点的属性特征,实现近胸膜
肺结点的分割.通过
对大量的图片进行测试,实验数据
明,该方法在搜索关联结点方面取得了较好的效果.
关键词:滚球搜索算法;近胸膜结点;关联结点;模糊连接度
中图分类号:TP391文献标识码:A文章编号:1673—825X(2009)034)440-05
Detectionofjuxta-pleuralungnodulesbasedonfuzzyconnectivity
searchingalgorithm
WANGWei—xing,_,WANGLi—ping,YUANZhi—chao
(1.CollegeofComputerScienceandTechnology,ChongqingUniversityofPostsandTelecommunicati
ons,Chongqing400065,P.R.Chi-
na;2.SchoolofElectronicEngineering,UniversityofElectronicScienceandTechnologyofChina,Che
ngdu610054,P.R.China;3.De-
partmentofInformationandNetwork,ShandongVocationalCollegeofScienceandTechnology,Weifa
ng261053,P.R.China)
Abstract:Afterstudyingtheresultofjuxta—pleuralungnodulesbasedonrollingballsearchingalgorithm,anewfuzzycon—
necti~tysearchingalgorithmwasproposedaccordingtothatthejuxta—pleuralungnodulesarecompos
edofuncertainedges
nodesofpulmonaryanditscorrespondingfeaturenodes.Fourparameters,suchaslungcontourpath,Euc
lidiandistance,
fuzzyconnectivityandmarkedinterpolates,wereusedtodescribethecharacteristicofjuxta—pleurallu
ngnodulesandrealize
complicatedsegmentations.Throughplentyofphototest,experimentalresultsshowthatthelungnodule
scanbewell
searchedbythenewalgorithm.
Keywords:rolling-ballsearchingalgorithm;juxta—pleuralungnodules;relatedpoints;fuzzyconnecti
vity
0引言
如何对CT图像中肺区肿瘤结点分割处理,研
究人员提出了大量的图像分割方法:阈值法],分
水岭法,snakes,区域增长和滚球搜索算法
等.每一种方法都有其自身的缺点.因为阈值法的
方法和计算简单,所以是肺部分割众多方法中最流
行的方法.但是,它受组织容量,空气容量和肺部柔
膜组织等物理性质的影响.这些因素使单灰度分割
阂值的选择变得困难.虽然有些人员在这上面做了
收稿15t期:20084)9—19修订日期:2009-04—23
研究,但是图像分割结果重合不良.还需要额外的
工作来处理气管和主流支气管的影响.分水岭算法
具有很低的计算量和可接受的分割结果.但是,过
分割现象严重.Snake是一个从初始位置和形状开
始并实时调节自身形状以达到想要的目标的动态轮
廓的方法.它的一个缺点是初始轮廓的构造需要人
为干预和分割结果对初始轮廓的环境敏感.区域增
长的计算强度和结果依赖于初始种子的选择J.
滚球搜索算法的缺点是计算量大和搜索到的肺部关
联结点较少.本文结合模糊连接度代替了滚球搜索
算法,实验表明,改进后的算法在近胸膜肺结点的搜
索上取得了很好的效果.
第3期王卫星,等:基于模糊连接度搜索算法的近胸膜肺结点的检测?441?
1资料和方法
近胸膜肺结点主要特征是该结点与胸膜粘连.
用数学模型描述如下:肺区边缘点集合为E;肺区在
影像数据中的信息集合为A;胸膜在影像数据中的
信息集合为B.近胸膜肺结点在影像数据中的信息
集合c可以表示为
C=AnB={l?A八?B}(1)
对集合c中元素获取的过程,可以看作是对
肺区边缘点之间进行自闭的过程.因此近胸膜肺结
点分割的核心任务是搜索肺区边缘关联结点.
1.1图像预处理
数字图像的噪声主要来自图像的获取和传输过
程.图像传感器的工作情况可能会受到各种情况的
影响,比如图像获取过程中环境条件(光照程度,传
感器温度等)和传感器自身的因素都会产生噪声.
我们采用中值滤波器进行去噪.肺的CT值在
…
900100HU之间,这是任何CT设备的成像中
都存在的特征.正常的肺部的CT值的上限为
一
100HU,定一个界限一100HU统计图像中所有
小于一100HU的灰度直方图,找出最大的峰值,设
为.选择在与一100HU之间的最小的波谷做
为阈值,然后将图像二值化.CT值小于阈值的置为
0(肺),其余置为255.然后对得到的二值图像进行
形态开运算,开运算具有消除细小物体,在纤细处分
离物体和平滑较大物体的边界而不明显改变其面积
的功能.之后我们在使用边界跟踪方法提取的肺部
边缘轮廓上做进一步的处理.如图1所示.
aCT图像原图b二值化并进行开运算结果c边界跟踪提取的轮廓
图1肺部图像轮廓提取
Fig.1Extractedcontouroflungimage
1.2滚球肺区边缘滚动搜索算法
近胸膜肺部特点是结点区和胸膜粘连.在阈值
分割后肿瘤结点区不包含在肺区内,这样提取出来
的肺区就没有近胸膜肺部结点区.这就需要对肺区
中的缺口进行检测,把近胸膜肺部结点区封进肺区.
使用滚球方法进行检测的思想是:定义一个圆形
的结构元素,以此做为一个球,滚球在肺区的边缘上
沿肺部区边缘点逆时针方向滚动,球的起始位置为
肺的前侧,在滚动球的过程中在肺轮廓线上的某点
P,球与肺轮廓在这点的切线相切,且球与肺轮廓相
交于P点,此时,如果球的周围于肺部的轮廓线相交
于另一点Q,则P和Q点是该处肺轮廓线的缺口的
两个断点.在肺区的缺口处,被滚球封在内部的组
织区域为与胸膜粘连的肺部结点区.滚球沿着肺区
边缘滚动一周后搜索操作结束.在滚球滚动的过程
中,滚球和肺部轮廓相交于两点的地方均为缺口处.
在实际应用的过程中,我们发现肺部中的有些关联
结点并没有搜索出来,也即有的缺口没有检测出来,
且滚球算法易受半径的影响,所以在实际应用中需
要针对不同的缺口的大小选取不同的半径,认为干
扰较大.基于上述缺点,我们提出了基于模糊连接
度的搜索算法.
1.3基于模糊连接度的方法介绍
医学成像系统的物理特性和不同组织对能量吸
收的细微差异造成了医学图像具有一定的模糊性和
不均匀性,图像中的区域并非总能明确的划分,存在
不确定的因素.因此,图像分割问
是典型的结构
不良问题.模糊集理论具有描述事物不确定性的能
力,对于一个目标物体,用0到l之问的一个隶属度
值来刻画图像中像素隶属于目标物体的程度.人体
肺部解剖组织结构和形状的复杂性以及不同个体问
的差异性,肺区相关组织(气管和支气管等)的干扰
使得临床获取的近胸膜肺部图像具有模糊性和不均
匀性,近胸膜肺结点呈现不确定性.具体模糊连接
度相关知识请参考文献[8].
近胸膜肺结点分割的核心工作是对肺区关联结
?
442?重庆邮电大学学报(自然科学版)第21卷
点的检测,但是关联结点是由不确定的肺区边缘点
及其对应的特征点组成.度量肺区边缘关联点之问
的模糊连接度可以精确定位肺区中的关联结点.度
量肺区边缘关联结点之间的模糊连接度的过程与近
胸膜肺结点关联结点的搜索是交叉进行的.其流程
如图2所示.
图2算法流程图
Fig.2Flowchartofalgorithm
模糊集使得某个元素以一定程度属于某个集
合,把一个具体的元素影射到一个合适的隶属度值,
该值是由隶属度函数实现的.针对具体问题,选择
合适的隶属度函数,能准确有效描述像素点之间的
模糊性.
搜索到边缘点(种子点)E与其对应关联点P
总数为A.边缘点E与其对应关联点P之间的拟合
插值点用标记值m标记,其中k?(1,2,3,…,A).
通过上述处理可以获得肺区边缘点与其对应的关联
点作为一组实验数据.从数据组(,Y)(i:1,2)出
发,寻找自变量与因变量Y的函数关系Y=).最
小二乘拟合数据组(,Y)(i=1,2)可以模拟出近
胸膜肺结点与组织粘连的边界.使用深度优先搜索
算法搜索标记值,直到最后的结点不能产生新结点
或者找到目标结点为止.
若z上的模糊关系具有自反性,对称性,传
递性,则其为模糊关系的邻近关系,其描述了两个空
间元素的位置邻近关系.
Ixo(pc,p~):』(.删=.)
0,其他
(2)
模糊相似关系P的隶属函数Ixp(P,P)与基于
像素对的欧氏距离d,肺区边缘点扩展搜索区域边
长D,肺区边缘像素点个数.肺区边缘种子点与
搜索到的关联点模糊连接关系的隶属函数度关系
式(c.,d)采用如下表达式
(P,Pd)=(P,P)IX(P.,Pd)=
(P.,Pd)[?1(L,D,nStep)+
to2ix(,D,nStep,d)](3)
(3)式中:模糊相似关系P的隶属函数(P,P),
肺区边缘点与其对应的关联点局部模糊连接度的隶
属函数(P.,P),,分别为图像中感兴趣物体
的区域特征分量和均匀性分量;基于像素对的欧氏
距离d,肺区边缘点扩展搜索区域边长D;肺区边缘
像素点个数;扩展搜索的步径nstep;+?=1,
?与?:为权重函数表示扩展搜索区域边界上的点
与种子点之间联系权重;两个空间元素的位置邻近
关系(P,Pd).
其中,
:
((?.)=.)
0,其他
(4)
根据(2)式可以判别肺区的边缘关联点,根据
对应的标记值搜索对应的插值点,这些插值点形成
近胸膜肺结点与胸膜的边界.
1.4实验资料和设备
试验测试环境:硬件CPUGenuineIntel(R)
3”2130@1.86GHz;内存1GB;操作系统Windows
XP;实验室RockImage软件平台.为了叙述方便,
使用符号表示相关的概念.t为搜索肺区边缘关联
点耗时;A为肺区中搜索到的关联点数;为左肺区;
为右肺区.本试验中的肺部图片均由河南省新乡
医学院第一附属医院胸腔科提供,我们从232幅肺
部图片中随机的选择8幅进行测试,如图3所示,图
第3期王卫星,等:基于模糊连接度搜索算法的近胸膜肺结点的检测?443?
片编号为a到h.
2结论
_
霸ll;
图38幅不同肺部图像原图
Fig.3Eightdifferentoriginalimagesoflung
如表1所示,从表中数据可知,改进的基于模糊
连接度的滚球搜索算法(方法二)在搜索到的肺部
边缘关联点的数目上和传统的滚球搜索算法(方法
一
)相比较,在对左肺部进行搜索时效果不是非常
明显,但是在对右肺部进行搜索时从上表的数据可
以明显的看出方法二的可行性;在时间消耗上,方法
二在搜索左肺部关联结点时所耗时间较为稳定,均
为31ms,比方法二所耗时间相比效果不明显.但
是在搜索右肺部时,方法二所耗时间比方法一所耗
时间要明显地减少.根据滚球扩展搜索定义函数,
本文不需要肺区图像中计算任意点与种子点E的
模糊连接度,这大大减少了计算量,采用欧氏距离测
试函数表示像素点之间的距离减少计算量,搜索效
率有了一定的提高,并且搜索到的关联结点数目也
有了提高.
表1本文算法和滚球算法测试后的结果比较
Tab.1Comparingresultofthepaperalgorithmand
rolling—ballalgorithm
注:L,R分别表示图3中各图的左,右肺部.
我们选取Fig.3b和Fig.3d使用滚球搜索算法
和本文的分割算法进行测试,结果如图4,图5所示.
霸a肺部原图2b滚球方法结果并标记c本文方法分割结果并标记
图4选用图3b的实验效果图
Fig.4ExperimentalimagesofFig.3b
h滚球方法结果井标记c本文方法分割结果并标|己
图5选用图3d的实验效果图
Fig.5ExperimentalimagesofFig.3d
?
444?重庆邮电大学学报(自然科学版)第21卷
从实验结果图可以看出,虽然滚球方法能较清
楚的分割并标记处关联结点,但是搜索到的结点数
明显的没有本文提到的基于模糊连接度的分割算法
搜索到关联结点多.实验证明,基于模糊连接度的
搜索算法能更好的分割出进胸膜关联结点.
3讨论
肺部肿瘤是目前较普遍的一种疾病,在临床治
疗时需要将肿瘤切除.如果肿瘤侵入了肺部组织,
在切除肿瘤的过程中有可能会损伤到胸膜.所以近
胸膜肺结点的正确分割是正确诊断肺部肿瘤的前提
工作.由于人的视觉对黑白图像的识别能力有限,
使许多信息无法识别,易造成诊断上的误诊或漏诊.
本文算法在很大程度上能较明显的标记处近胸膜肺
结点,提高了诊断的正确率.
参考文献:
[2]
[3]
[4]
[5]
[6]
HUS,HOFFMANEA,REINHARDJM.Automatic
lungsegmentationforaccuratequantitationofvolumentric
X—rayCTimages.[J].MedicalImagingIEEETransac-
tions,2001,20(6):490-498.
YUSN,CHIANGCT.SimilaritysearchingforchestCT
imagesbasedonobjectfeaturesandspatialrelationmaps
[J].EngineeringinMedicalandBiologySociety,EM—
BC,2004,1(2):1298-1301.
ITAIY,HYOUNGSEOPK,ISHIKAWAS,eta1.Auto—
maticsegmentationoflungareasbasedonsnakesandex—
tractionofabnormalareas[C]//ToolswithArtificialIn-
telligence.ICTA105.17IEEElnternationalConfer-
enee,WashingtonDC.USA:IEEEComputerSociety,
2005,:377-381.
CHUANGCH,LIEWN.Regiongrowingbasedonex—
tendedgradientvectorflowfieldmodelformultipleob—
jectssegmentation[J].IEEETransactiononimagePro-
cessing,2001,3(3):74-77.
SAMUELG,Armato.Computerizeddetectionofpulmona—
rynodulesonCTscans[J].ProceedingofAcademicRa-
diology,2004,11(9):1011—1021.
OMIDTalakoub,JAVADAlirezaie,PAULBabyn.Lung
segmentationinpulmonaryCTimagesusingWavelet
transform[EB/OL].(2007.12—27)[2009-07.28].ht-
tp://ieeexplor.ieee.org/xpls/abs—
al1.jsp?amumber=
4217】14.
[7]JIANGP,ZHANGJZ,ZHOUL.Automatedsegmenta.
tionoflungfieldsfromthoracicCT[J].ComputerEngi—
neenngandApplications,2006,24(12):226-228.
[8]UDUPAJK,SAHAPK,LOTUFORA.Relativefuzzy
eonnectednessandobjectdefinition:Theory,algorithm
andapplicationsinimagesegmentation[J].IEEETrans.
onPatternAnalysisandMachineIntelligence,2002,24
(11):1485—1500.
[9]JIATong,WEIYing.Computer-aidedlungnoduledetec—
tionbasedonCTimages[J].ProceedingofComplex
MedicalEngineering,2007:816-819.
[10]DAJNOWIECM,ALIREZAIEJ.Computersimulationfor
segmentationoflungnodulesinCTimage[C]//Dept.of
Electr.andComputerEngineering,RyersonUniversity,
Toronto:[S.n.],2004,10:4491-4496.
[11]DAJNOWIECM,ALIREZAIELJ.Acomputermethod
forsynthesizinglungnodules[C]//ProceedingofEleetri—
calandComputerEngineering,Canadian:[S.n.],2004,
3(3):1325—1328.
[12]SHOJAIIR,ALIREZAIEJ,BABYNP.Automaticlung
segmentationinCTimagesusingwatershedtransform
[C]//ImageProcessing,2005,ICIP2005IEEEInterna—
tionalConference,USA:Piscateway,2005,2(2):1803一
】806.
作者介绍:
王卫星(1959-),男,湖南长沙人,教授,博
士生导师,研究领域为数字图像处理,模式
识别.E—mail:wangwx@cqupt.edu.an.
王李平(1981一),男,河南新乡人,在读硕士
研究生,研究方向为数字图像处理,模式识
别.E—mail:wanglp094@yahoo.com.cn.
员志超(1980一),男,山东泰安人,助教,硕
士研究生,研究方向为数字图像处理,网络
数据库.E—mail:yunzhichao@126.corn.
(编辑:田海江)