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,图像分割问题是典型的结构
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
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)