李玲，余后強(qiáng)

湖北科技學(xué)院 a.生物醫(yī)學(xué)工程學(xué)院，b.數(shù)學(xué)與統(tǒng)計(jì)學(xué)院， 湖北 咸寧，437100

基于迭代算法的CT肺部興趣區(qū)圖像提取

李玲a，余后強(qiáng)b

湖北科技學(xué)院 a.生物醫(yī)學(xué)工程學(xué)院，b.數(shù)學(xué)與統(tǒng)計(jì)學(xué)院， 湖北 咸寧，437100

目的 自動(dòng)提取CT肺部興趣區(qū)，以輔助醫(yī)生診斷和治療肺部疾病。方法 利用迭代算法自動(dòng)提取肺部興趣區(qū)，并和影像醫(yī)生手工提取的肺部興趣區(qū)作對(duì)比。結(jié)果 自動(dòng)提取的肺部興趣區(qū)圖像與手工提取的肺部興趣區(qū)圖像在外形、灰度和方差方面，結(jié)果非常接近。結(jié)論 利用迭代算法自動(dòng)提取肺部興趣區(qū)的方法可行。

CT圖像；迭代算法；肺部興趣區(qū)；興趣區(qū)提取

0 引言

肺癌是最常見(jiàn)的惡性腫瘤之一，其死亡率較高，若能在早期發(fā)現(xiàn)并加以治療，將能提高患者的生存質(zhì)量。近幾年來(lái)，臨床結(jié)果初步證明，計(jì)算機(jī)斷層掃描（Computer Tomography，CT）是檢測(cè)早期肺癌最有效的影像學(xué)方法[1]。然而，對(duì)一個(gè)病人進(jìn)行CT檢查可獲得幾十張圖片，數(shù)據(jù)量較為龐大，增加了醫(yī)生的閱片負(fù)擔(dān)。若能利用計(jì)算機(jī)輔助醫(yī)生對(duì)CT圖像進(jìn)行分析，則可幫助醫(yī)生篩選病變圖像以利于更加準(zhǔn)確的診斷。因此，利用計(jì)算機(jī)提取肺部腫瘤的特征，檢測(cè)和識(shí)別肺部興趣區(qū)，具有十分重要的意義和研究?jī)r(jià)值[2-3]。

醫(yī)學(xué)圖像分割是一種計(jì)算機(jī)輔助診斷技術(shù)，其目的是輔助醫(yī)生對(duì)疾病進(jìn)行診斷和治療。通常分割是為了進(jìn)一步對(duì)圖像進(jìn)行分析、識(shí)別，圖像分割的準(zhǔn)確性直接影響后續(xù)計(jì)算機(jī)輔助診斷的有效性[4]。本文比較了基于迭代算法自動(dòng)分割提取的肺部興趣區(qū)與手工分割提取的肺部興趣區(qū)，旨在探討迭代算法在肺部興趣區(qū)提取中的應(yīng)用價(jià)值。

1 資料與儀器

本研究選用的是一名男性患者的CT圖像，此患者年齡60歲，病理確診為中心型肺癌。選擇GE ProSpeed系列16排螺旋CT，掃描視野50 cm，層厚5 mm，管電壓140 kV，管電流300 mA，螺距1 mm。圖像重建矩陣512×512，圖像顯示矩陣1024×1024，位分配16位，位存儲(chǔ)12位，灰度級(jí)4096。為了驗(yàn)證本實(shí)驗(yàn)對(duì)興趣區(qū)的提取效果，所選用的CT圖像未做任何相關(guān)處理。

2 肺部提取

首先通過(guò)離散Snake算法與分段DP算法來(lái)獲取胸部CT圖像的特征邊緣點(diǎn)?；谔卣鬟吘夵c(diǎn)的坐標(biāo)，利用roipoly函數(shù)顯示原輸入圖像，得到BW的二值圖片，最終顯示完整的CT值沒(méi)有改變的肺部組織圖像[5]。原始的胸部CT圖像，見(jiàn)圖1；分割提取的肺部CT圖像，見(jiàn)圖2。

圖1 原始的胸部CT圖像

圖2 分割提取的肺部CT圖像

3 迭代算法

對(duì)已分割出的肺部CT圖像，通過(guò)迭代算法提取其肺部興趣區(qū)。

利用迭代算法計(jì)算圖像分割閾值。首先取圖像灰度范圍的中值作為初始閾值T0(共設(shè)有L個(gè)灰度），然后按以下公式進(jìn)行迭代[6-8]：

其中hk是灰度為k值的像素個(gè)數(shù)，迭代一直進(jìn)行到Ti+1=Ti結(jié)束，取結(jié)束時(shí)的Ti為分割閾值。

上述方法得到的閾值處在與兩個(gè)灰度區(qū)域的重心成反比的位置，所以從路徑規(guī)劃的角度看也是一種最優(yōu)閾值。

4 分割結(jié)果

醫(yī)學(xué)影像科醫(yī)生利用手動(dòng)分割軟件，根據(jù)影像診斷要求以及肺部興趣區(qū)和肺部正常組織的灰度差別，手工勾勒出興趣區(qū)的邊緣輪廓并進(jìn)行提取。手工分割提取的興趣區(qū)圖像，見(jiàn)圖3；迭代算法分割提取的興趣區(qū)圖像，見(jiàn)圖4。

迭代算法分割提取的肺部興趣區(qū)和影像醫(yī)生手工分割提取的肺部興趣區(qū)相比，外形輪廓及大小非常接近。應(yīng)用MATLAB軟件比較其灰度均值和方差，結(jié)果見(jiàn)表1。

圖3 手工分割提取的肺部興趣區(qū)圖像

圖4 迭代算法分割提取的肺部興趣區(qū)圖像

表1 手工分割和迭代算法分割提取的興趣區(qū)的灰度均值及方差比較

表1結(jié)果顯示，手工分割提取的興趣區(qū)和迭代算法分割提取的興趣區(qū)其灰度均值和方差近似。因此可以看出，迭代算法不僅可以完整地分割提取肺部病灶，而且可以保留原圖像的灰度值。

手工分割提取后的剩余肺部圖像，見(jiàn)圖5；迭代算法分割提取后的剩余肺部圖像，見(jiàn)圖6。手工分割和迭代算法分割提取后的剩余肺部圖像灰度均值及方差，見(jiàn)表2。

表2 手工分割和迭代算法分割提取后的剩余肺部圖像的灰度均值及方差比較

圖5 手工分割的剩余肺部圖像

圖6 迭代算法分割的剩余肺部圖像

由圖5和圖6可以看出，在相同條件下，手工分割提取后的剩余肺部圖像和迭代算法自動(dòng)分割提取后的剩余肺部圖像輪廓接近。由表2可以看出，手工分割提取后的剩余肺部圖像和自動(dòng)分割提取后的剩余肺部圖像的灰度均值和方差近似。由此可以看出，迭代算法自動(dòng)提取肺部腫瘤的方法不僅可以完整的分割提取出興趣區(qū)圖像，而且還可以完整地保留剩余圖像。所以迭代算法自動(dòng)提取肺部興趣區(qū)的方法是可行的。

5 結(jié)論

以上實(shí)驗(yàn)結(jié)果表明，迭代算法自動(dòng)提取的肺部興趣區(qū)圖像和醫(yī)生手工提取的肺部興趣區(qū)圖像在外形、灰度和方差方面非常接近。但迭代算法也有一定的缺點(diǎn)，在對(duì)大量圖像進(jìn)行分割時(shí)，速度稍慢，因而迭代算法一般在實(shí)驗(yàn)室利用較多。因此，對(duì)不同的圖像應(yīng)分析具體情況，根據(jù)圖像本身的特點(diǎn)對(duì)圖像進(jìn)行適宜的預(yù)處理?？傮w而言，迭代算法對(duì)于肺部腫瘤的提取效果比較理想。

[1] Vovk U,Pernus F,Likar B.A review of methods for correction of intensity inhomogeity in MR I[J].IEEE T rans Med Imaging,2007,26(3):405-421.

[2] Dehmeshki J,Amin H,Valdivieso M,et al.Segmentation of pulmonary nodules in thoracic CT scans:a region growing approach[J].IEEE Trans Med Imaging,2008,27(4):467-480．

[3] 程勇,牛艷坤,陳衛(wèi)國(guó),等.CAD技術(shù)在醫(yī)療診斷中的應(yīng)用研究進(jìn)展[J].中國(guó)醫(yī)師雜志,2006,8(9):1295-1296．

[4] 孫蕾,耿國(guó)華,周明全,等.基于可變形模型提取腫瘤區(qū)域的方法研究[J].計(jì)算機(jī)仿真,2005,22(2):236-238.

[5] 李玲,余后強(qiáng).幾種分割算法在CT肝臟興趣區(qū)提取方面的比較[J].醫(yī)療衛(wèi)生裝備,2012,33(1):22-25.

[6] 張娟,侯慶峰,王昌元,等.多尺度增強(qiáng)算法在肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)中的應(yīng)用探討[J].泰山醫(yī)學(xué)院學(xué)報(bào),2009,30(6): 410-412.

[7] 梁洪,李金.一種肺部CT圖像快速分割算法研究[J].中國(guó)醫(yī)療設(shè)備,2011,26(3):28-30.

[8] 李玲,葉華山,余后強(qiáng).基于熵分割算法對(duì)CT肝臟興趣區(qū)的提取[J].CT理論與應(yīng)用研究,2012,21(1):53-60.

Extraction of Region of Interest from Lung CT Images Based on Iterative Algorithm

LI Linga, YU Hou-qiangb
a.School of Biomedical Engineering; b.School of Mathematics and Statistics, Hubei University of Science and Technology, Xianning Hubei 437100, China.

Objective Extracting region of interest (ROI) from lung CT images automatically to assist doctors to diagnose and treat lung diseases. Methods Iterative algorithm is used to extract lung ROI automatically, which was then compared with the ROI extracted manually by a radiologist. Results Lung ROI extracted by the two different methods are extremely close in the aspects of shape, grayscale and variance. Conclusion Using iterative algorithm to extract lung ROI is feasible.

CT image; iterative algorithm; lung ROI; extraction of ROI

R734.2；R814.42

B

10.3969/j.issn.1674-1633.2015.01.017

1674-1633(2015)01-0058-02

2014-05-26

2014-06-30

余后強(qiáng)，博士，講師。

校級(jí)科研項(xiàng)目（KY13087）。

通訊作者郵箱：23247921@qq.com