代雙鳳 呂 科 翟 銳 董繼陽

?

基于3D區(qū)域增長法和改進(jìn)的凸包算法相結(jié)合的全肺分割方法

代雙鳳 呂 科*翟 銳 董繼陽

(中國科學(xué)院大學(xué)工程科學(xué)學(xué)院 北京 100094)

肺實質(zhì)分割結(jié)果的準(zhǔn)確性在實際臨床應(yīng)用中具有非常重要的意義。但由于肺結(jié)節(jié)的位置、大小、形狀的不規(guī)則性，肺部病變的多樣性，以及人體胸部解剖結(jié)構(gòu)的明顯差異等，使得各類分割方法不能統(tǒng)一地適用于所有的胸部CT圖像，所以對于肺實質(zhì)分割方法的研究仍具有很大的挑戰(zhàn)。該文在國內(nèi)外研究分析的基礎(chǔ)上提出基于3D區(qū)域增長法與改進(jìn)的凸包修補(bǔ)算法相結(jié)合的全肺分割方法。在3D區(qū)域增長法的粗分割基礎(chǔ)上，對分割的結(jié)果進(jìn)行細(xì)化工作，通過連通域標(biāo)記法與形態(tài)學(xué)方法相結(jié)合去除氣管和主支氣管，得到初步的肺實質(zhì)掩膜，最后應(yīng)用改進(jìn)的凸包算法對肺部輪廓進(jìn)行修補(bǔ)平滑，最終得到肺部分割結(jié)果。通過與凸包算法及滾球法相對比，證明該文所提改進(jìn)的凸包算法能夠有效地修補(bǔ)肺部輪廓凹陷，修補(bǔ)后的結(jié)果分割精度較高。

肺部分割；3D區(qū)域增長法；凸包算法；區(qū)域連通分析

1 引言

醫(yī)學(xué)圖像分割是提取醫(yī)學(xué)影像圖像中特殊組織的定量信息所不可缺少的手段，也是可視化的預(yù)處理步驟和前提[1]。在肺部疾病計算機(jī)輔助診斷研究中，肺實質(zhì)的分割是最為核心的步驟，是影響分析自動化、穩(wěn)定性、結(jié)果精確性的關(guān)鍵問題，其處理結(jié)果的好壞直接影響到后續(xù)的分析。肺實質(zhì)的分割指的是將肺實質(zhì)從肺部CT 圖像中提取出來，為臨床治療和病理學(xué)研究提供可靠依據(jù)[2]。快速準(zhǔn)確地從肺部CT圖像中分割肺實質(zhì)，進(jìn)一步提取感興趣區(qū)域，進(jìn)而提取病變細(xì)節(jié)，能有效幫助醫(yī)生對病變組織進(jìn)行定性及定量的分析，從而提高醫(yī)生診斷的準(zhǔn)確性和科學(xué)性。

迄今為止，肺實質(zhì)分割方法有很多，主要有閾值法[3,4]、聚類法[5]、區(qū)域生長法[6]、以及基于圖論的方法[7,8]等，每種方法都有各自的優(yōu)缺點。隨著CT技術(shù)的發(fā)展，臨床上獲得的CT數(shù)據(jù)量成倍的增加，多種方法相結(jié)合的肺實質(zhì)分割方法成為人們主要的研究對象。文獻(xiàn)[9]結(jié)合閾值法及區(qū)域生長方法實現(xiàn)肺實質(zhì)的分割，并利用滾球法對提取的肺部邊界進(jìn)行修補(bǔ)。文獻(xiàn)[10]提出了基于閾值法與形態(tài)學(xué)中的開運(yùn)算方法相結(jié)合的肺部分割法，從而提取肺結(jié)節(jié)。由于肺與周圍組織的灰度值及其相似，在采用閾值分割、區(qū)域增長等方法對肺實質(zhì)進(jìn)行分割時，與肺壁粘連的腫瘤或與肺門處相連的肺部血管等常常未包含在肺實質(zhì)內(nèi)，使得提取出來的肺實質(zhì)不完整，即肺部邊界會出現(xiàn)凹陷，此時將無法正確地提取或識別腫瘤、血管、氣管等，因此需要對有凹陷的肺實質(zhì)邊界進(jìn)行修補(bǔ)。文獻(xiàn)[11]針對閾值分割后的CT橫斷面圖像肺部邊界處血管和胸膜結(jié)節(jié)型凹陷提出了利用邊界曲線局部極小值點連線法修補(bǔ)凹陷，設(shè)置了32個不同方向的模板，給出了模板匹配算法。文獻(xiàn)[12]提出一種新的針對含胸膜結(jié)節(jié)的肺部CT圖像分割法，利用迭代自適應(yīng)平均算法和自適應(yīng)曲率閾值方法將丟失的胸膜結(jié)節(jié)重新包括進(jìn)來。文獻(xiàn)[13]提出一種基于灰度積分投影與模糊C均值聚類的肺實質(zhì)分割算法，結(jié)合滾球法修復(fù)邊界區(qū)域。但滾球法中球的半徑的選取是一個顯著的問題，如果半徑過大，肺實質(zhì)的分割會出現(xiàn)過分割，而半徑過小，則會出現(xiàn)欠分割，修補(bǔ)后的肺部邊界不完整。文獻(xiàn)[14]提出了基于改進(jìn)鏈碼和Bresenham算法相結(jié)合的肺實質(zhì)邊界修復(fù)算法。文獻(xiàn)[15]提出一種結(jié)合區(qū)域生長，形態(tài)學(xué)運(yùn)算的肺實質(zhì)分割算法，并提出了一種改進(jìn)的2維凸包算法對肺實質(zhì)的外輪廓進(jìn)行再修復(fù)，改進(jìn)后的凸包算法與原有的凸包算法修復(fù)肺實質(zhì)相比，新算法具有較高的準(zhǔn)確率，胸膜結(jié)節(jié)型凹陷能夠得到準(zhǔn)確修復(fù)，但其與原有的凸包算法一樣，無法修復(fù)血管型凹陷。綜上分析，多種方法相結(jié)合的肺實質(zhì)分割方法涉及方面廣，但是研究不夠深入，肺部邊界凹陷包括胸膜結(jié)節(jié)型凹陷和血管型凹陷的修補(bǔ)算法仍需更進(jìn)一步的研究和改進(jìn)。

肺實質(zhì)分割在肺部疾病計算機(jī)輔助診斷研究中是最為核心的步驟，其處理結(jié)果直接影響到后續(xù)圖像處理。針對上述提出的問題，本文提出了一種新的針對胸部CT圖像的全肺分割法，提出的改進(jìn)的凸包算法對肺部凹陷進(jìn)行修補(bǔ)，該方法不僅對胸膜結(jié)節(jié)型凹陷起到修補(bǔ)作用，對血管型凹陷也能實現(xiàn)良好的修補(bǔ)平滑效果。實驗結(jié)果表明了本文所提全肺分割方法及改進(jìn)的凸包算法的準(zhǔn)確性和有效性。

2 算法描述與分析

本文所提胸部CT圖像的全肺分割方法主要包含圖像預(yù)處理、肺部初分割、肺部邊緣修復(fù)、以及輸出修復(fù)后肺實質(zhì)分割結(jié)果4部分，方法流程圖如圖1所示。

圖1 肺實質(zhì)分割流程圖

2.1圖像預(yù)處理

高斯平滑濾波器在空間域或頻率域都是十分有效的低通濾波器，在圖像處理中應(yīng)用廣泛。2維高斯函數(shù)具有旋轉(zhuǎn)對稱性，濾波器在各個方向上的平滑程度相同，所以本文采用2維高斯濾波器，如式(1)所示。

2.2肺部初分割方法

首先利用3D區(qū)域增長方法進(jìn)行肺實質(zhì)的提取，然后利用形態(tài)學(xué)方法去除大的主支氣管，并進(jìn)行填充，得到肺實質(zhì)掩膜。

2.2.1區(qū)域增長法

區(qū)域生長法的基本思想是將具有相似性質(zhì)的像素集中起來構(gòu)成區(qū)域，該方法首先選取一個或一組種子點，然后依次將種子像素周圍的相似像素合并到種子像素所在的區(qū)域中。當(dāng)前對于肺實質(zhì)分割，基于區(qū)域增長方法均在2維切片上執(zhí)行，本文利用一種傳播方法，將其擴(kuò)展到3維空間，具體為：在當(dāng)前層片上選擇種子點，并計算其4鄰域的像素點，一起作為種子點在當(dāng)前層片上做區(qū)域增長，同時將計算出的種子點及其4鄰域的點一起作為初始值初始化相鄰的上下兩層切片，傳播過程直至到達(dá)底層肺部消失為止，通過循環(huán)迭代的方式進(jìn)行整個肺實質(zhì)的分割。

區(qū)域生長的閾值設(shè)定條件為：假設(shè)當(dāng)前處理的區(qū)域中的像素點的灰度值為，其4鄰域內(nèi)的像素點灰度值為，用戶選定的種子點灰度值為，則當(dāng)其4鄰域內(nèi)的像素點灰度值滿足式(2)中條件時，則認(rèn)為該4鄰域內(nèi)的像素點也屬于被分割區(qū)域而將其合并到被分割區(qū)域。

2.2.2大氣管和主支氣管去除

由于氣管和左右主支氣管與肺部的灰度值相近，利用3D區(qū)域增長法進(jìn)行分割時，很容易同時分割出來，所以需要從上述結(jié)果中去除氣管和左右主支氣管。本文采用連通域分析和形態(tài)學(xué)處理方法去除大氣管和主支氣管，具體步驟如下：

(1)對區(qū)域增長法分割后得到肺部CT序列圖像進(jìn)行二值化處理并對其進(jìn)行填充、反轉(zhuǎn)，將目標(biāo)灰度設(shè)置為1，背景灰度設(shè)置為0。

(2)對二值化圖像進(jìn)行連通性區(qū)域提取，得到所有的連通區(qū)域。

(3)此時連通區(qū)域內(nèi)包括左右肺實質(zhì)及大氣管和左右主支氣管，考慮每層切片上肺實質(zhì)的面積滿足，將連通區(qū)域的面積小于的置為背景區(qū)域。其中對于肺尖處的切片需要做單獨(dú)處理。根據(jù)實驗經(jīng)驗，取值500。

由于邊緣型肺結(jié)節(jié)的存在，使得分割后肺實質(zhì)掩膜上存在凹陷，為了獲得更加完整的肺實質(zhì)，為后續(xù)的肺結(jié)節(jié)的分析和提取做好準(zhǔn)備，需要對初分割所得到的肺實質(zhì)進(jìn)行凹陷修補(bǔ)。

2.3 改進(jìn)的凸包修補(bǔ)算法

本文在前人研究的基礎(chǔ)上，提出了雙凸包肺部邊緣修補(bǔ)算法。該算法不僅對胸膜結(jié)節(jié)型凹陷起到良好的修補(bǔ)作用，而且對于與心臟、縱膈相鄰的兩肺之間的凹陷也能起到很好的修補(bǔ)。由于凸包理論的引用，該算法避免了滾球法、形態(tài)學(xué)方法等的過修補(bǔ)與欠修補(bǔ)。該算法的流程圖如圖2所示，詳細(xì)步驟如下：

(1)首先對經(jīng)初步分割后的肺部掩膜利用邊界追蹤法求得左右肺部的邊界點集。

具體的做法是：(a)遍歷圖像，從左上方開始搜索圖像標(biāo)記遇見的第1個像素塊的前景像素點，該點為前景像素中的最小行、最小列的像素；(b)按照逆時針順序搜索當(dāng)前像素的33鄰域，如果搜索到周圍有前景像素，那么標(biāo)記新的像素點；(c)不斷重復(fù)步驟(b)直到遇見此像素塊第1次標(biāo)記的像素，遍歷整幅圖像，獲得邊界點集。

圖2 修補(bǔ)算法流程圖

(2)利用凸包理論中常用的Graham掃描法獲得左右肺部的凸點集。

Graham掃描法中凹凸點的判別：

3 實驗結(jié)果

為了驗證本文方法的有效性，選取10組3維胸部CT數(shù)據(jù)。部分?jǐn)?shù)據(jù)來源于寧夏醫(yī)科大學(xué)附屬醫(yī)院的多層螺旋CT數(shù)據(jù)，數(shù)據(jù)格式是DICOM，數(shù)據(jù)的大小是512×512×368×16 bit，像素間距是0.74 mm× 0.74 mm×1.0 mm。另一部分取自LIDC(Lung Image Database Consortium)數(shù)據(jù)庫，數(shù)據(jù)格式是DICOM, CT數(shù)據(jù)層厚為0.6 mm，分辨率為512×512。實驗的硬件平臺為Inter(R) Core(2) Quad處理器，2.83 GHz主頻，4 G內(nèi)存；操作系統(tǒng)為Microsoft Windows 7，實驗開發(fā)環(huán)境為Matlab R2010b，編程語言為C++與Matlab語言相結(jié)合。

3.1應(yīng)用本文方法的全肺分割結(jié)果

圖3給出了本文中肺部分割修補(bǔ)算法的全過程。圖3(a)為所選用的肺部切片的原圖；區(qū)域增長算法的界面圖如圖3(b)所示，增長算法中種子點由用戶手動選取，根據(jù)實驗經(jīng)驗取值，根據(jù)胸部CT切片的直方圖定義值為，增長過程如圖3(b)中紅色區(qū)域所示，區(qū)域增長的結(jié)果顯示在圖3(c)中；去除肺部主支氣管后的初分割所得的肺部掩膜如圖3(d)所示。圖3(e)顯示了由邊界追蹤法對初分割后的肺部掩膜進(jìn)行搜索獲得邊界輪廓，凸包算法獲得邊界輪廓由圖3(f)所示，圖3(g)給出了由本文改進(jìn)的凸包算法獲得邊界輪廓，并對其進(jìn)行填充獲得改進(jìn)后的肺部掩膜如圖3(h)所示，最后圖3(i)給出了肺部最終的分割結(jié)果。從圖3中可以看出，應(yīng)用本文所提肺部分割算法，分割得到的肺實質(zhì)完整并且肺部邊緣光滑、連續(xù)性好。

圖3 應(yīng)用本文算法的整個過程顯示

圖4進(jìn)一步顯示了應(yīng)用本文算法得到幾種典型的肺部CT數(shù)據(jù)的分割結(jié)果，從圖中可以看出，分割得到的肺部邊緣光滑且連續(xù)。

圖4 應(yīng)用本文分割算法的分割結(jié)果

為了直觀顯示本文中肺實質(zhì)邊界修復(fù)效果，對文中第3節(jié)中所用的一組胸部CT數(shù)據(jù)，使用本文算法提取的結(jié)果對肺實質(zhì)進(jìn)行3維重建，重建效果如圖5所示。從圖5中可見，肺實質(zhì)中由胸膜肺結(jié)節(jié)引起的凹陷區(qū)域被有效修復(fù)；同時獲得的3維模型更加平滑。通過放射科醫(yī)學(xué)專家對本文結(jié)果進(jìn)行人工分析后認(rèn)為本文算法能有效提取CT圖像中肺實質(zhì)，對臨床診斷具有較好的輔助作用。

圖5 應(yīng)用本文算法修補(bǔ)前后的肺實質(zhì)3維顯示結(jié)果

3.2本文所提修補(bǔ)算法與經(jīng)典“滾球法”相比較

對于肺部凹陷的修補(bǔ)，“滾球法”[9,13]和數(shù)學(xué)形態(tài)學(xué)的方法[4,10]目前使用比較廣泛。為了更好地說明本文所提修補(bǔ)算法的有效性，圖6給出了本文所提修補(bǔ)算法與“滾球法”的應(yīng)用于同一切片的比較結(jié)果，其中所用的胸部切片的原圖如圖3(a)所示。從圖6(a)和圖6(b)中可以看出滾球法中滾球半徑的選取是一個顯著的問題，當(dāng)選擇半徑時，肺實質(zhì)的分割會出現(xiàn)欠分割，如圖6(a)中紅圈顯示的部分，修補(bǔ)后的肺部邊界不完善，而當(dāng)選擇半徑時肺實質(zhì)的邊界較完善，但對于肺門處卻出現(xiàn)了過分割現(xiàn)象。而采用本文所提修補(bǔ)算法分割得到的肺實質(zhì)邊界光滑完整，沒有過分割及欠分割現(xiàn)象，如圖6(c)所示。從運(yùn)行時間上來看，滾球法需要多次調(diào)節(jié)半徑值，多次嘗試之后確定合理值，運(yùn)行效率明顯不如本文方法。同樣，形態(tài)學(xué)方法也是針對整個肺實質(zhì)區(qū)域操作，會對整個肺實質(zhì)圖像造成一定的過分割或欠分割現(xiàn)象，分割的精度會受到影響，而本文算法只針對邊界像素有凹陷的局部區(qū)域進(jìn)行操作，分割效果更好。

圖6 本文凹陷修補(bǔ)法與滾球法的比較

3.3分割正確率

通過實驗計算，應(yīng)用本文所提全肺分割方法平均分割正確率可達(dá)到95.53%。對于分割出錯的數(shù)據(jù)進(jìn)行統(tǒng)計分析，發(fā)現(xiàn)出現(xiàn)錯誤的圖像可以歸結(jié)為兩類，一類是發(fā)生在肺部尖端或肺部底端位置，通過區(qū)域增長法分割出的肺實質(zhì)的像素數(shù)較少，而在形態(tài)學(xué)去除主支氣管時，由于統(tǒng)一的參數(shù)設(shè)定，會將這部分少量的肺實質(zhì)一起去掉，導(dǎo)致最后的分割出現(xiàn)錯誤。對于這種情況，可以通過人為選取不同的值來進(jìn)行修正。另一類是肺內(nèi)部有較大的肺部病變?nèi)鐖D7所示，該病人患有肺癌且肺癌已經(jīng)轉(zhuǎn)移。對于圖7所示現(xiàn)象，利用本文所提的修補(bǔ)算法無法對肺部邊緣進(jìn)行正確修補(bǔ)，導(dǎo)致最終分割出現(xiàn)錯誤。對于這種情況，本文算法是失效的，需要進(jìn)一步研究針對此現(xiàn)象的分割方法，這也是接下來要重點研究的內(nèi)容。

4 結(jié)束語

肺實質(zhì)的準(zhǔn)確分割在實際臨床應(yīng)用中對于肺結(jié)節(jié)的檢測與分析等具有非常重要的意義。針對肺實質(zhì)分割問題，本文提出了一種基于3D區(qū)域增長法與改進(jìn)的凸包修補(bǔ)算法相結(jié)合的全肺分割方法。首先利用3D區(qū)域增長法對肺部CT圖像進(jìn)行粗分割，然后通過連通標(biāo)記法與形態(tài)學(xué)方法相結(jié)合去除氣管和主支氣管，對肺實質(zhì)掩膜進(jìn)行細(xì)化，最后提出了一種新的改進(jìn)的凸包算法對肺部輪廓進(jìn)行修補(bǔ)平滑。根據(jù)實驗結(jié)果可以看出，本文所提分割方法能夠?qū)^大部分的肺部CT圖像進(jìn)行正確的分割，提取較為完整的肺實質(zhì)，對比其他的凸包算法、滾球法，本文所提改進(jìn)的凸包算法不僅能夠修補(bǔ)邊緣型肺部凹陷，而且對于與縱膈、心臟相鄰的肺門處凹陷也能起到平滑修補(bǔ)作用。實驗結(jié)果表明了本文所提分割方法的準(zhǔn)確性和有效性。此外，肺實質(zhì)的分割與具體的臨床應(yīng)用緊密聯(lián)系，各類分割方法不能統(tǒng)一地適用于所有的胸部CT圖像，針對實際的肺部病變，我們將繼續(xù)研究其他肺實質(zhì)分割方法，以實現(xiàn)更高的分割精度。

[1] MANSOOR A, BAGCI U, XU Z,. A generic approach to pathological lung segmentation[J]., 2014, 33(12): 2293-2310. doi: 10.1109/TMI. 2014.2384693.

[2] 王娜娜, 陳樹越. 基于CT圖像的肺實質(zhì)分割技術(shù)研究[J]. 電子測試, 2012(4): 38-43. doi: 10.3969/j.issn.1000-8519.2012. 04.009.

WANG Nana and CHEN Shuyue. Research progress of lung parenchyma segmentation techniques based on CT images [J].. 2012(4): 38-43. doi: 10.3969/j.issn.1000- 8519.2012.04.009.

[3] 陳琪, 熊博蒞, 陸軍, 等. 改進(jìn)的二維Otsu圖像分割方法及其快速實現(xiàn)[J]. 電子與信息學(xué)報, 2010, 32(5): 1100-1104. doi: 10.3724/SP.J.1146.2009.00627.

CHEN Qi, XIONG Boli, LU Jun,Improved two- dimensional Otsu image segmentation method and fast recursive realization[J].&, 2010, 32(5): 1100-1104.doi: 10.3724/SP.J.1146. 2009.00627.

肺動脈栓塞是臨床常見疾病，發(fā)病率高，常伴有呼吸功能、循環(huán)功能障礙，若診治不及時，可致死。然而，肺動脈栓塞臨床表現(xiàn)多樣化，缺乏特異性，容易漏診、誤診，耽誤最佳治療時機(jī)，影響預(yù)后[1]?，F(xiàn)目前，選擇性肺動脈造影是公認(rèn)的診斷肺動脈栓塞的金標(biāo)準(zhǔn)，但是，該診斷方式具有創(chuàng)傷性，且受設(shè)備限制，難以實現(xiàn)普及[2]。這些年，影像學(xué)技術(shù)不斷發(fā)展，多層螺旋CT被廣泛用于疾病診斷，大大提高了疾病診斷效率。2016年8月—2018年4月，本文回顧性分析80例患者的臨床資料，旨在評價分析多層螺旋CT肺動脈成像在診斷急診肺動脈栓塞中的應(yīng)用價值，現(xiàn)報道如下。

[4] 賈同, 孟琭, 趙大哲, 等. 基于CT 圖像的自動肺實質(zhì)分割方法[J]. 東北大學(xué)學(xué)報(自然科學(xué)版), 2008, 29(7): 965-968. doi: 10.3321/j. issn:1005-3026.2008.07.014.

JIA Tong, MENG Lu, ZHAO Dazhe,. Automatic lung parenchyma segmentation on CT image[J].(), 2008, 29(7): 965-968. doi: 10.3321/j. issn:1005-3026.2008.07.014.

[5] 楊建峰, 趙涓涓, 強(qiáng)彥, 等. 結(jié)合區(qū)域生長的多尺度分水嶺算法的肺分割[J]. 計算機(jī)工程與設(shè)計,2014, 35(1): 213-217. doi: 10.3969/j.issn.1000-7024.2014.01.040.

YANG Jianfeng, ZHAO Juanjuan, QIANG Yan,. Lung CT Image segmentation combined multi-scale watershed method and region growing method[J]., 2014, 35(1): 213-217. doi: 10.3969/ j.issn.1000-7024.2014.01.040.

[6] QIAN Y and WEI G. Lung nodule segmentation using EM algorithm[C]. Sixth International Conference on Intelligent Human-Machine Systems and Cybernetics, Hangzhou,2014: 20-23.

[7] 劉嘉, 王宏琦. 一種基于圖割的交互式圖像分割方法[J]. 電子與信息學(xué)報, 2008, 30(8): 1973-1976.

LIU Jia and WANG Hongqi. A graph cuts based interactive image segmentation method[J].&, 2008, 30(8): 1973-1976.

[8] DAI S, LU K, DONG J,A novel approach of lung segmentation on chest CT images using graph cuts[J]., 2015, 168: 799-807. doi: 10.1016/j.neucom. 2015.05.044.

[9] 卞曉月, 武妍. 基于CT圖像的肺實質(zhì)細(xì)分割綜合方法[J]. 重慶郵電大學(xué)學(xué)報(自然科學(xué)版), 2010, 22(5): 665-668. doi: 10.3979/j.issn.1673-825X.2010.05.028.

BIAN Xiaoyue and WU Yan. A method of careful lung segmentation based on CT images[J].(), 2010, 22(5): 665-668. doi: 10.3979/j.issn. 1673-825X.2010.05.028.

[10] SUDHA V and JAYASHREE P. Lung nodule detection in CT images using thresholding and morphological operations[J].(), 2012, 1(2): 17-21.

[11] 張欣, 王兵, 楊穎, 等. 胸部CT圖像肺區(qū)域邊界凹陷自動修補(bǔ)[J]. 計算機(jī)工程與應(yīng)用, 2013, 49(24): 191-194. doi: 10. 3778/j.issn.1002-8331.1202-0377.

ZHANG Xin, WANG Bing, YANG Ying,. Automatic repair of lung boundary concave in chest CT images[J].,2013, 49(24): 191-194. doi: 10.3778/j.issn.1002-8331.1202-0377.

[12] ZHOU S, CHENG Y, and Tamura S. Automated lung segmentation and smoothing techniques for inclusion of juxtapleural nodules and pulmonary vessels on chest CT images[J]., 2014, 13: 62-70. doi:10.1016/j.bspc.2014.03.010.

[13] 龔敬, 王麗嘉, 王遠(yuǎn)軍. 基于灰度積分投影與模糊C均值聚類的肺實質(zhì)分割[J]. 中國生物醫(yī)學(xué)工程學(xué)報, 2015, 34(1): 109-113. doi: 10.3969/j.issn.0258-8021.2015.01.015.

GONG Jing, WANG Lijia, and WANG Yuanjun. Segmentation of lung parenchyma based on gray-level integrated projection and fuzzy C-Means clustering algorithm[J].2015, 34(1): 109-113. doi: 10.3969/j.issn.0258-8021.2015. 01.015.

[14] WEI Y, SHEN G, and LI J. A fully automatic method for lung parenchyma segmentation and repairing[J]., 2013, 26(3): 483-495. doi: 10.1007/s10278- 012-9528-9.

[15] 李金, 鄭冰, 梁洪, 等. 基于改進(jìn)凸包算法的肺實質(zhì)分割研究[J]. 中國生物醫(yī)學(xué)工程學(xué)報, 2013, 32(4): 484-490. doi: 10.3969/j.issn.0258-8021.2013.04.015.

LI Jin, ZHENG Bing, LIANG Hong,. Segmentation research of pulmonary parenchyma based on improved convex hull algorithm[J].2013, 32(4): 484-490. doi: 10.3969/j.issn.0258-8021.2013. 04.015.

Lung Segmentation Method Based on 3D Region Growing Method and Improved Convex Hull Algorithm

DAI Shuangfeng Lü Ke ZHAI Rui DONG Jiyang

(College of Engineering of Science, University of Chinese Academy of Sciences, Beijing 100094, China)

The accuracy of lung segmented results is important in actual clinical application. However, all kinds of segmentation methods can not be uniform for all the chest CT (Computed Tomography) images because of the irregularities and diversity of lung disease, as well as significant differences in the anatomy of the human chest. Lung parenchyma segmentation studies still have a great challenge. Based on the analysis of domestic and international research, a new lung segmentation method is presented by combining with 3D region growing method and improved convex hull patching algorithm. Firstly, the 3D region growing method is adopted for the rough segmentation of lung CT images. Then the refining work is done to the segmented results. The connected domain labeling and morphological methods are used to remove the trachea and main bronchi to get the pulmonary parenchyma mask. The improved convex hull algorithm is presented to repair and smooth the concavities of lung contour. Finally, the segmented results can be gotten. The improved convex hull algorithm can repair the concavities of lung contour effectively in comparison with the convex hull algorithm and the rolling ball method, and the segmentation precision of results is very high after repairing.

Lung segmentation; 3D region growing method; Convex hull algorithm; Connected domain processing

TP391; R814.42

A

1009-5896(2016)09-2358-07

10.11999/JEIT151365

2015-12-03；

2016-05-10；

2016-07-04

國家自然科學(xué)基金(U1301251, 61271435)，北京市自然科學(xué)基金(4141003)

The National Natural Science Foundation of China (U1301251, 61271435), Beijing Natural Science Foundation (4141003)

呂科 luk@ucas.ac.cn

代雙鳳： 女，1980年生，博士生，研究方向為醫(yī)學(xué)圖像分割、圖像3維可視化.

呂 科： 男，1971年生，博士，教授，博士生導(dǎo)師，主要研究領(lǐng)域為3維可視化、數(shù)字圖像處理.

翟 銳： 男，1981年生，博士后，主要研究方向為計算機(jī)圖形學(xué)、3維可視化技術(shù).

董繼陽： 男，1991年生，博士生，研究方向為醫(yī)學(xué)圖像配準(zhǔn)及大數(shù)據(jù)可視化.