一种基于CT影像的肺结节检测方法技术

本发明专利技术公开了一种基于CT影像的肺结节检测方法，具体步骤为(1)获取CT序列影像；(2)肺实质分割；(3)气管/主支气管剔除；(4)边缘结节检测；(5)疑似结节检测；(6)特征提取及分类；(7)肺结节标定，本发明专利技术可以实现对微小结节的检测，充分利用了CT序列影像的三维信息，减少了局部容积效应，肺结节的三维可视化提高了肺结节的细节显示能力，可以更好的辅助医生提高诊断准确性，对于肺结节特征提取和分类不需要大量的先验知识，检测实时性较好，对于肺结节检测敏感性较高，特别可以对肺癌早期阶段形成的微小结节进行检测，满足了医生对于肺癌CAD系统准确性、易操作性及实时性的需求。

【技术实现步骤摘要】

本专利技术涉及CT
，具体涉及一种基于CT影像的肺结节检测方法。
技术介绍
随着经济水平的快速发展，人类对于自身健康的关注程度也不断提高，对于癌症 的早期发现、早期诊断、早期治疗已经日益成为全社会共同关注的目标。如果肺癌能在早期 被诊断和治疗，患者5年生存率将从14%上升到49%;由于CT影像能够提供高清晰度的影 像，并且为影像中各组织提供很高的对比度，通常应用于肺部疾病的诊断。随着多排螺旋CT 的发展，医生可以获取更高分辨率的影像(HRCT)，通过一次检测获得更多的患者影像信息， 进一步拓展了 CT影像的应用。但同时也造成了医院放射科医生每天阅片负担的增加，导致 漏诊和不确定性检查经常发生，即使对于这个领域内的资深专家而言也在所难免。因此，肺 癌计算机辅助检测(CAD)得到了大量的研究和应用。 肺癌在CT影像中是以肺结节的形式表现的，目前肺结节计算机辅助检测的方法有 多种，人以胸部螺旋CT影像为研究对象，影像层厚在5-10mm之间，这类检测方法敏感性和特 异性较低，肺结节检测敏感性为38%，对于每个肺癌患者平均有6个假阳性结节。这主要是 由于肺结节直径比CT层厚小，引起体数据内部局部容积效应造成的，其检测结果无法满足 临床应用中对于肺癌CAD系统敏感性的要求;西门子公司研发的肺癌CAD系统采用人机交互 的方法对肺结节进行检测，这类方法操作一般比较复杂，需要较高的计算机操作和医学诊 断专业知识，对用户能力要求较高;采用模式分类的方法需要基于大量的样本数据进行训 练，而且需要提取多个特征，算法处理时间较长，无法满足CAD系统在临床应用中对实时性 的要求。
技术实现思路
为了解决上述的问题，本专利技术提供了一种基于CT影像的肺结节检测方法，可以实 现对微小结节的检测，充分利用了CT序列影像的三维信息，减少了局部容积效应，肺结节特 征提取和分类不需要大量的先验知识，检测实时性较好，可以有效解决
技术介绍
中的问题。 为了实现上述目的，本专利技术采用的技术方案如下： -种基于CT影像的肺结节检测方法，包括如下步骤： (1)获取CT序列影像； (2)肺实质分割：i为序列影像的当前层数，Θ为像素个数统计经验值，首先利用阈 值T二值化第i层影像，肺内图像像素标定为1，背景像素标定为0,统计标定为1的像素个数 Ni，初始化为1，当Μ>θ时像素保留，否则去除，然后扩展到多层序列影像区域，重复上述算 法； (3)气管/主支气管剔除：首先自动在关键层肺门气管区域定位一个种子点，然后 利用区域增长算法，在种子点的3X3X3邻域内进行增长，阈值的选取可以在气管的CT值范 围内选取，区域增长过程中更多的体素被包含进气管和主支气管区域，当体素进入左右肺 区域时，增长终止，最后标定所有体素并分割； (4)边缘结节检测：利用数学形态学的开运算剔除影像上与结构元素不相吻合的 凸区域，利用闭运算填充那些影像上与结构元素不相吻合的凹区域，同时保留那些相吻合 的凹区域； (5)疑似结节检测:采用Hessian矩阵的圆型滤波器对肺实质分割后影像进行圆点 滤波，并有效抑止线形结构;然后采用不变矩算法精确检测疑似结节区域； (6)特征提取及分类； (7)肺结节标定。 进一步地，所述CT序列影像的影像层厚度为l-2mm〇 进一步地，所述步骤(6)提取的特征包括面积、直径、似圆度、灰度均值和边界不规 则度，其中直径为区域中横向或纵向像素个数的最大值。 进一步地，所述步骤(7)采用规则分类的方法检测真阳性结节，首先结合医学诊断 规则反复试验后获得一个阈值范围，在疑似结节在这个范围内则被判别为真阳性结节，否 则，被判别为假阳性结节。 本专利技术有益效果为： (1)本专利技术可以实现对微小结节的检测，充分利用了CT序列影像的三维信息，减少 了局部容积效应，肺结节的三维可视化提高了肺结节的细节显示能力，可以更好的辅助医 生提尚诊断准确性。 (2)本专利技术采用了一种改进的自适应阈值分割算法分割肺实质，该算法充分考虑 了肺实质边缘的梯度分布情况，预留出边缘过渡区域，然后采用数学形态学算法，以达到精 确检测肺实质边缘结节的目的，避免漏检。 (3)本专利技术采用了一种高斯滤波、基于Hessian矩阵的圆点滤波器与不变矩分析相 结合的方法识别医生感兴趣区域，同时滤掉血管等"线"状组织的干扰。 (4)本专利技术肺结节特征提取和分类不需要大量的先验知识，检测实时性较好，对于 肺结节检测敏感性较高，特别可以对肺癌早期阶段形成的微小结节进行检测，满足了医生 对于肺癌CAD系统准确性、易操作性及实时性的需求。【具体实施方式】根据下述实施例，可以更好的理解本专利技术。然而，本领域的技术人员容易理解，实 施例所描述的内容仅用于说明本专利技术，而不应当也不会限制权利要求书中所详细描述的本 专利技术。 实施例： -种基于CT影像的肺结节检测方法，包括如下步骤： (1)获取CT序列影像； (2)肺实质分割：i为序列影像的当前层数，Θ为像素个数统计经验值，首先利用阈 值T二值化第i层影像，肺内图像像素标定为1，背景像素标定为0,统计标定为1的像素个数 Ni，初始化为1，当Μ>θ时像素保留，否则去除，然后扩展到多层序列影像区域，重复上述算 法； (3)气管/主支气管剔除：首先自动在关键层肺门气管区域定位一个种子点，然后 利用区域增长算法，在种子点的3X3X3邻域内进行增长，阈值的选取可以在气管的CT值范 围内选取，区域增长过程中更多的体素被包含进气管和主支气管区域，当体素进入左右肺 区域时，增长终止，最后标定所有体素并分割； (4)边缘结节检测：利用数学形态当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于CT影像的肺结节检测方法，其特征在于，包括如下步骤：(1)获取CT序列影像；(2)肺实质分割：i为序列影像的当前层数，θ为像素个数统计经验值，首先利用阈值T二值化第i层影像，肺内图像像素标定为1，背景像素标定为0，统计标定为1的像素个数Ni，初始化为1，当Ni＞θ时像素保留，否则去除，然后扩展到多层序列影像区域，重复上述算法；(3)气管/主支气管剔除：首先自动在关键层肺门气管区域定位一个种子点，然后利用区域增长算法，在种子点的3×3×3邻域内进行增长，阈值的选取可以在气管的CT值范围内选取，区域增长过程中更多的体素被包含进气管和主支气管区域，当体素进入左右肺区域时，增长终止，最后标定所有体素并分割；(4)边缘结节检测：利用数学形态学的开运算剔除影像上与结构元素不相吻合的凸区域，利用闭运算填充那些影像上与结构元素不相吻合的凹区域，同时保留那些相吻合的凹区域；(5)疑似结节检测：采用Hessian矩阵的圆型滤波器对肺实质分割后影像进行圆点滤波，并有效抑止线形结构；然后采用不变矩算法精确检测疑似结节区域；(6)特征提取及分类；(7)肺结节标定。

【技术特征摘要】

【专利技术属性】
技术研发人员：于翠妮，孙燕新，尹喜玲，韩景奇，李涌，王明帅，赵钢，
申请(专利权)人：于翠妮，
类型：发明
国别省市：山东;37