基于3D區域增長法和改進的凸包算法相結合的全肺分割方法

代雙鳳 呂 科 翟 銳 董繼陽

?

基于3D區域增長法和改進的凸包算法相結合的全肺分割方法

代雙鳳 呂 科*翟 銳 董繼陽

(中國科學院大學工程科學學院 北京 100094)

肺實質分割結果的準確性在實際臨床應用中具有非常重要的意義。但由于肺結節的位置、大小、形狀的不規則性，肺部病變的多樣性，以及人體胸部解剖結構的明顯差異等，使得各類分割方法不能統一地適用于所有的胸部CT圖像，所以對于肺實質分割方法的研究仍具有很大的挑戰。該文在國內外研究分析的基礎上提出基于3D區域增長法與改進的凸包修補算法相結合的全肺分割方法。在3D區域增長法的粗分割基礎上，對分割的結果進行細化工作，通過連通域標記法與形態學方法相結合去除氣管和主支氣管，得到初步的肺實質掩膜，最后應用改進的凸包算法對肺部輪廓進行修補平滑，最終得到肺部分割結果。通過與凸包算法及滾球法相對比，證明該文所提改進的凸包算法能夠有效地修補肺部輪廓凹陷，修補后的結果分割精度較高。

肺部分割；3D區域增長法；凸包算法；區域連通分析

1 引言

醫學圖像分割是提取醫學影像圖像中特殊組織的定量信息所不可缺少的手段，也是可視化的預處理步驟和前提[1]。在肺部疾病計算機輔助診斷研究中，肺實質的分割是最為核心的步驟，是影響分析自動化、穩定性、結果精確性的關鍵問題，其處理結果的好壞直接影響到后續的分析。肺實質的分割指的是將肺實質從肺部CT 圖像中提取出來，為臨床治療和病理學研究提供可靠依據[2]。快速準確地從肺部CT圖像中分割肺實質，進一步提取感興趣區域，進而提取病變細節，能有效幫助醫生對病變組織進行定性及定量的分析，從而提高醫生診斷的準確性和科學性。

迄今為止，肺實質分割方法有很多，主要有閾值法[3,4]、聚類法[5]、區域生長法[6]、以及基于圖論的方法[7,8]等，每種方法都有各自的優缺點。隨著CT技術的發展，臨床上獲得的CT數據量成倍的增加，多種方法相結合的肺實質分割方法成為人們主要的研究對象。文獻[9]結合閾值法及區域生長方法實現肺實質的分割，并利用滾球法對提取的肺部邊界進行修補。文獻[10]提出了基于閾值法與形態學中的開運算方法相結合的肺部分割法，從而提取肺結節。由于肺與周圍組織的灰度值及其相似，在采用閾值分割、區域增長等方法對肺實質進行分割時，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內，使得提取出來的肺實質不完整，即肺部邊界會出現凹陷，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邊界進行修補。文獻[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節型凹陷提出了利用邊界曲線局部極小值點連線法修補凹陷，設置了32個不同方向的模板，給出了模板匹配算法。文獻[12]提出一種新的針對含胸膜結節的肺部CT圖像分割法，利用迭代自適應平均算法和自適應曲率閾值方法將丟失的胸膜結節重新包括進來。文獻[13]提出一種基于灰度積分投影與模糊C均值聚類的肺實質分割算法，結合滾球法修復邊界區域。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，肺實質的分割會出現過分割，而半徑過小，則會出現欠分割，修補后的肺部邊界不完整。文獻[14]提出了基于改進鏈碼和Bresenham算法相結合的肺實質邊界修復算法。文獻[15]提出一種結合區域生長，形態學運算的肺實質分割算法，并提出了一種改進的2維凸包算法對肺實質的外輪廓進行再修復，改進后的凸包算法與原有的凸包算法修復肺實質相比，新算法具有較高的準確率，胸膜結節型凹陷能夠得到準確修復，但其與原有的凸包算法一樣，無法修復血管型凹陷。綜上分析，多種方法相結合的肺實質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節型凹陷和血管型凹陷的修補算法仍需更進一步的研究和改進。

肺實質分割在肺部疾病計算機輔助診斷研究中是最為核心的步驟，其處理結果直接影響到后續圖像處理。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，提出的改進的凸包算法對肺部凹陷進行修補，該方法不僅對胸膜結節型凹陷起到修補作用，對血管型凹陷也能實現良好的修補平滑效果。實驗結果表明了本文所提全肺分割方法及改進的凸包算法的準確性和有效性。

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處理、肺部初分割、肺部邊緣修復、以及輸出修復后肺實質分割結果4部分，方法流程圖如圖1所示。

圖1 肺實質分割流程圖

2.1圖像預處理

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，在圖像處理中應用廣泛。2維高斯函數具有旋轉對稱性，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區域增長方法進行肺實質的提取，然后利用形態學方法去除大的主支氣管，并進行填充，得到肺實質掩膜。

2.2.1區域增長法

區域生長法的基本思想是將具有相似性質的像素集中起來構成區域，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域中。當前對于肺實質分割，基于區域增長方法均在2維切片上執行，本文利用一種傳播方法，將其擴展到3維空間，具體為：在當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前層片上做區域增長，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，傳播過程直至到達底層肺部消失為止，通過循環迭代的方式進行整個肺實質的分割。

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

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區域增長法進行分割時，很容易同時分割出來，所以需要從上述結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學處理方法去除大氣管和主支氣管，具體步驟如下：

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

(2)對二值化圖像進行連通性區域提取，得到所有的連通區域。

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

由于邊緣型肺結節的存在，使得分割后肺實質掩膜上存在凹陷，為了獲得更加完整的肺實質，為后續的肺結節的分析和提取做好準備，需要對初分割所得到的肺實質進行凹陷修補。

2.3 改進的凸包修補算法

本文在前人研究的基礎上，提出了雙凸包肺部邊緣修補算法。該算法不僅對胸膜結節型凹陷起到良好的修補作用，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。由于凸包理論的引用，該算法避免了滾球法、形態學方法等的過修補與欠修補。該算法的流程圖如圖2所示，詳細步驟如下：

(1)首先對經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前像素的33鄰域，如果搜索到周圍有前景像素，那么標記新的像素點；(c)不斷重復步驟(b)直到遇見此像素塊第1次標記的像素，遍歷整幅圖像，獲得邊界點集。

圖2 修補算法流程圖

(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 實驗結果

為了驗證本文方法的有效性，選取10組3維胸部CT數據。部分數據來源于寧夏醫科大學附屬醫院的多層螺旋CT數據，數據格式是DICOM，數據的大小是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)數據庫，數據格式是DICOM, CT數據層厚為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內存；操作系統為Microsoft Windows 7，實驗開發環境為Matlab R2010b，編程語言為C++與Matlab語言相結合。

3.1應用本文方法的全肺分割結果

圖3給出了本文中肺部分割修補算法的全過程。圖3(a)為所選用的肺部切片的原圖；區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，根據實驗經驗取值，根據胸部CT切片的直方圖定義值為，增長過程如圖3(b)中紅色區域所示，區域增長的結果顯示在圖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)給出了由本文改進的凸包算法獲得邊界輪廓，并對其進行填充獲得改進后的肺部掩膜如圖3(h)所示，最后圖3(i)給出了肺部最終的分割結果。從圖3中可以看出，應用本文所提肺部分割算法，分割得到的肺實質完整并且肺部邊緣光滑、連續性好。

圖3 應用本文算法的整個過程顯示

圖4進一步顯示了應用本文算法得到幾種典型的肺部CT數據的分割結果，從圖中可以看出，分割得到的肺部邊緣光滑且連續。

圖4 應用本文分割算法的分割結果

為了直觀顯示本文中肺實質邊界修復效果，對文中第3節中所用的一組胸部CT數據，使用本文算法提取的結果對肺實質進行3維重建，重建效果如圖5所示。從圖5中可見，肺實質中由胸膜肺結節引起的凹陷區域被有效修復；同時獲得的3維模型更加平滑。通過放射科醫學專家對本文結果進行人工分析后認為本文算法能有效提取CT圖像中肺實質，對臨床診斷具有較好的輔助作用。

圖5 應用本文算法修補前后的肺實質3維顯示結果

3.2本文所提修補算法與經典“滾球法”相比較

對于肺部凹陷的修補，“滾球法”[9,13]和數學形態學的方法[4,10]目前使用比較廣泛。為了更好地說明本文所提修補算法的有效性，圖6給出了本文所提修補算法與“滾球法”的應用于同一切片的比較結果，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，當選擇半徑時，肺實質的分割會出現欠分割，如圖6(a)中紅圈顯示的部分，修補后的肺部邊界不完善，而當選擇半徑時肺實質的邊界較完善，但對于肺門處卻出現了過分割現象。而采用本文所提修補算法分割得到的肺實質邊界光滑完整，沒有過分割及欠分割現象，如圖6(c)所示。從運行時間上來看，滾球法需要多次調節半徑值，多次嘗試之后確定合理值，運行效率明顯不如本文方法。同樣，形態學方法也是針對整個肺實質區域操作，會對整個肺實質圖像造成一定的過分割或欠分割現象，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域進行操作，分割效果更好。

圖6 本文凹陷修補法與滾球法的比較

3.3分割正確率

通過實驗計算，應用本文所提全肺分割方法平均分割正確率可達到95.53%。對于分割出錯的數據進行統計分析，發現出現錯誤的圖像可以歸結為兩類，一類是發生在肺部尖端或肺部底端位置，通過區域增長法分割出的肺實質的像素數較少，而在形態學去除主支氣管時，由于統一的參數設定，會將這部分少量的肺實質一起去掉，導致最后的分割出現錯誤。對于這種情況，可以通過人為選取不同的值來進行修正。另一類是肺內部有較大的肺部病變如圖7所示，該病人患有肺癌且肺癌已經轉移。對于圖7所示現象，利用本文所提的修補算法無法對肺部邊緣進行正確修補，導致最終分割出現錯誤。對于這種情況，本文算法是失效的，需要進一步研究針對此現象的分割方法，這也是接下來要重點研究的內容。

4 結束語

肺實質的準確分割在實際臨床應用中對于肺結節的檢測與分析等具有非常重要的意義。針對肺實質分割問題，本文提出了一種基于3D區域增長法與改進的凸包修補算法相結合的全肺分割方法。首先利用3D區域增長法對肺部CT圖像進行粗分割，然后通過連通標記法與形態學方法相結合去除氣管和主支氣管，對肺實質掩膜進行細化，最后提出了一種新的改進的凸包算法對肺部輪廓進行修補平滑。根據實驗結果可以看出，本文所提分割方法能夠對絕大部分的肺部CT圖像進行正確的分割，提取較為完整的肺實質，對比其他的凸包算法、滾球法，本文所提改進的凸包算法不僅能夠修補邊緣型肺部凹陷，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作用。實驗結果表明了本文所提分割方法的準確性和有效性。此外，肺實質的分割與具體的臨床應用緊密聯系，各類分割方法不能統一地適用于所有的胸部CT圖像，針對實際的肺部病變，我們將繼續研究其他肺實質分割方法，以實現更高的分割精度。

[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圖像的肺實質分割技術研究[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. 改進的二維Otsu圖像分割方法及其快速實現[J]. 電子與信息學報, 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，發病率高，常伴有呼吸功能、循環功能障礙，若診治不及時，可致死。然而，肺動脈栓塞臨床表現多樣化，缺乏特異性，容易漏診、誤診，耽誤最佳治療時機，影響預后[1]。現目前，選擇性肺動脈造影是公認的診斷肺動脈栓塞的金標準，但是，該診斷方式具有創傷性，且受設備限制，難以實現普及[2]。這些年，影像學技術不斷發展，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用價值，現報道如下。

[4] 賈同, 孟琭, 趙大哲, 等. 基于CT 圖像的自動肺實質分割方法[J]. 東北大學學報(自然科學版), 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, 強彥, 等. 結合區域生長的多尺度分水嶺算法的肺分割[J]. 計算機工程與設計,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圖像的肺實質細分割綜合方法[J]. 重慶郵電大學學報(自然科學版), 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圖像肺區域邊界凹陷自動修補[J]. 計算機工程與應用, 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, 王遠軍. 基于灰度積分投影與模糊C均值聚類的肺實質分割[J]. 中國生物醫學工程學報, 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. 基于改進凸包算法的肺實質分割研究[J]. 中國生物醫學工程學報, 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

國家自然科學基金(U1301251, 61271435)，北京市自然科學基金(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，研究方向為醫學圖像分割、圖像3維可視化.

呂 科： 男，1971年生，博士，教授，博士生導師，主要研究領域為3維可視化、數字圖像處理.

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

董繼陽： 男，1991年生，博士生，研究方向為醫學圖像配準及大數據可視化.