CN113096139A - 一种肺实质的图像分割处理方法 - Google Patents

一种肺实质的图像分割处理方法 Download PDF

Info

Publication number
CN113096139A
CN113096139A CN202110404136.9A CN202110404136A CN113096139A CN 113096139 A CN113096139 A CN 113096139A CN 202110404136 A CN202110404136 A CN 202110404136A CN 113096139 A CN113096139 A CN 113096139A
Authority
CN
China
Prior art keywords
lung
image
mask
images
parenchyma
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110404136.9A
Other languages
English (en)
Other versions
CN113096139B (zh
Inventor
俞晔
方圆圆
袁凤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Hanhu Intelligent Technology Co ltd
Original Assignee
Shanghai First Peoples Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai First Peoples Hospital filed Critical Shanghai First Peoples Hospital
Priority to CN202110404136.9A priority Critical patent/CN113096139B/zh
Publication of CN113096139A publication Critical patent/CN113096139A/zh
Application granted granted Critical
Publication of CN113096139B publication Critical patent/CN113096139B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种肺实质的图像分割处理方法，包括步骤S1，对采集的同一肺部数据分别处理得到若干个肺部图像中躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；步骤S2，选取一个经过所述步骤S1筛除处理后的肺部图像生成躯干掩膜图像；步骤S3，其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞处理，与躯干掩膜图像叠加相减生成肺实质掩膜图像；步骤S4，将所述肺实质掩膜图像中的气管去除，叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像；提取若干个躯干掩膜位置，无需处理肺实质外的空气、检查床等部分，提高处理的速度及肺实质边缘的准确度；分割区域对比肺实质掩膜图像确认特征部分，防止切割的肺实质不准确。

Description

一种肺实质的图像分割处理方法
技术领域
本发明涉及肺实质图像分割技术领域，尤其是一种肺实质的图像分割处理方法。
背景技术
我国肺癌的发病率和死亡率均居各种恶性肿瘤之首，对肺癌的早发现、早治疗可以有效提高患者的生存率和愈后情况；CT成像是医学影像技术中检查肺部疾病最好的影像学手段；为减轻医生的工作量,更快更准确地检查出肺部疾病，将医学图像处理技术应用于肺部疾病辅助诊断中，对于辅助肺部疾病的诊断意义重大；计算机辅助诊断肺部疾病过程中，将肺部CT图像中的肺实质提取出来能够辅助临床医生诊断、评价肺部疾病；通常使用全局阈值分割及基于区域生长法对肺实质图像进行分割处理，然而由于肺部CT图像主要包括肺实质和肺实质外的空气、检查床等部分，同时肺部CT图像由于噪声强、组织结构复杂，会出现肺实质边缘处理不准确，及对肺实质的内部组织误处理的情况发生；因而需要发明一种能提高对肺实质切割准确度的方法及***。
发明内容
本发明的目的在于克服现有技术的不足，提供一种肺实质的图像分割处理***。
本发明解决其技术问题是采取以下技术方案实现的：
一种肺实质的图像分割处理方法，包括
步骤S1，采集肺部数据，对采集的同一肺部数据分别进行处理，得到若干个肺部图像中外部的躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；
步骤S2，选取一个经过所述步骤S1筛除处理后的肺部图像生成躯干掩膜图像并进行存储；
步骤S3，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞处理，与所述步骤S2的躯干掩膜图像叠加相减生成肺实质掩膜图像。
优选的，还包括步骤S4，将所述步骤S3中处理后的肺实质掩膜图像中的气管去除，叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像。
优选的，所述步骤S3包括：
步骤S3-1，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞处理生成预处理肺部图像；
步骤S3-2，分别选取所述步骤S3-1中两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个实质掩膜图像；
步骤S3-3，将所述步骤S3-2中两个肺实质掩膜图像进行区域分割通过比对方法进行比对；比对一致生成一个肺实质掩膜图像；比对不一致，删除这两个肺实质掩膜图像，重新选取两个新的肺部图像进行所述步骤S3-1。
优选的，所述步骤S1包括：
步骤S1-1，采集肺部数据，分别对采集的同一肺部数据进行位置校正及处理，生成若干个肺部图像；
步骤S1-2，对所述步骤S1-1的图像分别进行去噪点处理；
步骤S1-3，再通过提取最大连通区域获取肺部图像的外部的躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像。
优选的，所述步骤S1-3包括：
步骤S1-3-1，任意选取一个肺部图像为对比肺部图像；
步骤S1-3-2，将其余肺部图像的躯干掩膜位置数据与所述步骤S1-3-1的对比肺部图像的躯干掩膜位置数据一一进行比对，比对一致的次数占总比对次数的比率大于等于设定比率，则选取对比肺部图像进行所述步骤S2；
步骤S1-3-3，将其余肺部图像的躯干掩膜位置数据与所述步骤S1-3-1的对比肺部图像的躯干掩膜位置数据一一进行比对，比对一致的次数占总比对次数的比率小于设定比率，则选取其余肺部图像为对比肺部图像进行所述步骤S1-3-2。
优选的，所述步骤S1还包括：
步骤S1-4，将经过筛选的躯干掩膜位置一致的肺部图像进行存储。
优选的，所述步骤S3-3中比对方法包括：
步骤S3-3-1，所述步骤S3-2的两个肺实质掩膜图像分别为第一肺实质掩膜图像及第二肺实质掩膜图像，将第一肺实质掩膜图像及第二肺实质掩膜图像进行区域分割处理；
步骤S3-3-2，提取第一肺实质掩膜图像的分割区域中的特征部分，在第二肺实质掩膜图像的分割区域中查找对应特征部分；
步骤S3-3-3，将所述步骤S3-3-2能对应的特征部分进行加权处理存储类别及特征数据，标记未找到对应特征部分的分割区域。
优选的，所述步骤S3-3中比对方法还包括：
步骤S3-3-4，重复所述步骤S3-2生成两个肺实质掩膜图像，重复所述步骤S3-3，只对比找不到对应特征部分的分割区域，直至所有分割区域的肺实质掩膜图像数据一致。
优选的，步骤S4包括：
步骤S4-1，将所述步骤S3中处理后的肺实质掩膜图像中的气管去除；
步骤S4-2，将所述步骤S4-1的去除气管的肺实质掩膜图像叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像。
优选的，还包括步骤S5，处理并存储肺部图像的躯干掩膜数据、肺实质掩膜图像数据、气管数据及特征部分数据。
本发明的优点和积极效果是：
1.本发明包括步骤S1，对采集的同一肺部数据分别进行处理，得到若干个肺部图像中外部的躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；步骤S2，选取一个经过所述步骤S1筛除处理后的肺部图像生成躯干掩膜图像并进行存储；步骤S3，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞处理，与所述步骤S2的躯干掩膜图像叠加相减生成肺实质掩膜图像；步骤S4，将所述肺实质掩膜图像中的气管去除，叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像，通过提取若干个躯干掩膜位置，无需处理肺实质外的空气、检查床等部分，提高处理的速度及肺实质边缘的准确度。
2.本发明包括步骤S3-1，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞处理生成预处理肺部图像；步骤S3-2，分别选取所述步骤S3-1中两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个肺实质掩膜图像；步骤S3-3，将所述步骤S3-2中两个肺实质掩膜图像进行区域分割通过比对方法进行比对；比对一致生成一个肺实质掩膜图像；比对不一致，删除两个肺实质掩膜图像，并重复所述步骤S3-2；通过分割区域对比肺实质掩膜图像对特征部分进行确认，确认肺实质内部组织数据，防止切割的肺实质不准确增加医生的工作量。
附图说明
图1是本发明的步骤示意图；
图2是本发明的肺部图像示意图；
图3是本发明的躯干掩膜图像示意图；
图4是本发明的预处理肺部图像示意图；
图5是本发明的肺实质掩膜图像数据示意图；
图6是本发明的去除气管的肺实质掩膜图像示意图；
图7是本发明的肺实质图像示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或若干个相关的所列项目的任意的和所有的组合。
如图2所示，肺部图像最外部白色区域为躯干2，下方有床板1，肺实质5包括左肺及右肺，需要将肺实质5与躯干2分割出来；肺实质5包括气管4及孔洞3；气管4包括主气管4及伸入肺实质的主支气管4；孔洞3包括血管及结节等；需要将肺实质5和胸腔的其他结构分离，再获得连通的左肺、右肺，移除气管4，填充肺实质5中孔洞3，得到完整的肺实质5。
如图1所示，本发明所述一种肺实质的图像分割处理方法，包括
步骤S1，采集肺部数据，对采集的同一肺部数据分别进行处理，得到若干个肺部图像中外部的躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；
步骤S2，选取一个经过所述步骤S1筛除处理后的肺部图像生成躯干掩膜图像并进行存储；
步骤S3，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞3处理，与所述步骤S2的躯干掩膜图像叠加相减生成肺实质掩膜图像；
步骤S4，将所述步骤S3中处理后的肺实质掩膜图像中的气管4去除，叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像；
步骤S5，处理并存储肺部图像的躯干掩膜数据、肺实质掩膜图像数据、气管4数据及特征部分数据；
具体的，采集肺部数据，需要通过全阈值法对采集的同一肺部数据进行处理生成肺部图像，肺部图像是巨大的低灰度连通区域，而其他无关结构的灰度值较高，待采集的同一肺部数据可能有病变部分，通过全局阈值法获取肺部图像对灰度选取要求很高，只进行一次处理可能由于判断的灰度值不准确可能生成的肺部图像不准确导致后续分割的肺部图像有误，因而需要对采集的同一肺部数据分别通过全阈值法进行处理，获取的肺部图像位置可能会有偏移，根据肺部图像中外部轮廓将位置将肺部图像进行校正便于后续的处理及切割处理后的肺实质的查看；将若干个肺部图像分别进行去噪点处理提高肺部图像的精确度。
经过所述步骤S1-1及所述步骤S1-2处理生成若干个肺部图像，此时肺部图像中连通区域较大的有床板1、躯干2及肺实质5，床板1及躯干2因紧邻肺实质5，影响肺实质5的切割，需要将床板1，与肺实质5及躯干2分离出来，躯干2的连通区域最大，提取最大连通区域获取躯干2，便可将床板1分离出去，后面只处理躯干2及肺实质5的部分提高效率；基于Matlab算取每个连通区域内像素的个数，确定最大连通区域，获取肺部图像的外部的躯干掩膜位置数据，任意选取一个肺部图像为对比肺部图像；对比肺部图像的躯干掩膜位置数据为待比对数据，将其他肺部图像的躯干掩膜位置数据与对比肺部图像的待比对数据分别一一叠加对比，比对一致的次数占总比对次数的比率大于等于设定比率，可确定该比对数据即躯干掩膜位置数据正确，将该肺部图像进行存储并进行所述步骤S2的处理生成躯干掩膜图像，将与待比对数据不一致的肺部图像进行删除处理，与待比对数据一致的肺部图像进行存储；若比对一致的次数占总比对次数的比率小于设定比率，重新选取肺部图像采集新的待比对数据，直至比对一致的次数占总比对次数的比率大于等于设定比率确定躯干2的位置，防止床板1的局部或全部误判断成躯干2；
肺实质5中有孔洞3，将肺实质5与躯干2分离时，增加处理难度，需要先将步骤S1-4存储的肺部图像进行消除孔洞3处理生成预处理肺部图像；所述步骤S2肺部图像生成躯干掩膜图像；预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成肺实质掩膜图像；但肺部图像可能会有各种病变组织，经过所述步骤S1的全阈值法、所述步骤S3-1的消除孔洞3处理，生成的预处理图像处理时可能会出现不准确或对灰度值判断错误的情况，造成将肺实质5与躯干2进行分割时，可能会出现将躯干2局部或全部误判断成肺实质5，或者将肺实质5局部或全部误判断成躯干2，造成切割后肺实质5的不准确，因而分别选取所述步骤S3-1中两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个实质掩膜图像；将两个肺实质掩膜图像进行区域分割，分区域对比两个肺实质掩膜图像，将比对一致的分割区域的肺实质掩膜图像数据进行存储；将比对不一致的分割区域的肺实质掩膜图像的区域进行标记，并删除已经对比的两个肺实质掩膜图像；再重复所述步骤S3-2，再选取两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个肺实质掩膜图像，只对比标记的分割区域的肺实质掩膜图像数据信息，避免再次全部比对分割区域增大工作量，比对一致的分割区域的肺实质掩膜图像数据进行存储；将比对不一致的分割区域的肺实质掩膜图像的区域进行标记，并删除两个肺实质掩膜图像直至所有分割区域的肺实质掩膜图像数据一致最终生成一个肺实质掩膜图像。
肺实质掩膜图像中还包括气管4，需要将气管4与肺实质5区别出来，气管4在肺实质掩膜图像现为连通区域；通过Matlab算取每个连通区域内像素的个数，确定肺实质掩膜图像的连通区域，并将连通区域数据与预处理肺部图像的连通区域数据确认后，提取连通区域面积小于1000的连通区域消除气管4，所得的图像与所述步骤S1中筛除处理的肺部图像相叠加乘生成肺实质图像；处理存储肺部图像的躯干掩膜数据、肺实质掩膜图像数据、气管4数据及特征部分数据。
如图1-7所示，进一步地，所述步骤S1包括：
步骤S1-1，采集肺部数据，分别对采集的同一肺部数据进行位置校正及处理，生成若干个肺部图像；
步骤S1-2，对所述步骤S1-1的图像分别进行去噪点处理；
具体的，采集肺部数据，需要通过全阈值法对采集的同一肺部数据进行处理生成肺部图像，肺部图像是巨大的低灰度连通区域，而其他无关结构的灰度值较高，待采集的同一肺部数据可能有病变部分，通过全局阈值法获取肺部图像对灰度选取要求很高，只进行一次处理可能由于判断的灰度值不准确可能生成的肺部图像不准确导致后续分割的肺部图像有误，因而需要对采集的同一肺部数据分别通过全阈值法进行处理，具体方法是为全局阈值设置初始值T，图像中最大的灰度值为Tmax，最小的灰度值为Tmin，T＝(Tmax+Tmin)/2；以T为阈值将图像分为前景(灰度值大于等于T)和背景(灰度值小于T)，计算前景的平均灰度值TF和背景的平均灰度值TB，则更新阈值T，T＝(TF+TB)/2重复直至T不在变化为止，获取一个肺部图像；尤其获取的肺部图像位置可能会有偏移，根据肺部图像中外部轮廓将位置将肺部图像进行校正便于后续的处理及切割处理后的肺实质的查看；将采集的同一肺部数据分别经过处理生成若干个肺部图像；将若干个肺部图像分别进行去噪点处理提高肺部图像的精确度。
进一步地，所述步骤S1还包括：
步骤S1-3，再通过提取最大连通区域获取肺部图像的外部的躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；
步骤S1-4，将经过筛选的躯干掩膜位置一致的肺部图像进行存储。
具体的，经过所述步骤S1-1及所述步骤S1-2处理生成若干个肺部图像，此时肺部图像中连通区域较大的有床板1、躯干2及肺实质5，床板1及躯干2因紧邻肺实质5，影响肺实质5的切割，需要将床板1，与肺实质5及躯干2分离出来，躯干2的连通区域最大，提取最大连通区域获取躯干2，便可将床板1分离出去，后面只处理躯干2及肺实质5的部分提高效率；基于Matlab算取每个连通区域内像素的个数，确定最大连通区域，获取肺部图像的外部的躯干掩膜位置数据，任意选取一个肺部图像为对比肺部图像；对比肺部图像的躯干掩膜位置数据为待比对数据，将其他肺部图像的躯干掩膜位置数据与对比肺部图像的待比对数据分别一一叠加对比，比对一致的次数占总比对次数的比率大于等于设定比率，可确定该比对数据即躯干掩膜位置数据正确，将该肺部图像进行存储并进行所述步骤S2的处理生成躯干掩膜图像，将与待比对数据不一致的肺部图像进行删除处理，与待比对数据一致的肺部图像进行存储；若比对一致的次数占总比对次数的比率小于设定比率，重新选取肺部图像采集新的待比对数据，直至比对一致的次数占总比对次数的比率大于等于设定比率确定躯干2的位置，防止床板1的局部或全部误判断成躯干2；
进一步地，所述步骤S1-3包括：
步骤S1-3-1，任意选取一个肺部图像为对比肺部图像；
步骤S1-3-2，将其余肺部图像的躯干掩膜位置数据与所述步骤S1-3-1的对比肺部图像的躯干掩膜位置数据一一进行比对，比对一致的次数占总比对次数的比率大于等于设定比率，则选取对比肺部图像进行所述步骤S2；
步骤S1-3-3，将其余肺部图像的躯干掩膜位置数据与所述步骤S1-3-1的对比肺部图像的躯干掩膜位置数据一一进行比对，比对一致的次数占总比对次数的比率小于设定比率，则选取其余肺部图像为对比肺部图像进行所述步骤S1-3-2。
具体的，经过所述步骤S1-1及所述步骤S1-2处理生成若干个肺部图像，此时肺部图像中连通区域较大的有床板1、躯干2及肺实质5，床板1及躯干2因紧邻肺实质5，影响肺实质5的切割，需要将床板1，与肺实质5及躯干2分离出来，躯干2的连通区域最大，提取最大连通区域获取躯干2，便可将床板1分离出去，后面只处理躯干2及肺实质5的部分提高效率；基于Matlab算取每个连通区域内像素的个数，确定最大连通区域，获取肺部图像的外部的躯干掩膜位置数据；
任意选取一个肺部图像为对比肺部图像；对比肺部图像的躯干掩膜位置数据为待比对数据，将其他肺部图像的躯干掩膜位置数据与对比肺部图像的待比对数据分别一一叠加对比，比对一致的次数占总比对次数的比率大于等于设定比率，可确定该比对数据即躯干掩膜位置数据正确，并进行存储进行所述步骤S2的处理生成躯干掩膜图像，将与待比对数据不一致的肺部图像进行删除处理；若比对一致的次数占总比对次数的比率小于设定比率，重新选取肺部图像采集新的待比对数据，直至比对一致的次数占总比对次数的比率大于等于设定比率，通过一定的比率确定躯干2的位置，防止床板1的局部或全部误判断成躯干2。
进一步地，所述步骤S3包括：
步骤S3-1，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞3处理生成预处理肺部图像；
步骤S3-2，分别选取所述步骤S3-1中两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个实质掩膜图像；
步骤S3-3，将所述步骤S3-2中两个肺实质掩膜图像进行区域分割通过比对方法进行比对；比对一致生成一个肺实质掩膜图像；比对不一致，删除这两个肺实质掩膜图像，重新选取两个新的肺部图像进行所述步骤S3-1。
具体的，肺实质5中有孔洞3，将肺实质5与躯干2分离时，增加处理难度，需要先将步骤S1-4存储的肺部图像进行消除孔洞3处理生成预处理肺部图像；所述步骤S2肺部图像生成躯干掩膜图像；预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成肺实质掩膜图像；但肺部图像可能会有各种病变组织，经过所述步骤S1的全阈值法、所述步骤S3-1的消除孔洞3处理，生成的预处理图像处理时可能会出现不准确或对灰度值判断错误的情况，造成将肺实质5与躯干2进行分割时，可能会出现将躯干2局部或全部误判断成肺实质5，或者将肺实质5局部或全部误判断成躯干2，造成切割后肺实质5的不准确，因而分别选取所述步骤S3-1中两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个实质掩膜图像；将两个肺实质掩膜图像进行区域分割，分区域对比两个肺实质掩膜图像，将比对一致的分割区域的肺实质掩膜图像数据进行存储；将比对不一致的分割区域的肺实质掩膜图像的区域进行标记，并删除已经对比的两个肺实质掩膜图像；再重复所述步骤S3-2，再选取两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个肺实质掩膜图像，只对比标记的分割区域的肺实质掩膜图像数据信息，避免再次全部比对分割区域增大工作量，比对一致的分割区域的肺实质掩膜图像数据进行存储；将比对不一致的分割区域的肺实质掩膜图像的区域进行标记，并删除两个肺实质掩膜图像直至所有分割区域的肺实质掩膜图像数据一致最终生成一个肺实质掩膜图像。
进一步地，所述步骤S3-3中比对方法包括：
步骤S3-3-1，所述步骤S3-2的两个肺实质掩膜图像分别为第一肺实质掩膜图像及第二肺实质掩膜图像，将第一肺实质掩膜图像及第二肺实质掩膜图像进行区域分割处理；
步骤S3-3-2，提取第一肺实质掩膜图像的分割区域中的特征部分，在第二肺实质掩膜图像的分割区域中查找对应特征部分；
步骤S3-3-3，将所述步骤S3-3-2能对应的特征部分进行加权处理存储类别及特征数据，标记未找到对应特征部分的分割区域。
步骤S3-3-4，重复所述步骤S3-2生成两个肺实质掩膜图像，重复所述步骤S3-3，只对比找不到对应特征部分的分割区域，直至所有分割区域的肺实质掩膜图像数据一致。
具体的，所述步骤S3-2的两个肺实质掩膜图像分别为第一肺实质掩膜图像及第二肺实质掩膜图像，将第一肺实质掩膜图像及第二肺实质掩膜图像进行区域分割处理；分区域对比第一肺实质掩膜图像及第二肺实质掩膜图像；将比对一致的分割区域的肺实质掩膜图像数据进行存储；将比对不一致的分割区域的肺实质掩膜图像的区域进行标记，并删除两个肺实质掩膜图像；再重复所述步骤S3-2，再选取两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个肺实质掩膜图像，只对比标记的分割区域的肺实质掩膜图像数据信息，避免再次全部比对分割区域增大工作量，比对一致的分割区域的肺实质掩膜图像数据进行存储；将比对不一致的分割区域的肺实质掩膜图像的区域进行标记，并删除两个肺实质掩膜图像直至所有分割区域的肺实质掩膜图像数据一致且进行存储；例如将第一肺实质掩膜图像的第一分割区域与所述第二肺实质掩膜图像的第一分割区域对比，对比一致将第一分割区域数据进行存储；将第一肺实质掩膜图像的第二分割区域与所述第二肺实质掩膜图像的第二分割区域对比，对比不一致将第二分割区域进行标记且进行存储，删除旧的两个肺实质掩膜图像；再从中选取两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个肺实质掩膜图像，只对比标记的第二分割区域的两个肺实质掩膜图像数据信息，比对一致的分割区域的肺实质掩膜图像数据进行存储；将对比的特征部分进行加权处理存储类别及特征数据进行存储。
进一步地，所述步骤S4包括：
步骤S4-1，将所述步骤S3中处理后的肺实质掩膜图像中的气管4去除；
步骤S4-2，将所述步骤S4-1的去除气管4的肺实质掩膜图像叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像。
具体的，肺实质掩膜图像中还包括气管4，需要将气管4与肺实质5区别出来，气管4在肺实质掩膜图像现为连通区域；通过Matlab算取每个连通区域内像素的个数，确定肺实质掩膜图像的连通区域，并将连通区域数据与预处理肺部图像的连通区域数据确认后，提取连通区域面积小于1000的连通区域消除气管4，所得的图像与所述步骤S1中筛除处理的肺部图像相叠加乘生成肺实质图像；并处理存储肺部图像的躯干掩膜数据、肺实质掩膜图像数据、气管4数据及特征部分数据。
本发明包括步骤S1,对采集的同一肺部数据分别进行处理，得到若干个肺部图像中外部的躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；步骤S2，选取一个经过所述步骤S1筛除处理后的肺部图像生成躯干掩膜图像并进行存储；步骤S3，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞3处理，与所述步骤S2的躯干掩膜图像叠加相减生成肺实质掩膜图像；步骤S4，将所述肺实质掩膜图像中的气管4去除，叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像；通过提取若干个躯干掩膜位置，无需处理肺实质外的空气、检查床等部分，提高处理的速度及肺实质边缘的准确度；通过分割区域对比肺实质掩膜图像对特征部分进行确认，确认肺实质内部组织数据，防止切割的肺实质不准确增加医生的工作量。
上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所提示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。

Claims (10)

1.一种肺实质的图像分割处理方法，其特征在于：包括
步骤S1，采集肺部数据，对采集的同一肺部数据分别进行处理，得到若干个肺部图像中外部的躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像；
步骤S2，选取一个经过所述步骤S1筛除处理后的肺部图像生成躯干掩膜图像并进行存储；
步骤S3，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞(3)处理，与所述步骤S2的躯干掩膜图像叠加相减生成肺实质掩膜图像。
2.根据权利要求1所述一种肺实质的图像分割处理方法，其特征在于：还包括步骤S4，将所述步骤S3中处理后的肺实质掩膜图像中的气管(4)去除，叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像。
3.根据权利要求1所述一种肺实质的图像分割处理方法，其特征在于：所述步骤S3包括：
步骤S3-1，将其余经过所述步骤S1筛除处理后的肺部图像进行消除孔洞(3)处理生成预处理肺部图像；
步骤S3-2，分别选取所述步骤S3-1中两个预处理肺部图像与所述步骤S2的躯干掩膜图像叠加相减生成两个实质掩膜图像；
步骤S3-3，将所述步骤S3-2中两个肺实质掩膜图像进行区域分割通过比对方法进行比对；比对一致生成一个肺实质掩膜图像；比对不一致，删除这两个肺实质掩膜图像，重新选取两个新的肺部图像进行所述步骤S3-1。
4.根据权利要求1所述一种肺实质的图像分割处理方法，其特征在于：所述步骤S1包括：
步骤S1-1，采集肺部数据，分别对采集的同一肺部数据进行位置校正及处理，生成若干个肺部图像；
步骤S1-2，对所述步骤S1-1的图像分别进行去噪点处理；
步骤S1-3，再通过提取最大连通区域获取肺部图像的外部的躯干掩膜位置数据，比对筛除躯干掩膜位置不一致的肺部图像。
5.根据权利要求4所述一种肺实质的图像分割处理方法，其特征在于：所述步骤S1-3包括：
步骤S1-3-1，任意选取一个肺部图像为对比肺部图像；
步骤S1-3-2，将其余肺部图像的躯干掩膜位置数据与所述步骤S1-3-1的对比肺部图像的躯干掩膜位置数据一一进行比对，比对一致的次数占总比对次数的比率大于等于设定比率，则选取对比肺部图像进行所述步骤S2；
步骤S1-3-3，将其余肺部图像的躯干掩膜位置数据与所述步骤S1-3-1的对比肺部图像的躯干掩膜位置数据一一进行比对，比对一致的次数占总比对次数的比率小于设定比率，则选取其余肺部图像为对比肺部图像进行所述步骤S1-3-2。
6.根据权利要求1所述一种肺实质的图像分割处理方法，其特征在于：所述步骤S1还包括：
步骤S1-4，将经过筛选的躯干掩膜位置一致的肺部图像进行存储。
7.根据权利要求3所述一种肺实质的图像分割处理方法，其特征在于：所述步骤S3-3中比对方法包括：
步骤S3-3-1，所述步骤S3-2的两个肺实质掩膜图像分别为第一肺实质掩膜图像及第二肺实质掩膜图像，将第一肺实质掩膜图像及第二肺实质掩膜图像进行区域分割处理；
步骤S3-3-2，提取第一肺实质掩膜图像的分割区域中的特征部分，在第二肺实质掩膜图像的分割区域中查找对应特征部分；
步骤S3-3-3，将所述步骤S3-3-2能对应的特征部分进行加权处理存储类别及特征数据，标记未找到对应特征部分的分割区域。
8.根据权利要求3所述一种肺实质的图像分割处理方法，其特征在于：所述步骤S3-3中比对方法还包括：
步骤S3-3-4，重复所述步骤S3-2生成两个肺实质掩膜图像，重复所述步骤S3-3，只对比找不到对应特征部分的分割区域，直至所有分割区域的肺实质掩膜图像数据一致。
9.根据权利要求2所述一种肺实质的图像分割处理方法，其特征在于：步骤S4包括：
步骤S4-1，将所述步骤S3中处理后的肺实质掩膜图像中的气管(4)去除；
步骤S4-2，将所述步骤S4-1的去除气管(4)的肺实质掩膜图像叠加乘所述步骤S1中筛除处理的肺部图像生成肺实质图像。
10.根据权利要求1所述一种肺实质的图像分割处理方法，其特征在于：还包括步骤S5，处理并存储肺部图像的躯干掩膜数据、肺实质掩膜图像数据、气管(4)数据及特征部分数据。
CN202110404136.9A 2021-04-14 2021-04-14 一种肺实质的图像分割处理方法 Active CN113096139B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110404136.9A CN113096139B (zh) 2021-04-14 2021-04-14 一种肺实质的图像分割处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110404136.9A CN113096139B (zh) 2021-04-14 2021-04-14 一种肺实质的图像分割处理方法

Publications (2)

Publication Number Publication Date
CN113096139A true CN113096139A (zh) 2021-07-09
CN113096139B CN113096139B (zh) 2022-09-06

Family

ID=76677544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110404136.9A Active CN113096139B (zh) 2021-04-14 2021-04-14 一种肺实质的图像分割处理方法

Country Status (1)

Country Link
CN (1) CN113096139B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7206462B1 (en) * 2000-03-17 2007-04-17 The General Hospital Corporation Method and system for the detection, comparison and volumetric quantification of pulmonary nodules on medical computed tomography scans
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断***
CN104751437A (zh) * 2013-12-30 2015-07-01 蓝网科技有限公司 基于胸部ct图像的肺部自动提取方法
US20180114325A1 (en) * 2016-10-26 2018-04-26 Duke University Systems and methods for determining quality metrics of an image or images based on an edge gradient profile and characterizing regions of interest in an image or images
CN110766713A (zh) * 2019-10-30 2020-02-07 上海微创医疗器械（集团）有限公司 肺部图像分割方法、装置和肺部病变区域识别设备
CN112648935A (zh) * 2020-12-14 2021-04-13 杭州思锐迪科技有限公司 一种图像处理方法、装置和三维扫描***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7206462B1 (en) * 2000-03-17 2007-04-17 The General Hospital Corporation Method and system for the detection, comparison and volumetric quantification of pulmonary nodules on medical computed tomography scans
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断***
CN104751437A (zh) * 2013-12-30 2015-07-01 蓝网科技有限公司 基于胸部ct图像的肺部自动提取方法
US20180114325A1 (en) * 2016-10-26 2018-04-26 Duke University Systems and methods for determining quality metrics of an image or images based on an edge gradient profile and characterizing regions of interest in an image or images
CN110766713A (zh) * 2019-10-30 2020-02-07 上海微创医疗器械（集团）有限公司 肺部图像分割方法、装置和肺部病变区域识别设备
CN112648935A (zh) * 2020-12-14 2021-04-13 杭州思锐迪科技有限公司 一种图像处理方法、装置和三维扫描***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
何鑫: "医学不平衡样本集分类关键技术研究", 《中国优秀博硕士学位论文全文数据库(硕士) 医药卫生科技辑》 *

Also Published As

Publication number Publication date
CN113096139B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
US10964020B2 (en) Similar case image search program, similar case image search apparatus, and similar case image search method
CN109685809B (zh) 一种基于神经网络的肝包虫病灶分割方法及***
US7295870B2 (en) Method for the detection and automatic characterization of nodules in a tomographic image and a system of medical imaging by tomodensimetry
JP2001137230A (ja) コンピュータ支援診断システム
CN115661149B (zh) 一种基于肺部组织数据的肺部影像处理***
CN112132837A (zh) 一种胸部骨骼自动提取方法、***、电子设备及存储介质
CN111462201A (zh) 基于新型冠状病毒肺炎ct影像的随访分析***及方法
CN111260669A (zh) 基于ct图像的肺叶分割方法和装置
CN105678758A (zh) 一种图像特征自动识别提取方法
US8331635B2 (en) Cartesian human morpho-informatic system
CN113096139B (zh) 一种肺实质的图像分割处理方法
JP7304437B2 (ja) 肺炎徴候の分割方法、装置、媒体及び電子デバイス
CN113034522B (zh) 一种基于人工神经网络的ct图像分割方法
CN109559317B (zh) 一种基于ct影像的肺结节分割方法
CN115062120B (zh) 读片知识图谱构建方法、装置、处理器及报告生成方法
CN116029972A (zh) 一种基于形态学的骨折区域无损分割及重建方法
CN116309647A (zh) 颅脑病灶图像分割模型构建方法、图像分割方法及设备
CN111358484B (zh) 核医学肺灌注显像定量分析方法、分析设备及存储介质
CN113822872A (zh) 一种用于肝癌影像组学图像特征信息提取方法
Baima et al. Dense Swin Transformer for Classification of Thyroid Nodules
CN108765415A (zh) 一种具有阴影管理监测***
CN117017486B (zh) 一种基于医学影像的肺结节穿刺路径规划方法
CN115482181B (zh) 一种图像信息提取方法、装置、电子设备和可读存储介质
CN114403911B (zh) 一种基于ct三维重建图像的尺骨近端参数测量方法及装置
Tan et al. A Review of Intelligent Image Processing Method of Pulmonary CT Images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230629

Address after: Room 219, Building 8, No. 41 Jinlang Road, Langxia Town, Jinshan District, Shanghai, 200000

Patentee after: Shanghai Hanhu Intelligent Technology Co.,Ltd.

Address before: No.85 Wujin Road, Hongkou District, Shanghai

Patentee before: SHANGHAI FIRST PEOPLE'S Hospital

TR01 Transfer of patent right