ITK在肺CT图像分割中的应用探讨*

2011-01-24 00:45侯庆锋于兹喜窦汝海
关键词:肺野结节医学

侯庆锋 鲁 雯 徐 惠 于兹喜 窦汝海

(泰山医学院放射学院,山东 泰安 271016)

随着计算机技术和数字图像处理技术的发展,采用计算机辅助分析医学图像成为医学影像领域的重要研究内容。CT是肺癌检测诊断的有力工具,应用日益广泛。在胸部CT检查中得到的大量图像数据,使诊断过程变得耗时费力,容易漏诊或误诊,更加重了放射人员的劳动负荷,计算机辅助检测(computer-aided detection,CAD)是提高诊断效率和减少疾病检测的假阳性率等问题的有效途径之一[1]。由于胸部结构复杂,一般CAD应用都是先将肺CT图像进行分割处理,提取出肺野区域,使CAD运算集中于肺野区域,减少数据量,提高检测精度[2-3],而分割精度是影响检测效果的关键因素之一[4-5]。ITK(insight toolkit)是美国国家医学图书馆(National Library of Medicine,NLM)和国家健康中心(National Institutes of Health,NIH)于1999年开发的专用于医学图像分割与配准的C++类库,现已发展到3.16版。应用ITK对肺部CT图像进行分割可以使研究重点放在算法的应用上,减少重写代码的劳动,本研究对ITK中若干图像分割算法在肺野分割中的应用进行了对比,现将结果报告如下。

1 材料与方法

1.1材料

取肺部CT图像若干,DICOM标准格式,0.5 mm层厚,512×512像素,每像素16位存储,12位位深,4096灰度级,像素大小0.74 mm×0.74 mm。

1.2方法

对所用CT图像分别应用ITK中的NeighborhoodConnectedImageFilter,ThresholdImageFilter,BinaryThresholdImageFilter,OtsuThresholdImageFilter,ShapeDetectionLevelSetImageFilter,CannySegmentationLevelSetImageFilter,ConnectedThresholdImageFilter,DiscreteGaussianImageFilter进行处理,查看处理结果。并联合应用上述方法对肺CT图像的分割进行初步研究。

2 结 果

2.1应用上述算法对部分CT图像进行了分割处理,结果如图1所示。

2.2图像分割是图像处理中的一个难点,也是CAD应用中的重要处理环节,研究表明,非针对肺结节的分割使5%~17%的肺结节被漏掉[5],从图2~6结果表明,ITK虽然是针对医学图像分割开发的,功能强大,但在肺结节CAD应用中,仍然要经过反复实验,并小心调节相应参数,才能得到较理想的结果。

图1 原图

图2 NeighborhoodConnectedImageFilter

图3 OtsuThresholdImageFilter

图4 ConnectedThresholdImageFilter

图5 数学形态学

图6 canny levelset

本研究应用ConnectedThresholdImageFilter算法对图1进行了分割,应用不同的模版可分别得到胸壁结构和肺野结构(图7~8)。算法流程如图9所示。

图7 分割出胸壁结构

图8 分割出肺野结构

图9 肺分割流程

3 讨 论

肺野分割是CAD应用中的重要预处理环节,侯庆锋、张娟等[6-8]也曾利用自行开发的软件进行过研究,取得了一些成果。ITK作为一种较权威的得到多数认可的图像分割配准工具包,功能强大,成熟度高,接口统一,使用方便,但如果使用不当,就很难得到理想结果。

由图2~6可知,NeighborhoodConnectedImageFilter(图2)、ConnectedThresholdImageFilter(图4)、canny levelset(图6)的分割结果较好,其中又以ConnectedThresholdImageFilter(图4)的结果最好,故本研究采用其进行肺分割,但仍有部分CT值较高的结构未能完全消除,导致最后分割的图像中肺外结构的残留(图8),尚需通过有关算法进一步处理;另外,该算法需要提供区域增长的种子点,本研究采用了手工指定的方法,种子点的选取对分割结果有较大影响,改变种子点还可分割出诸如椎骨行结构,另文报道。

ITK包含大量的功能模块,内容丰富,仍然在不断的发展中,要全面掌握其内容并灵活运用需要大量精力投入和在实践中探索,本研究只是针对其中的几个算法进行了初步研究,尚不够完善,今后我们将进一步在相关方面开展工作。

[1] ML Giger, SG Armato Ⅲ. Current status and future direction of computer-aided diagnosis in chest CT[J]. International Congress Series, 2001, 1230:621-630.

[2] SG Armato Ⅲ, H MacMahon. Automated lung segmentation and computer-aided diagnosis for thoracic CT scans[J]. International Congress Series, 2003,1256: 977-982.

[3] Willam Mullally, Margrit Betke, Jingbin Wang. Segmentation of nodules on chest computed tomography for growth assessment[J]. Med Phys, 2004,31(4):839-847.

[4] Ingrid Sluimer, Mathias Prokop, Bram van Ginneken. Toward Automated Segmentation of the Pathological Lung in CT[J]. Ieee Transactions on Medical Imaging, 2005,24( 8):1025-1038.

[5] Ingrid Sluimer, Arnold Schilham, Mathias Prokop, et al. Computer Analysis of Computed Tomography Scans of the Lung: A Survey[J]. I Ieee Transactions on Medical Imaging, 2006,25(4): 386-389.

[6] 侯庆锋, 李月卿, 王昌元, 等. WINDOWS 环境下DICOM医学图像显示方法的初步研究[J]. 医学影像学杂志,2005(11):1013-1015.

[7] 侯庆锋,李月卿,王昌元, 等. 肺部CT图像的计算机辅助分析初探[J]. 泰山医学院学报,2005(3):200-205.

[8] 张娟, 侯庆锋,王昌元,等. 多尺度增强算法在肺结节计算机辅助检测中的应用探讨[J]. 泰山医学院学报, 2009(6):410-412.

猜你喜欢
肺野结节医学
改良肺部超声评分与呼吸窘迫综合征新生儿氧合状态及呼吸支持模式的相关性
基于卷积神经网络的肺野分割和肺炎筛查
肺结节,不纠结
发现肺结节需要做PET/CT吗?
从气、虚、痰、瘀辨治肺结节术后咳嗽
医学的进步
儿童肺部CT定位像精准扫描策略
预防新型冠状病毒, 你必须知道的事
体检查出肺结节,我该怎么办
医学