基於胸部ct圖像的肺氣腫計算機輔助診斷系統的製作方法

2023-11-07 16:12:42

專利名稱：基於胸部ct圖像的肺氣腫計算機輔助診斷系統的製作方法
技術領域：
本發明屬於基於醫學圖像的計算機分析技術的應用領域，具體涉及一種基於胸部 CT圖像的肺氣腫計算機輔助診斷系統。
背景技術：
慢性阻塞性肺病是一種以呼氣氣流受限為特徵的疾病，包括慢性支氣管炎和肺氣腫。慢性阻塞性肺病可導致肺功能障礙、肺動脈高壓，發展到一定程度即產生低氧血症，隨後出現高碳酸血症和呼吸衰竭，導致患者死亡。據統計，中國近年慢性阻塞性肺病患病率 9%，現有慢性阻塞性肺病發病人數高達5000萬，每年死亡人數130萬，慢阻肺已經成為因疾病死亡的第四大病因。對於患者肺中的多種病變，在影像學的表現特徵與範圍上較為複雜，即使有經驗的放射科醫師，要對其做客觀、準確地分析與診斷也相當困難。目前，國內外對慢性阻塞性肺病的CT影像徵象研究報導較多，但主要集中在病變的定性方面，對於病變的程度即定量方面的研究較少。目前廣泛採用的憑藉視覺感知與經驗進行診斷的方法，主要是以肺內出現大小不等的低密度區、肺血管紋理稀疏及血管分支扭曲等徵象作為依據，根據肺氣腫範圍與嚴重程度進行評分或診斷。這種定性的診斷方法存在以下不足依賴於個人的感知、經驗與專業能力，診斷結果會因人而異；放射科醫師的閱片工作強度大，易疲勞，影響工作效率與質量；無法進行定量分析及對疾病進行準確分級；不利於治療或術後療效的準確評價與跟蹤。針對上述臨床定性診斷中的問題，應用影像學處理方法，對肺區進行量化分析，輔助醫生做出診斷，可充分利用定性與定量診斷各自的優勢，一方面，可以降低放射科醫師的診斷工作量與勞動強度，另一方面，可提高診斷的準確性、可靠性與效率。肺氣腫的計算輔助診斷，可分為兩步，首先是準確提取左右肺區，然後，根據肺氣腫的臨床量化診斷標準，對肺區進行量化分析，得出診斷結論。目前胸部CT影像中肺區自動分割方法主要有(1) llHl^CH.Ozkan, 0. Osman, S. Sahin, "Lung Segmentation Algorithm for CAD System in CTA Images，，,World Academy of Science,Engineering and Technology, 77,306-309(2011), VX R B. S. Zhao, Y. David, "Two-dimensional multi-criterion segmentation of pulmonary nodules on helical CT images",Medical Physics,26(6) 889-895(1999)等)。其特點是簡單、快速，但不能有效去除軀幹外部及氣管、支氣管等區域，且確定閾值較難，往往根據經驗確定。(2)區域增長。區域生長法雖然能保留具有瀰漫性邊界的區域，但那些被強梯度邊界包圍的結構常被排除在外，而且它對種子點及生長合併規則的選取也較敏感。由於區域生長法是一種需要人工參與的半自動分割方法，因此，其應用受到較大的限制(楊加，吳祈耀，田捷等，「幾種圖像分割算法在CT圖像分割上的實現和比較，」北京理工大學學報，20(6) :720-724, (2000))。(3)基於統計先驗模型的方法(S. Sun, G. McLennan, Ε. A. Hoffman, et al. " Model-Based Segmentation of Pathological Lungs in Volumetric CT Data, " The Third International Workshop on Pulmonary Image Analysis,31-40, (2010)) 0它通過收集大量樣本，建立先驗模型，採用點匹配與形變方法，提取肺區輪廓。其優勢是能利用樣本的形狀及密度信息，但建立模型較為困難，點匹配與形變過程花費時間較多，難以滿足臨床應用的實時性要求。(4)基於模式分類的方法(H. Wang, J. Zhang, L. Wang, 『『 Segmentation of thoracic CT image based on FCM clustering, " IEEE 2010 3rd International Conference on Advanced Computer Theory and Engineering (ICACTE), V3, 405-408(2010), F. Monteiro, " Region-Based Clustering for Lung Segmentationin Low-Dose CT Images," International Conference of Numerical Analysis and Applied Mathematics(ICNAAM)，1281, 2061-2064 (2010)) 該類方法提取有效的圖像特徵，有的還需要大量的訓練樣本，分割結果對樣本與特徵的依賴性很強，其處理時間較長。綜上所述，現有的胸部CT影像中肺區的分割方法，或模型與運算複雜，分割速度較慢；或難以確定控制參數，分割穩定性與可靠性較低，分割結果不準確。即難以快速、準確地提取肺區輪廓與肺實質，無法滿足計算機輔助診斷系統的要求。

發明內容
本發明的目的在於克服上述現有技術的缺點和不足，提供一種基於胸部CT圖像的肺區自動分割與肺氣腫計算機輔助診斷系統。本發明的目的通過下述技術方案來實現一種基於胸部CT圖像的肺氣腫計算機輔助診斷系統，包括輸入模塊(100)，用於輸入待診斷的胸部CT圖像，並傳送給提取肺區模塊O00)；提取肺區模塊000)，用於自動分割左右肺區，並將肺區信息傳送給量化參數計算模塊(300)；量化參數計算模塊(300)，用於計算肺區或指定區域的像素密度的統計分布信息， 以及幾何信息，並將量化參數傳送給分類診斷模塊(400)和輸出模塊(500)；分類診斷模塊(400)，用於分析量化參數計算模塊(300)傳遞的數據，並將分析結果發送給輸出模塊(500)；輸出模塊(500)，將分類診斷模塊000)的分析結果，定位於用戶輸入的待診斷胸部CT圖像，以特定顏色標記可疑之處，並將分析結果顯示給用戶。提取肺區模塊(200)按照下述步驟進行處理步驟(2. 1)採用全局自適應閾值法分離胸部CT圖像中的軀幹與背景首先給定一個初始閾值，應用該閾值將圖像分為兩類；然後求兩個平均密度的均值並作為新的閾值，再對圖像進行分類，通過迭代算法，逐漸使閾值逼近最優值，最後求出準確的閾值，將背景與軀幹分離；步驟(2. 2)採用輪廓跟蹤方法提取肺區輪廓首先根據一定的探測準則檢測一個肺輪廓的一個像素點，再用一定的跟蹤準則找出目標輪廓的其他像素點，直到找到整個肺輪廓所有像素點；再找另一個肺輪廓的所有像素點；步驟(2. 3)採用一種基於4鄰域的背景標記掃描線方法來獲取左右肺區域內的像
ο步驟(2. 1)中所述初始閾值選擇整幅圖像密度平均值。所述步驟(2. 3)包括如下步驟步驟(2. 3. 1)求感興趣區域的外接矩形，生成能覆蓋選定區域的最小矩形區域；步驟(2.3.2)將矩形區域內肺的輪廓點標記為「1」，其它則標記為「0」；步驟(2.3. 按從上到下、從左至右順序，掃描矩形區域，如果當前像素標記為 「0」，則在當前行，從當前像素開始自左向右掃描，並置所經過的像素標記為「-1 」，直到輪廓點或該行行末結束；步驟(2.3.4)搜索當前像素的4鄰域，找到一個標記為「0」的點，以此作為新的出發點，從左至右掃描，並置經過像素標記為「_1」，直到輪廓點或該行行末結束；步驟(2.3.5)矩形區域掃描結束後，去除標記為「_1」的像素。所述量化參數計算模塊(300)中的量化參數包括灰度統計參數與幾何參數，所述灰度統計參數包括左右肺區或用戶指定區域的平均密度、密度方差、密度小於、大於或等於給定閾值的像素百分比；所述幾何參數包括肺容積、區域面積、周長，距離與角度。所述分類診斷模塊(400)包括判斷單元，所述判斷單元根據肺氣腫的量化診斷標準，判斷是否存在肺氣腫，若判斷為肺氣腫，則對其進行分類。所述分類診斷模塊G00)，根據肺氣腫的量化診斷標準，應用體積分數法，掃描每一 CT斷層圖像中的肺區，將肺區內每一像素與指定密度閾值相比較，統計分別大於、小於或等於指定閾值的像素，計算它們分別佔整個肺區的百分比；根據肺氣腫的分級診斷標準， 確定肺區是否正常，如果異常，則進行分級。本發明的工作原理及過程是首先給系統輸入一組待診斷的胸部CT圖像，然後對肺區進行自動分割，提取左右肺實質，最後，根據肺氣腫的量化診斷標準，進行識別與診斷， 並將重點區域以特殊顏色標記，根據需要提供一系列相關密度與幾何統計參數，提示放射科醫師需要重點關注的區域與相關參數，從而提高放射科醫師對肺氣腫診斷的準確性、可靠性與效率。本發明相對於與現有技術，具有如下優點(1)自動、快速、準確地提取肺區現有的肺區分割方法，如傳統的閾值分割法，區域增長法，基於形變模型的方法 (Snake, Level set)、基於統計模型的方法與基於模式分類的方法，均難以對肺區進行快速準確地分割。而本發明將提取肺區分為三個步驟，採用自動閾值、輪廓跟蹤、邊界掃描與區域填充標記法，可快速有效地提取肺區。(2)準確地對肺氣腫進行量化分級提取左右肺區後，根據肺氣腫量化診斷標準，本發明可快速計算體積分數，實現肺氣腫的量化分級。(3)統計肺區量化參數，標記病變區域方便快捷地計算肺區或指定區域的平均密度，密度方差、最大與最小密度等，以及面積、容積、距離、角度等量化參數，還可以特定顏色標記病變區域。


圖1為發明基於胸部CT圖像的肺氣腫計算機輔助診斷系統的結構示意圖；圖2為本發明基於胸部CT圖像的肺氣腫計算機輔助診斷系統的流程圖；圖3為本發明實施例胸部CT圖像某一斷層圖像(a)及其直方圖(b)；圖4為本發明實施例肺區分割與輪廓跟蹤結果，其中，(a)全局自適應閾值分割結果；(b)左右輪廓跟蹤結果；(c)左右肺實質；圖5為本發明實施例肺區經量化分析後的肺氣腫標記，其中，(a)第4層；(b)第8 層；(c)第12層；(d)第33層；圖6為本發明實施例經量化分析、計算得到的肺氣腫體積分數。
具體實施例方式下面結合實施例和附圖對本發明作進一步詳細說明，但本發明的實施方式不限於此。如圖1所示，本發明的基於胸部CT圖像的肺氣腫計算機輔助診斷系統包括輸入模塊100、提取肺區模塊200、量化參數計算模塊300、分類診斷模塊400與輸出模塊500。其中，輸入模塊(100)，用於輸入待診斷的胸部CT圖像，並傳送給提取肺區模塊O00)；提取肺區模塊000)，用於自動分割左右肺區，並將肺區信息傳送給量化參數計算模塊(300)；量化參數計算模塊(300)，用於計算肺區或指定區域的像素密度的統計分布信息， 以及幾何信息，並將量化參數傳送給分類診斷模塊(400)和輸出模塊(500)；分類診斷模塊(400)，用於分析量化參數計算模塊(300)傳遞的數據，並將分析結果發送給輸出模塊(500)；輸出模塊(500)，將分類診斷模塊000)的分析結果，定位於用戶輸入的待診斷胸部CT圖像，以特定顏色標記可疑之處，並將分析結果顯示給用戶。如圖2所示，本發明按照以下步驟進行處理步驟(1)輸入一組待診斷的胸部CT斷層圖像。步驟(2)提取左右肺區。從圖3中的胸部CT圖像及其直方圖可知，肺部CT圖像主要包括軀幹、胸壁軟組織、肺實質、氣管、支氣管、縱膈、床板及衣服等。其灰度直方圖有三個主峰，共分三個主要區域其中低密度區為四角的黑色背景；中密度區為肺實質及軀幹外背景；高密度區為胸壁、縱膈、氣管、支氣管等。低密度區，即黑色背景一般為圖像中最小的某一固定密度值，可以很容易地用簡單的閾值將此部分去除。中密度與高密度區有較大的分隔區，如果能找到這兩個區域之間的分界點，將它作為閾值，即可對圖像進行二值化， 從而將背景(指中密度區的軀幹外背景)與軀幹分離。步驟(2. 1)採用全局自適應閾值法將軀幹與背景分離。首先給定一個初始閾值 (根據肺部CT圖像特點，初始閾值可選擇整幅圖像密度平均值)，然後通過迭代算法，逐漸使閾值逼近最優值，最後求出準確的閾值，對圖像實施分割。具體過程如下應用該閾值將圖像分為兩類，分別計算兩類對象的平均密度，求兩個平均密度的均值並作為新的閾值，再對圖像進行分類，比較連續兩次的閾值之差，或判斷迭代次數是否達到最大值，決定是否結束處理過程。其過程可描述為步驟(2. 1. 1)選擇初始估計值Ttl，給定很小的終止值t，及最大迭代次數Nmax ；步驟(2. 1. 2)用Ttl作為閾值將圖像分為C1與C2兩類；步驟(2. 1. 3)對C1與C2中所有像素計算平均密度=T^ Σ/(Z') ^2 =T^ Σ/O) (1)
7vC1 ^clW C2 Jsc2其中f ( ·)為圖像密度， 與^2分別為C1與C2的像素數量。步驟(2. 1. 4)計算新閾值Γι = Μ± (2)步驟(2. 1. 5)計算連續二次閾值之差Δ T = | TrT01，如果Δ T < t，或迭代次數等於Nmax，則結束；否則，將新閾值T1賦給Ttl，重複步驟(2. 1.2)-(2. 1.5)。步驟(2. 2)利用輪廓跟蹤法提取肺區輪廓肺部CT圖像經過步驟(2. 1)的處理，被有效地分割為軀幹(白色表示)和背景 (黑色表示)兩部分，因而很容易地得到軀幹的外輪廓，由於肺實質處於胸內部，因此需要得到軀幹內輪廓，軀幹內輪廓即肺部外輪廓，本發明採用輪廓跟蹤方法提取肺部輪廓。初始點可在行方向從軀幹中部出發，按從左向右方向，先找到第一個白色點(軀幹)，然後從此點出發，依從左至右方向掃描該點所在的行，直至第一個黑色點，即為左肺輪廓點，將該點作為輪廓跟蹤的起始點。同樣地，按由外向內，從右至左方向，可提取右肺輪廓。輪廓跟蹤法的基本思想是先根據某一「探測準則」檢測目標中的輪廓像素，再根據這些像素的某一特徵用一定的跟蹤準則找出目標輪廓的其它像素。具體跟蹤過程描述如下步驟(2. 1. 1)找到左下方的輪廓點，定義初始的搜索方向為左上方；步驟(2. 1. 2)如果左上方是黑點，則為邊界點，否則將搜索方向順時針旋轉45°， 直至找到第一個黑點為止；步驟(2. 1.3)將此黑點作為新的邊界點，在當前搜索方向逆時針旋轉90°，繼續用同樣方法搜索下一黑點，直到回到初始的輪廓點。步驟(2. 3)應用邊界掃描與區域填充法獲取左右肺區。肺區邊界確定後，肺區內部像素的提取，可轉化為計算機圖形學中多邊形的掃描轉換與區域填充問題。多邊形的掃描轉換有掃描線算法、邊填充法、柵欄填充法、邊標誌填充算法與種子填充法等。考慮到是胸部CT圖像這一特定對象，任務是提取區域內部像素， 並對其進行分析，因此，本發明採用一種基於4鄰域的背景標記掃描線方法來獲取區域像素。該方法主要過程如下步驟(2. 1. 1)求感興趣區域的外接矩形，生成能覆蓋選定區域的最小矩形區域。 由於運算只對此矩形區域，因此可大大減少計算量；步驟(2. 1.2)將矩形區域內的選定區域邊界標記為「1」，其它則標記為「0」；步驟(2. 1.3)按從上到下、從左至右順序，掃描矩形區域，如果當前像素標記為 「0」，則在當前行，從當前像素開始自左向右掃描，並置所經過的像素標記為「_1」，直到邊界點或該行行末結束；步驟(2. 1.4)搜索當前像素的4鄰域，找到一個標記為「0」的點，以此作為新的出發點，從左至右掃描，並置經過像素標記為「_1」，直到邊界點或該行行末結束；步驟(2. 1.5)矩形區域掃描結束後，去除標記為「-1」的像素，即為所求的區域。至此，完成了左右肺區的自動提取過程。如圖4為圖3(a)中圖像的肺區提取結果， 其中圖4(a)為經自適應閾值分割後的結果，背景與軀幹被有效地分離；圖4(b)為經輪廓跟蹤後的左右肺輪廓；圖4(c)為獲取的左右肺實質。步驟C3)量化參數計算，計算肺區或指定任意區域的像素密度與幾何統計信息， 其中密度參數包括平均密度、密度方差、密度大於(小於或等於)給定閾值的像素百分比； 幾何參數包括容積、區域面積、周長，距離與角度等。除了計算肺區的相關參數外，本發明還提供用戶自定義任意封閉區域，計算區域量化參數。步驟(4)量化分析與診斷，根據量化診斷標準與步驟( 計算得到的參數，進行分類診斷。有關基於CT影像的肺氣腫的臨床量化診斷標準，國內外已有較多研究，目前公認的方法是肺功能量化參數法(H. M. John, Μ. D. Austin, 」 Pulmonary emphysema imaging assessment of lung volume reduction surgery". Radiology,212(1) :1-3(1999),牡丹，「肺氣腫的影像學定量研究進展」，實用放射學雜誌，22 (5) =610-613 (2006)，及邵廣瑞， 柳澄，王濤等，「螺旋CT雙相掃描在肺氣腫診斷與功能評價中的價值探討，」中國醫學影像技術，17(11) :1067-1069, Q001))，它主要利用肺容積、平均肺密度、像素指數及動態肺密度等量化指標作為肺氣腫的診斷依據。平均肺密度反映的是通氣狀況、血液量、血管外液量及肺組織的綜合密度，研究表明，肺氣腫的平均密度明顯低於正常值，CT閾值深吸氣相為-953. 3HU，深呼氣相為-914. . 62HU。肺容積主要有兩種量化方法(1)根據呼吸兩相肺容積的減少百分比確定肺氣腫程度；( 根據肺氣腫區域佔全肺中的百分比(體積分數) 進行分析診斷，在CT定量評估中，常以-910HU與-950HU分別作為閾值來診斷肺氣腫，即根據密度小於指定閾值的肺組織佔全肺中的百分比來對肺氣腫進行分級，對於吸氣相， 以-950HU作為閾值，體積分數 15%為3級(如果為呼氣相，則閾值為-910HU)。肺氣腫體積分數還可以作為病情觀察、療效評價、肺減容術術前篩選與術後評價的重要指標。本發明採用肺功能量化參數法中通過統計肺氣腫體積分數實現對肺部CT圖像進行量化分析與輔助診斷。當獲取左右肺區後，應用前述的體積分數法，掃描每一 CT斷層圖像中肺區，將肺區內每一像素與指定密度閾值相比較，統計分別大於、小於或等於指定閾值的像素，計算它們分別佔整個肺區的百分比。根據肺氣腫的5級診斷標準，確定肺區是否正常，如果異常， 則進行分級。將分類診斷結果定位於用戶輸入的待診斷胸部CT圖像，以特定顏色標記可疑之處，將分析結果顯示給用戶，此外，顯示步驟(3)中計算得到的相關參數。如圖5為本發明實施例肺區經量化分析後，對其中4個斷層圖像的重點區域，即肺氣腫進行了紅色標記；圖6為本發明中實施例經量化分析、計算得到的肺氣腫體積分數。表 1為實施例統計輸出的相關參數
權利要求
1.基於胸部CT圖像的肺氣腫計算機輔助診斷系統，其特徵在於，包括輸入模塊(100)，用於輸入待診斷的胸部CT圖像，並傳送給提取肺區模塊(200)；提取肺區模塊(200 )，用於自動分割左右肺區，並將肺區信息傳送給量化參數計算模塊 (300)；量化參數計算模塊(300)，用於計算肺區或指定區域的像素密度的統計分布信息，以及幾何信息，並將量化參數傳送給分類診斷模塊(400)和輸出模塊(500)；分類診斷模塊(400)，用於分析量化參數計算模塊(300)傳遞的數據，並將分析結果發送給輸出模塊(500);輸出模塊(500)，將分類診斷模塊(400)的分析結果，定位於用戶輸入的待診斷胸部CT 圖像，以特定顏色標記可疑之處，並將分析結果顯示給用戶。
2.根據權利要求1所述的基於胸部CT圖像的肺氣腫計算機輔助診斷系統，其特徵在於提取肺區模塊(200)按照下述步驟進行處理步驟(2.1)採用全局自適應閾值法分離胸部CT圖像中的軀幹與背景首先給定一個初始閾值，應用該閾值將圖像分為兩類；然後求兩個平均密度的均值並作為新的閾值，再對圖像進行分類，通過迭代算法，逐漸使閾值逼近最優值，最後求出準確的閾值，將背景與軀幹分離；步驟(2. 2)採用輪廓跟蹤方法提取肺區輪廓首先根據密度與空間位置檢測左肺輪廓的一個像素點，然後，從該點出發，應用輪廓跟蹤方法搜索目標輪廓的其他像素點，直到找到左肺輪廓所有像素點；類似地，可得到右肺輪廓所有像素點；步驟(2. 3)採用一種基於4鄰域的背景標記掃描線方法來獲取左右肺區域內的像素。
3.根據權利要求2所述的基於胸部CT圖像的肺氣腫計算機輔助診斷系統，其特徵在於步驟(2. 1)中初始閾值選擇整幅圖像密度平均值。
4.根據權利要求2所述的基於胸部CT圖像的肺氣腫計算機輔助診斷系統，其特徵在於，所述步驟(2. 3 )包括如下步驟步驟(2. 3. 1)求感興趣區域的外接矩形，生成能覆蓋選定區域的最小矩形區域；步驟(2. 3. 2)將矩形區域內肺的輪廓點標記為「1」，其它則標記為「0」 ；步驟(2. 3. 3)按從上到下、從左至右順序，掃描矩形區域，如果當前像素標記為「0」，則在當前行，從當前像素開始自左向右掃描，並置所經過的像素標記為「-1 」，直到輪廓點或該行行末結束；步驟(2. 3. 4)搜索當前像素的4鄰域，找到一個標記為「0」的點，以此作為新的出發點， 從左至右掃描，並置經過像素標記為「_1」，直到輪廓點或該行行末結束；步驟(2. 3. 5)矩形區域掃描結束後，去除標記為「_1」的像素。
5.根據權利要求4所述的基於胸部CT圖像的肺氣腫計算機輔助診斷系統，其特徵在於量化參數計算模塊(300)中的量化參數包括灰度統計參數與幾何參數，所述灰度統計參數包括左右肺區或用戶指定區域的平均密度、密度方差、密度小於、大於或等於給定閾值的像素百分比；所述幾何參數包括肺容積、區域面積、周長，距離與角度。
6.根據權利要求5所述的基於胸部CT圖像的肺氣腫計算機輔助診斷系統，其特徵在於所述分類診斷模塊(400)包括判斷單元，所述判斷單元根據肺氣腫的量化診斷標準，判斷是否存在肺氣腫，若判斷為肺氣腫，則對其進行分類。
7.根據權利要求6所述的基於胸部CT圖像的肺氣腫計算機輔助診斷系統，其特徵在於分類診斷模塊(400)，根據肺氣腫的量化診斷標準，應用體積分數法，掃描每一 CT斷層圖像中的肺區，將肺區內每一像素與指定密度閾值相比較，統計分別大於、小於或等於指定閾值的像素，計算它們分別佔整個肺區的百分比；根據肺氣腫的分級診斷標準，確定肺區是否正常，如果異常，則進行分級。
全文摘要
本發明公開了一種基於胸部CT圖像的肺區自動分割與肺氣腫計算機輔助診斷系統。首先給系統輸入一組胸部CT斷層系列圖像，然後，對肺區進行自動分割，共分為三步(1)利用自動閾值法分離軀幹與背景；(2)應用輪廓跟蹤法提取肺區輪廓；(3)利用邊界掃描與區域填充法提取肺區。最後，應用基於密度分布與體積分數的肺氣腫量化診斷標準，對肺區進行統計分析，將統計特徵值根據需要顯示給放射科醫師，確定並重點顯示病變區域，對病變程度進行分級，從而實現肺氣腫的量化分析與準確診斷。本發明能提高放射科醫師對肺氣腫診斷的準確性與效率，更客觀有效地輔助放射科醫師進行臨床診斷與制定治療方案。
文檔編號A61B6/03GK102429679SQ20111026716
公開日2012年5月2日 申請日期2011年9月9日 優先權日2011年9月9日
發明者郭聖文 申請人:華南理工大學