基于3D区域增长法和改进的凸包算法相结合的全肺分割方法

代双凤 吕 科 翟 锐 董继阳



基于3D区域增长法和改进的凸包算法相结合的全肺分割方法

代双凤 吕 科*翟 锐 董继阳

(中国科学院大学工程科学学院 北京 100094)

肺实质分割结果的准确性在实际临床应用中具有非常重要的意义。但由于肺结节的位置、大小、形状的不规则性，肺部病变的多样性，以及人体胸部解剖结构的明显差异等，使得各类分割方法不能统一地适用于所有的胸部CT图像，所以对于肺实质分割方法的研究仍具有很大的挑战。该文在国内外研究分析的基础上提出基于3D区域增长法与改进的凸包修补算法相结合的全肺分割方法。在3D区域增长法的粗分割基础上，对分割的结果进行细化工作，通过连通域标记法与形态学方法相结合去除气管和主支气管，得到初步的肺实质掩膜，最后应用改进的凸包算法对肺部轮廓进行修补平滑，最终得到肺部分割结果。通过与凸包算法及滚球法相对比，证明该文所提改进的凸包算法能够有效地修补肺部轮廓凹陷，修补后的结果分割精度较高。

肺部分割；3D区域增长法；凸包算法；区域连通分析

1 引言

医学图像分割是提取医学影像图像中特殊组织的定量信息所不可缺少的手段，也是可视化的预处理步骤和前提[1]。在肺部疾病计算机辅助诊断研究中，肺实质的分割是最为核心的步骤，是影响分析自动化、稳定性、结果精确性的关键问题，其处理结果的好坏直接影响到后续的分析。肺实质的分割指的是将肺实质从肺部CT 图像中提取出来，为临床治疗和病理学研究提供可靠依据[2]。快速准确地从肺部CT图像中分割肺实质，进一步提取感兴趣区域，进而提取病变细节，能有效帮助医生对病变组织进行定性及定量的分析，从而提高医生诊断的准确性和科学性。

迄今为止，肺实质分割方法有很多，主要有阈值法[3,4]、聚类法[5]、区域生长法[6]、以及基于图论的方法[7,8]等，每种方法都有各自的优缺点。随着CT技术的发展，临床上获得的CT数据量成倍的增加，多种方法相结合的肺实质分割方法成为人们主要的研究对象。文献[9]结合阈值法及区域生长方法实现肺实质的分割，并利用滚球法对提取的肺部边界进行修补。文献[10]提出了基于阈值法与形态学中的开运算方法相结合的肺部分割法，从而提取肺结节。由于肺与周围组织的灰度值及其相似，在采用阈值分割、区域增长等方法对肺实质进行分割时，与肺壁粘连的肿瘤或与肺门处相连的肺部血管等常常未包含在肺实质内，使得提取出来的肺实质不完整，即肺部边界会出现凹陷，此时将无法正确地提取或识别肿瘤、血管、气管等，因此需要对有凹陷的肺实质边界进行修补。文献[11]针对阈值分割后的CT横断面图像肺部边界处血管和胸膜结节型凹陷提出了利用边界曲线局部极小值点连线法修补凹陷，设置了32个不同方向的模板，给出了模板匹配算法。文献[12]提出一种新的针对含胸膜结节的肺部CT图像分割法，利用迭代自适应平均算法和自适应曲率阈值方法将丢失的胸膜结节重新包括进来。文献[13]提出一种基于灰度积分投影与模糊C均值聚类的肺实质分割算法，结合滚球法修复边界区域。但滚球法中球的半径的选取是一个显著的问题，如果半径过大，肺实质的分割会出现过分割，而半径过小，则会出现欠分割，修补后的肺部边界不完整。文献[14]提出了基于改进链码和Bresenham算法相结合的肺实质边界修复算法。文献[15]提出一种结合区域生长，形态学运算的肺实质分割算法，并提出了一种改进的2维凸包算法对肺实质的外轮廓进行再修复，改进后的凸包算法与原有的凸包算法修复肺实质相比，新算法具有较高的准确率，胸膜结节型凹陷能够得到准确修复，但其与原有的凸包算法一样，无法修复血管型凹陷。综上分析，多种方法相结合的肺实质分割方法涉及方面广，但是研究不够深入，肺部边界凹陷包括胸膜结节型凹陷和血管型凹陷的修补算法仍需更进一步的研究和改进。

肺实质分割在肺部疾病计算机辅助诊断研究中是最为核心的步骤，其处理结果直接影响到后续图像处理。针对上述提出的问题，本文提出了一种新的针对胸部CT图像的全肺分割法，提出的改进的凸包算法对肺部凹陷进行修补，该方法不仅对胸膜结节型凹陷起到修补作用，对血管型凹陷也能实现良好的修补平滑效果。实验结果表明了本文所提全肺分割方法及改进的凸包算法的准确性和有效性。

2 算法描述与分析

本文所提胸部CT图像的全肺分割方法主要包含图像预处理、肺部初分割、肺部边缘修复、以及输出修复后肺实质分割结果4部分，方法流程图如图1所示。

图1 肺实质分割流程图

2.1图像预处理

高斯平滑滤波器在空间域或频率域都是十分有效的低通滤波器，在图像处理中应用广泛。2维高斯函数具有旋转对称性，滤波器在各个方向上的平滑程度相同，所以本文采用2维高斯滤波器，如式(1)所示。

2.2肺部初分割方法

首先利用3D区域增长方法进行肺实质的提取，然后利用形态学方法去除大的主支气管，并进行填充，得到肺实质掩膜。

2.2.1区域增长法

区域生长法的基本思想是将具有相似性质的像素集中起来构成区域，该方法首先选取一个或一组种子点，然后依次将种子像素周围的相似像素合并到种子像素所在的区域中。当前对于肺实质分割，基于区域增长方法均在2维切片上执行，本文利用一种传播方法，将其扩展到3维空间，具体为：在当前层片上选择种子点，并计算其4邻域的像素点，一起作为种子点在当前层片上做区域增长，同时将计算出的种子点及其4邻域的点一起作为初始值初始化相邻的上下两层切片，传播过程直至到达底层肺部消失为止，通过循环迭代的方式进行整个肺实质的分割。

区域生长的阈值设定条件为：假设当前处理的区域中的像素点的灰度值为，其4邻域内的像素点灰度值为，用户选定的种子点灰度值为，则当其4邻域内的像素点灰度值满足式(2)中条件时，则认为该4邻域内的像素点也属于被分割区域而将其合并到被分割区域。

2.2.2大气管和主支气管去除

由于气管和左右主支气管与肺部的灰度值相近，利用3D区域增长法进行分割时，很容易同时分割出来，所以需要从上述结果中去除气管和左右主支气管。本文采用连通域分析和形态学处理方法去除大气管和主支气管，具体步骤如下：

(1)对区域增长法分割后得到肺部CT序列图像进行二值化处理并对其进行填充、反转，将目标灰度设置为1，背景灰度设置为0。

(2)对二值化图像进行连通性区域提取，得到所有的连通区域。

(3)此时连通区域内包括左右肺实质及大气管和左右主支气管，考虑每层切片上肺实质的面积满足，将连通区域的面积小于的置为背景区域。其中对于肺尖处的切片需要做单独处理。根据实验经验，取值500。

由于边缘型肺结节的存在，使得分割后肺实质掩膜上存在凹陷，为了获得更加完整的肺实质，为后续的肺结节的分析和提取做好准备，需要对初分割所得到的肺实质进行凹陷修补。

2.3 改进的凸包修补算法

本文在前人研究的基础上，提出了双凸包肺部边缘修补算法。该算法不仅对胸膜结节型凹陷起到良好的修补作用，而且对于与心脏、纵膈相邻的两肺之间的凹陷也能起到很好的修补。由于凸包理论的引用，该算法避免了滚球法、形态学方法等的过修补与欠修补。该算法的流程图如图2所示，详细步骤如下：

(1)首先对经初步分割后的肺部掩膜利用边界追踪法求得左右肺部的边界点集。

具体的做法是：(a)遍历图像，从左上方开始搜索图像标记遇见的第1个像素块的前景像素点，该点为前景像素中的最小行、最小列的像素；(b)按照逆时针顺序搜索当前像素的33邻域，如果搜索到周围有前景像素，那么标记新的像素点；(c)不断重复步骤(b)直到遇见此像素块第1次标记的像素，遍历整幅图像，获得边界点集。

图2 修补算法流程图

(2)利用凸包理论中常用的Graham扫描法获得左右肺部的凸点集。

Graham扫描法中凹凸点的判别：

3 实验结果

为了验证本文方法的有效性，选取10组3维胸部CT数据。部分数据来源于宁夏医科大学附属医院的多层螺旋CT数据，数据格式是DICOM，数据的大小是512×512×368×16 bit，像素间距是0.74 mm× 0.74 mm×1.0 mm。另一部分取自LIDC(Lung Image Database Consortium)数据库，数据格式是DICOM, CT数据层厚为0.6 mm，分辨率为512×512。实验的硬件平台为Inter(R) Core(2) Quad处理器，2.83 GHz主频，4 G内存；操作系统为Microsoft Windows 7，实验开发环境为Matlab R2010b，编程语言为C++与Matlab语言相结合。

3.1应用本文方法的全肺分割结果

图3给出了本文中肺部分割修补算法的全过程。图3(a)为所选用的肺部切片的原图；区域增长算法的界面图如图3(b)所示，增长算法中种子点由用户手动选取，根据实验经验取值，根据胸部CT切片的直方图定义值为，增长过程如图3(b)中红色区域所示，区域增长的结果显示在图3(c)中；去除肺部主支气管后的初分割所得的肺部掩膜如图3(d)所示。图3(e)显示了由边界追踪法对初分割后的肺部掩膜进行搜索获得边界轮廓，凸包算法获得边界轮廓由图3(f)所示，图3(g)给出了由本文改进的凸包算法获得边界轮廓，并对其进行填充获得改进后的肺部掩膜如图3(h)所示，最后图3(i)给出了肺部最终的分割结果。从图3中可以看出，应用本文所提肺部分割算法，分割得到的肺实质完整并且肺部边缘光滑、连续性好。

图3 应用本文算法的整个过程显示

图4进一步显示了应用本文算法得到几种典型的肺部CT数据的分割结果，从图中可以看出，分割得到的肺部边缘光滑且连续。

图4 应用本文分割算法的分割结果

为了直观显示本文中肺实质边界修复效果，对文中第3节中所用的一组胸部CT数据，使用本文算法提取的结果对肺实质进行3维重建，重建效果如图5所示。从图5中可见，肺实质中由胸膜肺结节引起的凹陷区域被有效修复；同时获得的3维模型更加平滑。通过放射科医学专家对本文结果进行人工分析后认为本文算法能有效提取CT图像中肺实质，对临床诊断具有较好的辅助作用。

图5 应用本文算法修补前后的肺实质3维显示结果

3.2本文所提修补算法与经典“滚球法”相比较

对于肺部凹陷的修补，“滚球法”[9,13]和数学形态学的方法[4,10]目前使用比较广泛。为了更好地说明本文所提修补算法的有效性，图6给出了本文所提修补算法与“滚球法”的应用于同一切片的比较结果，其中所用的胸部切片的原图如图3(a)所示。从图6(a)和图6(b)中可以看出滚球法中滚球半径的选取是一个显著的问题，当选择半径时，肺实质的分割会出现欠分割，如图6(a)中红圈显示的部分，修补后的肺部边界不完善，而当选择半径时肺实质的边界较完善，但对于肺门处却出现了过分割现象。而采用本文所提修补算法分割得到的肺实质边界光滑完整，没有过分割及欠分割现象，如图6(c)所示。从运行时间上来看，滚球法需要多次调节半径值，多次尝试之后确定合理值，运行效率明显不如本文方法。同样，形态学方法也是针对整个肺实质区域操作，会对整个肺实质图像造成一定的过分割或欠分割现象，分割的精度会受到影响，而本文算法只针对边界像素有凹陷的局部区域进行操作，分割效果更好。

图6 本文凹陷修补法与滚球法的比较

3.3分割正确率

通过实验计算，应用本文所提全肺分割方法平均分割正确率可达到95.53%。对于分割出错的数据进行统计分析，发现出现错误的图像可以归结为两类，一类是发生在肺部尖端或肺部底端位置，通过区域增长法分割出的肺实质的像素数较少，而在形态学去除主支气管时，由于统一的参数设定，会将这部分少量的肺实质一起去掉，导致最后的分割出现错误。对于这种情况，可以通过人为选取不同的值来进行修正。另一类是肺内部有较大的肺部病变如图7所示，该病人患有肺癌且肺癌已经转移。对于图7所示现象，利用本文所提的修补算法无法对肺部边缘进行正确修补，导致最终分割出现错误。对于这种情况，本文算法是失效的，需要进一步研究针对此现象的分割方法，这也是接下来要重点研究的内容。

4 结束语

肺实质的准确分割在实际临床应用中对于肺结节的检测与分析等具有非常重要的意义。针对肺实质分割问题，本文提出了一种基于3D区域增长法与改进的凸包修补算法相结合的全肺分割方法。首先利用3D区域增长法对肺部CT图像进行粗分割，然后通过连通标记法与形态学方法相结合去除气管和主支气管，对肺实质掩膜进行细化，最后提出了一种新的改进的凸包算法对肺部轮廓进行修补平滑。根据实验结果可以看出，本文所提分割方法能够对绝大部分的肺部CT图像进行正确的分割，提取较为完整的肺实质，对比其他的凸包算法、滚球法，本文所提改进的凸包算法不仅能够修补边缘型肺部凹陷，而且对于与纵膈、心脏相邻的肺门处凹陷也能起到平滑修补作用。实验结果表明了本文所提分割方法的准确性和有效性。此外，肺实质的分割与具体的临床应用紧密联系，各类分割方法不能统一地适用于所有的胸部CT图像，针对实际的肺部病变，我们将继续研究其他肺实质分割方法，以实现更高的分割精度。

[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, 陈树越. 基于CT图像的肺实质分割技术研究[J]. 电子测试, 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] 陈琪, 熊博莅, 陆军, 等. 改进的二维Otsu图像分割方法及其快速实现[J]. 电子与信息学报, 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.

肺动脉栓塞是临床常见疾病，发病率高，常伴有呼吸功能、循环功能障碍，若诊治不及时，可致死。然而，肺动脉栓塞临床表现多样化，缺乏特异性，容易漏诊、误诊，耽误最佳治疗时机，影响预后[1]。现目前，选择性肺动脉造影是公认的诊断肺动脉栓塞的金标准，但是，该诊断方式具有创伤性，且受设备限制，难以实现普及[2]。这些年，影像学技术不断发展，多层螺旋CT被广泛用于疾病诊断，大大提高了疾病诊断效率。2016年8月—2018年4月，本文回顾性分析80例患者的临床资料，旨在评价分析多层螺旋CT肺动脉成像在诊断急诊肺动脉栓塞中的应用价值，现报道如下。

[4] 贾同, 孟琭, 赵大哲, 等. 基于CT 图像的自动肺实质分割方法[J]. 东北大学学报(自然科学版), 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] 杨建峰, 赵涓涓, 强彦, 等. 结合区域生长的多尺度分水岭算法的肺分割[J]. 计算机工程与设计,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] 刘嘉, 王宏琦. 一种基于图割的交互式图像分割方法[J]. 电子与信息学报, 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] 卞晓月, 武妍. 基于CT图像的肺实质细分割综合方法[J]. 重庆邮电大学学报(自然科学版), 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] 张欣, 王兵, 杨颖, 等. 胸部CT图像肺区域边界凹陷自动修补[J]. 计算机工程与应用, 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] 龚敬, 王丽嘉, 王远军. 基于灰度积分投影与模糊C均值聚类的肺实质分割[J]. 中国生物医学工程学报, 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, 郑冰, 梁洪, 等. 基于改进凸包算法的肺实质分割研究[J]. 中国生物医学工程学报, 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

国家自然科学基金(U1301251, 61271435)，北京市自然科学基金(4141003)

The National Natural Science Foundation of China (U1301251, 61271435), Beijing Natural Science Foundation (4141003)

吕科 luk@ucas.ac.cn

代双凤： 女，1980年生，博士生，研究方向为医学图像分割、图像3维可视化.

吕 科： 男，1971年生，博士，教授，博士生导师，主要研究领域为3维可视化、数字图像处理.

翟 锐： 男，1981年生，博士后，主要研究方向为计算机图形学、3维可视化技术.

董继阳： 男，1991年生，博士生，研究方向为医学图像配准及大数据可视化.