基于迭代算法的CT肺部興趣區圖像提取

李玲，余后強

湖北科技學院 a.生物醫學工程學院，b.數學與統計學院， 湖北 咸寧，437100

基于迭代算法的CT肺部興趣區圖像提取

李玲a，余后強b

湖北科技學院 a.生物醫學工程學院，b.數學與統計學院， 湖北 咸寧，437100

目的 自動提取CT肺部興趣區，以輔助醫生診斷和治療肺部疾病。方法 利用迭代算法自動提取肺部興趣區，并和影像醫生手工提取的肺部興趣區作對比。結果 自動提取的肺部興趣區圖像與手工提取的肺部興趣區圖像在外形、灰度和方差方面，結果非常接近。結論 利用迭代算法自動提取肺部興趣區的方法可行。

CT圖像；迭代算法；肺部興趣區；興趣區提取

0 引言

肺癌是最常見的惡性腫瘤之一，其死亡率較高，若能在早期發現并加以治療，將能提高患者的生存質量。近幾年來，臨床結果初步證明，計算機斷層掃描（Computer Tomography，CT）是檢測早期肺癌最有效的影像學方法[1]。然而，對一個病人進行CT檢查可獲得幾十張圖片，數據量較為龐大，增加了醫生的閱片負擔。若能利用計算機輔助醫生對CT圖像進行分析，則可幫助醫生篩選病變圖像以利于更加準確的診斷。因此，利用計算機提取肺部腫瘤的特征，檢測和識別肺部興趣區，具有十分重要的意義和研究價值[2-3]。

醫學圖像分割是一種計算機輔助診斷技術，其目的是輔助醫生對疾病進行診斷和治療。通常分割是為了進一步對圖像進行分析、識別，圖像分割的準確性直接影響后續計算機輔助診斷的有效性[4]。本文比較了基于迭代算法自動分割提取的肺部興趣區與手工分割提取的肺部興趣區，旨在探討迭代算法在肺部興趣區提取中的應用價值。

1 資料與儀器

本研究選用的是一名男性患者的CT圖像，此患者年齡60歲，病理確診為中心型肺癌。選擇GE ProSpeed系列16排螺旋CT，掃描視野50 cm，層厚5 mm，管電壓140 kV，管電流300 mA，螺距1 mm。圖像重建矩陣512×512，圖像顯示矩陣1024×1024，位分配16位，位存儲12位，灰度級4096。為了驗證本實驗對興趣區的提取效果，所選用的CT圖像未做任何相關處理。

2 肺部提取

首先通過離散Snake算法與分段DP算法來獲取胸部CT圖像的特征邊緣點。基于特征邊緣點的坐標，利用roipoly函數顯示原輸入圖像，得到BW的二值圖片，最終顯示完整的CT值沒有改變的肺部組織圖像[5]。原始的胸部CT圖像，見圖1；分割提取的肺部CT圖像，見圖2。

圖1 原始的胸部CT圖像

圖2 分割提取的肺部CT圖像

3 迭代算法

對已分割出的肺部CT圖像，通過迭代算法提取其肺部興趣區。

利用迭代算法計算圖像分割閾值。首先取圖像灰度范圍的中值作為初始閾值T0(共設有L個灰度），然后按以下公式進行迭代[6-8]：

其中hk是灰度為k值的像素個數，迭代一直進行到Ti+1=Ti結束，取結束時的Ti為分割閾值。

上述方法得到的閾值處在與兩個灰度區域的重心成反比的位置，所以從路徑規劃的角度看也是一種最優閾值。

4 分割結果

醫學影像科醫生利用手動分割軟件，根據影像診斷要求以及肺部興趣區和肺部正常組織的灰度差別，手工勾勒出興趣區的邊緣輪廓并進行提取。手工分割提取的興趣區圖像，見圖3；迭代算法分割提取的興趣區圖像，見圖4。

迭代算法分割提取的肺部興趣區和影像醫生手工分割提取的肺部興趣區相比，外形輪廓及大小非常接近。應用MATLAB軟件比較其灰度均值和方差，結果見表1。

圖3 手工分割提取的肺部興趣區圖像

圖4 迭代算法分割提取的肺部興趣區圖像

表1 手工分割和迭代算法分割提取的興趣區的灰度均值及方差比較

表1結果顯示，手工分割提取的興趣區和迭代算法分割提取的興趣區其灰度均值和方差近似。因此可以看出，迭代算法不僅可以完整地分割提取肺部病灶，而且可以保留原圖像的灰度值。

手工分割提取后的剩余肺部圖像，見圖5；迭代算法分割提取后的剩余肺部圖像，見圖6。手工分割和迭代算法分割提取后的剩余肺部圖像灰度均值及方差，見表2。

表2 手工分割和迭代算法分割提取后的剩余肺部圖像的灰度均值及方差比較

圖5 手工分割的剩余肺部圖像

圖6 迭代算法分割的剩余肺部圖像

由圖5和圖6可以看出，在相同條件下，手工分割提取后的剩余肺部圖像和迭代算法自動分割提取后的剩余肺部圖像輪廓接近。由表2可以看出，手工分割提取后的剩余肺部圖像和自動分割提取后的剩余肺部圖像的灰度均值和方差近似。由此可以看出，迭代算法自動提取肺部腫瘤的方法不僅可以完整的分割提取出興趣區圖像，而且還可以完整地保留剩余圖像。所以迭代算法自動提取肺部興趣區的方法是可行的。

5 結論

以上實驗結果表明，迭代算法自動提取的肺部興趣區圖像和醫生手工提取的肺部興趣區圖像在外形、灰度和方差方面非常接近。但迭代算法也有一定的缺點，在對大量圖像進行分割時，速度稍慢，因而迭代算法一般在實驗室利用較多。因此，對不同的圖像應分析具體情況，根據圖像本身的特點對圖像進行適宜的預處理。總體而言，迭代算法對于肺部腫瘤的提取效果比較理想。

[1] Vovk U,Pernus F,Likar B.A review of methods for correction of intensity inhomogeity in MR I[J].IEEE T rans Med Imaging,2007,26(3):405-421.

[2] Dehmeshki J,Amin H,Valdivieso M,et al.Segmentation of pulmonary nodules in thoracic CT scans:a region growing approach[J].IEEE Trans Med Imaging,2008,27(4):467-480．

[3] 程勇,牛艷坤,陳衛國,等.CAD技術在醫療診斷中的應用研究進展[J].中國醫師雜志,2006,8(9):1295-1296．

[4] 孫蕾,耿國華,周明全,等.基于可變形模型提取腫瘤區域的方法研究[J].計算機仿真,2005,22(2):236-238.

[5] 李玲,余后強.幾種分割算法在CT肝臟興趣區提取方面的比較[J].醫療衛生裝備,2012,33(1):22-25.

[6] 張娟,侯慶峰,王昌元,等.多尺度增強算法在肺結節計算機輔助檢測中的應用探討[J].泰山醫學院學報,2009,30(6): 410-412.

[7] 梁洪,李金.一種肺部CT圖像快速分割算法研究[J].中國醫療設備,2011,26(3):28-30.

[8] 李玲,葉華山,余后強.基于熵分割算法對CT肝臟興趣區的提取[J].CT理論與應用研究,2012,21(1):53-60.

Extraction of Region of Interest from Lung CT Images Based on Iterative Algorithm

LI Linga, YU Hou-qiangb
a.School of Biomedical Engineering; b.School of Mathematics and Statistics, Hubei University of Science and Technology, Xianning Hubei 437100, China.

Objective Extracting region of interest (ROI) from lung CT images automatically to assist doctors to diagnose and treat lung diseases. Methods Iterative algorithm is used to extract lung ROI automatically, which was then compared with the ROI extracted manually by a radiologist. Results Lung ROI extracted by the two different methods are extremely close in the aspects of shape, grayscale and variance. Conclusion Using iterative algorithm to extract lung ROI is feasible.

CT image; iterative algorithm; lung ROI; extraction of ROI

R734.2；R814.42

B

10.3969/j.issn.1674-1633.2015.01.017

1674-1633(2015)01-0058-02

2014-05-26

2014-06-30

余后強，博士，講師。

校級科研項目（KY13087）。

通訊作者郵箱：23247921@qq.com