（信号与信息处理专业论文）基于dicom文件格式的胸部ct图像分割方法研究.pdf

摘要 基于m c 笔墨茏竺嫠掣胸部c 螋荆j 嬲 图像分割研究 一 肺部结构复杂，内部包含大量血管和气管，发于肺部的疾病也众多，严重影 响了人类的健康。随着医疗影像的发展，多种医疗设备可用于检测肺部病情。对 胸部c t 进行详尽地分析，分割出肺实质、肺血管或具体病灶，意义重大，有助 于医生精确诊疗，为病患减轻病痛。 本文首先对图像分割知识进行了介绍，包括图像分割的原理、经典方法以及 新兴方法。然后介绍了医疗图像分割的目的和重要意义以及国内外研究现状及未 来发展趋势。因为分割的对象是d i c o m 格式的医疗图像，怎样将图像正确清晰 地显示出来是一切后续处理的基础和前提。因此，本文详细介绍了d i c o m 的相 关知识，怎样正确阅读d i c o m 文件及显示方法。本文的研究对象是c t 胸部图 像，面对这种很专业的医疗图像，必须对c t 图像的成像原理、胸部c t 的扫描 方法有所了解，对c t 读片前的重要知识熟悉，为后期对图像进行分割时，正确 显示病灶选取恰当的图像做准备。随后对血管造影也进行了简单介绍。本文中， 提出了图像分割在胸部c t 的两种运用：一是对胸部c t 进行处理，分割出肺实 质区域；二是对分割出来的肺实质区域进行进一步的分割，分割出肺部血管。两 次分割基于不同的分割对象给予不同的分割算法。 对于将肺部实质从胸部c t 中分割出来，本文首先介绍了经典的基于边界的 边界追踪算法，基于区域的区域生长算法和基于阈值的o s t u 阈值法，并运用此 三种算法对胸部c t 进行分割得到肺部实质区域，我们发现，经典的算法虽然优 点很多，但分割出来的肺实质均有缺陷，分割效果不佳。最后重点介绍本文算法： 将m e a n 。s h i f t 算法和s n a k e s 模型相结合对胸部c t 进行分割得到肺部实质区域， 实验结果表明，本文算法明显优于经典的三种图像分割方法，分割出的肺实质效 果完整，具有临床使用价值。 随后，本文对分割出的肺实质进行进一步的研究，希望将肺部血管从肺部实 质中分割出来。由于肺部血管对比度差、数量众多、形状复杂、分布无规律等特 点，传统的分割方法分割效果均不佳，本文将g a b o r 小波变换与阈值法相结合分 基于d i c o m 文件格式的胸部c t 图像分割方法研究 割提取肺部血管，经大量实验验证，g a b o r 小波变换能很好地增强肺部血管，提 取肺部血管的方向特性，然后结合阈值法能够较好地提取出肺部血管，且本文所 选阈值具有鲁棒性，无需人机交互，简单易行，方便医生使用，有助于临床诊疗。 关键词：医学图像分割，d i c o m 标准，c t 肺部图像，m e a n s h i f t 算法， g a b o r 小波变换 a b s t r a c t t h e s e g m e n t a t i o ns t u d y o ft h ec h e s tc t i m a g e b a s e do nd i c o md o c u m e n tp a t t e r n a b s t r a c t l u n gh a sac o m p l i c a t e ds t r u c t u r ew h i c hc o n t a i n sal a r g en u m b e ro fv e s s e l sa n d t r a c h e a s t h ed i s e a s ei nl u n ga l s oi sn u m e r o u sw h i c hi m p a c t so nh u m a nh e a l t h s e r i o u s l y w i t ht h ed e v e l o p m e n to fm e d i c a li m a g e ，av a r i e t yo fm e d i c a le q u i p m e n t c a nb eu s e df o rt h ed e t e c t i o no fl u n gd i s e a s e g i v ea ne x h a u s t i v ea n a l y s i st oc h e s tc t a n ds e g m e n to u tt h el u n g s p u l m o n a r yv e s s e l sa n ds p e c i f i cl e s i o n sa r es i g n a l i t yf o r d o c t o r st og i v ea c c u r a t ed i a g n o s i sa n dr e l i e v ep a t i e n t s p a i n t h i st h e s i sf i r s th a si n t r o d u c e dt h ek n o w l e d g e so fi m a g es e g m e n t a t i o nw h i c h i n c l u d i n gt h ep r i n c i p l eo fi m a g es e g m e n t a t i o na n dt h ec l a s s i c a la n de m e r g i n gm e t h o d s o fi m a g es e g m e n t a t i o n t h e ni th a si n t r o d u c e dt h ei m p o r t a n tp u r p o s ea n dm e a n i n go f m e d i c a li m a g e ，a l s oi n c l u d i n gt h ed o m e s t i ca n df o r e i g nr e s e a r c hp r e s e n ts i t u a t i o na n d f u t u r ed e v e l o p m e n tt r e n d b e c a u s et h ed i v i s i o no ft h eo b j e c ti sd i c o mf o r m a to f m e d i c a li m a g e ，i t st h eb a s i sa n dp r e r e q u i s i t eo fh o wt os h o wo u tt h ei m a g e sc l e a r l y f o rt h ef o l l o w - u pp r o c e s s i n g t h e r e f o r e ，t h i st h e s i sh a si n t r o d u c e dt h er e l a t e d k n o w l e d g eo fd i c o mi nd e t a i la n dh o wt or e a dd i c o mi m a g ea n di t sd i s p l a y m e t h o d sr i g h t l y t h i sr e s e a r c ho b j e c to ft h i st h e s i si sc h e s tc ti m a g e s i nt h ef a c eo f s u c hap r o f e s s i o n a lm e d i c a li m a g e ，w em u s th a v eap r o f o u n du n d e r s t a n d i n gi nt h e i m a g i n gt h e o r yo fc ti m a g ea n dt h es c a n n i n gm e t h o do fc h e s tc t w ea l s om u s t k n o ww e l la b o u tt h ek n o w l e d g e sb e f o r er e a d i n gc t i t sap r e p a r e t i o nf o rl a t e ri m a g e s e g m e n t a t i o na n dt h ef i g h ti m a g es e l e c t i o n t h e nt h i st h e s i sh a si n t r o d u c e da n g i o g r a m s i m p l y t h et h e s i sp u t sf o r w a r dt w o k i n d so fu s eo fi m a g es e g m e n t a t i o ni nc ti m a g e ： o n ei st op r o c e s sc h e s tc t ，t w oi st og i v eaf u r t h e rd i v i s i o no fl u n gp a r e n c h y m at h a t h a s s e g m e n t e do u t ，t h a t i st h e s e g m e n t a t i o n o f p u l m o n a r yv a s c u l a r t w o s e g m e n t a t i o n s a r eb a s e do nt h ed i v i s i o no ft h ed i f f e r e n t o b j e c t s o fd i f f e r e n t s e g m e n t a t i o na l g o r i t h m s f o rh o wt os e g m e n to u tt h ee s s e n c eo ft h el u n g sf r o mc h e s tc t ，f i r s tt h i st h e s i sh a s i n t r o d u c e dt h ec l a s s i cb o u n d a r yt r a c k i n ga l g o r i t h mb a s e do nt h eb o u n d a r y ，t h er e g i o n i i i 基于d i c o m 文件格式的胸部c t 图像分割方法研究 g r o w i n ga l g o r i t h mb a s e do nt h er e g i o na n d t h eo s t ut h r e s h o l dv a l u em e t h o db a s e do n t h et h r e s h o l dv a l u e t h r o u g hu s i n gt h et h r e ea l g o r i t h m sf o rc h e s tc ts e g m e n t a t i o nt o g e tl u n ge s s e n c ea r e a ，w ef i n dt h a ta l t h o u g hc l a s s i c a la l g o r i t h mh a sm a n ya d v a n t a g e s ， i ta l s oh a s n tag o o de f f e c ti ns e g m e n t i n go u tl u n gp a r e n c h y m a a tl a s tt h i st h e s i sh a s i n t r o d u c e dt h ea l g o r i t h mm a i n l y ：u s i n gt h em e a n s h i t ta l g o r i t h ma n ds n a k e sm o d e l c o m b i n e dw i t hc h e s tc ts e g m e n t a t i o nt og e tl u n ge s s e n c ea r e a t h ee x p e r i m e n t a l r e s u l t ss h o wt h a tt h ea l g o r i t h mi so b v i o u s l yb e a e rt h a nt h ec l a s s i c a lt h r e ei m a g e s e g m e n t a t i o nm e t h o d i th a saf u l l e f f e c ta n dc l i n i c a lu s ev a l u eo ft h e l u n g p a r e n c h y m aw h i c hh a ss e g m e n t e do u t t h e n ，t h i st h e s i sg i v e saf u r t h e rs t u d yf o rt h el u n gp a r e n c h y m aw h i c hh a s s e g m e n t e do u t ，w i t hh o p i n gt os e g m e n tt h ep u l m o n a r yv a s c u l a rf r o mt h el u n g p a r e n c h y m a b e c a u s eo f t h eb a dc o n t r a s tr a t i o ，f u z z yb o u n d a r ya n dc o m p l e xs h a p eo f t h el u n gv a s c u l a ，i t sn o t g o o dt ou s et h et r a d i t i o n a ls e g m e n t a t i o n t h i st h e s i s c o m b i n e sg a b o rw a v e l e tt r a n s f o r mw i t ht h r e s h o l dm e t h o dt os e g m e n ta n de x t r a c t l u n g b l o o dv e s s e l s t h e e x p e r i m e n t s s h o wt h a t ，g a b o rw a v e l e tt r a n s f o r mc a n s t r e n g t h e nt h el u n g sb l o o dv e s s e l s a n de x t r a c t p u l m o n a r yv a s c u l a r s d i r e c t i o n c h a r a c t e r i s t i c sw e l l t h e ni t sb e t t e rt o e x t r a c tp u l m o n a r yv e s s e l sc o m b i n e dw i t h t h r e s h o l dv a l u em e t h o d a n dt h es e l e c t e dt h r e s h o l di nt h i st h e s i sh a sr o b u s t n e s s ，s o t h a ti t ss i m p l ea n de a s yt od ow i t hn oh u m a n - c o m p u t e ri n t e r a c t i o n i t sa l s oh e l p f u l f o rt h ec l i n i c a ld i a g n o s i sa n dt r e a t m e n ta n dc o n v e n i e n tf o rd o c t o r s k e y w o r d s ：i m a g es e g m e n t a t i o n ，d i c o ms t a n d a r d ，c tl u n gi m a g e ，m e a n s h i f t a l g o r i t h m ，g a b o rw a v e l e tt r a n s f o r m i v 图目录 图目录 图1d i c o m 文件总体结构9 图2d i c o m 数据元素结构9 图3d i c o m 文件上半段1l 图4d i c o m 文件下半段1 l 图5c t 成像过程13 图6c t 成像原理1 3 图7 胸部c t 层面图1 7 图8 肺部主要血管图1 8 图9 不同窗宽、窗位显示的胸部图像2 1 图1 0 读取并显示d i c o m 格式的胸部c t 2 2 图l l 边界追踪算法结果图2 4 图1 2 基于边界追踪算法得到的肺部实质2 4 图1 3 区域生长法示例2 5 图1 4 区域生长算法结果图2 6 图1 5 基于区域生长法得到的肺部实质结果图2 6 图1 6o s t u 阈值法结果图2 9 图1 7 基于o s t u 阈值法得到的肺部实质结果图2 9 图1 8 密度估计控制函数一维空间的效果图3 l 图1 9m e a n s h i f t 示意图3 l 图2 0 读取并显示d i c o m 格式的胸部c t 3 5 图2 l 提取的部分背景区域效果图3 6 图2 2m e a n s h i f t 算法处理结果3 6 图2 3 两次阈值化结果图3 7 图2 4 两次“与”操作结果图3 7 图2 5 形态学处理后的两块面积最大区域结果图3 7 图2 6 使用s n a k e s 算法的结果图3 8 v i l 基于d i c o m 文件格式的胸部c t 图像分割方法研究 图2 7 本文算法得到的肺部实质3 8 图2 8 三位病患的原始胸部c t 4 0 图2 9 边界追踪算法得到的肺实质4 0 图3 0 区域生长算法得到的肺实质4 0 图3 1o s t u 阈值法得到的肺实质。4 l 图3 2 本文算法得到的肺实质4 1 图3 3g a b o r 滤波器实部4 6 图3 4g a b o r 滤波器虚部4 6 图3 5 本文算法分割得到的肺部实质4 8 图3 6 三个尺度响应最大的g a b o r 小波处理结果4 9 图3 7 三个尺度下阈值化处理结果5 0 图3 8 去除肺部边界得到的血管结果5 0 图3 9 最终的肺部血管分割结果5 1 表目录 表目录 表l 常见标签及其含义1o 表2 不同v r 的数据元素格式_ 。l o 表3 人体各组织c t 值l5 表4b m p 图像文件1 9 表5 四种方法的性能对比4 2 i x 第一章绪论 第一章绪论 1 1 医疗图像分割 1 1 1 图像分割概念 图像分割是指将图像中具有相同意义的像素划分到同一个区域，这样整个图 像就会按照像素的意义不同划分到不同的区域。同时这些区域之间必须是不相交 的且这些区域的并集能够构成原始图像【i 】。 我们将图像分割【2 1 定义如下：假设整幅处理图像为r ，分割实质上就是将图 像尺划分成为蜀，r ：，咫，r 。共玎个不同的小区域，同时满足以下条件： ( 1 ) u r ，= 尺； i = 1 ( 2 ) r i 是一个连区域，i = 1 , 2 ，3 ，n ； ( 3 ) r i n r = a ，f ； ( 4 ) p ( r f u 尺) = f l a s e ，对任何临接区域的r , 2 曼r j ； ( 5 ) p ( r ，) = t u r e ，对扛1 , 2 ，3 ，疗。 条件( 1 ) 表明，分割必须是充分完全的，分割后的所有区域可以组成原区 域。条件( 2 ) 表明分割区域中的各个像素点需按事先规定的分割标准相连。条 件( 3 ) 说明分割后的各个区域无重复像素。p ( r i ) 指定义在集合r 上的点的逻 辑谓词，条件( 4 ) 说明不同的区域足和尺，在谓词上的意义也不同。条件( 5 ) 指被分在同一区域的像素点必须拥有共同的属性，例如所有足中的像素灰度值应 一致。图像分割就是依据某些或某一属性，将拥有共同属性的点分割到同一区， 将无共同属性的点分割到不同区。 基于d i c o m 文件格式的胸部c t 图像分割方法研究 1 1 2 图像分割方法介绍 经过多年对图像分割进行地深入研究和探讨，已经形成了许多图像分割的可 行方法，经典的方法如下： ( 1 ) 基于阂值的分割方法 阂值分割方法是最常见的图像分割方法，简单有效，应用频繁。其本质是通 过研究图像的灰度值统计信息，以取得一个最合适的数值对图像进行分割【3 1 。阈 值分割就是借助一个或多个参照值，把图像按灰度值大小分成若干部分，然后把 图像中所有像素点的灰度值与所取参照值进行比较，最后根据比较结果将相应像 素划到不同的类，实现目标分割的目的【4 1 。常用的阈值法有双峰法、灰度直方图 法和o s t u 阈值法【川。 ( 2 ) 基于边缘的分割方法 边缘也是图像不同区域的分界处，通常都是以局部特点突变的形式出现，其 包含的信息很丰富，也是图像中局部形态变化最突出的区域。边缘的局部特点包 括纹理、颜色、灰度等。基于边缘的分割方法，其实质就是先通过检测图像的边 缘点信息，后根据一定的搜索机理将所有检测到的边缘点连接起来形成区域，实 现分割。常用的的边缘分割方法有：边界跟踪算法、基于曲面拟合的方法和边界 曲线拟合的方法等【6 】o 边缘检测经常借助边缘检测算子，常用的边缘检测算子有 l a p l a c e 算子、r o b e r t s 算子、s o b e l 算子、p r e w i t t 算子、c a n n y 算子和k i t s c h 算 子等【7 】o ( 3 ) 基于区域的分割方法 通常是依据同一区域的属性有均匀性，包括图像的颜色、纹理、灰度值等来 识别图像中的不同区域，通过选择合适的初始生长点按照某种生长机制形成区 域。常用的方法有区域生长法、基于四叉树分解实现的分离合并方法、分水岭分 割方法、聚类和分类器的方法等。 随着科学的发展，很多学科开始打破学科之间的壁垒，越来越紧密地联系在 一起解决科学难题。学者们将生物学、仿生学等学科与图像分割相联系，提出了 很多图像分割的新方法，简单介绍如下： ( 1 ) 基于小波变换的分割方法 2 第一章绪论 小波分析因其具有良好的时频域局部化特征、方向特征和尺度变化特征，在 信号分析、图像处理、语言合成、纹理分析等方面都有很多的应用【8 】。小波变换 是空间域和频率的局部变换，通过平移和伸缩等运算对信号或函数进行分析，有 效地从信号中提取相关信息。将小波变换运用于图像分割，将原图像分成为若干 子图像，进行特征提取再与传统的分割方法结合进行分割。 ( 2 ) 基于遗传算法的分割方法 遗传算法是一种结合种族遗传学机理和自然法则的新兴算法。它选择某一初 始种群开始，通过模拟生物选择和遗传中的某些规律为操作功能，优胜劣汰，产 生出更优秀的群体。在搜索过程中，遗传算法选择了整体搜索的方法，并在解决 有难度的问题时，全部引用一个模式【9 】，该模式无需受到具体设计的限制，并行 性、全局性、鲁棒性良好，这些都决定了遗传算法优于传统的联系式搜索算法。 ( 3 ) 基于数学形态学的分割方法 数学形态学是一种应用于模式识别和图像处理的新理论方法，建立于数学基 础之上。其基本思想是运用一定形式的、事先规定的结构体为探针对图像进行探 查，寻找和量取图像中的相应形态以达到预期处理效果。形态学的方法可以解决 很多图像问题，例如经常利用形态学中的腐蚀、膨胀操作去除图像区域内部或边 缘的不相干物质。 ( 4 ) 基于神经网络的分割方法 人工神经网络是建立在仿生学原理基础上的新学科，其模拟的是生物神经网 络，该网络由大量可以执行运算功能的节点并行构成，模拟期间该网络通过自发 调节节点间的连接关系以及相关权值以实现快速分割。重要的神经网络有：向前 神经网络，反馈网络和自组织神经网络【1 0 1 。 1 2 课题的研究目的和意义 随着c t ( 计算机断层扫描) 、m 刚( 磁共振成像技术) 等高科技医疗设备的 普及，面对海量的医疗影像，医疗图像分割在医疗影像中的应用越来越具有临床 价值。医学实验研究和临床诊疗中需要对病患某些疑似病灶部位的形态、体积、 边缘进行检测，定性、定量地确诊该部位是否病变以及病变程度如何【l l j 。诊疗部 位地清晰呈现、精确地相关数据测量可以大大提高诊治的效率和准确性，及时给 病患减轻身体上的痛苦，节省病患的花费，对病患疾病的治疗有着重大意义。 基于d i c o m 文件格式的胸部c t 图像分割方法研究 肺部疾病众多，常见的有肺气肿、肺结核等，肺癌更是全世界死亡率最高的 疾病，同时也是患病人数最多的疾病【1 2 】。由于我国人口众多，烟民数量庞大， 很多人更是受到二手烟的侵害，肺部肿瘤患病机率高，已成为我国首位恶性肿瘤 死亡原因【1 3 l 。有临床统计资料显示，早期发现癌细胞并及时切除，病患存活率 可高达9 0 以上。但由于肺癌初期病灶较微小缺乏有效地诊测手段，经常导致耽 误病情，肺癌的后期治疗花费大且治疗效果不佳【1 4 】。只有尽早发现肺部异常阴 影( 即恶性肿瘤) ，才能及时采取合适地治疗手段，及时挽救生命。 肺结节是肺部众多病变的影像学表现形式，判断是否出现结节以及分析结节 的具体形态、体积大小等是诊断肺部疾病的主要依据。肺结节的研究一直是医学 界关于肺部疾病的研究热点。结节的直径很小，通常小于3 c m ，当结节直径小于 5 m m 时【1 5 】，对早期检测无疑是巨大地挑战。再加上胸部各解剖结构复杂，部分 位置重叠，只有对胸部c t 进行处理，分割出肺实质区域，才能去除干扰物，更 好地观察和检测肺结节。 对胸部c t 图像进行分析研究，找出合适的高效的方法对肺部实质及肺部血 管进行分割是本篇论文研究的重点，这也是病理特征提取、结节提取、三维重建 等后续工作的基础，如何准确快速地检测出肺实质区域、对肺部血管进行分割具 有重要的研究意义。 1 3 国内外研究现状 对医疗图像的分割研究大致可以划分成三个阶段：人工分割、半自动分割的 提出、自动分割方法的实现【l6 1 。最早期的分割非常依赖医生的水平和经验，是 先通过人工画出需求部位的边缘再实施分割，工作量极大且易出错。后期随着数 字图像处理技术与医学研究地深入结合，出现了半自动分割方法。半自动分割需 要医生会使用计算机，前期需要医生的专业知识，后期由计算机完成图像的分割， 分割的速度和精准度较完全人工分割大大提高。该方法一直是国内外研究的焦 点，其改变了传统手工分割的困境，通过专家们不断地完善和实践，现已投入临 床医疗的使用中。但该方法仍旧对医生的水平和经验有依赖，研究图像处理的学 者对医学知识的学习也不是朝夕可以完成的，这严重限制了对其进行深入研究， 多年来没有大的突破。近年来，很多学科打破专业之间的壁垒应用于医学研究， 出现了很多自动化的医疗图像分割方法，比较引人注目的有人工智能技术、神经 4 第一章绪论 网络技术和模糊技术等，但这些算法普遍比较复杂，运算时间过长且结果不稳定， 无法达到临床使用的要求，自动分割技术有待于更深入地研究，以尽早造福人类。 目前，医疗图像分割的研究使用多集中在半自动分割领域，共有以下4 个研究热 占【1 7 】 、 ( 1 ) 减少人机交互，方便计算机知识有限，且不懂图像处理专业知识的医 生使用： ( 2 ) 降低分割结果的错分率。医疗图像分割结果的准确性至关重要，它甚 至与病患宝贵的生命息息相关，只有准确的分割结果才能给医生正确地指导，给 予病人正确地治疗： ( 3 ) 尽量减少耗费时间。医疗图像的数据量较大，应尽量选择运用简单的 算法，避免复杂算法造成的时间浪费，这样才符合临床的实时性需求； ( 4 ) 提高算法鲁棒性。干扰鲁棒性的因素很多，阈值选择、图像格式、分 析方法均会对其造成影响，应尽量提高算法鲁棒性。 1 4 本文研究的主要内容 本文研究的主要内容如下： ( 1 ) 详细介绍了d i c o m 的相关知识，在熟悉d i c o m 标准的基础上，能 够正确阅读d i c o m 文件，在不丢失信息的基础上，实现d i c o m 格式的胸部c t 的读取和显示。 ( 2 ) 详细介绍了c t 图像的相关知识，包括c t 成像的工作原理、技术特点、 扫描胸部c t 常用方法等，对于c t 读片前的必备知识也做了说明。阐述了血管 造影的成像原理和应用，对肺部的主要血管做了介绍和说明。 ( 3 ) 分别介绍了基于区域的区域生长算法、基于边界的边界追踪算法、基 于阈值的o s t u 阈值法的原理，并基于这三种方法，实现对肺实质区域的分割。 ( 4 ) 重点介绍了本文算法，即：将m e a n s h i f t 算法和s n a k e s 模型相结合对 胸部c t 进行分割，结合其他一些图像处理方法得到肺部实质区域，并将结果与 上述三种算法进行比较。 ( 5 ) 详细介绍了g a b o r 小波变换的相关知识，包括小波变换、g a b o r 变换 的相关原理，将g a b o r 小波变换与阈值法相结合提取得到肺部血管。 本文内容共分为六章： 基于d 1 c o m 文件格式的胸部c t 图像分割方法研究 第一章绪论，简单介绍了图像分割的概念及图像分割的常见方法及新兴方 法。说明了医疗图像分割对于病患和医学研究的重要性，阐述了医疗图像分割的 研究现状及未来发展，介绍了本文研究的主要内容及章节安排。 第二章主要介绍了d i c o m 标准的由来、内容及文件格式，以一个标准的 d i c o m 格式的c t 文件为例对其进行分析和阅读。 第三章主要介绍了c t 图像和血管造影的相关知识，对c t 的工作原理和注 意事项作了说明，总结了胸部c t 几种常用的扫描方式，简单介绍了肺部的主要 血管，对c t 读片前的必备知识也做了说明。介绍了窗技术的相关知识，结合调 窗技术实现d i c o m 格式的胸部c t 的格式转换，显示胸部c t 文件。 第四章分别介绍了基于区域的区域生长算法、基于边界的边界跟踪算法、 基于阈值的o s t u 阂值法，同时基于这三种算法对胸部c t 进行分割，得到肺部 实质区域。分析了三种算法的对于分割肺部实质的不足。最后，引出本文算法： 将m e a n s h i f t 算法和s n a k e s 模型相结合并结合阈值法、数学形态法等图像处理 方法对胸部c t 进行分割得到肺部实质区域，并将结果与上述三种算法进行比较。 第五章介绍了小波变换，g a b o r 滤波器以及将二者概念融合的g a b o r 小波 滤波器，将其对上一章分割而来的肺部实质进行近一步处理，提取出肺部血管的 方向特征和线性结构，后结合阈值法实现对肺部血管的分割。 第六章总结了本文的主要工作，阐明了本文工作的创新点及临床应用价值， 对以后可能的研究方向也进行了展望。 1 5 本章小结 本章简单介绍了图像分割的概念，图像分割的经典方法和新兴方法，介绍了 医疗图像分割对于病患和医学研究的意义、研究现状及未来趋势，最后简单说明 了本文研究的主要内容及章节安排。 6 第二章d i c o m 医疗图像 第二章d i c o m 医疗图像 2 1d i c o m 标准的起源 随着c t ( 计算机断层扫描) 、m r j ( 磁共振成像技术) 、u l t r a s o u n d ( 超声波 技术) 等高科技医疗设备的普及，电子病历、电子病历卡在大型医疗机构地广泛 应用，整个医疗行业与电子计算机技术紧密结合，医生的就诊全过程及医学研究 被要求更加信息化、数字化。不同医疗设备之间传输交换图像数据信息、实现资 源共享成为迫切需求。倘若不同生产商制造的医疗设备使用的图像格式不同，会 导致不同医疗设备间无法直接使用对方信息，大大降低了医疗资源的使用效率。 为了使所有医疗设备实现直接通信，轻松实现远程诊疗，更有效地管理大量医学 信息，我们需要一个统一的关于医疗图像的标准。 d i c o m 即数字影像和通信标准，是由美国放射学会a c r ( a m e r i c a nc o l l a g e o fr a d i o l o g y ) 和美国国家电子制造商协会n e m a ( n a t i o n a le l e c t r i c a l m a n u f a c t u r e r sa s s o c i a t i o n ) 组成的联合委员会于1 9 8 3 年推出的。d i c o m 是关于 医疗设备的医疗影像及其相关信息的国际标准通信协议，它的推行与运用，简化 了医疗通信的过程、推进了远程医疗的发展、也规范了医学资料的存储，优化了 医学上很多的问题。由于d i c o m 的开放性，它也可以与其他医疗应用系统联合 使用【1 8 1 。现在普遍使用的是d i c o m 3 0 标准。 2 2d i c o m 标准的内容组成 d i c o m 3 0 标准内容丰富，包括医疗图像实现通信的全过程中所有可能涉及 到的功能的协议：规定了所有可进行信息交换的指令，同时给出了标准响应；满 足了网络化需求，提供了足够的服务支持；结构化地定义t s u 造商的兼容性声明 等内容，涉及操作d i c o m 文件的各方各面1 9 】。具体的d i c o m 标准的章节内容 如下【2 0 】： 第一章为概论( i n d u c t i o na n do v e r v i e w ) 。本章简单介绍了d i c o m 的概念、 内容、组成、宗旨及意义，还简要列出了标准引用参考的其他标准。 7 基于d i c o m 文件格式的胸部c t 图像分割方法研究 第二章为兼容性( c o n f o r m a n c e ) 。本章详细说明了生产商该如何制定及描述 产品的d i c o m 兼容性，即构造该产品的兼容性声明，内容包括信息对象、编码 方法、服务类该如何选择，方便用户使用。 第三章为信息对象定义( i n f o r m a t i o no b j e c td e f i n i t i o n ) 。本章采用面向对象 的方法，利用“e r 模型”，将现实世界的各种医疗实体映射到d i c o m 里，是 d i c o m 标准的主要内容。 第四章为服务类说明( s e r v i c es p e c i f i c a t i o nc l a s s ) 。本章定义了很多服务类， 阐述了作用于信息对象实例的命令及完成某些特定操作需要的编码结构和数据 的构造过程。 第五章为数据结构及编码( d a t as t r u c t u r ea n dc o r d i n g ) 。本章详细叙述了怎 样对信息服务类和对象类进行构造和编码。定义了构造数据流所需的编码规则。 第六章为数据字典( d a t ad i c t i o n a r y ) 。d i c o m 以数据元素表示信息对象的 属性。数据字典精确定义了数据元素，其包含一个u i d ( 唯一标识符) 、一个名 称、一个数据类型描述及相关使用说明。 第十章为介质存储方式和文件格式( m e d i as t o r a g ea n df i l ef o r m a tf o rd a t e i n t e r c h a n g e ) 。本章详细说明了医疗图像数据以怎样的通用模型存储于可移动存 储介质中及不同类型图像进行交换的框架模型。 第十四章为灰度标准显示函数( g r a y s c a l es t a n dd i s p l a yf u n c t i o n ) 。本章描 述了灰度图像显示的函数，明确规范了各种显示器材的规范，与临床诊断的准确 性息息相关。 本文的第一步工作是将d i c o m 格式的胸部c t 图像清晰地显示出来，这是 一切后续分割的前提，只有认真学习d i c o m 的相关内容，才能读懂d i c o m 文 件并将其正确的显示出来。 2 3d i c o m 文件结构 所有图像的文件格式都是由存参数的文件头( h e a d e r ) 和数据图像信息( p i x e l d a t a ) 两部分组成【2 1 1 。常见的图像格式文件头内容都很简单，只说明该图像的一 些基本信息，例如行列数目、压缩情况、几位数表示的像素点等，而医疗图像参 数信息丰富，往往还包含了病人详细的个人信息、历史病情档案、检查项目备案 第二章d i c o m 医疗图像 等，且不同医疗装置和不同部位的检测图像需求的内容也不同。因此，普通图像 格式和医疗图像格式差异较大。 d i c o m 文件由文件头信息和图像数据信息两部分组成。其中，文件头包括 文件前言和辨识字符串，如图2 1 所示。 ilii l 、厂j d i c o m 文件头 图1d i c o m 文件总体结构 f i g 1t o t a ls t r u c t u r eo fd i c o md o c u m e n t ( 1 ) 文件前言。为了方便d i c o m 文件与普通格式的图像文件相互兼容， d i c o m 标准对文件前言要求宽泛，在结构上无限制，在文件前言可加载普通格 式图像文件的数据信息。当无信息加载时，全都置为0 0 h 。 ( 2 ) 辨识字符串。该辨识字符串由大写的“d 、“i ”、“c ”、“m ”组成， 当系统读取到此字符串时，可以断定读取的是一份d i c o m 格式的文件。 ( 3 ) 数据集。数据集由众多数据元素按照顺序排列而成，是通信发生时交 换的具体内容，是信息对象模块( i o d ) 的实例表现，是数据信息的载体，可以 嵌套使用。数据元素通常由标签、数据描述、数据长度和数据域四部分组成。 、- ， d i c o m 数据元素 图2d i c o m 数据兀素结构 f i g 2e l e m e n t a r ys t r u c t u r eo fd i c o m d a t a ( 1 ) 标签( t a g ) 。标签是d i c o m 标准的词汇，表示了一定的语义，具有 唯一性。它由4 个字节的无符号整数组成，高位的两个字节是组号，表示该数据 元素隶属于哪个数据组，当该组号是偶数时，该标签是d i c o m 词典里的标准元 素，可以查询到它的表征意义；当该组号是奇数时，其被定义为不通用数据元素。 低位的两个字节是元素号。d i c o m 词典里标签众多，我们需要对常用的标签有 一定的认识，下面列举出部分常见标签： 9 基于d i c o m 文件格式的胸部c t 图像分割方法研究 ( 2 ) 数据描述v r ( v a l u er e p r e s e n t a t i o n ) 。用以规定数据元素的格式和类 型。它不是必须存在的，根据不同的传输语法，数据描述被分为显示传输和隐示 传输，当选择的语法是前者时，必须存在，反之，则可以省略。由一个长度为2 的字符串表示。d i c o m 词典中有关于v r 丰富的释义，例如某元素的v r 是“p n