已阅读5页,还剩50页未读, 继续免费阅读
(计算机软件与理论专业论文)CT图像中基于三维活动轮廓的肺结节分割.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
华 中 科 技 大 学 硕 士 学 位 论 文 i 摘 要 肺癌居所有癌症死因的第一位,全世界每年有一百多万人死于肺癌。对肺癌的 早期检测和治疗是提高癌症病人存活率的重要方法。ct 已经被证明是检测肺结节的 有效医学影像技术,被广泛用于肺癌检测和诊断。 研究基于肺部 ct 图像的肺癌计算 机辅助检测与诊断系统(cad)将有利于提高诊断准确性和客观性、减轻诊断工作量。 在计算机辅助检测和诊断肺结节 cad 设计中, 肺结节分割是一个至关重要并且有挑 战性的步骤。虽然有很多分割结节的方法已经发表,但自动分割 ct 图像中的肺结节 仍然被认为是一个非常有挑战性的问题,因为结节在形状、纹理、与正常组织连接 形式等方面存在多样性。 ct 图像中基于三维活动轮廓的肺结节分割算法主要有三个步骤:数据预处理, 三维活动轮廓分割,重建肺结节。 分割在一个局部感兴趣体积(voi, volume of interest)内进行,采用三维活动轮廓 方法。三维活动轮廓分割是对经典活动轮廓模型的扩展,从 voi 中心引出一组均匀 分布的射线,每条射线上有一个控制点,控制点可以沿射线方向移动,用这些控制 点来表示离散三维活动轮廓。三维活动轮廓具有连续能量,梯度能量和气球能量, 能量函数是所有控制点的能量和。通过最小化能量函数来确定最终的三维轮廓,即 结节的离散表面。 活动轮廓分割后,得到一个离散点云。为了获得三维 voi 图像中的分割结果, 可以通过一个三维重建方法确定结节的所有体素:假定每个体素点到 voi 中心有一 条虚拟射线,可以通过相邻的实际存在射线来判断该体素点是否属于结节。 为了数量化分割方法的性能,肺癌图像数据库大学联盟(lidc)提供的两个数据 集被用来评估分割方法的性能。在评估中,采用计算机分割得到的结节区域与放射 科医生提供的结节区域之间的重合率(overlap),错误体积百分比作为衡量标准。两 个数据集分别有 23 和 86 个 ct 扫描,分别有 23 个和 73 个直径大于等于 3mm 的结 节。经过测试,第一个数据集的平均 overlap 值是 69%,第二个数据集的平均 overlap 华 中 科 技 大 学 硕 士 学 位 论 文 ii 值是 63%,两个数据集的平均错误体积百分比为 21%,优于文献中公布的分割方法。 初步实验结果表明基于三维活动轮廓的结节分割方法是一个很有研究前景的方法, 将会在计算机辅助检测和诊断肺结节设计中发挥重要作用。 关键词:计算机辅助诊断,肺结节,结节分割,活动轮廓模型,计算机断层扫描 华 中 科 技 大 学 硕 士 学 位 论 文 iii abstract lung cancer is the leading cause of deaths among all cancers, causing more than 1 million deaths annually in the world. early detection and treatment of lung cancer are the most important ways of improving the survival rate for lung cancer patients. computed tomography (ct) has been proven to be a sensitive modality for pulmonary nodule detection and has been widely used for lung cancer detection and diagnosis. computer- aided detection and diagnosis (cad) techniques could help to improve the diagnostic accuracy , objectivity and reduce the radiologist s workload. in a computer- aided detection and diagnosis (cad) scheme, segmentation of nodule is a crucial and challenging step. many segmentation methods for pulmonary nodules have been reported, however, automated nodule segmentation in ct scans is still considered to be a very challenging problem because of the variability in shape, texture, and connection of the nodule to normal anatomic structures. segmentation of pulmonary nodules in images based on three- dimensional active contour has three steps: data preprocessing, three- dimensional active contour segmentation, reconstruction of nodule region. image segmentation was performed with a three- dimensional active contour in a local volume of interest (voi). the three- dimensional active contour segmentation is the extent of classical active contour model, a set of radial lines evenly originating from the center of the voi was created, each radial line has a point which can move along the radial line, all the points on the radial lines represent a three- dimensional active contour. the contour has continuity energy, gradient energy and balloon energy. the energy function is equal to the sum of all points weighted sum of three energy term. the final contour which represented the disperse surface of nodule was obtained by minimizing the energy function. a parse point cloud was obtained after active contour segmentation, to obtain a segmentation result in a three- dimensional voi, a 3d reconstruction method can be used to get all the voxels in a nodule, each voxel was supposed to have a virtual radial line originating from the center of the voi, existing radial lines can be used to determine that whether the voxel was inside or outside a nodule. 华 中 科 技 大 学 硕 士 学 位 论 文 iv an overlap and percentage volume error between nodule regions provided by computer s segmentation and by the radiologist was employed as a performance metric for evaluating the segmentation method. the ct scans from lung image database consortium (lidc) were used for evaluating the segmentation method. in the evaluation, the coincident rate which is calculated with both the computerized segmented region of nodule and the matching probability map images provided by lidc was used as performance metric. the two dataset contained 23 and 86 ct scans, respectively, with 23 and 73 nodules that were 3mm or larger in diameter. the mean overlap values were 69% and 63% for the first and second data sets, respectively, the mean percentage volume error value is 21%. the segmentation method is better than other segmentation methods. the preliminary results indicate that the three- dimensional segmentation method is a promising method and would be useful for lung nodule detection and diagnosis scheme. key words: computer- aided diagnosis, pulmonary nodule, nodule segmentation, active contour model, computed tomography 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或 集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在 文中以明确方式标明。本人完全意识到,本声明的法律结果由本人承担。 学位论文作者签名: 日期: 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密 ,在_年解密后适用本授权书。 不保密。 (请在以上方框内打“” ) 学位论文作者签名: 指导教师签名: 日期: 年 月 日 日期: 年 月 日 本论文属于 华 中 科 技 大 学 硕 士 学 位 论 文 1 1 绪论 1.1 课题背景 本课题来源于国家高技术研究发展计划(863 计划)项目“ 基于网格的数字化医 疗决策支持系统” 和广西南宁市科技计划“ 基于三维 ct 影像的计算机辅助肺结节检 测方法研究” 。 肺癌是全球最常见的癌症之一,具有极高的死亡率。世界上每 30 秒就有一人死 于肺癌,每年有 120 万新增病例1。在我国,肺癌发病率和死亡率呈直线上升态势。 癌症发病率和死亡率趋向年轻化2。20002005 年间我国癌症发病人数,男性从 26 万例增至 33 万例,增加了 26.9%,女性从 12 万例增至 17 万例,增加了 41.7%。肺 癌居中国男性癌症死因第一位,女性的第二位,成为中国第一大癌症。肺癌的 5 年 存活率只有 16%,如果在早期(i 期)检测和治疗,五年存活率将增加到 49%3。为了 提高肺癌病人的存活率,在肿瘤的早期生长阶段就进行检测与治疗是主要也是关键 的方法。早期肺癌行动组织(early lung cancer action project, elcap)从 1992 年开始 评估在高危人群中每年用低剂量 ct 筛查肺癌的有效性4。对 1000 个病人筛选检查 的初步结果表明低剂量 ct 可以检测出的恶性肺结节数量是胸片的 4 倍,检测出的 i 期恶性肺结节数量是胸片的 6 倍,这个结果已经被多个组织的观察者进一步确定 4- 8 。因为在肺癌检测中 ct 的灵敏度比胸片高,随着医学影像技术的发展,很多国 家开始使用 ct 进行肺癌筛选检查。 在使用 ct 筛选检查肺癌过程中,放射科医生必须阅读大量的图像,由于检测错 误(漏检癌)或者解释错误(不能正确诊断检测出的癌),可能漏掉一些肺癌。在这种情 况下, 用来检测和特征化肺结节的计算机辅助诊断(cad)方案将会对减少检测错误和 解释错误非常有用,因为计算机方案能够检测出许多放射科医生漏检的肺癌,一个 计算机特征化方案可以提供量化信息,比如恶性的可能性,来帮助放射科医生诊断 已检测出的肺结节9- 11。计算机辅助诊断(cad)已经在医学成像和诊断放射领域成为 一个主要研究课题,cad 被应用到各种医学成像模态,包括 ct,磁共振成像,超 华 中 科 技 大 学 硕 士 学 位 论 文 2 声成像,核医学。计算机辅助诊断(cad)提供一个计算机输出作为“ 第二意见” 来帮助 医生在医学图像上诊断各种疾病。 目前,计算机辅助诊断肺癌的研究主要是检测和特征化薄层 ct 中的肺结节,这 代表了胸部成像领域一个最新的研究方向12。用于检测 ct 中肺结节的 cad 方案可 以粗略地分为两步:初始结节检测和减少假阳性。在减少假阳性步骤中,需要提取 很多有用的特征来判断初始检测的结节是否是真阳性,这些特征依赖于初始结节检 测步骤中分割物体的形状。用于特征化肺结节的 cad 方案主要包括肺结节分割,特 征提取和分类。对 ct 中肺结节的精确分割是计算机辅助诊断(cad)肺癌方案的一项 重要任务。在短期之后对病人进行重复 ct 扫描通常被用来观察结节随时间的变化。 事实上,在对肺癌进行 ct 筛选试验中,结节增长率是确定小的孤立结节恶性可能性 的最重要线索13。 目前测量结节尺寸的方法是用数字化卡钳测量,这是完全手动的 方法,并且只能对长度测量评估。这种长度测量法没有考虑结节的实际三维形状和 不均匀的增长模式。所以对 ct 中结节进行精确的测定体积的分割是非常必要的14。 1.2 相关知识介绍 1. 计算机断层扫描(ct) 计算机断层扫描(ct)是一种 x 射线成像技术15。它是用 x 射线束对人体各层面 进行扫描,取得信息,经计算机处理而获得重建图像。ct 机包括计算机控制系统和 扫描装置,后者主要由 x 线球管、探测器及扫描床构成。x 线球管和探测器跨过被 扫描物体。每一次扫描都可获得一系列读数。x 线球管发出 x 线到被扫描物体并被 吸收,透过的光子由被扫描物体后的探测器吸收。同时用一参考探测器记录 x 线球 管的射线强度。透过的射线和参考射线都被分别转变成电流信号,即所谓的光电转 换。这些电流作为扫描信息输入计算机。然后这些输出的电流由模数转换器转换 成数字,这一系列数字被排列成行与列,即数字矩阵,储存于磁盘中。不同的扫描 机有不同的数字矩阵,从 160160 到 512512 不等。矩阵中每个数字表示单位容积 的吸收系数(或称衰减系数),即像素。然后,这些吸收系数经数模转换器于阴极射 线管(crt)显示器上显出该层面的 ct 图像,也就是通过计算机应用适当的程序重建 华 中 科 技 大 学 硕 士 学 位 论 文 3 了该层面的图像,也可用快速打印机将各个吸收系数印出,成为数字矩阵。 hounsfield 将线性衰减系数划分为 2000 个单位,医学上称为 ct 值,单位是 hu。 由于在物理过程中,物质的密度是由物质对 x 射线的衰减系数来体现的,在研究 ct 图像时,能提供诊断信息的是组织之间的密度差异,而不是绝对密度,所以一般按 照公式(1.1)定义 ct 值: w w ct - 值= (1.1) 其中表示所测组织的衰减系数, w 表示水的衰减系数,是分度因数,等于 1000。 b 表示骨的衰减系数,为 1.92.0, a 为空气的衰减系数,为 0.00130。将上 述衰减系数分别代入 ct 值计算公式可分别计算出水、骨、空气的 ct 值,分别为 0,1000,- 1000。ct 值的上界是 1000hu,下界是- 1000hu,每变化一个 hu,相当于 0.1%衰减系数的变化。图 1.1 显示了人体组织的 ct 值。 图 1.1 人体组织 ct 值 ct 值并不是绝对不变的数值,与 x 线管电压有关,是指某扫描所用电压下的 ct 值。因此,在比较不同 ct 装置所得同一组织的 ct 值时,应了解所用的管电压, 否则会出现错误。某正常或病理组织的 ct 值还受部分容积效应的影响。 人体组织的 ct 值范围有 2000 个分度(有的设备可达 4000 个分度),不管是在显 示器上还是在胶片上,都无法一次显示或区别这么多的灰阶。人眼的分辨灰阶的能 力是有限的,仅能分辨几十个灰阶。为了能够观察图像的细节,分辨 ct 值差别较小 0 - 990 - 1000 - 980 - 90 - 80 - 70 - 60 - 50 - 10 - 30 - 2010 30 50 60 1000 - 40 20 40 990 980 空气 脂肪 水 软组织 骨 华 中 科 技 大 学 硕 士 学 位 论 文 4 的两种组织,应采用不同的窗宽来观察显示器上的图像。窗宽是指显示器上显示的 ct 值范围。窗位是指灰阶的中心点,或叫做窗中心。由于不同组织的 ct 值不同, 因此要观察某一组织的细节,应以该组织的 ct 值为中心进行观察。如要观察纵隔软 组织,把窗位定在 35hu,用 300hu 的窗宽,则显示器图像上的ct 值范围为- 115 185hu, 凡 ct 值在此范围的组织可清楚显示。 ct 值高于 185hu 的组织灰阶与 185hu 相同,图像呈白色。ct 值低于- 115hu 的组织灰阶与- 115hu 相同,图像呈黑色。如 要观察骨质、肺组织、胸膜等组织则需用不同的窗宽和窗位。肺窗的窗位为- 850 - 550hu,窗宽是 10001600hu,该窗可以观察肺实质及气管、支气管。胸膜窗的窗 位是- 2000hu,窗宽为 20002500hu。在此窗内,虽然图像对比度较差,但能观 察到较多结构,更好地显示胸膜到肺门的过渡区。 2. 肺结节 肺肿瘤包括原发性肿瘤和转移瘤。原发性肺肿瘤可分为良性肿瘤和恶性肿瘤。 支气管腺瘤为交界性肿瘤,多数在晚期可发生转移或侵犯邻近结构,属低度恶性肿 瘤。肺内孤立性结节包括许多不同性质的病变,如良性肿瘤、原发恶性种瘤、转移 瘤、炎性假瘤及肉芽肿类病变等。尽管这些病变性质各异,但其影像表现有颇多相 似之处,有些甚至相同,难分彼此。成为肺部影像学鉴别诊断的难点之一。 自动分割 ct 中的结节是一个非常有挑战性的难题, 主要是由结节的多样性造成 的:形状不同(有光滑的,不规则的);内部纹理多样(实性,毛玻璃状,部分实性毛 玻璃); 结节与正常解剖组织的相连情况不同(与血管相连, 与气管相连, 与胸膜相连), 图 1.2 显示了 4 种不同类型的结节。 图 1.2 从左到右依次为:与胸壁相连的结节,与血管相连的结节, 毛玻璃状结节,不规则的结节 本文中的肺结节分割指的是利用计算机代替放射科医生来分割 ct 图像中的结 节,将结节与周围组织区分开,并确定结节的区域。如图 1.3 所示,a 图是结节的原 华 中 科 技 大 学 硕 士 学 位 论 文 5 始图像,b 图是医生手动分割得到的结节区域,c 图是利用计算机分割得到的结节区 域。 a.原图 b.医生的分割结果 c.计算机分割结果 图 1.3 肺结节分割 1.3 肺结节分割的研究现状 在一个 cad 方案中,对病变组织的分割是至关重要的一步,同时也是有挑战性 的。目前已经公开的结节分割方法有半自动的和完全自动的,这些分割方法主要是 基于阈值方法16- 17,区域增长方法18- 21,形变模型方法22- 24和动态规划方法25- 28。 对于二维 ct 图像中的结节分割算法,aoyama 等人25- 26提出了一种使用动态规 划的分割算法,结节的圆形感兴趣区域(regions of interest,roi)被转换成极坐标系中 平直的物体,利用多阈值分割得到一个轮廓线集合,通过动态规划技术确定结节的 最佳轮廓。xu 等人27提出了一种使用动态规划和基于期望最大化分类的结节分割算 法。在预处理阶段,利用基于期望最大化的算法分类并去掉钙化,然后通过使用基 于形状约束的动态规划算法,从每个切片中提取出结节的最佳轮廓。zhao 等人18设 计了一个多准则算法来分割肺结节。以逐个切片的方式,他们采用区域增长方法来 确定候选结节,利用形状约束来最小化结节周围高密度组织的干扰。 使用二维的分割方法是因为早期的单层 ct 扫描层厚大, 在检测结节的全肺扫描 中,轴向分辨率通常比平面分辨率粗糙 10 到 20 倍,分析 ct 中肺结节的计算机视觉 方法主要依靠单张图像的二维形式。另一个原因是,传统上病变的检测,测量,特 征化是在胸片上进行的,在胸片中使用的二维分割方法很容易被放射专家扩展到 ct 影像中。但是由于缺少轴向信息,使用二维分割方法很难确定结节的三维特征,比 如体积,球形度,表面光滑度,这些特征是在结节检测和分类中广泛使用的。目前 ct 技术已经有很大发展,图像分辨率能达到亚毫米。因此,需要直接的三维分割方 华 中 科 技 大 学 硕 士 学 位 论 文 6 法来分割 ct 图像中的肺结节。 zhao 等人后来将他们的二维多准则算法扩展到了三维19,对包含肺结节的感兴 趣区域应用多阈值,对每个阈值,通过三维连通区域标识算法提取 roi 中的候选结 节,然后应用形态学开运算去掉结节周围的组织,计算候选结节表面的梯度和候选 结节的紧密度;通过分析梯度和紧密度确定最佳阈值,从而将结节从肺实质中分割 出来。dehmeshki 等人20利用区域增长方法来分割肺结节,这个算法构建了一个模 糊连通图,在模糊连通图上进行基于球形对比度的区域增长。mullally等人21采用区 域增长方法来初始分割结节,然后利用边的三维边界强度和球形占有率来确定结节 的最终形状。以上三种分割方法都使用了区域增长技术,对低对比度结节的分割效 果较差;当结节很小时,使用球形度或者形状紧密度将会失效。 kostis 等人16设计了一个三维分割算法来估计小结节的增长率,这个算法使用 了固定灰度阈值,连通区域分析,采用基于三维形状滤波的方法来最小化血管和胸 壁的干扰。在他们最近的研究工作中17,他们改进了原来的算法,采用自适应阈值 方法,用基于规则的调整来去除周围的组织。采用阈值方法对低对比度结节的分割 效果较差。 wang等人28设计了一个利用螺旋扫描技术的分割方法,为了简化分割,通过螺 旋扫描,一个包含结节的三维感兴趣区域被转换成二维图像,在转换中保留了结节 的三维信息,三维图像中结节的表面转换为二维图像中的曲线;通过两阶段动态规 划方法求解结节在二维图像中的最佳轮廓;将二维轮廓转换回三维图像空间后,利 用一个特殊的三维重建方法确定在结节在三维图像空间中的表面。使用动态规划方 法空间复杂度较大,并且无法同时利用经度方向上和维度方向上的内部代价约束。 对于基于形变模型算法的分割,kawata 等人22利用三维几何形变模型来分割实 结节和部分实结节,这种方法不能正确处理结节与脉管或者胸壁相连的情况。后来 他们又利用三维测地线活动区域算法来分割肺结节23,这个算法是对测地线活动区 域模型的三维扩展形式。 way等人24提出了一个使用三维活动轮廓模型的分割算法, 首先通过三维加权 k 均值聚类方法和形态学滤波得到初始分割结果,将得到的物体 边界作为三维活动轮廓模型的初始轮廓,这个三维活动轮廓模型是在二维活动轮廓 华 中 科 技 大 学 硕 士 学 位 论 文 7 的基础上附加三个新的能量项,通过单纯性算法确定最佳能量权重。在 way 等人的 方法中,能量项过多,并且能量权重对所有结节是相同的,这样的权重设置方法不 能应对结节的多样性,因此分割的精度受到了影响。 tachibana 等人29采用阈值方法进行粗略分割,去掉胸壁区域,然后利用分水岭 算法和距离变换方法对结节进行精确分割。对于小结节、与正常组织相连的结节, 这个方法的分割结果很不理想。 在上述分割方法中,只有文献24,28,29给出了结节分割算法性能的详细评 估,他们都用美国国家癌症研究所(nci)肺部图像数据库大学联盟(lidc)30- 31提供的 数据库对分割算法进行了评估,并采用分割得到的物体与放射科医生确定的金标准 物体之间的重合率(overlap)作为分割性能的衡量标准。 1.4 课题的主要研究工作 在三维 ct 图像中,使用三维肺结节分割算法可以得到更精确的分割效果。在本 文的研究中,我们提出了一个新的三维分割算法,主要研究工作有以下几方面: 1. 分割前预处理 在分割前需要对三维 ct 图像进行预处理:由于三维 ct 图像是各向异性的,每 一维的分辨率不同,结节的形状可能被拉伸或者压扁,通过插值达到等方性;然后 根据放射科医生提供的金标准确定包含结节的感兴趣体积(voi),分割在 voi 中进 行。 2. 三维活动轮廓分割 我们的肺结节分割算法主要应用了三维活动轮廓方法。三维活动轮廓模型是对 传统二维模型的扩展,用一组均匀分布射线上的控制点来表示离散三维轮廓,这些 控制点可以沿射线方向移动,活动轮廓具有连续能量,梯度能量和气球能量,能量 函数是所有控制点的三个能量项的加权和,通过最小化能量函数来确定最终的三维 轮廓,即结节的离散表面。 3. 重建肺结节 根据三维参数活动轮廓模型得到的离散曲面,可以通过一个三维重建方法确定 华 中 科 技 大 学 硕 士 学 位 论 文 8 结节的所有体素。 4. 分割算法性能评估 我们用lidc提供的两个数据集合中共96个肺结节对分割方法的性能进行评估。 在评估中,采用分割得到的结节区域与放射科医生提供的结节区域之间的重叠率和 错误体积百分比作为分割方法性能的衡量标准,并与其他分割方法进行比较。 本文组织如下: 第一章简要介绍肺结节分割的课题背景以及国内外对此课题的研究概况。第二 章描述了二维参数模型的基本理论及实现方法。第三章介绍经过扩展的三维参数活 动轮廓模型。第四章介绍了利用三维参数活动轮廓模型的肺结节分割方法。第五章 给出系统的实验结果及分割方法的性能评估。第六章为总结与展望。 华 中 科 技 大 学 硕 士 学 位 论 文 9 2 参数活动轮廓模型 自 1987 年 kass 提出活动轮廓模型以来, 各种基于活动轮廓模型的图像分割方法 被大量提出。在本章将介绍二维参数活动轮廓模型的基本理论,改进的活动轮廓模 型以及活动轮廓模型的实现方法。 2.1 参数活动轮廓模型 kass 等人32提出了活动轮廓模型,又称为蛇模型(snakes),随后出现了大量的基 于活动轮廓模型的分割方法。主要思想是:在图像的边界附近定义一条带有能量的 闭合曲线,在曲线本身的内力和图像数据所构造的外力作用下,向着能量最小化的 方向演化,最后收敛于图像的边界,此时,曲线具有最小的能量。 kass等人把活动轮廓定义为图像平面内一条参数曲线:( ( ), ( )x sy s=v, 这里( )x s 和( )y s分别是活动轮廓线上轮廓点的 x坐标和 y坐标,其中0,1s,为归一化的曲 线表示方式。那么,我们可以将能量方程写为: 11 int 00 ( ( )( ( )( ( ) snakeext s dsss ds=+ eevevev (2.1) 其中, int e代表曲线的内部能量, ext e表示曲线所受外力的影响,即外能。 曲线的内部能量定义如公式(2.2): 2 2 1 2 int 2 0 1 ( )( ) 2 dd ssds dsds =+ vv e (2.2) 第一项为弹性能量,控制曲线的伸缩,第二项为刚性能量,控制曲线的弯曲。 在能量函数极小化过程中,弹性能量迅速把轮廓线压缩成一个光滑的圆,刚性能量 使轮廓成为光滑曲线或者直线。通过调整( ) s和( ) s权重参数控制伸缩和弯曲对形 变影响的相对重要性。 在算法实现中,( ) s和( ) s通常取常量,即在使用中认为各点的参数值为定值, 令( ) s=,( ) s=。由第一项和第二项共同构成了内部能量项。 华 中 科 技 大 学 硕 士 学 位 论 文 10 外部能量是从活动轮廓所在的图像数据中获得的,它的定义取决于所关心的图 像的特征。如果把一副灰度图像( , )i x y看成连续坐标变量( , )x y的函数,引导活动轮 廓向边界运动的外部能量的典型定义是: (1)2 ( , )|( , )| ext x yi x y= e (2.3) (2)2 ( , )|( , )* ( , )| ext x ygx yi x y = e (2.4) 其中,( , )gx y 是方差为的二维高斯函数,是求梯度运算。 活动轮廓模型具有一些传统方法无法比拟的优点33: 图像数据、初值估计、目标轮廓及基于知识的约束统一于特征提取的过程之中; 经适当地初始化后,它能够自主地收敛于能量极小值状态;其次由于融入了目标轮 廓的光滑性约束和形状的先验信息,使算法具有对噪声和边缘间断点的鲁棒性。 但是,这个模型存在着两个严重的缺点: 1. 对初始轮廓线的位置比较敏感, 初始轮廓线必须比较靠近感兴趣的图像特征, 即轮廓线的有效捕捉范围较小; 2. 轮廓线不能收敛于图像的凹形边缘。虽然外力的方向指向边缘,但在凹形边 缘内部,水平方向的作用力方向相反,互相抵消。正是由于模型的这种非凸性,它 有可能收敛到局部极值点,甚至发散。 2.2 改进的活动轮廓模型 针对原始活动轮廓模型存在的缺点,人们已经提出了很多改进方法,这些方法 总体上是通过设计一个外部力来实现的,主要有活动轮廓线的气球模型34、距离势 能模型35、梯度向量流模型( gradient vector flow snake)模型36- 37,曲率向量流模型 38(curvature vector flow)。下面介绍其中的两种改进模型: 1. 气球模型 kass 等人提出的原始活动轮廓模型,在没有图像力约束或者图像力远小于内力 时,活动轮廓模型最终收缩到一个点。cohen在主动轮廓模型中,除了图像梯度外力 外,另外引入了一种外力 压力,它促使轮廓线的形变像气球(balloon)一样从 华 中 科 技 大 学 硕 士 学 位 论 文 11 目标内部向目标的边缘处膨胀。这样,在定义初始轮廓时,不再需要沿着边缘线点 入一系列轮廓点连接成初始轮廓,只需要在目标内部点入一点,初始轮廓则可以简 单地定义为以该点为中心的任意闭合曲线。 气球模型通过增加气球力,将轮廓线作为一个整体膨胀或收缩,能捕捉到强边 缘,穿越弱边界。模型中外力定义为: p p ksnkf =)( 1 (2.5) 在公式(2.5)中,第一项就是气球力,)(sn 是轮廓线上点( )v s处的单位法向量, 1 k 为常数,控制气球力的大小。当 1 0k 时,轮廓线向外膨胀;当 1 0k 0 & | ( )|1 center i jithreshold 1 bal e= else 0 bal e= ,jcontcont jgradgrad jbalbal j ewewew e=+ if minj ee then minj ee= min jj= 移动控制点 i v到新位置 min j if min j不是当前位置,ptsmoved+=1 until ptsmovedthreshold2 其中, threshold1 和 threshold2 是两个阈值, threshold1 是公式(3.8)中用到的阈值; 华 中 科 技 大 学 硕 士 学 位 论 文 23 threshold2 是判断迭代过程何时停止所用的阈值,在一次迭代过程中,如果控制点移 动的次数小于这个阈值,迭代过程停止。这两个阈值的确定将在下一章讲述。 3.4 本章小结 我们设计了一个新的三维活动轮廓模型,采用均匀射线模型上的点来表示三维 活动轮廓;给出了能量函数的定义;模型包含三个能量项,分别是连续能量,梯度 能量和气球能量;并给出了各个能量项的定义以及三维活动模型的实现方法。 华 中 科 技 大 学 硕 士 学 位 论 文 24 4 肺结节分割算法的实现 肺结节分割是一项非常重要的任务,并且是一个很有挑战性的难题。随着 ct 技 术和 cad 技术的发展,越来越需要精确的三维肺结节分割方法。在本章,我们将利 用三维参数活动轮廓模型分割肺结节,算法主要包括以下几步: (1) 数据预处理,包括等方性插值和选取 voi (2) 三维活动轮廓分割 (3) 重建肺结节 4.1 数据预处理 我们研究使用的所有 ct 扫描均来自 lidc 提供的标准 ct 肺结节数据库,在下 一章将详细介绍 lidc 数据库。大多数 ct 数据是在一个各向异性的空间中采样,每 一维的分辨率是不同的。x- y 平面上两维的分辨率通常是相同的,而轴向分辨率往 往与 x,y 方向上的分辨率不同,这样的图像不具有等方性。通俗的讲,不具有等 方性的三维图像要么是对原三维图像的拉长,要么就是对原三维图像的压扁。 图 4.1 不具有等方性的三维图像示意图 为了使三维图像具有各向等同性,我们需要对其进行插值处理,在我们的研究 体素沿 z 轴代表的长度大于 x,y 轴时,三维图像表 现为被压扁 体素沿 z 轴代表的长度小于 x,y 轴时,三维图像表 现为被拉长 华 中 科 技 大 学 硕 士 学 位 论 文 25 中, 采用线性插值方法,分别在 x 方向, y 方向,z 方向上进行,插值间隔为 0.6mm。 一维空间的线性插值的定义如下: 图 4.2 最简单的一维线性插值 设x点的值为( )fx,1x+点的值为()1f x+,则xu+点的值为: ()( )()*(1)1 *fxuf xufxu+=+ (4.1) 三维空间的线性插值是通过多次一维线性插值得到的结果,它需要沿 x,y,z 轴三个方向分别插值,其插值过程如图 4.3 所示。 图 4.3 三维插值示意图 先经过一维线性插值得到 a,b,c,d 四个点,由 a,b 点再次一维插值得到 e,同样由 c,d 点再次一维插值得到 f,再由 e,f 点一维插值得到 p,通过以上对 x,y,z 三个方向的顺序插值最终得到待求点 p 的灰度值。 肺结节的分割是在一个局部感兴趣区域内进行的,在分割前需要确定包含肺结 节在内的三维局部感兴趣区域(voi)。对于肺结节自动检测系统,voi的中心是通过 初始结节检测算法自动确定的;对于计算机辅助诊断肺结节系统,通常由放射科医 生选取 voi点中心24。 在我们的研究中, 根据放射科医生提供的金标准手动确定 voi 的中心,为了包含大结节和结节周围的背景,voi是一个半径为 25mm 的球形区域。 25mm 是一个经验值,我们研究的结节直径介于 3mm与 30mm 之间。 在选取 voi之前,ct 图像没有经过肺实质分割,这样做有两个原因:一,为了 ab c d e f p x xu x1 华 中 科 技 大 学 硕 士 学 位 论 文 26 和其它分割算法进行比较;二,经过肺实质分割后,与胸壁相连的结节可能被排除 在肺实质外,这样的结节需要恢复。恢复与胸壁相连的结节是肺实质分割中需要解 决的一个问题, armato 等人41- 42采用滚球技术来恢复这样的结节, kanazawa 等人43 和 ko 等人44通过计算肺边界的曲率, 在曲率变化大的地方用直线修正来恢复这样的 结节,gurcan等人45利用缺口检测技术恢复这样的结节,这些技术能够在不同程度 上解决问题,但是都不能完全恢复,如果在肺实质分割后的图像上选取 voi 进行结 节分割,将使结节分割不精确。 4.2 三维活动轮廓分割 voi确定后,在 voi的中心构建均匀射线模型,公式(3.1)中的 n=16,共有射线 327 条。每条射线上有一个控制点,每个控制点的初始半径设为 1.2mm,因为每条射 线上的插值间隔为 0.6mm,也就是说初始控制点到球心距离 2 个体素。这样可以保 证初始轮廓总在结节的内部,在三维活动轮廓模型中,轮廓是从结节内部往外膨胀 的,这样可以减少结节外部其他组织的干扰。 在进行三维活动轮廓分割之前,我们需要先确定能量权重。结节多种多样,为了 达到更好的分割结果,不同类型的结节需要不同的能量权重。对于毛玻璃状的结节, 如果气球能量的权重相对较大,活动轮廓会受到结节周围组织的影响,造成最终的 轮廓远大于实际轮廓。对于与胸壁相连的结节,如果气球能量权重较大,轮廓会越 过胸膜,进入胸壁区域。对于小结节,初始轮廓距离真实轮廓相对较近,气球能量 的权重也要相对小些。 在我们的研究中,能量权重是自动设置的,在这之前需要自动确定结节的类型。 有两种方法可以自动判断结节的纹理是否属于毛玻璃状。第一种方法利用了结节的 ct 值,具体步骤在算法 4.1 中描述。 算法 4.1 判断结节是否有毛玻璃纹理的算法 1. 计算结节中心的 ct 值 i,i 等于 voi中心体素 27 邻域内的平均 ct 值; 2. 如果 i10,则认为结节与胸壁相连。 我们可以粗略地估计结节半径,来确定结节的大小。对于实性结节,结节边缘 处的对比度较大,结节内部的 ct 值远大于肺内空气的 ct 值,如果射线上某一体素 的前后体素灰度值之差大于 300,就认为这个体素位于组织边缘上。从 voi 中心出 发,沿着射线找第一个位于组织边缘的体素,计算每条射线上这样的体素到 voi 中 心的距离,去掉距离最大的 40%,然后计算平均值,以距离的平均值作为结节的半 径。如果半径小于 5mm,就认为是小结节。具体步骤在算法 4.4 中描述,假定有 n 条射线。 算法 4.4 估计实性结节半径的算法 1. 对于 i 等于 0 到 n- 1,从 voi 中心开始,在射线 i 上查找第一个前后体素灰 度值之差大于 300 的体素,计算该体素到 voi中心的距离; 2. 去掉距离最大的 40%; 3. 计算剩余距离的平均值,以这个平均值作为结节半径的粗略估计值。 在上一章,我们已经提到采用贪心算法实现三维活动轮廓模型,对于毛玻璃状的 结节,每个控制点的邻域半径 r=1;对大结节,每个控制点的邻域半径为 3;对于其 他结节,每个控制点的邻域半径为 2。 能量权重及控制点邻域半径的设置可以使用算法 4.5。 算法 4.5 设置能量权重的算法 1. 利用算法 4.1 或者算法 4.2 判断,如果结节有毛玻璃状纹理, 0.5 cont w=,1 grad w=,0.6 bal w=,r=1;否则转第 2 步; 2. 利用算法 4.3 判断,如果结节与胸壁相连,0.5 cont w=,1 grad w=,0.7 bal w=, r=2;否则转第 3 步; 华 中 科 技 大 学 硕 士 学 位 论 文 29 3. 利用算法4.4计算, 如果结节半径小于5mm,0.5 cont w=,1 grad w=,0.8 bal w=, r=2;否则转第 4 步; 4. 0.5 cont w=,1 grad w=,1 bal w= ,r=3。 在迭代过程中,确定气球能量时使用了一个阈值,在本文的研究中公式(3.8)中的 阈值 t=250。如果在一次迭代过程中控制点移动的个数小于 5 个,则迭代过程停止。 4.3 重建肺结节 三维活动轮廓模型求解得到的最终轮廓是分布在肺结节表面上的离散点集,为 了得到最终的分割结果,我们需要根据这个点集来重建肺结节。voi 中的体素可以 分为两类:结节类和非结节类,重建肺结节的过程就是判断每个体素类属的过程。 图 4.5 中画出了均匀射线模型中的 5 条射线,为了方便图示重建方法,其余射线 没有画出,只画了射线与单位球面之间的交点。 图 4.5 判断体素点是否属于结节 我们假设每个体素到 voi 中心有一条虚拟射线,如图 4.5,虚线 i(i,j,k)表示从 voi 中心引出并通过体素点(i,j,k)的虚拟射线,射线 1- 5 是均匀射线模型中
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 初中数学九年级上册《二次函数的图象与性质》基础篇举一反三教学设计
- 初中九年级数学菱形的性质与判定2教学设计
- 高中生物一轮复习走近细胞教学设计
- 九年级物理沪粤版下册16.3《电磁铁》教学设计
- 小学六年级道德与法治《国家机关的产生》教学设计
- 2026事业单位法律岗面试易错题题库试卷及详细解析
- 上海市崇明区九校(五四制)2026-2027学年七年级上学期期中数学试题(含答案)
- 湖北省黄冈市2027届高三上学期11月期中考试化学试卷(含答案)
- 装饰装修施工检测技术方案
- 粘钢加固检测技术方案
- 北京市朝阳区2026-2027学年度第一学期期中质量检测高三英语试卷(含答案)
- 2026山东省防疫安全协管员招聘考试(畜牧兽医)历年参考题库含答案详解
- 2026健康管理师考试理论知识真题及答案
- 2025 含聚谷氨酸有机水溶肥料在马铃薯种植中的应用技术规程
- 2026-2027学年清华附中九年级上册化学期中真题卷
- 2026年四川省成都市技能人才评价考评员考试题库(附答案)
- 正大集团人才评估行测题目
- 离散数学 (第七版) 课件 第二部分 集合论
- FMEA风险评估分析表实战培训
- 2025年进出口银行人员招聘笔试考试试题及答案详解
- 光伏组件拆除方案
评论
0/150
提交评论