一种全自动的肺裂分割方法

CT(Computer Tomography)图像中自动分割肺裂是很困难的,肺裂往往存在不完整、形变、断裂和附裂等现象.本文提出一种融合肺部解剖结构特征来实现自动分割肺裂的方法.首先结合肺部气管和动脉血管信息定位肺裂感兴趣区域.然后利用肺裂方向信息增强肺裂,并利用多剖面滤波器滤除噪声从而对肺裂进行预分割.最后融合已定位的肺裂感兴趣区域和肺裂预分割结果来自动分割肺裂.与人工参考对比,提出的算法在人体左肺和右肺中分割的肺裂的F1-score中值分别为0.881和0.878.

基于向量分区模型和三维骨架化模型的肺裂分割算法

了解肺裂结构特征在肺部疾病诊断方面具有重要的应用价值.在CT图像中,肺裂会受到强度变化、噪声和形变等各种因素的影响,使得分割难度很大.为了克服此困难,提出一种基于向量分区模型和三维骨架化模型的肺裂分割算法.首先,受到肺裂在二维CT图像中呈现为线性结构特征的启发,通过借助方向窄条微分滤波器融合幅度信息和方向信息来构建肺裂向量场,此种途径能够有效地区分肺裂和其他组织.接着,考虑肺裂在三维CT图像中呈现为面状结构特征,通过改进的向量分区模型来分离肺裂和管状结构,此种方式能够高效率地抑制噪声.最后,为了得到完整的肺裂,引入三维骨架化模型理论来有效分割肺裂.提出的算法在公开数据集LOLA11上进行验证,其F1,FDR和FNR中值分别为0.893,0.068和0.128.实验结果表明,文中算法具有非常好的肺裂分割效果.

基于形状特征的肺裂检测算法

了解肺裂解剖结构特征在定位和评估肺部疾病方面具有非常重要的作用。在计算机断层扫描图像中肺裂经常会受到形变、体素效应和噪声等影响,使得肺裂检测难度很大。为了解决此问题,提出一种基于形状特征的肺裂检测算法。首先融合肺裂幅度信息和方向信息在增强肺裂的同时高效率的抑制噪声;然后利用区域属性分析算法去除气管、血管等噪声来识别肺裂;最后采用表面曲率算法去除黏连噪声,达到分割肺裂的目的。该算法在公开数据集LOLA11上进行了验证。与人工参考对比,本文算法分割的肺裂的F1-score中值为0.8451。实验结果表明,本文算法能够高效率的分割肺裂。