结合K-Means和阈值凸包算法的肺实质分割方法

肺实质分割是肺部CT用于诊断肺部疾病的关键步骤之一,精准的肺部分割有助于辅助医生提高诊断效率。现有的分割模型严重依赖大量样本的训练,面对突发疾病或样本有限时对新病灶的特征学习不够充分,无法实现有效的肺实质分割。针对上述问题,提出了一种基于K-Means和阈值凸包算法相结合的肺实质分割方法。首先利用K-Means实现背景和前景的分离,然后使用连通区域标记法和孔洞填充法相结合以剔除干扰像素,以边界追踪法得到粗分割的肺实质轮廓,最后应用新提出的阈值凸包算法对轮廓进行平滑处理,实现肺实质的精准有效分割。实验表明,对比经典的形态学方法和凸包算法,本文方法在有效修补肺部轮廓凹陷的同时也能更好地保留肺门处的轮廓;与分割网络U-Net和U-Net++进行对比,该方法在数据有限时能实现更好的分割结果,面对突发肺部疾病有更好的普适性。