雙行程區域生長結合形態學重建的肺部氣管樹分割方法
【專利摘要】本發明是為了解決上述問題而進行的，目的在于提供一種基于雙行程三維區域生長與形態學相結合的肺部氣管樹分割算法，以實現對肺部氣管樹進行有效的分割。本發明提供的雙行程區域生長結合形態學重建的肺部氣管樹分割方法，包括如下步驟：自動從序列斷層圖像中獲取三維區域生長的種子點P1；以P1作為種子點，進行第一行程區域生長，得到肺部主支氣管樹；設定多尺度形態學算子，并利用灰度形態學重建操作，得到三個橫切面、冠狀面和矢狀面解剖位上的對應的氣管標記圖；以肺部主支氣管樹為基礎、三個解剖位上的氣管標記圖為限定條件，進行第二行程區域生長，得到對應的分割氣管樹；將分割氣管樹進行融合，得到最終的肺部氣管樹分割結果F。
【專利說明】
雙行程區域生長結合形態學重建的肺部氣管樹分割方法
技術領域
[0001] 本發明涉及一種醫學圖像處理領域，具體涉及一種雙行程區域生長結合形態學重 建的肺部氣管樹分割方法。
【背景技術】
[0002] 肺部氣管樹的解剖結構，是診斷支氣管狹窄、肺氣腫以及慢阻肺等多種肺部疾病 的病理評判標準，因此能否從CT圖像中精確地分割出肺部氣管樹，最終會影響到臨床診斷 的準確性。肺部氣管是人體與外界進行氣體交換的重要組織，從咽喉開始由主支氣管依次 延伸，形成形態復雜、走向多變的類樹狀結構。由于CT圖像中的部分容積效應、CT圖像在拍 攝過程中因病人運動而產生的運動偽影以及現行臨床CT機極限分辨率等的限制，產生外圍 高級氣管壁模糊、斷連的現象，造成肺部氣管分割過程中易逾越氣管范圍泄漏至肺實質中， 增加了肺部氣管分割的難度。針對這些問題，目前國內外只有較少量文獻報道。
[0003] Lo等人在2010年Medical Image Analysis期刊上發表的論文《Vessel-guided airway tree segmentation:A voxel classification approach》提出的基于肺部血管弓| 導的氣管分割方法，該方法利用血管與氣管在解剖結構上并行的特點，以血管作為分割引 導，能夠較為精準地分割出肺部氣管樹，但算法需確定血管走向，復雜度高，時間過長;Kai LAI等人在2009年International Conference on Bioinformatics and Biomedical Engineering上發表的論文《Automatic 3D Segmentation of Lung Airway Tree:A Novel Adaptive Region Growing Approach》，提出基于感興趣區域劃分的分割方法，雖然利用先 劃分感興趣區域再進行分割的方法，可以有效地防止分割泄漏至肺實質，同時提高算法效 率，但實驗結果表明探測出的高級外圍氣管較少，分割效果欠佳;Michael W等人在2010年 IEEE Transactions on Medical Imaging期刊上發表的論文《Robust 3-D airway tree segmentation for image-guided peripheral bronchoscopy〉〉，將區域生長與氣管幾何結 構分析相結合，以圖像局部特征為引導對肺部氣管樹進行分割，該方法雖然能探測出較多 的高級外圍氣管且準確性較好，但易受到低劑量CT圖像中噪聲和偽影等因素的影響，且需 手動設置的參數過多；Anna等人在2009年Computerized Medical Imaging and Graphics 期干丨J上發表的論文《Two-pass region growing algorithm for segmenting airway tree from MDCT chest scans》利用雙行程區域生長方法，通過形態學腐蝕和膨脹操作探測細小 氣管，但對高級外圍氣管的探測效果不佳，在低劑量、層厚較厚的CT圖像上表現較差，以氣 管各級分支為定量指標，最多分割出第十級氣管，氣管總分支數最多為145,分割效果有待 提尚。
【發明內容】
[0004] 本發明是為了解決上述問題而進行的，目的在于提供一種基于雙行程三維區域生 長與形態學相結合的肺部氣管樹分割算法，以實現對肺部氣管樹進行有效的分割。
[0005] 本發明提供了一種雙行程區域生長結合形態學重建的肺部氣管樹分割方法，具有 這樣的特征，包括如下步驟:步驟一，輸入待分割的胸部CT的序列斷層圖像;步驟二，根據肺 部氣管在序列斷層圖像中對應的位置及其CT值特點，自動從序列斷層圖像中獲取三維區域 生長的種子點p1;步驟三，以Pi作為種子點，采用3D區域生長算法進行第一行程區域生長，得 到肺部主支氣管樹A;步驟四，設定多尺度形態學算子，并利用灰度形態學重建操作，分別從 橫切面、冠狀面和矢狀面三個方向進行潛在氣管區域檢測，得到三個解剖位上的對應的氣 管標記圖％，1 2和此;步驟五，以肺部主支氣管樹4為基礎、三個解剖位上的氣管標記圖施12 和M3為限定條件，利用3D區域生長算法進行第二行程區域生長，得到對應的分割氣管樹M， A2和A3;步驟六，依據空間位置關系，將分割氣管樹Μ，A#PA3進行融合，得到最終的肺部氣管 樹分割結果F。
[0006]在本發明提供的雙行程區域生長結合形態學重建的肺部氣管樹分割方法中，還可 以具有這樣的特征，其中步驟三中還包括以下子步驟:子步驟3-1，設定波動范圍Index的 值;子步驟3-2,從種子APi開始，以堆棧隊列型的方式存儲種子點，當當前像素點是種子點 的26鄰域，且該像素點的CT值以及6鄰域的CT值分別與被納入氣管區域像素點平均CT值的 差值百分比A V不超過波動范圍Index時，被納入氣管區域：
[0008] 其中，A V表示當前像素點CT值與氣管區域平均CT值之間的差值百分比，value。表 示當前像素點CT值，valuea表示氣管區域平均CT值。
[0009] 在本發明提供的雙行程區域生長結合形態學重建的肺部氣管樹分割方法中，還可 以具有這樣的特征，其中子步驟3-1為：以Index = 0.05為初始值，AIndex = 0.02為步長，采 用迭代尋優的方式選取波動范圍Index的值，在每次生長迭代過程中遞增Index，當已分割 出的氣管區域平均CT值小于等于-850HU、Index的值不大于0.11、且差值百分比ΔΝ不大于 20%時，判定氣管未發生泄漏，且尚未分割完全，迭代繼續；否則，判定生長發生了泄漏，此 時將當前的波動范圍Index的值遞減0.02,并將遞減后的Index的值設定為最優波動范圍 Indexopt 的值：
[0011] 其中，ΔΝ為像素數N。和像素數Nf的差值百分比，像素數N。為當前區域生長結果的 像素數，像素數Nf為上次迭代中區域生長結果的像素數。
[0012] 在本發明提供的雙行程區域生長結合形態學重建的肺部氣管樹分割方法中，還可 以具有這樣的特征，其中，步驟四中，多尺度形態學算子為：依據肺部氣管在序列斷層圖像 上的形狀特征，定義一個4連通域的單位結構元素 D，單位結構元素 D對本身進行η次膨脹，從 而得到不同尺寸的多尺度結構元素 Dn，計算公式如下式所示：
[0014]式中，多尺度結構元素 Dn表示用單位結構元素 D對本身進行η次膨脹，η的最小值為 1，最大值為6。
[0015] 在本發明提供的雙行程區域生長結合形態學重建的肺部氣管樹分割方法中，還可 以具有這樣的特征，其中步驟四中，灰度形態學重建操作包括以下子步驟:子步驟4-1，使用 多尺度結構元素〇"，對單層序列斷層圖像進行形態學閉操作處理得到標記圖像Xi，計算公式 為：
[0016] X，冬咨壬識二公，
[0017] 式中仏表示胸部CT的序列斷層圖像的原圖像，i代表胸部CT的序列斷層圖像中的 任意CT切層，D表示單位結構元素，Xi表示Bi由單位結構元素 D經一次膨脹與腐蝕后得到的標 記圖像;子步驟4-2,運用標記圖像t與原圖m進行重構操作，重復運算直至Ik+1等于I k，從而 得到對應的高級氣管重構圖Ik+i，之后利用原圖Bi與重構圖像Ik+i相減得到標記圖Map_ Grayi，Ik+i的計算公式為：
[0018] 二 <4?1>)Π 氧，
[0019 ] 其中I i = Xi;子步驟4-3，選取合適的閾值，對標記圖Map_Gray i進行閾值化處理，采 用的閾值化處理公式為：
[0020] Threshold = T_index X (MaxValue-MinValue)+MinValue,
[0021 ] 式中Threshold代表最終的閾值，Maxvalue代表標記圖Map_Grayi中的最大值， Minvalue代表標記圖Map_Grayi中的最小值，T_index代表Maxvalue與Minvalue的差值系 數，取值為0.2。
[0022] 在本發明提供的雙行程區域生長結合形態學重建的肺部氣管樹分割方法中，還可 以具有這樣的特征:其中，在步驟五中，在第二行程區域生長中當像素點與種子點 ？1為26鄰 域且位于Mi (i = l，2，3)中，同時像素點的CT值與被納入氣管區域像素點平均CT值的差值百 分比不大于2倍的Index時，被納入肺部氣管樹區域。
[0023] 在本發明提供的雙行程區域生長結合形態學重建的肺部氣管樹分割方法中，還可 以具有這樣的特征:其中，Index值選取第一行程區域生長過程中得到的最優值Indexopt。
[0024] 發明的作用與效果
[0025] 根據本發明所涉及的雙行程區域生長結合形態學重建的肺部氣管樹分割方法，因 為設定多尺度形態學算子，并利用灰度形態學重建操作，分別從橫切面、冠狀面和矢狀面三 個方向進行潛在氣管區域檢測，得到三個解剖位上的對應的氣管標記圖，并以肺部主支氣 管樹為基礎、三個解剖位上的氣管標記圖為限定條件，利用3D區域生長算法進行第二行程 區域生長，所以，本發明的雙行程區域生長結合形態學重建的肺部氣管樹分割方法具有簡 單易實現，其分割結果顯示能夠分割出更高級別的氣管樹同時氣管樹分支數大幅度提高， 而且分割結果侵入肺實質的比例也較低。
【附圖說明】
[0026] 圖1是本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分割方法 的方法流程圖；
[0027] 圖2是本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分割方法 的分割路徑圖；
[0028] 圖3是本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分割方法 的針對不同案例獲得的分割結果圖；以及
[0029] 圖4是本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分割方法 與TW0RG的分割結果統計對照表，其中TW0RG代表文獻《Two-pass region growing algorithm for segmenting airway tree from MDCT chest scans〉〉中的算法。
【具體實施方式】
[0030] 為了使本發明實現的技術手段、創作特征、達成目的與功效易于明白了解，以下實 施例結合附圖對本發明雙行程區域生長結合形態學重建的肺部氣管樹分割方法作具體闡 述。
[0031] 實施例
[0032] 圖1是本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分割方法 的方法流程圖；圖2是本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分 割方法的分割路徑圖。
[0033] 如圖1所示，本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分 割方法包括如下步驟：
[0034]步驟一，輸入待分割DIC0M格式的胸部CT的序列斷層圖像。
[0035]步驟二，通過自動選取，在序列斷層圖像中獲取三維區域生長種子點P1。肺氣管內 部的(^值范圍為-102紐1]~-800!11]，且主支氣管位于圖像中間區域，直徑為1.0〇11~2.3〇11。 因此，設閾值T = -800HU，得到二值圖像。在二值圖像中間區域搜索位置與面積符合要求的 連通域并求其質心，以此質心作為最終的三維區域生長的種子點Pu
[0036]步驟三，以Pi作為種子點，采用3D區域生長算法進行第一行程區域生長，得到肺部 主支氣管樹A:
[0037] 子步驟3-1，設定波動范圍Index的值：以Index = 0.05為初始值，Δ Index = 0.02為 步長，采用迭代尋優的方式選取波動范圍Index的值，在每次生長迭代過程中遞增Index，當 已分割出的氣管區域平均CT值小于等于-850HU、Index的值不大于0.11、且差值百分比ΔΝ 不大于20%時，判定氣管未發生泄漏，且尚未分割完全，迭代繼續;否則，判定生長發生了泄 漏，此時將當前的波動范圍Index的值遞減0.02，并將遞減后的Index的值設定為最優波動 范圍Indexopt的值：
[0039] 其中，ΔΝ為像素數N。和像素數Nf的差值百分比，像素數N。為當前區域生長結果的 像素數，像素數Nf為上次迭代中區域生長結果的像素數；
[0040] 子步驟3-2,從種子APi開始，以堆棧隊列型的方式存儲種子點，當當前像素點是 種子點的26鄰域，且該像素點的CT值以及6鄰域的CT值分別與被納入氣管區域像素點平均 CT值的差值百分比△ V不超過波動范圍Index時，被納入氣管區域：
[0042]其中，AV表示當前像素點CT值與氣管區域平均CT值之間的差值百分比，value。表 示當前像素點CT值，valuea表示氣管區域平均CT值。
[0043] 步驟四，設定多尺度形態學算子，并利用灰度形態學重建操作，分別從橫切面、冠 狀面和矢狀面三個方向進行潛在氣管區域檢測，得到三個解剖位上的對應的氣管標記圖 Μι，M2 和 M3:
[0044] M. ~ , .減.
[0045] Mi表示任一解剖位的最終標記圖集合，Mapi表示任一解剖位的單層標記圖，S表示 CT序列圖的總層數。
[0046] 其中，多尺度形態學算子為:依據肺部氣管在序列斷層圖像上的形狀特征，定義一 個4連通域的單位結構元素D，單位結構元素D對本身進行η次膨脹，從而得到不同尺寸的多 尺度結構元素D n，計算公式如下式所示：
[0048] 式中，多尺度結構元素Dn表示用單位結構元素D對本身進行η次膨脹，η的最小值為 1，最大值為6;
[0049] 灰度形態學重建操作包括以下子步驟：
[0050] 子步驟4-1，使用多尺度結構元素Dn，對單層序列斷層圖像進行形態學閉操作處理 得到標記圖像t，計算公式為：
[0051 ]叉產SfD二(s您men'
[0052]式中仏表示胸部CT的序列斷層圖像的原圖像，i代表胸部CT的序列斷層圖像中的 任意CT切層，D表示單位結構元素，Xi表示Bi由單位結構元素D經一次膨脹與腐蝕后得到的標 記圖像；
[0053]子步驟4-2,運用標記圖像Xi與原圖m進行重構操作，重復運算直至Ik+1等于Ik，從 而得到對應的高級氣管重構圖Ik+i，之后利用原圖Bi與重構圖像Ik+i相減得到標記圖Map_ Grayi，Ik+i的計算公式為：
[0054] 5 = (Α Θ D) Π 為，
[0055] 其中 I1 = Xi;
[0056] 子步驟4-3，選取合適的閾值，對標記圖Map_Grayi進行閾值化處理，采用的閾值化 處理公式為：
[0057] Threshold = T_index X (MaxValue-MinValue)+MinValue,
[0058] 式中Threshold代表最終的閾值，Maxvalue代表標記圖Map_Grayi中的最大值， Minvalue代表標記圖Map_Grayi中的最小值，T_index [0059] 代表Maxvalue與Minvalue的差值系數，取值為0· 2〇
[0060]步驟五，以肺部主支氣管樹A為基礎、三個解剖位上的氣管標記圖施，12和此為限定 條件，利用3D區域生長算法進行第二行程區域生長，得到對應的分割氣管樹^，知和知。
[0061]為了能夠在不發生泄漏的情況下，盡可能地分割出較高級別的細小氣管，在粗分 割結果的基礎上，進行第二行程區域生長。當前像素點滿足以下條件時，被納入肺部氣管樹 區域：
[0062] 在第二行程區域生長中當像素點與種子點PiS26鄰域且位于1(1 = 1，2,3)中，同 時像素點的CT值與被納入氣管區域像素點平均CT值的差值百分比不大于2倍的Index時，被 納入肺部氣管樹區域。Index值選取第一行程區域生長過程中得到的最優值Index。#。
[0063] 由于引入了標記圖集合1作為區域生長的路徑，導致肺部氣管樹的平均CT值范圍 擴大，所以適當的增加波動范圍是必要的。本文選擇第一行程區域生長過程中得到的最優 Index值Indexopt，并在此基礎上將波動范圍擴大為2倍的Indexopt。經過實驗驗證，以第一次 區域生長確定的Index值為基礎進行CT值范圍的擴展，相比設定固定的擴展范圍，能夠更好 的依據數據的實際情況提取細小氣管，同時，也能防止因波動范圍過大，而導致的二次分割 泄漏。
[0064]步驟六，依據空間位置關系，將分割氣管樹AhAdPAs進行融合，得到最終的肺部氣 管樹分割結果F。
[0065]本實驗數據來自上海肺科醫院40排螺旋CT掃描圖像與LIDC數據庫，成像層厚 0.75mm~2.00_，空間分辨率為0.6836mm~0.7993_，每幅斷層圖像都是512X512的16位 DIC0M格式圖像。總共測試了 25組胸部CT序列斷層圖像（即25個病例），該分割實驗是在 Matlab R2015a環境下進彳丁的。
[0066] 圖3是本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分割方法 的針對不同案例獲得的分割結果圖。
[0067] 如圖3所示，對上述胸部CT序列斷層圖像，用本發明所述方法對肺部氣管樹進行了 分割。
[0068] 為了定量地評價該分割方法的性能，以各級氣管分支數、氣管總分支數為定量指 標，對分割結果進行定量比較分析。
[0069] 圖4是本發明的實施例中雙行程區域生長結合形態學重建的肺部氣管樹分割方法 與TW0RG的分割結果統計對照表，其中TW0RG代表文獻《Two-pass region growing algorithm for segmenting airway tree from MDCT chest scans〉〉中的算法。
[0070] 如圖4所示，利用本發明方法對25個肺部氣管樹進行了分割，并根據上述定量評判 標準對每個分割案例的各級氣管分支數以及氣管總分支數進行了統計，從實驗結果可得 出，本發明較現有國內外文獻，能夠探測出更多的有效氣管區域，最多可分割出12級氣管， 并且各級氣管數目在不同的CT數據中都有較好的表現。能夠探測出更多的氣管樹目，氣管 總分支數最高為293，最低為83，平均氣管分支數為156。因此，使用本發明方法可以較有效 地分割出肺部氣管樹。
[0071] 實施例的作用與效果
[0072] 根據本實施例所涉及的雙行程區域生長結合形態學重建的肺部氣管樹分割方法， 因為設定多尺度形態學算子，并利用灰度形態學重建操作，分別從橫切面、冠狀面和矢狀面 三個方向進行潛在氣管區域檢測，得到三個解剖位上的對應的氣管標記圖，并以肺部主支 氣管樹為基礎、三個解剖位上的氣管標記圖為限定條件，利用3D區域生長算法進行第二行 程區域生長，所以，本實施例的雙行程區域生長結合形態學重建的肺部氣管樹分割方法具 有簡單易實現，其分割結果顯示能夠分割出更高級別的氣管樹同時氣管樹分支數大幅度提 高，而且分割結果侵入肺實質的比例也較低。而且本實施例所涉及的雙行程區域生長結合 形態學重建的肺部氣管樹分割方法能夠探測出更多的有效氣管區域，最多可分割出12級氣 管，并且各級氣管數目在不同的CT數據中都有較好的表現。
[0073]上述實施方式為本發明的優選案例，并不用來限制本發明的保護范圍。
【主權項】
1. 一種雙行程區域生長結合形態學重建的肺部氣管樹分割方法，其特征在于，包括如 下步驟： 步驟一，輸入待分割的胸部CT的序列斷層圖像； 步驟二，根據肺部氣管在所述序列斷層圖像中對應的位置及其CT值特點，自動從所述 序列斷層圖像中獲取Ξ維區域生長的種子點Pi; 步驟Ξ,ΚΡι作為種子點，采用3D區域生長算法進行第一行程區域生長，得到肺部主支 氣管樹Α; 步驟四，設定多尺度形態學算子，并利用灰度形態學重建操作，分別從橫切面、冠狀面 和矢狀面Ξ個方向進行潛在氣管區域檢測，得到Ξ個解剖位上的對應的氣管標記圖化，M2和 Ms ； 步驟五，W所述肺部主支氣管樹A為基礎、所述Ξ個解剖位上的氣管標記圖化，M2和M3為 限定條件，利用3D區域生長算法進行第二行程區域生長，得到對應的分割氣管樹Ai，A2和A3; 步驟六，依據空間位置關系，將所述分割氣管樹Al，A2和A3進行融合，得到最終的肺部氣 管樹分割結果F。2. 根據權利要求1所述的雙行程區域生長結合形態學重建的肺部氣管樹分割算法，其 特征在于，其中步驟Ξ中還包括W下子步驟： 子步驟3-1，設定波動范圍Index的值； 子步驟3-2,從種子點Pi開始，W堆找隊列型的方式存儲種子點，當當前像素點是種子點 的26鄰域，且該像素點的CT值W及6鄰域的CT值分別與被納入氣管區域像素點平均CT值的 差值百分比A V不超過波動范圍Index時，被納入氣管區域：其中，Δν表示當前像素點CT值與氣管區域平均CT值之間的差值百分比，value。表示當 前像素點CT值，value。表示氣管區域平均CT值。3. 根據權利要求2所述的雙行程區域生長結合形態學重建的肺部氣管樹分割算法，其 特征在于，其中子步驟3-1為： Wlndex = 0.05為初始值，Δ Index = 0.02為步長，采用迭代尋優的方式選取波動范圍 Index的值，在每次生長迭代過程中遞增Index,當已分割出的氣管區域平均CT值小于等于- 850皿、Index的值不大于0.11、且差值百分比Δ N不大于20 %時，判定氣管未發生泄漏，且尚 未分割完全，迭代繼續;否則，判定生長發生了泄漏，此時將當前的波動范圍Index的值遞減 0.02，并將遞減后的Index的值設定為最優波動范圍Indexnpt的值：其中，an為像素數Nc和像素數化的差值百分比，像素數Nc為當前區域生長結果的像素 數，像素數化為上次迭代中區域生長結果的像素數。4. 根據權利要求1所述的雙行程區域生長結合形態學重建的肺部氣管樹分割算法，其 特征在于，其中步驟四中，所述多尺度形態學算子為： 依據肺部氣管在所述序列斷層圖像上的形狀特征，定義一個4連通域的單位結構元素 D，單位結構元素 D對本身進行η次膨脹，從而得到不同尺寸的多尺度結構元素 Dn，計算公式 如下式所示：7 式中，多尺度結構元素 Dn表示用單位結構元素 D對本身進行η次膨脹，η的最小值為1，最 大值為6。5. 根據權利要求1所述的雙行程區域生長結合形態學重建的肺部氣管樹分割算法，其 特征在于，其中步驟四中，所述灰度形態學重建操作包括W下子步驟： 子步驟4-1，使用多尺度結構元素 Dn，對單層所述序列斷層圖像進行形態學閉操作處理 得到標記圖像Xi，計算公式為：式中Bi表示所述胸部CT的序列斷層圖像的原圖像，i代表所述胸部CT的序列斷層圖像中 的任意CT切層，D表示單位結構元素，沿表示Bi由單位結構元素 D經一次膨脹與腐蝕后得到的 標記圖像； 子步驟4-2,運用標記圖像Xi與原圖Bi進行重構操作，重復運算直至Ik+i等于Ik,從而得 至Ij對應的高級氣管重構圖I k+i，之后利用原圖Bi與重構圖像I k+i相減得到標記圖Map_Gray i， Ik+i的計算公式為：其中Ii = Xi; 子步驟4-3，選取合適的闊值，對所述標記圖Map_Grayi進行闊值化處理，采用的闊值化 處理公式為： Threshold = T_indexX (Max Value-Min Value)+Min Value, 式中Threshold代表最終的闊值，Maxvalue代表所述標記圖Map_Grayi中的最大值， Minvalue代表所述標記圖Map_Grayi中的最小值，T_index代表Maxvalue與Minvalue的差值 系數，取值為0.2。6. 根據權利要求2所述的雙行程區域生長結合形態學重建的肺部氣管樹分割算法，其 特征在于： 其中，在步驟五中，在第二行程區域生長中當所述像素點與種子點Pi為26鄰域且位于Ml (i = l，2,3)中，同時所述像素點的CT值與被納入氣管區域像素點平均CT值的差值百分比不 大于2倍的Index時，被納入肺部氣管樹區域。7. 根據權利要求6所述的雙行程區域生長結合形態學重建的肺部氣管樹分割算法，其 特征在于： 其中，Index值選取第一行程區域生長過程中得到的最優值Indexopt。
【文檔編號】G06T7/00GK106097305SQ201610373406
【公開日】2016年11月9日
【申請日】2016年5月31日
【發明人】段輝宏, 陳軼群, 聶生東, 龔敬, 劉霽雨, 賀興怡, 代曉婷
【申請人】上海理工大學, 上海溪田信息技術有限公司