一种肺部ct图像的血管分叉点提取方法及系统的制作方法
【技术领域】
[0001] 本发明属于图像处理领域，尤其涉及一种肺部CT图像的血管分叉点提取方法及 系统。
【背景技术】
[0002] 肺部CT图像是利用人体组织对X射线的吸收与透过率的不同扫描获得的重建图 像。提取肺部CT图像的特征点具有重要应用意义，是视觉处理和图像处理的前提和基础。 肺部CT图像的特征主要有角点，边缘点，拐点，边界和纹理等，在肺部CT图像中，血管分叉 点因其特殊的几何结构，是肺运动估计、图像配准等计算机视觉领域中任务的基础，对图像 分析中的自动标定和配准的精度产生直接影响。
[0003] 现有技术提出的肺部CT图像的血管分叉点提取方法可以大致分为三类：第一类 是基于血管中心线的分叉点提取方法，这类方法的一般流程为，先用血管分割算法提取出 肺部图像的血管结构，再用血管细化算法进行骨架提取以得到单像素血管树形结构，而从 血管树中提取到的节点作为血管分叉点。这种算法依赖于前期血管分割的精度以及细化的 准确性，容易产生许多误检分叉点，或是对弱血管存在漏检情况；第二类是基于Hessian矩 阵的分叉点提取方法，这类方法首先要计算图像二阶导数矩阵也即Hessian矩阵，继而求 解矩阵特征值，用特征组合构建一个滤波器，以在分叉点处得到最大响应。这类方法对噪 声敏感，同时难以区分血管分叉点与血管端点；第三类方法是基于机器学习算法的分叉点 提取方法，这类方法主要是利用机器学习算法构建一个分类器，对从图像中提取到的特征 (如特征向量直方图、灰度值局部均值等）进行训练以从候选点中划分出分叉点。这类方法 由于使用了机器学习算法，在训练阶段会占用比较多时间，提取效率较低。
【发明内容】
[0004] 本发明实施例的目的在于提供一种肺部CT图像的血管分叉点提取方法，旨在解 决现有的血管交叉点提取方法对细化结果要求高以及对噪声敏感的问题。
[0005] 本发明实施例是这样实现的，一种肺部CT图像的血管分叉点提取方法，所述方法 包括以下步骤：
[0006] 对肺CT图像中的支气管和血管进行增强，并确定增强后的像素点中、属于血管的 像素点；
[0007] 每一个属于血管的像素点分别向投票窗口内的其它属于血管的像素点进行球张 量投票；
[0008] 根据球张量投票结果，对每一点累积的球张量票数进行分解，得到备选血管分叉 点的集合；
[0009] 利用主成分分析算法对每一备选血管分叉点进行分析，以去除血管的末端点，得 到准确的血管分叉点。
[0010] 本发明实施例的另一目的在于提供一种肺部CT图像的血管分叉点提取系统，所 述系统包括：
[0011] 血管像素点确定模块，用于对肺CT图像中的支气管和血管进行增强，并确定增强 后的像素点中、属于血管的像素点；
[0012] 球张量投票模块，用于控制每一个属于血管的像素点分别向投票窗口内的其它属 于血管的像素点进行球张量投票；
[0013] 备选血管分叉点集合获取模块，用于根据球张量投票结果，对每一点累积的球张 量票数进行分解，得到备选血管分叉点的集合；
[0014] 血管分叉点提取模块，用于利用主成分分析算法对每一备选血管分叉点进行分 析，以去除血管的末端点，得到准确的血管分叉点。
[0015] 本发明提出的肺部CT图像的血管分叉点提取方法及系统充分利用了血管分叉点 在几何结构上的球型特征、以及张量投票的累加性，通过对增强后的肺CT图像上属于血管 的像素点进行球张量投票，求解球张量显著性系数的局部最大值以获得备选血管分叉点， 之后利用主成分分析算法去除血管的末端点，得到准确的肺部血管分叉点。该方法及系统 执行效率较高，无需图像前期处理操作，对噪声具有较强的鲁棒性，可以为后期的图像配准 和肺部运动估计提供重要依据，有利于后期的肺部CT图像分析，辅助临床诊断与治疗。
【附图说明】
[0016] 图1是本发明实施例提供的肺部CT图像的血管分叉点提取方法的流程图；
[0017] 图2是本发明实施例中，确定属于血管的像素点的第一种详细流程图；
[0018] 图3是本发明实施例中，确定属于血管的像素点的第二种详细流程图；
[0019] 图4是本发明实施例中，对特征值和特征向量进行重构的详细流程图；
[0020] 图5是本发明实施例中，确定准确的血管分叉点的详细流程图；
[0021] 图6是本发明实施例提供的肺部CT图像的血管分叉点提取系统的结构图；
[0022] 图7是图6中血管像素点确定模块的第一种结构图；
[0023] 图8是图6中血管像素点确定模块的第二种结构图；
[0024] 图9是图8中重构子模块的结构图；
[0025] 图10是图6中血管分叉点提取模块的结构图。
【具体实施方式】
[0026] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0027] 本发明提出的肺部CT图像的血管分叉点提取方法充分利用了血管分叉点在几何 结构上的球型特征、以及张量投票的累加性，通过对增强后的肺CT图像上属于血管的像素 点进行球张量投票，求解球张量显著性系数的局部最大值以获得备选血管分叉点，之后利 用主成分分析算法去除血管的末端点，得到准确的肺部血管分叉点。
[0028] 图1示出了本发明实施例提供的肺部CT图像的血管分叉点提取方法的流程，包括 以下步骤：
[0029] S1 :对肺CT图像中的支气管和血管进行增强，并确定增强后的像素点中、属于血 管的像素点。
[0030] 作为第一种优选实现方式，如图2所示，步骤S1进一步包括以下步骤：
[0031] S11 :利用多尺度高斯函数对肺CT图像进行平滑。
[0032] 假设G(x，y，z;〇)为尺度为〇的三维高斯函数，则肺CT图像I(x，y，z)在 尺度 〇 下的平滑结果I。（X，y，z)表示为：/"(.Y，>'，z) = /(x，>'，z)?(7(x，.>'，z;a)，其中，
【主权项】
1. 一种肺部CT图像的血管分叉点提取方法，其特征在于，所述方法包括以下步骤： 对肺CT图像中的支气管和血管进行增强，并确定增强后的像素点中、属于血管的像素 占. 每一个属于血管的像素点分别向投票窗口内的其它属于血管的像素点进行球张量投 票； 根据球张量投票结果，对每一点累积的球张量票数进行分解，得到备选血管分叉点的 集合； 利用主成分分析算法对每一备选血管分叉点进行分析，以去除血管的末端点，得到准 确的血管分叉点。
2. 如权利要求1所述的肺部CT图像的血管分叉点提取方法，其特征在于，所述对肺CT 图像中的支气管和血管进行增强，并确定增强后的像素点中、属于血管的像素点的步骤又 包括以下步骤： 利用多尺度高斯函数对肺CT图像进行平滑，若尺度为。的三维高斯函数为G(X，y,z;〇 )，所述肺CT图像为I(X，y,z)，所述肺CT图像I(X，y,z)在所述尺度〇下 的平滑结果为I。（x，y，z)，则所述利用多尺度高斯函数对肺CT图像进行平滑的表示为：
在每一尺度下，根据平滑结果计算所述肺CT图像中每一点的Hessian矩阵； 对每一点的所述Hessian矩阵进行特征值分解，得到三个特征值以及与三个特征值分 别 对应的特征向量； 根据每一点的所述特征值和特征向量，估计对应点在每一尺度下属于管状结构的可能 性； 取每一点在不同尺度下的可能性的最大值作为对应点属于管状结构的可能性的最终 值； 利用弥散函数对所述肺CT图像中每一可能性大于0的点的强度进行更新，直到更新次 数达到最大迭代次数为止，得到增强后的血管强度； 判定所述增强后的血管强度达到设定阈值的点为所述属于血管的像素点。
3. 如权利要求1所述的肺部CT图像的血管分叉点提取方法，其特征在于，所述对肺CT 图像中的支气管和血管进行增强，并确定增强后的像素点中、属于血管的像素点的步骤又 包括以下步骤： 利用多尺度高斯函数对肺CT图像进行平滑，若尺度为。的三维高斯函数为G(X，y,z;〇 )，所述肺CT图像为I(X，y,z)，所述肺CT图像I(X，y,z)在所述尺度〇下 的平滑结果为I。（x，y，z)，则所述利用多尺度高斯函数对肺CT图像进