基于計算機視覺的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法

羅雪蓮，吳成聲，李家林

(銅陵職業(yè)技術(shù)學(xué)院 醫(yī)學(xué)系，安徽 銅陵 244000)

0 引 言

肺癌是癌癥中死亡率最高的疾病之一，其中肺結(jié)節(jié)是肺部常見病變，因此對肺結(jié)節(jié)的檢測非常重要。但是在臨床實踐中存在人為檢測無法辨別的微小病變，肺結(jié)節(jié)內(nèi)空泡影像自動定位成為目前亟需解決的問題[1]。

由于醫(yī)學(xué)影像本身存在灰度值不均勻、個體差異、噪聲、邊緣模糊等問題，給肺結(jié)節(jié)內(nèi)空泡影像自動定位帶來一定的難度。國外有學(xué)者提出CT肺癌篩查中肺結(jié)節(jié)大小測量定位算法，研究了2 240個不確定的固體結(jié)節(jié)(體積50～500 mm3)，以確定直徑和半自動體積測量在肺結(jié)節(jié)大小估計中的相關(guān)性。結(jié)節(jié)內(nèi)直徑變化定義為最大減去最小直徑。一般情況下利用肺CT篩查報告和數(shù)據(jù)系統(tǒng)檢查高于1.5mm結(jié)節(jié)生長情況。使用平均或最大軸向直徑來評估結(jié)節(jié)體積，但不確定結(jié)節(jié)的大小很難用直徑來表示，而在國內(nèi)傳統(tǒng)的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法漏檢數(shù)量較高[2]，因此將計算機視覺技術(shù)應(yīng)用到肺結(jié)節(jié)內(nèi)空泡影像自動定位中，以解決這一問題。

計算機視覺技術(shù)是指用攝像機和電腦及其他相關(guān)裝置對生物進(jìn)行視覺模擬操作的技術(shù)，其主要優(yōu)勢在于可利用采集到的信息對圖片或視頻實現(xiàn)三維可視化操作，并進(jìn)一步對采集的信息進(jìn)行處理，將其處理成為適合人眼觀察或傳送給儀器檢測的圖像。因此，將其應(yīng)用到肺結(jié)節(jié)內(nèi)空泡影像自動定位中，以提高肺結(jié)節(jié)內(nèi)空泡影像自動定位的準(zhǔn)確度[3]。此次設(shè)計方法合理應(yīng)用計算機視覺技術(shù)，首先利用計算機視覺技術(shù)對肺結(jié)節(jié)內(nèi)空泡影像提取，并對其進(jìn)行灰度變換與濾波處理，得到準(zhǔn)確的肺結(jié)節(jié)內(nèi)空泡影像信息。在此基礎(chǔ)上，設(shè)計2個3-D網(wǎng)路結(jié)構(gòu)檢測候選結(jié)節(jié)和去除假陽性結(jié)節(jié)，實現(xiàn)肺結(jié)節(jié)內(nèi)空泡影像自動定位。實驗對比結(jié)果表明，此次設(shè)計的定位算法比傳統(tǒng)算法的漏檢數(shù)量少，能夠準(zhǔn)確對肺結(jié)節(jié)內(nèi)空泡影像定位。

1 肺結(jié)節(jié)內(nèi)空泡影像提取

為獲得精準(zhǔn)的肺結(jié)節(jié)內(nèi)空泡影像，采用計算機視覺技術(shù)，獲取肺結(jié)節(jié)內(nèi)空泡影像[4]。將獲取的影像結(jié)果進(jìn)行數(shù)字化處理，把圖像信號轉(zhuǎn)變?yōu)閿?shù)字圖像信號，轉(zhuǎn)換原理如圖1所示。

圖1 圖像轉(zhuǎn)換過程

抽樣和量化處理由計算機視覺技術(shù)來收集圖像的數(shù)據(jù)信息。在進(jìn)行抽樣檢測過程中，設(shè)Q表示轉(zhuǎn)換過程中橫向像素，W表示轉(zhuǎn)換過程中縱向像素，則圖像表示為Q×W個像素[5]，在進(jìn)行實際抽樣時，根據(jù)(1)式對圖像進(jìn)行間隔抽樣。

(1)

公式(1)中，F(xiàn)(t)代表圖像抽樣值，C代表分解時間上的離散像素， 2β代表抽樣函數(shù)，N代表圖像像素的濃度值。

在此基礎(chǔ)上，利用計算機視覺技術(shù)對得到的肺結(jié)節(jié)內(nèi)空泡影像預(yù)處理，同時轉(zhuǎn)換成標(biāo)準(zhǔn)格式[6-7]。首先對肺結(jié)節(jié)內(nèi)空泡影像進(jìn)行灰度變換，同時對灰度范圍進(jìn)行擴大，增加其區(qū)域，以此改善圖像的效果，表達(dá)式如下

g(x,y)=J(b-a)

(2)

公式(2)中，J代表圖像的輸入灰度，b-a代表圖像像素的灰度級。

在灰度變換的基礎(chǔ)上，采用計算機視覺技術(shù)對肺結(jié)節(jié)內(nèi)空泡影像濾波處理，首先獲取噪聲圖像窗口中的最大和最小灰度值像素的中間值，然后利用獲取的中間值進(jìn)行濾波可視化操作計算，最后與閾值進(jìn)行對比。假設(shè)o表示的是以n為中心求取p的最終中值，q代表影像中某一個圖片特征信息， 然后將q放入直方圖中，提取肺結(jié)節(jié)內(nèi)空泡影像公式如下

(3)

公式(3)中，Hi代表以g為中心， 某個特征i下的權(quán)重值；n代表全部特征；O代表像素中心點。

將各項特征值的權(quán)重相加即權(quán)值，獲取到處理后的影像信息，通過上述計算能夠保留圖像邊緣信息[8-9]，在濾波后更好區(qū)分所得到的肺結(jié)節(jié)內(nèi)空泡影像信息。最后提取灰度轉(zhuǎn)換后與濾波后的影像信息。采用計算機視覺中的模式識別技術(shù)，從圖像抽取的統(tǒng)計特性或結(jié)構(gòu)信息，將圖像分成預(yù)定的類別，以此完成肺結(jié)節(jié)內(nèi)空泡影像提取，為肺結(jié)節(jié)內(nèi)空泡影像自動定位提供基礎(chǔ)依據(jù)。

2 肺結(jié)節(jié)內(nèi)空泡影像自動定位

在上述肺結(jié)節(jié)內(nèi)空泡影像獲取和處理完成的基礎(chǔ)上，對肺結(jié)節(jié)內(nèi)空泡影像自動定位[10]，設(shè)計2個3-D網(wǎng)絡(luò)結(jié)構(gòu)檢測候選結(jié)節(jié)和去除假陽性結(jié)節(jié)，肺結(jié)節(jié)內(nèi)空泡影像自動定位原理如圖2所示。

圖2 肺結(jié)節(jié)內(nèi)空泡影像自動定位原理

根據(jù)計算機視覺技術(shù)原理，首先對候選結(jié)節(jié)檢測，候選結(jié)節(jié)檢測部分通過區(qū)域生成網(wǎng)絡(luò)實現(xiàn)，區(qū)域生成網(wǎng)絡(luò)的目的是尋找潛在的結(jié)節(jié)區(qū)域[11-12]。將上述通過計算機視覺技術(shù)獲取的影像信息作為輸入數(shù)據(jù)，并輸出一系列目標(biāo)矩形框。為了生成候選區(qū)域，使用1個較小的滑動窗口網(wǎng)絡(luò)對最后1個特征映射進(jìn)行計算。若網(wǎng)絡(luò)完全連接到空間串行端口，根據(jù)輸入卷積特性，每個滑動窗口映射1個維數(shù)為512的低維向量，其區(qū)域生成網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖3 區(qū)域生成網(wǎng)絡(luò)

因該網(wǎng)絡(luò)區(qū)域有眾多可滑動控制的窗口，所以在連接各區(qū)域的空間位置可自由操作，在滑動窗口對應(yīng)的位置，對可操作的區(qū)域進(jìn)行預(yù)測。設(shè)有5個輸出窗口，用于標(biāo)識固定邊框坐標(biāo)[13-14]，分類層輸出2個得分值用來估計每個候選區(qū)域是否為結(jié)節(jié)的概率。為了匹配生成網(wǎng)絡(luò)的節(jié)層，采用卷積控制其類別，同時用較小程度的卷積網(wǎng)絡(luò)控制節(jié)點特征，在每次操作過程中使標(biāo)準(zhǔn)層達(dá)到最大化，最終形成特征向量，其計算如下

(4)

公式(4)中，sf代表結(jié)節(jié)的特征向量，A代表卷積網(wǎng)絡(luò)的輸出得分，d為結(jié)節(jié)種類，c代表某一候選結(jié)節(jié)，a為結(jié)節(jié)預(yù)測概率。

由于上述過程生成候選結(jié)節(jié)集中存在大量的假陽性結(jié)節(jié)，所以對其去除[13-14]。將上一個計算檢測出的候選區(qū)域，以其中心進(jìn)行剪裁，將其輸入到卷積層中提取特征，并提取其高層特征，自動定位肺結(jié)節(jié)內(nèi)空泡影像，計算公式如下

(5)

在上述檢測候選結(jié)節(jié)和去除假陽性結(jié)節(jié)的基礎(chǔ)上，利用計算機視覺中的三維max-pooling和二元邏輯回歸方式判斷肺結(jié)節(jié)情況，以完成肺結(jié)節(jié)內(nèi)空泡影像自動定位。為證明此次設(shè)計的算法的有效性，將在下一步進(jìn)行實驗。

3 實驗對比

為了檢驗本文設(shè)計的基于計算機視覺的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法的定位效果以及可行性，以漏檢數(shù)量多少作為證明此次設(shè)計定位算法的有效性依據(jù)，漏檢數(shù)量越少代表定位越準(zhǔn)確，反之代表定位效果差。為了保證實驗的嚴(yán)謹(jǐn)性，采用傳統(tǒng)算法與此次設(shè)計的基于計算機視覺的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法對比。

3.1 實驗數(shù)據(jù)準(zhǔn)備

實驗采用SPSS 16.0，對某醫(yī)院醫(yī)療數(shù)據(jù)庫中的數(shù)據(jù)集進(jìn)行分析，該數(shù)據(jù)集中的各個病例包含對應(yīng)醫(yī)師標(biāo)注的文件，其中每個標(biāo)注的記錄包含最多4名醫(yī)師的醫(yī)學(xué)意見。對于肺結(jié)節(jié)內(nèi)空泡影像的分布情況進(jìn)行不同程度的觀察和評估。按照實驗要求挑選20套CT，參數(shù)設(shè)置如下：包含23個結(jié)節(jié)，結(jié)節(jié)中位置、大小等不同，因此對肺結(jié)節(jié)信息分類，一類是3～5 mm直徑的肺結(jié)節(jié)5個；另一類是>5～10 mm直徑的肺結(jié)節(jié)15個；第三類是>10～20 mm直徑的肺結(jié)節(jié)3個。采用的實驗標(biāo)準(zhǔn)是對比兩種方法定位算法的漏檢數(shù)量，兩種方法的檢測結(jié)果采用reception網(wǎng)絡(luò)提取，以保證實驗結(jié)果的準(zhǔn)確性。

3.2 實驗結(jié)果分析

傳統(tǒng)定位算法與此次設(shè)計的基于計算機視覺的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法對于肺結(jié)節(jié)的漏檢數(shù)量如表1所示。

表1 實驗對比結(jié)果

分析表1實驗結(jié)果可知，此次設(shè)計的定位方法檢測到的3～5 mm直徑的肺結(jié)節(jié)數(shù)量與實際肺結(jié)節(jié)數(shù)量相同，無漏檢情況，傳統(tǒng)方法檢測到的3～5 mm直徑的肺結(jié)節(jié)數(shù)量與實際肺結(jié)節(jié)數(shù)量相差2個，代表肺結(jié)節(jié)的漏檢數(shù)量為2；在>5～10 mm直徑的肺結(jié)節(jié)大小檢測中，此次設(shè)計的方法與實際肺結(jié)節(jié)數(shù)量相差1個，代表漏檢數(shù)量為1，而傳統(tǒng)方法的檢測數(shù)量與實際的數(shù)量相差5個，代表漏檢數(shù)量為5；在>10～20 mm直徑的肺結(jié)節(jié)大小檢測中，此次設(shè)計的方法與實際肺結(jié)節(jié)數(shù)量相差0個，代表全部檢測出肺結(jié)節(jié)，而傳統(tǒng)方法的檢測數(shù)量與實際的數(shù)量相差1個，代表漏檢數(shù)量為1。在計算機視覺檢測的基礎(chǔ)上，利用本文方法和傳統(tǒng)方法對肺結(jié)節(jié)內(nèi)空泡影像自動定位，在相同情況下，對多層次的肺結(jié)節(jié)實行2次定位，定位速度為4.5～13.0 s,本文方法和傳統(tǒng)方法定位的邊緣空泡結(jié)果如圖4所示。

(a)傳統(tǒng)方法定位邊緣空泡結(jié)果 (b)本文方法定位邊緣空泡結(jié)果

由圖4可知，本文方法定位結(jié)果邊緣無多余空泡，而采用傳統(tǒng)方法定位邊緣會有多余空泡產(chǎn)生，邊緣空泡可在一定程度上反應(yīng)肺結(jié)節(jié)密度，CT影像顯示肺結(jié)節(jié)內(nèi)有含氣間隙結(jié)構(gòu)，含氣間隙結(jié)構(gòu)的大小、形態(tài)和位置與邊緣空泡的性質(zhì)有關(guān)。目前醫(yī)療診斷狀況下多使用CT影像診斷肺結(jié)節(jié)，因此邊緣空泡性質(zhì)對醫(yī)療的診斷結(jié)果也會有影響。

綜合實驗對比結(jié)果可知，此次設(shè)計的基于計算機視覺的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法比傳統(tǒng)算法的漏檢數(shù)量少，能夠準(zhǔn)確對肺結(jié)節(jié)內(nèi)空泡影像定位。因為此次設(shè)計的算法應(yīng)用計算機視覺技術(shù)，能夠準(zhǔn)確獲取影像信息，對肺結(jié)節(jié)內(nèi)空泡影像自動定位。上述對比結(jié)果證明了此次設(shè)計的算法的有效性，能夠為肺結(jié)節(jié)治療提供一定的幫助。

4 結(jié)論與討論

傳統(tǒng)的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法存在漏檢數(shù)量多的問題，針對這一問題，本文設(shè)計了一種基于計算機視覺的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法。首先利用計算機視覺技術(shù)提取肺結(jié)節(jié)內(nèi)空泡影像信息，并對其進(jìn)行灰度轉(zhuǎn)換和濾波處理，然后通過檢測候選結(jié)節(jié)和去除假陽性結(jié)節(jié)2個步驟實現(xiàn)了肺結(jié)節(jié)內(nèi)空泡影像自動定位。以漏檢數(shù)量作為兩種算法的評判依據(jù)，實驗對比結(jié)果表明，此次設(shè)計的基于計算機視覺的肺結(jié)節(jié)內(nèi)空泡影像自動定位算法比傳統(tǒng)算法的漏檢數(shù)量少，本文方法定位結(jié)果邊緣無多余空泡產(chǎn)生，在>10～20 mm直徑的肺結(jié)節(jié)大小檢測中，此次設(shè)計的方法與實際肺結(jié)節(jié)數(shù)量相差0個，代表全部檢測出肺結(jié)節(jié)，說明能夠準(zhǔn)確對肺結(jié)節(jié)內(nèi)空泡影像定位。希望此次設(shè)計的算法能夠為肺結(jié)節(jié)診斷提供一定的幫助，以提高肺癌診斷的準(zhǔn)確率。