胸部CT圖像肺區(qū)域邊界凹陷自動(dòng)修補(bǔ)

張欣，王兵，楊穎，王苗，吳辰，張進(jìn)興

1.河北大學(xué)電子信息工程學(xué)院，河北保定 071002

2.河北大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院，河北保定 071002

3.河北大學(xué)附屬醫(yī)院CT室，河北保定 071002

胸部CT圖像肺區(qū)域邊界凹陷自動(dòng)修補(bǔ)

張欣1，王兵2，楊穎3，王苗2，吳辰2，張進(jìn)興2

1.河北大學(xué)電子信息工程學(xué)院，河北保定 071002

2.河北大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院，河北保定 071002

3.河北大學(xué)附屬醫(yī)院CT室，河北保定 071002

1 引言

大量研究證明，計(jì)算機(jī)輔助診斷技術(shù)（Computer Aided Diagnosis，CAD）能有效地幫助放射科醫(yī)生從CT（Computerized Tomography）圖像中檢測(cè)出肺部疾病，并為肺癌的早期診斷奠定基礎(chǔ)[1-2]。在臨床影像診斷過程中，醫(yī)生一般只關(guān)注有利于疾病診斷的感興趣區(qū)域，就肺部CT圖像的特點(diǎn)，能夠反映肺部病變的信息全部集中在肺部區(qū)域中，而其他如胸廓、心臟、隔膜、檢查床等屬于不相關(guān)信息，因此，肺組織自動(dòng)分割是計(jì)算機(jī)輔助診斷技術(shù)中一個(gè)必要的預(yù)處理過程，準(zhǔn)確有效地分割出肺實(shí)質(zhì)區(qū)域，是提取疑似病變區(qū)域的基礎(chǔ)。肺與周圍組織的對(duì)比形成了大多數(shù)分割方法的基礎(chǔ)，通常采用閾值分割、區(qū)域增長等方法求得閾值將CT圖像二值化。在通過上述閾值及區(qū)域生長對(duì)肺區(qū)域進(jìn)行分割時(shí)，提取出來的肺實(shí)質(zhì)是不完整的，即肺邊界會(huì)有凹陷。主要有兩種類型的凹陷，一種是與肺壁粘連的腫瘤與肺壁在灰度級(jí)上近似，容易被分割掉，形成胸膜結(jié)節(jié)型凹陷。另一種是兩個(gè)肺實(shí)質(zhì)之間的凹陷，主要是由肺部血管造成的，稱為血管型凹陷。肺實(shí)質(zhì)分割時(shí)，未將腫瘤區(qū)域和肺部血管包含在肺實(shí)質(zhì)內(nèi)會(huì)導(dǎo)致腫瘤、血管、氣管等特征提取或識(shí)別等后續(xù)操作都不能正確進(jìn)行，所以需要對(duì)有凹陷的肺區(qū)域采取修補(bǔ)操作。迄今為止已提出多種方法用于修補(bǔ)分割后的肺區(qū)域邊界凹陷。滾球法[3]采用一個(gè)球形（或圓形）結(jié)構(gòu)元素在提取出來的肺區(qū)域邊界上沿某個(gè)方向滾動(dòng)，在滾動(dòng)的過程中，凡是被滾球和肺區(qū)域封閉的值為1（二值圖像）的區(qū)域都?xì)w入肺區(qū)域。滾球法適合修補(bǔ)小的胸膜結(jié)節(jié)型凹陷和細(xì)小血管型凹陷，滾球半徑過大計(jì)算成本會(huì)大幅度增加，并引起局部形狀失真。文獻(xiàn)[4]采用樣條曲線擬合的方法僅對(duì)肺區(qū)域外側(cè)的胸膜結(jié)節(jié)型凹陷進(jìn)行修補(bǔ)。文獻(xiàn)[5-6]采用邊界行進(jìn)算法修補(bǔ)邊界凹陷，并給出一個(gè)凹陷修補(bǔ)的自適應(yīng)判斷條件旨解決過分割問題。幾何凸點(diǎn)搭橋法[7-8]計(jì)算肺區(qū)域邊界線上每點(diǎn)的曲率，根據(jù)曲率大小將其分為凸點(diǎn)與非凸點(diǎn)，尋找一對(duì)凸點(diǎn)，按照預(yù)先設(shè)定的準(zhǔn)則確定是否為凹陷缺口的搭橋點(diǎn)。這兩種方法計(jì)算量相對(duì)較大，限制了其應(yīng)用范圍。

由于提取出的肺部輪廓線是封閉的曲線，需要修補(bǔ)的凹陷缺口處兩側(cè)可找到曲線的凸點(diǎn)，連接凹陷缺口處兩邊的兩個(gè)鄰近凸點(diǎn)可修補(bǔ)曲線的凹陷。定義封閉數(shù)字曲線的凸點(diǎn)為曲線的局部極小值點(diǎn)，本文采用曲線局部極小值點(diǎn)連線法修補(bǔ)閾值分割后的CT橫斷面圖像肺區(qū)域邊界處血管和胸膜結(jié)節(jié)型凹陷。通過計(jì)算邊界曲線在不同坐標(biāo)系下的局部極小值檢測(cè)曲線的凸點(diǎn)，代替通過計(jì)算邊界點(diǎn)曲率找凸點(diǎn)的方法。連接凹陷缺口處兩邊的兩個(gè)鄰近局部極小值點(diǎn)，修補(bǔ)凹陷部分。將肺區(qū)域邊界線上的點(diǎn)分為局部極小值點(diǎn)和非局部極小值點(diǎn)兩類，通過設(shè)置不同的匹配模板，用于在不同坐標(biāo)系下尋找邊界曲線的局部極小值點(diǎn)。

2 局部極小值點(diǎn)連線法

2.1 分割肺區(qū)域

令F表示一幅肺部CT圖像區(qū)域，經(jīng)過自適應(yīng)閾值分割后提取出胸廓內(nèi)部的感興趣區(qū)域，包括左右肺實(shí)質(zhì)、氣管和支氣管等。在感興趣區(qū)域中分離出表示左肺和右肺的兩個(gè)連通分量，如圖1所示。令其為目標(biāo)區(qū)域T，賦值為1（圖中為黑顏色），形成肺部掩膜；目標(biāo)區(qū)域以外的區(qū)域?yàn)楸尘皡^(qū)域F-T，賦值為0（圖中為白顏色），背景區(qū)域是T的補(bǔ)集(T)c，為一個(gè)完整的連通區(qū)域。以圖像中左邊的肺部區(qū)域?yàn)槔?，區(qū)域的外接矩形在上下兩邊與肺交于點(diǎn)H和點(diǎn)L，接下來針對(duì)肺部掩膜檢測(cè)凹陷，并將其修補(bǔ)。

圖1 肺區(qū)域連通分量

2.2 二值圖像邊界局部極小值點(diǎn)

分割肺區(qū)域后，肺區(qū)域邊界形成一條封閉的曲線，在所得的封閉曲線上檢測(cè)凹陷時(shí)，需要找到凹陷缺口處兩個(gè)鄰近的連接點(diǎn)，如圖2中A和B兩點(diǎn)。其中，︵AB為A到B原有的曲線邊界的長度，----AB為A到B直線的長度，V點(diǎn)為凹陷處一點(diǎn)。若滿足預(yù)先設(shè)置的條件：

則認(rèn)為A與B之間具有需要修補(bǔ)的凹陷。于是將A到B的直線代替A到B原有的曲線邊界，對(duì)邊界上的凹陷部分進(jìn)行修補(bǔ)。如何在凹陷缺口處找到兩個(gè)合適的連接點(diǎn)來修補(bǔ)凹陷缺口，即選擇哪兩個(gè)點(diǎn)做連線？

圖2 邊界凹陷修補(bǔ)示意圖

凸點(diǎn)搭橋法對(duì)肺區(qū)域輪廓進(jìn)行有序邊界的跟蹤，得到一條封閉的有序曲線，計(jì)算每個(gè)邊界點(diǎn)的曲率，將邊界上的點(diǎn)區(qū)分為凸點(diǎn)和非凸點(diǎn)，找到凹陷缺口處兩邊的兩個(gè)鄰近的凸點(diǎn)（曲率值大于0），連接凸點(diǎn)對(duì)凹陷部分進(jìn)行修補(bǔ)。在選擇連接點(diǎn)時(shí)如果避免計(jì)算邊界點(diǎn)的曲率，可有效提高邊界凹陷檢測(cè)的效率。

令S代表一幅圖像中像素的子集，p是S中的像素，其坐標(biāo)是(x,y)，p在水平和垂直的方向有4個(gè)相鄰像素，其坐標(biāo)：

這個(gè)像素集稱為p的4鄰域，用N4(p)表示。p的4個(gè)對(duì)角線的相鄰像素用ND(p)表示，則p的8鄰域像素集為：

令V是用于定義鄰接性的灰度值集合，在二值圖像中，如果把具有1值的像素歸入鄰接的，則V={1}，同樣，如果把具有0值的像素歸入鄰接的，則V={0}。如果q∈N4(p)，則具有V中數(shù)值的兩個(gè)像素p和q定義為4鄰接的。

定義1（4鄰域通路）從具有坐標(biāo)（x，y）的像素p到具有坐標(biāo)（s，t）的像素q的4鄰域通路是特定的像素序列，其坐標(biāo)為：

其中，(x0,y0)=(x,y),(xn,yn)=(s,t)，并且像素(xi,yi)和是4鄰接的。n是通路長度。

定義2（邊界局部極小值點(diǎn)）令R是二值圖像中目標(biāo)區(qū)域T的一個(gè)連通區(qū)域，如圖1中一個(gè)黑顏色區(qū)域。若像素e是R的邊界點(diǎn)，則e有一個(gè)或多個(gè)不在R中的鄰域點(diǎn)（4鄰域點(diǎn)或8鄰域點(diǎn)），但至少有一個(gè)在R中的鄰點(diǎn)h。令e中有r(1≤r≤7)個(gè)不在R中的鄰域點(diǎn)，若e是區(qū)域邊界局部極小值點(diǎn)，則e的不在R中的鄰域點(diǎn)有4鄰域通路，并且通路長度為n(4≤n≤7)。即e的鄰域中不在R中的點(diǎn)至少有4個(gè)，并且是連通的，不被1值打斷。

邊界局部極小值點(diǎn)在一定程度上反映了曲線的凸凹特性。如圖3所示，陰影區(qū)域的值為1，背景區(qū)域的值為0。圖3（a）表示將圖2中的曲線逆時(shí)針旋轉(zhuǎn)角度α后，在凹陷缺口處找到局部極小值點(diǎn)A，圖3（b）表示將曲線逆時(shí)針旋轉(zhuǎn)角度β后，在凹陷缺口另一邊找到局部極小值點(diǎn)B。若AB連線滿足公式（1），則連接A、B兩點(diǎn)修補(bǔ)凹陷。將區(qū)域邊界線上的點(diǎn)分為局部極小值點(diǎn)和非局部極小值點(diǎn)兩類。通過求邊界曲線在不同的平面坐標(biāo)系下的局部極小值點(diǎn)，可代替求邊界點(diǎn)的曲率。

圖3 檢測(cè)邊界局部極小值點(diǎn)示意圖

2.3 模板匹配

對(duì)于數(shù)字曲線，可以通過設(shè)置不同的匹配模板，實(shí)現(xiàn)在不同坐標(biāo)系下檢測(cè)局部極小值點(diǎn)[9]。按照定義1的要求，圖4給出4個(gè)檢測(cè)局部極小值點(diǎn)的匹配模板。其中黑顏色表示1，與目標(biāo)區(qū)域T的值一致，白顏色表示0，與背景區(qū)域(T)c的值一致，×表示不予考慮，既可以是1，也可以是0。將4個(gè)匹配模板分別按順時(shí)針方向旋轉(zhuǎn)45°、90°、135°、180°、225°、270°、315°可派生出另外28個(gè)匹配模板，因此可將圖4中的匹配模板稱為基礎(chǔ)模板，經(jīng)旋轉(zhuǎn)后產(chǎn)生的模板稱為派生模板。此條件下共設(shè)置了32個(gè)不同的匹配模板，表示將圖像坐標(biāo)系順時(shí)針旋轉(zhuǎn)45°、90°、135°、180°、225°、270°、315°情況下尋找不同的局部極小值點(diǎn)。

圖4 基礎(chǔ)模板設(shè)置

令匹配模板為Mi，其中i=1,2,…,K，K表示匹配模板的總量。@為模式檢測(cè)算子，T@Mi表示在集合T中檢測(cè)與匹配模板Mi一致的模式。令Ci=T@Mi，則將檢測(cè)過程寫為：

其中，Z2表示二維整數(shù)空間，T與Mi都是Z2中的子集，Tc為T的補(bǔ)集，(W-Mi)為Mi的局部背景。則T中局部極小值點(diǎn)集合為LM(T)：

圖5說明了公式（5）～公式（7）給出的檢測(cè)結(jié)果。其含義是，如果T的某個(gè)3×3區(qū)域與模板Mi相匹配，則稱匹配模板Mi找到了T中的一個(gè)匹配。對(duì)于一個(gè)特定的匹配模板，當(dāng)T中3×3區(qū)域的中心及另一相鄰像素值為1，而在白顏色模板元素下4個(gè)連通的像素值為0時(shí)，才會(huì)出現(xiàn)模式的匹配。不必顧及在3×3區(qū)域內(nèi)的其他有×標(biāo)記的像素值。用Mi(i=1,2,…,32)在T找到所有的匹配就是找到了所有滿足模板要求的局部極小值點(diǎn)。這些局部極小值點(diǎn)對(duì)應(yīng)的是目標(biāo)邊界區(qū)域的凸點(diǎn)，因?yàn)槠渲禐?，周圍至少4個(gè)像素值都為0，故表示其曲率大于0。圖5（a）中的黑顏色區(qū)域是需要做邊界凹陷修補(bǔ)的區(qū)域，圖5（b）表示使用32匹配模板找到的局部極小值位置圖，圖中10個(gè)圖標(biāo)位置表示使用不同的匹配模板所找到的局部極小值點(diǎn)。這些點(diǎn)是需要尋找的邊界凸點(diǎn)。通過公式（1）判斷這些凸點(diǎn)是否為凹陷缺口兩邊的連線點(diǎn)。如果滿足要求，將這兩個(gè)凸點(diǎn)連接在一起，完成邊界凹陷修補(bǔ)。

圖5 局部極小值點(diǎn)檢測(cè)結(jié)果

不同形式的模板反映了對(duì)邊界局部極小值定義中r的不同限定，為了避免將直線和45°斜邊上的點(diǎn)檢測(cè)為局部極小值點(diǎn)，匹配模板中r取值大于等于4，即一個(gè)邊界點(diǎn)至少有4個(gè)及以上4鄰域通路的點(diǎn)不在區(qū)域中才是邊界局部極小值點(diǎn)，這些點(diǎn)才能近似反映邊界的凸點(diǎn)。同時(shí)發(fā)現(xiàn)邊界平滑部分的局部極小值點(diǎn)通常是用較少數(shù)量的模板檢測(cè)出的，反映出這段曲線的曲率小，線段平滑，不屬于需要修補(bǔ)的凹陷缺口部分，因?yàn)榉彩怯猛荒０鍣z測(cè)出的連續(xù)局部極小值點(diǎn)，只保留一個(gè)點(diǎn)為局部極小值點(diǎn)，其他點(diǎn)歸入非局部極小值點(diǎn)集合。而在需要修補(bǔ)的凹陷部分，大多是用不同模板檢測(cè)出的局部極小值點(diǎn)。只針對(duì)這些局部極小值點(diǎn)利用公式（1）判斷其是否為凹陷缺口處的凸點(diǎn)，這樣大大降低了凹陷修補(bǔ)時(shí)的計(jì)算量，提高了修補(bǔ)的效率。

圖6（a）是帶有邊界凹陷的右肺分割結(jié)果，與肺壁相連的結(jié)節(jié)和肺門附近區(qū)域的血管使得初始分割時(shí)產(chǎn)生邊界凹陷，圖6（b）是對(duì)應(yīng)的肺邊界及使用模板檢測(cè)出的邊界局部極小值點(diǎn)，凡是與模板匹配的點(diǎn)即為邊界局部極小值點(diǎn)，并用紅色標(biāo)注出，白色點(diǎn)為非局部極小值點(diǎn)。邊界平滑部分由于刪除了屬于同一模板檢測(cè)出的局部極小值點(diǎn)，因此大部分為白色的，圖6（b）中箭頭所指為邊界平滑部分。

圖6 肺邊界局部極小值檢測(cè)實(shí)例

3 實(shí)驗(yàn)結(jié)果

為驗(yàn)證本文方法的有效性，選取42個(gè)全肺CT圖像。一部分圖像采集于河北大學(xué)附屬醫(yī)院放射科，多層螺旋CT數(shù)據(jù)的肺結(jié)節(jié)病例，CT數(shù)據(jù)層厚分別為0.6 mm和8 mm，每一切片分辨率為512×512。另一部分取自LIDC（Lung Image Database Consortium）數(shù)據(jù)庫。CT圖像實(shí)例如圖7（a）所示。

在使用局部極小值連線法修補(bǔ)肺區(qū)域凹陷之前，對(duì)圖像進(jìn)行預(yù)分割，包括圖像濾波；自適應(yīng)閾值分割[10-11]；去除背景[12-13]；判斷肺實(shí)質(zhì)質(zhì)心是否在肺區(qū)域的內(nèi)部，對(duì)肺實(shí)質(zhì)質(zhì)心不在肺區(qū)域內(nèi)部的，用膨脹方法連接肺區(qū)域碎片，并去掉胃氣區(qū)域；對(duì)肺實(shí)質(zhì)質(zhì)心在肺區(qū)域內(nèi)部的，去除主氣管或主支氣管；分割成兩個(gè)肺區(qū)域。預(yù)分割的結(jié)果如圖7（b）所示，由于圖像左邊肺內(nèi)的胸膜結(jié)節(jié)的影響，使得預(yù)分割結(jié)果出現(xiàn)肺邊界凹陷。通過對(duì)圖像預(yù)分割結(jié)果進(jìn)行分析，公式（1）中兩個(gè)參數(shù)分別為threshold1=1.5，threshold2為12至25個(gè)像素。滿足參數(shù)設(shè)置要求的兩個(gè)局部極小值點(diǎn)連接起來，修補(bǔ)凹陷缺口，如圖7（c）所示，圖像左邊肺實(shí)質(zhì)內(nèi)的胸膜結(jié)節(jié)型凹陷，以及兩個(gè)肺內(nèi)側(cè)凹陷部分得到修補(bǔ)，如圖中箭頭所示。圖7（d）為肺實(shí)質(zhì)完整的分割。

圖7 肺邊界凹陷修補(bǔ)實(shí)例

為了直觀地說明本文方法的分割效果，圖8列出部分分割結(jié)果。每個(gè)實(shí)例由3個(gè)圖片組成，從上到下分別為原圖、邊界修補(bǔ)圖和完成邊界修補(bǔ)后的肺實(shí)質(zhì)分割效果圖。圖8（a）、圖8（b）和圖8（c）顯示對(duì)兩個(gè)肺之間部分凹陷的邊界修補(bǔ)結(jié)果；圖8（d）、圖8（e）和圖8（f）顯示對(duì)肺底部胸膜結(jié)節(jié)型凹陷邊界修補(bǔ)結(jié)果；圖8（g）、圖8（h）和圖8（i）顯示對(duì)肺尖部胸膜型凹陷邊界修補(bǔ)結(jié)果；圖8（j）、圖8（k）和圖8（l）顯示雖然圖像中左邊的肺區(qū)域有凹陷存在，如箭頭所指，但既不是胸膜結(jié)節(jié)型凹陷，也不是血管型凹陷，不需要對(duì)這個(gè)凹陷進(jìn)行修補(bǔ)，因此有效地減少了錯(cuò)誤分割。

圖8 肺邊界分割實(shí)例

4 結(jié)論

本文提出用邊界局部極小值點(diǎn)連線法修補(bǔ)閾值分割后的CT圖像肺邊界處血管和胸膜結(jié)節(jié)型凹陷。求邊界曲線在不同坐標(biāo)系下的局部極小值點(diǎn)，代替通過求邊界點(diǎn)曲率找邊界上的凸點(diǎn)，將肺區(qū)域邊界線上的點(diǎn)分為局部極小值點(diǎn)和非局部極小值點(diǎn)兩類，連接凹陷缺口處兩邊的兩個(gè)鄰近局部極小值點(diǎn)，修補(bǔ)凹陷部分。通過設(shè)置不同的匹配模板，實(shí)現(xiàn)在不同坐標(biāo)系下尋找邊界曲線的局部極小值點(diǎn)，從而定位需要修補(bǔ)的位置。針對(duì)42個(gè)全肺CT圖像的實(shí)驗(yàn)結(jié)果驗(yàn)證了本方法的有效性。

[1]Doi K.Computer-aided diagnosis in medical imaging：historical review，current status and future potential[J].Computerized Medical Imaging and Graphics，2007，31（4）：198-211.

[2]Yu Peichun，Xu Hao，Zhu Ying，et al.An automatic computeraided detection scheme for pneumoconiosis on digital chest radiographs[J].Journal of Digital Imaging，2011，24（3）：382-393.

[3]Armato S G，Sensakovie W F.Automated lung segmentation for thoracic CT：impact on computer-aided diagnosis[J].Acad Radiol，2004，11（9）：1011-1021.

[4]鐘靈，張建州，張九龍.基于樣條曲線擬合的肺區(qū)輪廓修補(bǔ)算法[J].計(jì)算機(jī)應(yīng)用研究，2007，24（9）：305-306.

[5]Pu J，Roos J，Yi C A，et al.Adaptive border marching algorithm：automatic lung segmentation on chest CT images[J]. Computerized Medical Imaging and Graphics，2008，32（6）：452-462.

[6]王瑞鑫，郭希娟.自適應(yīng)邊界行進(jìn)算法在肺癌自動(dòng)檢測(cè)系統(tǒng)中的應(yīng)用[J].儀器儀表學(xué)報(bào)，2009，30（10）：36-39.

[7]Kanazawa K，Kawata Y，Niki N，et al.Computer-aided diagnosis for pulmonary nodules based on helical CT images[J]. Computerized Medical Imaging and Graphics，1998，22（2）：157-167.

[8]王倩.CT圖像中肺部疾病的計(jì)算機(jī)輔助診斷方法研究[D].武漢：華中科技大學(xué)，2009.

[9]Graham R L.Finding the convex hull of a simple polygon[J]. Journal of Algorithms，1983，4：324-331.

[10]Otsu N.A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems，Man and Cybernetics，1975，9（1）：62-66.

[11]Leung C，Lam F.Performance analysis for a class of iterative image thresholding algorithms[J].Pattern Recognition，1996，29（9）：1523-1530.

[12]岡薩雷斯.數(shù)字圖像處理[M].阮秋琦，譯.2版.北京：電子工業(yè)出版社，2007：421-440.

[13]章毓晉.圖像分割[M].北京：科學(xué)出版社，2001：43-65.

ZHANG Xin1,WANG Bing2,YANG Ying3,WANG Miao2,WU Chen2,ZHANG Jinxing2

1.College of Electronics and Information Engineering,Hebei University,Baoding,Hebei 071002,China
2.College of Mathematics and Computer Science,Hebei University,Baoding,Hebei 071002,China
3.Department of CT in Affiliated Hospital of Hebei University,Baoding,Hebei 071002,China

After the lung regions are segmented in chest CT images,there exist some concavities or gaps on lung borders.The scheme of connection between boundary curve local minimum points is proposed to repair the lung boundary for gaining the entire lung parenchyma segmentation.Different matching templates are selected to detect the local minimum points in the border curve under different coordinates in order to determine locations that need to repair.Two contiguous local minimum points are connected across the concavity to repair the segmented lung border flaw.The experimentation shows that the scheme in this paper reduces the fault segmentation and enhances the efficiency of lung parenchyma segmentation efficiently.

Computerized Tomography（CT）image;lung boundary;image segmentation;boundary local minimum point; matching template

提出用邊界曲線局部極小值點(diǎn)連線法修補(bǔ)閾值分割后的CT橫斷面圖像肺區(qū)域邊界處血管和胸膜結(jié)節(jié)型凹陷。設(shè)置不同的匹配模板，實(shí)現(xiàn)在不同坐標(biāo)系下尋找邊界曲線的局部極小值點(diǎn)，從而確定需要修補(bǔ)的位置。將肺區(qū)域邊界線上的點(diǎn)分為局部極小值點(diǎn)和非局部極小值點(diǎn)兩類，連接凹陷缺口處兩邊的兩個(gè)鄰近局部極小值點(diǎn)，修補(bǔ)肺邊界凹陷部分。實(shí)驗(yàn)表明，與通過計(jì)算邊界點(diǎn)的曲率找邊界凸點(diǎn)方法相比，該方法不僅有效地降低了肺實(shí)質(zhì)分割的計(jì)算量，而且減少了由于過度分割造成的分割錯(cuò)誤。

CT圖像；肺邊界；圖像分割；邊界局部極小值點(diǎn)；匹配模板

A

TP391.41

10.3778/j.issn.1002-8331.1202-0377

ZHANG Xin,WANG Bing,YANG Ying,et al.Automatic repair of lung boundary concave in chest CT images.Computer Engineering and Applications,2013,49（24）：191-194.

河北大學(xué)開放基金（No.BM201110）；博士基金（No.2010-196）；河北大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目。

張欣（1966—），男，博士，教授，CCF會(huì)員，研究領(lǐng)域：模式識(shí)別，圖像處理；王兵（1966—），女，教授；楊穎（1972—），女，副主任醫(yī)師；王苗，女，副教授。E-mail：zhangxin@hbu.edu.cn

2012-02-21

2012-05-21

1002-8331（2013）24-0191-04

CNKI出版日期：2012-06-21http://www.cnki.net/kcms/detail/11.2127.TP.20120621.1127.004.html

◎信號(hào)處理◎