胸部CT图像肺区域边界凹陷自动修补

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (24): 191-194.

胸部CT图像肺区域边界凹陷自动修补

张欣1，王兵2，杨颖3，王苗2，吴辰2，张进兴2

1.河北大学电子信息工程学院，河北保定 071002
2.河北大学数学与计算机学院，河北保定 071002
3.河北大学附属医院 CT室，河北保定 071002

出版日期:2013-12-15 发布日期:2013-12-11

Automatic repair of lung boundary concave in chest CT images

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

Online:2013-12-15 Published:2013-12-11

摘要/Abstract

摘要： 提出用边界曲线局部极小值点连线法修补阈值分割后的CT横断面图像肺区域边界处血管和胸膜结节型凹陷。设置不同的匹配模板，实现在不同坐标系下寻找边界曲线的局部极小值点，从而确定需要修补的位置。将肺区域边界线上的点分为局部极小值点和非局部极小值点两类，连接凹陷缺口处两边的两个邻近局部极小值点，修补肺边界凹陷部分。实验表明，与通过计算边界点的曲率找边界凸点方法相比，该方法不仅有效地降低了肺实质分割的计算量，而且减少了由于过度分割造成的分割错误。

关键词: CT图像, 肺边界, 图像分割, 边界局部极小值点, 匹配模板

Abstract: 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.

Key words: Computerized Tomography（CT） image, lung boundary, image segmentation, boundary local minimum point, matching template

张欣1，王兵2，杨颖3，王苗2，吴辰2，张进兴2. 胸部CT图像肺区域边界凹陷自动修补[J]. 计算机工程与应用, 2013, 49(24): 191-194.

ZHANG Xin1, WANG Bing2, YANG Ying3, WANG Miao2, WU Chen2, ZHANG Jinxing2. Automatic repair of lung boundary concave in chest CT images[J]. Computer Engineering and Applications, 2013, 49(24): 191-194.

[1]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	陶永鹏，景雨，顼聪. 融合超像素和CNN的CT图像分割方法[J]. 计算机工程与应用, 2020, 56(5): 200-205.