一种人体气道树快速自动提取算法的设计

doi:-

东北大学学报(自然科学版) ›› 2013, Vol. 34 ›› Issue (2): 186-190.DOI: -

一种人体气道树快速自动提取算法的设计

齐守良¹，岳勇²，朱辰坤¹，郭启勇²

(1.东北大学中荷生物医学与信息工程学院，辽宁沈阳110819；2.中国医科大学附属盛京医院放射科，辽宁沈阳110004)

收稿日期:2012-07-06 修回日期:2012-07-06 出版日期:2013-02-15 发布日期:2013-04-04
通讯作者: 齐守良
作者简介:齐守良(1978-)，男，山东兖州人，东北大学副教授；郭启勇(1958-)，男，辽宁沈阳人，中国医科大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(51006021)；中央高校基本科研业务费专项资金资助项目(N110419001).

Algorithm Design for Fast Automatic Segmentation of Airway Tree

QI Shouliang¹， YUE Yong²， ZHU Chenkun¹， GUO Qiyong²

1. SinoDutch Biomedical and Information Engineering School， Northeastern University， Shenyang 110819， China; 2. Department of Radiology， Shengjing Hospital of China Medical University， Shenyang 110004， China.

Received:2012-07-06 Revised:2012-07-06 Online:2013-02-15 Published:2013-04-04
Contact: QI Shouliang
About author:-
Supported by:
-

摘要/Abstract

摘要： 为了从胸部CT图像中提取气道树，提出一种人体气道树的快速自动提取算法，其中包括三维区域生长、三维波传递和形态学优化3个步骤，通过多次迭代完成最终提取.区域生长的作用是提取气道树主体，三维波传递和形态学优化用于提取外围细支气管.在波传递中采用模糊逻辑判据，并利用形态学特征防止泄漏.将算法应用于28例数据，结果表明，利用该算法均能成功提取第5级或第6级支气管，且未泄漏；此外，该算法运行速度特别快，提取一个气管树耗时一般小于2s.

关键词: CT影像, 气管, 支气管树, 分割, 三维波传递, 区域生长, 形态学优化

Abstract: To extract the tracheobronchial tree from lung CT images， an automatic rapid algorithm was proposed， which consisted of three steps including 3D region growing， 3D wave propagation and morphological optimization. The final segmentation results were obtained through iterations of the three steps. The basic airway tree was segmented during region growing， and then the bronchial trees were obtained through 3D wave propagation and morphological optimization. A fuzzy logic criterion was adopted to end the wave propagation and the morphological features were used to prevent leakage. The proposed algorithm was applied to 28 cases and it was shown that the airway tree with the 5th or 6th bronchia could be extracted successfully while no leakage occurred. Besides， the proposed algorithm worked very fast， taking less than 2 seconds to extract one airway tree.

Key words: CT image, airway, bronchial tree, segmentation, 3D wave propagation, region growing, morphological optimization

中图分类号:

TP391

齐守良，岳勇，朱辰坤，郭启勇. 一种人体气道树快速自动提取算法的设计[J]. 东北大学学报(自然科学版), 2013, 34(2): 186-190.

QI Shouliang， YUE Yong， ZHU Chenkun， GUO Qiyong. Algorithm Design for Fast Automatic Segmentation of Airway Tree[J]. Journal of Northeastern University, 2013, 34(2): 186-190.

参考文献

[1] Naidich D P，Webb W R，Grenier P A，et al.Image of the airways functional and radiologic correlations［M］.Philadelphia:Lippincott Williams ＆ Wilkins，2005:12/13.
[2] Sluimer I，Schilham A，Prokop M，et al.Computer analysis of computed tomography scans of the lung:a survey［J］.IEEE Transactions on Medical Imaging，2006，25(4):385/405.
[3] Hoffman E A，Simon B A，McLennan G.A structural and functional assessment of the lung via multidetector—row computed tomography［C］//Proceedings of the American Thoracic Society 2006.New York:American Thoracic Society，2006:519/532.
[4] Wang X，Fang C，Xia Y，et al.Airway segmentation for lowcontrast CT images from combined PET/CT scanners based on airway modeling and seed prediction［J］.Biomedical Signal Processing and Control，2011，6(1):48/56.
[5] Fabijanska A.Twopass region growing algorithm for segmenting airway tree from MDCT chest scans［J］.Computerized Medical Imaging and Graphics，2009，33(7):537/546.
[6] Singh H，Crawford M，Curtin J，et al.Automated 3D segmentation of the lung airway tree using gainbased region growing approach［J］.Lecture Notes in Computer Science，2004，3217:978/982.
[7] Kitasaka T，Mori K，Hasegawa J，et al.Extraction of bronchus regions from 3D chest Xray CT images by using structural features of bronchus［J］.International Congress Series，2003，1256:240/245.
[8] Lesage D，Angelini E D，Bloch I，et al.A review of 3D vessel lumen segmentation techniques:models，features and extraction schemes［J］.Medical Image Analysis，2009，13(6):819/845.
[9] Bartz D，Mayer D，Fischer J，et al.Hybrid segmentation and exploration of the human lungs［C］//Proceedings of the 14th IEEE Visualization Conference.Seattle:IEEE，2003:177/184.
[10] 赵鹏，冯焕清，李传福，等.一种基于参数自适应的CT图像肺气道树分割方法［J］.北京生物医学工程，2009，28(5):454/457.(Zhao Peng，Feng Huanqing，Li Chuanfu，et al.A method for segmenting lung airway tree based on adaptive segmentation parameter［J］.Beijing Biomedical Engineering，2009，28(5):454/457.)

[1]	魏颖，林子涵，齐林，李伯群. 基于空间自注意力机制和深度特征重建的脑MR图像分割方法[J]. 东北大学学报（自然科学版）, 2023, 44(2): 177-185.
[2]	房晓晴，刘书含，孙文强. 高炉煤气管网水力建模及调度策略[J]. 东北大学学报（自然科学版）, 2023, 44(1): 69-75.
[3]	代茵，刘维宾，董昕阳，宋雨朦. 基于注意力机制的U-Net脑脊液细胞分割[J]. 东北大学学报（自然科学版）, 2022, 43(7): 944-950.
[4]	王璐，杨小帆，王前进，徐礼胜. 基于CTA图像的两阶段U-Net冠状动脉分割[J]. 东北大学学报（自然科学版）, 2022, 43(6): 792-800.
[5]	崔松涛，梁杰. 基于激光测距的双机器人管道测绘方法[J]. 东北大学学报（自然科学版）, 2022, 43(11): 1583-1590.
[6]	王璐，王帅，张国峰，徐礼胜. 基于语义分割注意力与可见区域预测的行人检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1261-1267.
[7]	毛亚纯，伏雨文，曹旺，赵占国. 基于无人机点云数据的露天采场矿车提取方法[J]. 东北大学学报（自然科学版）, 2021, 42(6): 842-849.
[8]	魏颖，雷志浩，齐林. 基于注意力机制的3D U-Net婴幼儿脑组织MR图像分割[J]. 东北大学学报（自然科学版）, 2021, 42(5): 616-623.
[9]	顾德英，王娜，李文超，陈龙. 基于模型融合的低照度环境下车道线检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(3): 305-309.
[10]	谢天植，雷为民，张伟，李志远. 一种基于深度学习的实时视频图像背景替换方法[J]. 东北大学学报（自然科学版）, 2021, 42(11): 1540-1546.
[11]	张田，田勇，王子，王昭东. 基于清晰度评价的自适应阈值图像分割法[J]. 东北大学学报:自然科学版, 2020, 41(9): 1231-1238.
[12]	刘琼，罗晴，彭绍武. 车载热成像行人检测RoI提取方法[J]. 东北大学学报:自然科学版, 2020, 41(8): 1083-1090.
[13]	赵海，周冰玲，朱宏博，窦圣昶. 基于连续最大流的三维肺实质快速分割算法[J]. 东北大学学报:自然科学版, 2020, 41(4): 470-474.
[14]	王海芳，祁超飞，张瑶，朱亚锟. 基于混沌飞蛾扑火优化的膝盖MRI分割算法[J]. 东北大学学报:自然科学版, 2020, 41(3): 326-331.
[15]	佘黎煌，郭一蓉，张石. 基于方向分数和Frangi滤波器的视网膜血管分割算法[J]. 东北大学学报:自然科学版, 2020, 41(2): 182-187.

一种人体气道树快速自动提取算法的设计

Algorithm Design for Fast Automatic Segmentation of Airway Tree

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价