ITK在肺CT图像分割中的应用探讨*

侯庆锋 鲁 雯 徐 惠 于兹喜 窦汝海

(泰山医学院放射学院，山东 泰安 271016)

随着计算机技术和数字图像处理技术的发展，采用计算机辅助分析医学图像成为医学影像领域的重要研究内容。CT是肺癌检测诊断的有力工具，应用日益广泛。在胸部CT检查中得到的大量图像数据，使诊断过程变得耗时费力，容易漏诊或误诊，更加重了放射人员的劳动负荷，计算机辅助检测(computer-aided detection，CAD)是提高诊断效率和减少疾病检测的假阳性率等问题的有效途径之一[1]。由于胸部结构复杂，一般CAD应用都是先将肺CT图像进行分割处理，提取出肺野区域，使CAD运算集中于肺野区域，减少数据量，提高检测精度[2-3],而分割精度是影响检测效果的关键因素之一[4-5]。ITK(insight toolkit)是美国国家医学图书馆(National Library of Medicine，NLM)和国家健康中心(National Institutes of Health，NIH)于1999年开发的专用于医学图像分割与配准的C++类库，现已发展到3.16版。应用ITK对肺部CT图像进行分割可以使研究重点放在算法的应用上，减少重写代码的劳动，本研究对ITK中若干图像分割算法在肺野分割中的应用进行了对比，现将结果报告如下。

1 材料与方法

1.1材料

取肺部CT图像若干，DICOM标准格式，0.5 mm层厚，512×512像素，每像素16位存储，12位位深，4096灰度级，像素大小0.74 mm×0.74 mm。

1.2方法

对所用CT图像分别应用ITK中的NeighborhoodConnectedImageFilter，ThresholdImageFilter，BinaryThresholdImageFilter,OtsuThresholdImageFilter,ShapeDetectionLevelSetImageFilter,CannySegmentationLevelSetImageFilter，ConnectedThresholdImageFilter,DiscreteGaussianImageFilter进行处理，查看处理结果。并联合应用上述方法对肺CT图像的分割进行初步研究。

2 结 果

2.1应用上述算法对部分CT图像进行了分割处理，结果如图1所示。

2.2图像分割是图像处理中的一个难点，也是CAD应用中的重要处理环节，研究表明，非针对肺结节的分割使5%～17%的肺结节被漏掉[5]，从图2～6结果表明，ITK虽然是针对医学图像分割开发的，功能强大，但在肺结节CAD应用中，仍然要经过反复实验，并小心调节相应参数，才能得到较理想的结果。

图1 原图

图2 NeighborhoodConnectedImageFilter

图3 OtsuThresholdImageFilter

图4 ConnectedThresholdImageFilter

图5 数学形态学

图6 canny levelset

本研究应用ConnectedThresholdImageFilter算法对图1进行了分割，应用不同的模版可分别得到胸壁结构和肺野结构(图7～8)。算法流程如图9所示。

图7 分割出胸壁结构

图8 分割出肺野结构

图9 肺分割流程

3 讨 论

肺野分割是CAD应用中的重要预处理环节，侯庆锋、张娟等[6-8]也曾利用自行开发的软件进行过研究，取得了一些成果。ITK作为一种较权威的得到多数认可的图像分割配准工具包，功能强大，成熟度高，接口统一，使用方便，但如果使用不当，就很难得到理想结果。

由图2～6可知，NeighborhoodConnectedImageFilter(图2)、ConnectedThresholdImageFilter(图4)、canny levelset(图6)的分割结果较好，其中又以ConnectedThresholdImageFilter(图4)的结果最好，故本研究采用其进行肺分割，但仍有部分CT值较高的结构未能完全消除，导致最后分割的图像中肺外结构的残留(图8)，尚需通过有关算法进一步处理；另外，该算法需要提供区域增长的种子点，本研究采用了手工指定的方法，种子点的选取对分割结果有较大影响，改变种子点还可分割出诸如椎骨行结构，另文报道。

ITK包含大量的功能模块，内容丰富，仍然在不断的发展中，要全面掌握其内容并灵活运用需要大量精力投入和在实践中探索，本研究只是针对其中的几个算法进行了初步研究，尚不够完善，今后我们将进一步在相关方面开展工作。

[1] ML Giger, SG Armato Ⅲ. Current status and future direction of computer-aided diagnosis in chest CT[J]. International Congress Series, 2001, 1230:621-630.

[2] SG Armato Ⅲ, H MacMahon. Automated lung segmentation and computer-aided diagnosis for thoracic CT scans[J]. International Congress Series, 2003,1256: 977-982.

[3] Willam Mullally, Margrit Betke, Jingbin Wang. Segmentation of nodules on chest computed tomography for growth assessment[J]. Med Phys, 2004,31(4):839-847.

[4] Ingrid Sluimer, Mathias Prokop, Bram van Ginneken. Toward Automated Segmentation of the Pathological Lung in CT[J]. Ieee Transactions on Medical Imaging, 2005,24( 8):1025-1038.

[5] Ingrid Sluimer, Arnold Schilham, Mathias Prokop, et al. Computer Analysis of Computed Tomography Scans of the Lung: A Survey[J]. I Ieee Transactions on Medical Imaging, 2006,25(4): 386-389.

[6] 侯庆锋, 李月卿, 王昌元, 等. WINDOWS 环境下DICOM医学图像显示方法的初步研究[J]. 医学影像学杂志，2005(11)：1013-1015.

[7] 侯庆锋,李月卿,王昌元, 等. 肺部CT图像的计算机辅助分析初探[J]. 泰山医学院学报，2005(3):200-205.

[8] 张娟, 侯庆锋,王昌元,等. 多尺度增强算法在肺结节计算机辅助检测中的应用探讨[J]. 泰山医学院学报, 2009(6):410-412.