程 靜，李 資，徐立軍

(1.新疆大學(xué)電氣工程學(xué)院，烏魯木齊830047;2.新疆工業(yè)高等?？茖W(xué)校，烏魯木齊830091)

1 引言

近年來(lái)，根據(jù)世界衛(wèi)生組織定期公布的資料顯示，肺癌的發(fā)病率和死亡率在世界各國(guó)均呈明顯上升的趨勢(shì)，在許多發(fā)達(dá)國(guó)家肺癌是最常見(jiàn)的惡性腫瘤之一，成為惡性腫瘤中最常見(jiàn)的死亡原因。另一方面，由于CT的普及和檢查價(jià)格的降低，越來(lái)越多的患者選用CT進(jìn)行腦部、胸部或乳腺等部位病情的診斷。

采用基于邊緣檢測(cè)的方法［1-5］，結(jié)合CT胸片中病灶區(qū)本身的特點(diǎn)，在對(duì)原圖像提取肺實(shí)質(zhì)后與健康肺實(shí)質(zhì)圖像進(jìn)行比對(duì)，然后進(jìn)行邊緣檢測(cè)和形態(tài)學(xué)膨脹，再對(duì)其在水平和垂直方向的邊緣密度投影［6-7］選用一種自適應(yīng)算法，能有效檢測(cè)定位得到病灶區(qū)。另外，在圖像處理的過(guò)程中，通過(guò)各種圖像處理操作，能使病灶區(qū)更加清晰的呈現(xiàn)，為醫(yī)生的精確診斷提供更準(zhǔn)確的圖像依據(jù)。

2 CT胸片中肺部病灶區(qū)的特點(diǎn)

CT圖像是以不同的灰度來(lái)表示，反映器官和組織對(duì)X線的吸收程度，黑影表示低吸收區(qū)，即低密度區(qū)，如肺實(shí)質(zhì);白影表示高吸收區(qū)，即高密度區(qū)，如肋骨、脊椎骨［8-9］。健康的肺實(shí)質(zhì)從二值化后的圖像上看應(yīng)呈現(xiàn)全黑影，若有病變，則肺實(shí)質(zhì)中必然會(huì)出現(xiàn)黑白相間的陰影或肺實(shí)質(zhì)形狀殘缺不全。因此，從這個(gè)角度去分析圖像，有陰影的區(qū)域必然存在病變。進(jìn)一步，從病灶區(qū)的特征來(lái)判定，根據(jù)病灶區(qū)的二值圖像出現(xiàn)空洞、呈現(xiàn)網(wǎng)狀、索條狀、粟粒狀等病灶情形，可進(jìn)一步識(shí)別病理為肺癌、膿腫、肺炎、結(jié)節(jié)病等［10］。

對(duì)提取了肺實(shí)質(zhì)的圖像進(jìn)行檢測(cè)定位的一個(gè)難點(diǎn)是:在CT圖像中血管也會(huì)呈現(xiàn)白影，因此血管密集區(qū)的水平投影和垂直投影都會(huì)對(duì)病灶區(qū)的檢測(cè)定位造成干擾，并可能產(chǎn)生誤判，如圖1和圖2所示。

3 病灶區(qū)的自動(dòng)檢測(cè)定位

3.1 圖像預(yù)處理

由于彩色圖像處理的復(fù)雜性，先將圖像進(jìn)行灰度化處理，然后進(jìn)行旋轉(zhuǎn)、裁切，提取其中的肺實(shí)質(zhì)部分。對(duì)肺實(shí)質(zhì)圖像，再進(jìn)行以下操作:

1)對(duì)比度增強(qiáng)和灰度變換處理

為了使圖像具有高的對(duì)比度，像素點(diǎn)分布在很寬的灰度級(jí)范圍上，同時(shí)像素也均勻分布，還需要進(jìn)行圖像的對(duì)比度增強(qiáng)和灰度變換處理［11］。增強(qiáng)對(duì)比度可直接使用自適應(yīng)對(duì)比度增強(qiáng)，也可通過(guò)觀察顯示圖像的直方圖，選取直方圖中波谷的位置作為灰度變換的門限值。主要程序語(yǔ)句如下:

I_adp=adapthisteq(I);%增強(qiáng)對(duì)比度f(wàn)igure，imhist(I)，title(＇直方圖＇);%灰度變換灰度變換可將圖像的灰度值重新進(jìn)行映射，大大提高圖像的亮度，也使得圖像灰暗部分的動(dòng)態(tài)變化范圍大大增加，從而使細(xì)節(jié)內(nèi)容更容易觀察［11］。

2)二值化處理

通過(guò)二值化處理，使用具有一定形態(tài)的結(jié)構(gòu)元素來(lái)度量和提取圖像中的對(duì)應(yīng)形狀，從而對(duì)圖像進(jìn)行分析和識(shí)別。對(duì)灰度變換后的圖像，可根據(jù)直方圖選取某一閾值將圖像二值化［12］(如圖2)。二值化處理可用im2bw()函數(shù)實(shí)現(xiàn):

BW=im2bw(I，’threshvalue’);

3.2 病灶區(qū)的自動(dòng)檢測(cè)

為了找出病灶區(qū)，首先創(chuàng)建一個(gè)健康的肺實(shí)質(zhì)模型，將患者的肺實(shí)質(zhì)與健康的肺實(shí)質(zhì)模型進(jìn)行比較，即可找到病灶區(qū)(如圖3)。對(duì)病灶區(qū)的自動(dòng)定位，主要依據(jù)病灶區(qū)的特征，將陰影區(qū)域進(jìn)行合并和濾波操作，得到候選的病灶區(qū)，再將其進(jìn)行水平投影和垂直投影，確定病灶區(qū)的精確位置，并將其定位。

自動(dòng)檢測(cè)定位具體算法流程如下:

1)將患者的肺實(shí)質(zhì)與健康的肺實(shí)質(zhì)模型進(jìn)行比較對(duì)比，得到病灶區(qū)圖像，膨脹后得到膨脹圖像(如圖4)。主要采用下述語(yǔ)句實(shí)現(xiàn)圖像膨脹:

I_dilate=imopen(I，se2);

figure，imshow(～I(xiàn)_dilate)，title(＇膨脹操作效果＇);

2)塊處理。將一定距離范圍內(nèi)的邊緣像素點(diǎn)進(jìn)行合并，構(gòu)成一個(gè)稱為“Box”的結(jié)構(gòu)，其中同時(shí)記錄了結(jié)構(gòu)中所有邊緣點(diǎn)的數(shù)量以及恰好包含這些邊緣點(diǎn)的矩形區(qū)域的左上角和右下角坐標(biāo)。塊處理的操作可用如下程序語(yǔ)句實(shí)現(xiàn):

3)對(duì)以上操作獲得的“Box”進(jìn)行過(guò)濾，由病灶區(qū)的特征得到病灶區(qū)域。如:去除包含較少邊緣點(diǎn)的“Box”;去除面積過(guò)小的“Box”。經(jīng)過(guò)過(guò)濾后的“Box”所在的矩形區(qū)域，即認(rèn)為就是病灶所在的區(qū)域。

4)進(jìn)行水平和垂直投影，如圖5所示。取其中峰值最大的那組值周圍的某一區(qū)域即為病灶區(qū)，將其定位標(biāo)注出來(lái)。而對(duì)于其他峰值周圍的區(qū)域可看作是干擾，將其忽略刪除即可。主要采用下述程序語(yǔ)句求得水平投影和垂直投影:

%水平影和垂直投影

%病灶區(qū)的檢測(cè)定位(見(jiàn)圖6)

3.3 病理的識(shí)別

對(duì)于自動(dòng)定位出病灶區(qū)的圖像，可根據(jù)病灶區(qū)的特征來(lái)進(jìn)一步診斷。根據(jù)病灶區(qū)的二值圖像出現(xiàn)空洞、呈現(xiàn)網(wǎng)狀、索條狀、粟粒狀等病灶，可進(jìn)一步識(shí)別病理為肺癌、膿腫、肺炎、結(jié)節(jié)病等等［6］。

4 實(shí)驗(yàn)結(jié)果及總結(jié)

用上述方法進(jìn)行了大量患者CT數(shù)字胸片的實(shí)際測(cè)試，對(duì)病灶區(qū)定位的準(zhǔn)確度可達(dá)95%以上。因此用該方法進(jìn)行病灶區(qū)的自動(dòng)定位是行之有效的，并且使得檢測(cè)定位更加快捷、準(zhǔn)確。進(jìn)一步，可以充分利用檢測(cè)定位結(jié)果，對(duì)病理進(jìn)行自動(dòng)識(shí)別。對(duì)于空洞、肺部不張等病情可用形態(tài)學(xué)膨脹和連通域操作等圖像處理方法進(jìn)行識(shí)別;而對(duì)于網(wǎng)狀、索條狀、粟粒狀等肺部病變，可采用模式識(shí)別的方法來(lái)具體診斷，這些方面的研究有待進(jìn)一步充實(shí)和完善。

［1］ 姚剛，劉勇，夏道平，等.一種自適應(yīng)梯度幅值的邊緣檢測(cè)算法［J］.計(jì)算機(jī)與數(shù)字工程，2010，38(11):17-21.

［2］ 黃永慧，潘保昌，梁堅(jiān)，等.一種自適應(yīng)唇區(qū)檢測(cè)及定位方法［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46(21):17-20.

［3］ 溫紅艷，董曉倩.基于膚色與邊緣特征的人臉定位檢測(cè)算法［J］.桂林電子科技大學(xué)學(xué)報(bào)，2010，30(3):212-215.

［4］ 蒲東兵，塔娜，馬志強(qiáng)，等.一種實(shí)用監(jiān)控系統(tǒng)的人臉檢測(cè)定位算法［J］.東北師大學(xué)報(bào)(自然科學(xué)版)，2009，41(1):40-43.

［5］ 姚軍，蔣曉瑜，黃應(yīng)清，等.一種基于自適應(yīng)閩值與邊緣跟蹤的目標(biāo)提取方法［J］.裝甲兵工程學(xué)院學(xué)報(bào)，2004，18(4):55-57.

［6］ O R Vincent，O Folorunso.A Descriptive Algorit-hm for Sobel Image Edge Detection［C］.//Proceedings of Informing Science＆ IT Education Conference(In-SITE)，2009.

［7］ Sato T，Kanade T，Hughes EK，et al.Video OCR for digital news archives［A］.Proceedings of IEEE International Workshop on Content-based Access of Image and Video Database(CAVID’98)，1998，52-60.

［8］ 孔曉榮，史延新，孔祥斌.醫(yī)學(xué)圖像分割處理技術(shù)的應(yīng)用［J］.蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009，45(F06):160-164.

［9］ 彭志剛，李石玲.多層螺旋cT在中央型肺癌診斷中的應(yīng)用［J］.河北醫(yī)科大學(xué)學(xué)報(bào)，2008，29(6):950-952.

［10］ 張國(guó)楨.實(shí)用胸部CT診斷學(xué)［M］，上海:科學(xué)技術(shù)文獻(xiàn)出版社，1994.

［11］ 岡薩雷斯.數(shù)字圖像處理(第二版)［M］.北京:電子工業(yè)出版社，2003.

［12］ 徐飛.MATLAB應(yīng)用圖像處理［M］，西安:西安電子科技大學(xué)出版社，2002.