基于CT影像骨骼配准实现肺结节自适应匹配的方法与装置

摘要

本发明实施例提供一种基于CT影像骨骼配准实现肺结节自适应匹配的方法，包括以下步骤：数据准备、提取肺部与骨骼点云数据、三维点云数据配准、肺结节自适应匹配。本发明实施例一是基于人体骨骼变化特性小的特点，对肺部影像数据和肺结节数据进行三维点云刚性变换配准，从而实现了随访前后肺部和肺结节数据的对齐；二是采用FGR算法，在运行速度和配准准确性方面，明显优于ICP等局部细化算法；三是采用RMSE作为肺部点云配准误差，实现了肺结节的自适应匹配，肺结节配准的人工干预少、自动化程度高，配准结果准确；四是通过对CT影像数据进行归一化处理，能够提高算法的鲁棒性，可广泛应用于不同型号的CT设备和不同pixel spacing值的DICOM数据中。

权利要求

1.一种基于CT影像骨骼配准实现肺结节自适应匹配的方法，其特征在于：包括以下步骤：(1)数据准备：准备肺部CT影像，准备肺结节数据；

(2)提取肺部与骨骼点云数据：在CT影像上分割肺部与骨骼区域，提取肺部和骨骼轮廓三维点云数据，并进行稀疏采样处理；

(3)三维点云数据配准：配准两组骨骼三维点云数据，利用骨骼配准得到的转换矩阵；

评估两组肺部点云数据的配准误差；

(4)肺结节自适应匹配：基于配准误差，采用基于距离的方法匹配肺结节；

所述步骤(1)中进行数据准备的方法为：(1.1)准备随访前后两组CT影像；

(1.2)准备随访前后两组CT影像的结节数据，包括结节坐标，长短径，体积和属性；

所述步骤(2)中提取肺部与骨骼点云数据的方法为：(2.1)将两组CT影像的DICOM原始数据转换为CT值数据；

(2.2)将转化后的CT值数据插值到归一化空间；

(2.3)数据重采样；

(2.4)提取肺部区域；

(2.5)根据骨骼CT值范围提取骨骼区域，生成骨骼三维点云数据；

(2.6)根据肺部与骨骼连通区域截取数据，去掉肺部和骨骼之外的区域；

(2.7)提取肺部和骨骼连通区域的边界轮廓；

(2.8)将边界轮廓数据转换为三维点云数据格式；所述步骤(2.4)中提取肺部区域的方法为：(2.4.1)根据肺部组织阈值范围，初步提取连通区域；

(2.4.2)剔除肺部组织的边界区域，填充有洞的连通区域；

(2.4.3)根据面积和位置，提取左右肺部；

(2.4.4)合并左右肺部，根据肺部位置剔除不属于肺部的连通区域；

所述步骤(3)中三维点云数据配准的方法为：(3.1)骨骼三维点云数据预处理，包括：提取骨骼三维点云数据的FPFH特征，对骨骼三维点云数据进行稀疏采样；

(3.2)针对提取的FPFH特征和稀疏采样后的骨骼三维点云数据，采用FGR算法进行点云配准，得到变换矩阵；

(3.3)根据变换矩阵，变换移动肺部点云数据；计算变换后两组肺部点云数据的RMSE作为配准误差；

所述步骤(4)中肺结节自适应匹配的方法为：(4.1)根据变换矩阵，变换移动肺结节的坐标；

(4.2)遍历寻找并判定肺结节是否匹配；

(4.3)生成匹配结果。

2.根据权利要求1所述的基于CT影像骨骼配准实现肺结节自适应匹配的方法，其特征在于：所述步骤(4)中肺结节自适应匹配的方法还包括：根据变换后两组肺部点云数据的配准误差，自适应设定匹配结节的阈值；

对于遍历寻找并判定的肺结节，若变换移动后的肺结节坐标小于阈值；则判定该肺结节匹配成功；反之，则判定该肺结节匹配不成功。

3.根据权利要求2所述的基于CT影像骨骼配准实现肺结节自适应匹配的方法，其特征在于：还包括以下步骤：(5)肺结节生长特性分析：针对匹配成功的肺结节，计算肺结节的长短径变化、体积变化和属性变化；针对匹配不成功的肺结节，判断该肺结节为消失或者新增。

说明书

基于CT影像骨骼配准实现肺结节自适应匹配的方法与装置

技术领域

[0001] 本发明涉及医疗设备技术领域，尤其涉及一种基于CT影像骨骼配准实现肺结节自适应匹配的方法与装置。

背景技术

[0002] 肺癌是当今对人类健康与生命危害最大的恶性肿瘤之一。恶性肺结节是早期肺癌的一个重要表现，结节的生长特性反映了结节内细胞数量或体积的增加与时间的关系。随着医疗影像学与计算机技术的飞速发展，基于CT影像的计算机辅助检测肺结节已成为肺癌早期诊断的研究热点，通过CT影像随访观察，可以有效评估肺结节在一段时间内的生长特性，从而为肺癌的早期发现与准确诊断提供依据。

[0003] 采用计算机辅助检测肺结节，首先需要快速准确的匹配分析随访前后的肺结节影像，现有的匹配方法主要包括基于全局的匹配方法和基于局部的匹配方法两类。在实际检测中，受到患者体位差异、呼吸作用等因素的影响，随访前后的肺部组织位置与状态往往不一致，导致随访前后的CT影像之间存在较大差异。由于肺部CT影像的不一致性和结节生长的不可预测性，现有的两类匹配方法的匹配准确度都比较低，严重时还会产生匹配错误。

[0004] 同时，现有匹配算法的计算复杂度较高，随着CT影像质量的不断提升，主流的硬件平台配置已经无法满足实际应用需求，亟需一种性能更加优异的匹配算法。

发明内容

[0005] 针对现有技术存在的问题，本发明实施例提供一种基于CT影像骨骼配准实现肺结节自适应匹配的方法与装置。

[0006] 第一方面，本发明实施例提供一种基于CT影像骨骼配准实现肺结节自适应匹配的方法，其特征在于：包括以下步骤：

[0007] (1)数据准备：准备肺部CT影像，准备肺结节数据；

[0008] (2)提取肺部与骨骼三维点云数据：在CT影像上分割肺部与骨骼区域，提取肺部和骨骼轮廓三维点云数据，并进行稀疏采样处理；

[0009] (3)三维点云数据配准：配准两组骨骼三维点云数据，利用骨骼配准得到的转换矩阵；评估两组肺部点云数据的配准误差；

[0010] (4)肺结节自适应匹配：基于配准误差，采用基于距离的方法匹配肺结节。

[0011] 进一步地，所述步骤(1)中进行数据准备的方法为：

[0012] (1.1)准备随访前后两组CT影像；

[0013] (1.2)准备随访前后两组CT影像的结节数据，包括结节坐标，长短径，体积和属性。

[0014] 进一步地，所述步骤(2)中提取肺部与骨骼三维点云数据的方法为：

[0015] (2.1)将两组CT影像的DICOM原始数据转换为CT值数据；

[0016] (2.2)将转化后的CT值数据插值到归一化空间；

[0017] (2.3)数据重采样；

[0018] (2.4)提取肺部区域；

[0019] (2.5)根据骨骼CT值范围，提取骨骼区域，生成骨骼三维点云数据；

[0020] (2.6)根据肺部与骨骼连通区域截取数据，去掉肺部和骨骼之外的区域；

[0021] (2.7)提取肺部和骨骼连通区域的边界轮廓；

[0022] (2.8)将边界轮廓数据转换为三维点云数据格式。

[0023] 进一步地，所述步骤(2.4)中提取肺部区域的方法为：

[0024] (2.4.1)根据肺部组织阈值范围，初步提取连通区域；

[0025] (2.4.2)剔除肺部组织的边界区域，填充有洞的连通区域；

[0026] (2.4.3)根据面积和位置，提取左右肺部；

[0027] (2.4.4)合并左右肺部，根据肺部位置剔除不属于肺部的连通区域。

[0028] 进一步地，所述步骤(3)中三维点云数据配准的方法为：

[0029] (3.1)骨骼三维点云数据预处理，包括：提取骨骼三维点云数据的FPFH特征，对骨骼三维点云数据进行稀疏采样；

[0030] (3.2)针对提取的FPFH特征和稀疏采样后的骨骼三维点云数据，采用FGR算法进行点云配准，得到变换矩阵；

[0031] (3.3)根据变换矩阵，变换移动肺部点云数据；计算变换后两组肺部点云数据的RMSE作为配准误差。

[0032] 进一步地，所述步骤(4)中肺结节自适应匹配的方法为：

[0033] (4.1)根据变换矩阵，变换移动肺结节的坐标；

[0034] (4.2)遍历寻找并判定肺结节是否匹配；

[0035] (4.3)生成匹配结果。

[0036] 进一步地，所述步骤(4)中肺结节自适应匹配的方法还包括：

[0037] 根据变换后两组肺部点云数据的配准误差，自适应设定匹配结节的阈值；

[0038] 对于遍历寻找并判定的肺结节，若变换移动后的肺结节坐标小于阈值；则判定该肺结节匹配成功；反之，则判定该肺结节匹配不成功。

[0039] 进一步地，所述基于CT影像骨骼配准实现肺结节自适应匹配的方法，还包括以下步骤：

[0040] (5)肺结节生长特性分析：针对匹配成功的肺结节，计算肺结节的长短径变化、体积变化和属性变化；针对匹配不成功的肺结节，判断该肺结节为消失或者新增。

[0041] 第二方面，本发明实施例提供一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。

[0042] 第三方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。

[0043] 本发明实施例提供的一种基于CT影像骨骼配准实现肺结节自适应匹配的方法与装置，一是基于人体骨骼变化特性小的特点，采用随访前后CT影像中的骨骼进行配准所得到变换矩阵，对肺部影像数据和肺结节数据进行三维点云刚性变换配准，从而实现了随访前后肺部和肺结节数据的对齐，能够有效克服肺部形变导致的误差；二是采用FGR算法，该算法不涉及迭代采样、模型拟合或局部细化，在运行速度和配准准确性方面，明显优于ICP等局部细化算法；三是采用RMSE作为肺部点云配准误差，实现了肺结节的自适应匹配，肺结节配准的人工干预少、自动化程度高，配准结果准确；四是通过对CT影像数据进行归一化处理，能够提高算法的鲁棒性，可广泛应用于不同型号的CT设备和不同pixel spacing值的DICOM数据中。

附图说明

[0044] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0045] 图1为本发明实施例提供的一种基于CT影像骨骼配准实现肺结节自适应匹配的方法整体流程示意图；

[0046] 图2为本发明实施例提供的一种CT影像骨骼点云配准前后对比示意图；

[0047] 图3为本发明实施例提供的一种CT影像肺部点云配准前后对比示意图；

[0048] 图4为本发明实施例提供的一种CT影像肺结节匹配结果示意图；

[0049] 图5为本发明实施例提供的一种电子设备的实体结构示意图。

具体实施方式

[0050] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0051] 一种基于CT影像骨骼配准实现肺结节自适应匹配的方法，如图1所示，包括以下步骤：

[0052] (1)数据准备：准备肺部CT影像，准备肺结节数据。具体的，所述CT影像为随访前后的两组CT影像；所述肺结节数据为CT影像所反映出的肺结节数据。

[0053] (2)提取肺部与骨骼三维点云数据：利用医学影像处理方法，在CT影像上分割肺部与骨骼区域，提取肺部和骨骼轮廓三维点云数据，并进行稀疏采样处理。

[0054] (3)三维点云数据配准：配准两组骨骼三维点云数据，利用骨骼配准得到的转换矩阵；评估两组肺部点云数据的配准误差。优选的，所述配准两组骨骼三维点云数据可采用FGR(Fast Global Registration，快速全局配准部分重叠3D表面算法)或ICP(Iterative Closest Point迭代最近点算法)等算法，从而提高转换矩阵的准确度，并降低计算量。

[0055] (4)肺结节自适应匹配：基于配准误差，采用基于距离的方法匹配肺结节。

[0056] 具体的，所述步骤(1)中进行数据准备的方法为：

[0057] (1.1)准备随访前后两组CT影像。本方法中，所述CT影像采用DICOM标准数据格式，即符合ISO 12052的国际标准数据格式，可按照DICOM tag中的ImagePosition升序排序。

[0058] (1.2)准备随访前后两组CT影像的结节数据，包括结节坐标，长短径，体积和属性。本专利中，所述属性包括但不限于钙化、脂肪、坏死、密度均匀性、CT值等。

[0059] 具体的，所述步骤(2)中进行数据准备的方法为：

[0060] (2.1)将两组CT影像的DICOM原始数据转换为CT值数据。

[0061] (2.2)将转化后的CT值数据插值到归一化空间。作为一个具体的实施方式：所述归一化空间为[2.0,2.0,2.0]，将三个方向上的尺寸空间保持一致，从而提高算法泛化能力。

[0062] (2.3)数据重采样；作为一个具体的实施方式，所述重采样的区间为[0,255]。

[0063] (2.4)利用形态学等方法，提取肺部区域，具体方法为：

[0064] (2.4.1)根据肺部组织阈值范围，利用二值化方法初步提取连通区域。

[0065] (2.4.2)剔除肺部组织的边界区域，填充有洞的连通区域。CT影像中肺部组织周围可能会出现一些不干净的区域，一般是CT拍摄时产生的，因此需要将其剔除。此外，采用二值化方法提取连通区域，会导致某些肺部产生变异的组织提取失败而产生空洞，因此需要对其进行填充。

[0066] (2.4.3)根据肺部组织的面积和位置，提取左右肺部。

[0067] (2.4.4)合并左右肺部，根据位置剔除不属于肺部的连通区域。实际工作中，有些数据通过上述方法，会产生部分腹部组织被提取出来的问题，因此此处还需要进行进一步的优化处理。

[0068] (2.5)根据骨骼CT值范围，提取骨骼区域，生成骨骼三维点云数据。所述提取骨骼区域的方法，可以是基于骨骼在CT影像中的特定CT值范围进行提取，因为骨骼的CT值范围与其他器官组织是不同的。

[0069] (2.6)根据肺部与骨骼连通区域截取数据，去掉肺部和骨骼之外的区域，从而仅保留肺部和骨骼联通区域。

[0070] (2.7)提取肺部和骨骼连通区域的边界轮廓。

[0071] (2.8)将边界轮廓数据转换为三维点云数据格式。

[0072] 具体的，所述步骤(3)中三维点云数据配准的方法为：

[0073] (3.1)骨骼三维点云数据预处理：提取骨骼三维点云数据的FPFH(Fast Point Feature Histograms，快速点特征直方图)特征；对骨骼三维点云数据进行稀疏采样。

[0074] (3.2)针对提取的FPFH特征和稀疏采样后的骨骼三维点云数据，采用FGR算法进行点云配准，得到变换矩阵。如图2所示，为本步骤CT影像骨骼点云配准前后对比示意图。从图中可以看出：左图为骨骼点云配准前的形态，配准前两个骨骼的影像不一致，无法重合；右图为骨骼点云配准后的形态，配准后两个骨骼的影像一致，基本上完全重合。

[0075] (3.3)根据变换矩阵，变换移动肺部点云数据；计算变换后两组肺部点云数据的RMSE(Root Mean Square Error)作为配准误差。所述变换移动肺部点云数据的方法，是将变换矩阵与点云数据矩阵相乘。如图3所示，为本步骤CT影像肺部点云配准前后对比示意图。从图中可以看出：左图为肺部点云配准前的形态，配准前两个肺部的影像不一致，无法重合；右图为肺部点云配准后的形态，配准后两个肺部的影像一致，基本上完全重合。

[0076] 具体的，所述步骤(4)中肺结节自适应匹配的方法为：

[0077] (4.1)根据变换矩阵，变换移动肺结节的坐标。

[0078] (4.2)遍历寻找并判定肺结节是否匹配。

[0079] (4.3)生成匹配结果。

[0080] 具体的，所述步骤(4)中肺结节自适应匹配的方法还包括：

[0081] 根据变换后两组肺部点云数据的配准误差，自适应设定匹配结节的阈值；

[0082] 所述阈值可以是根据配准误差，按照设定公式或设定规则自动计算匹配获得；通常该阈值与配准误差呈正相关性，从而相对于固定的阈值设定方式，可以针对不同的配准结果以获得更好地适应性。

[0083] 对于遍历寻找并判定的肺结节，若变换移动后的肺结节坐标小于阈值；则判定该肺结节匹配成功；反之，则判定该肺结节匹配不成功。

[0084] 如图4所示，是一次CT影像肺结节匹配结果示意图。从图中可以看出：左图为随访前CT中某一结节的位置和坐标，右图为随访CT中某一结节位置和坐标。左右两图是算法确定的配对结节，从图中可以看出，随访前后由于两次拍摄存在一定误差，结节的坐标有一定差别，但从结节所处的位置和周围组织可以判定，两个结节为不同时期的同一结节，可见本方法具有较高的匹配准确性。

[0085] 优选的，所述基于CT影像骨骼配准实现肺结节自适应匹配的方法，还包括以下步骤：(5)肺结节生长特性分析：针对匹配成功的肺结节，计算肺结节的长短径变化、体积变化和属性变化；针对匹配不成功的肺结节，判断该肺结节为消失或者新增。通过本步骤，可以自动生成肺结节生长特性分析结果，从而为医生快速、准确做出诊断结果提供支撑。

[0086] 在一次实际实施过程中，通过本方法对随机选择的115例测试样本(包含601个结节，其中378个有匹配、223个无配对)开展实际测试，本方法的单个病例匹配耗时<1s，整体匹配准确率为98.5％。

[0087] 本发明实施例还提供一种电子装置，如图3所示，该电子装置可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储在存储器303上并可在处理器301上运行的计算机程序，以执行上述实施例提供的方法，例如包括：(1)数据准备：准备肺部CT影像，准备肺结节数据；(2)提取肺部与骨骼点云数据：在CT影像上分割肺部与骨骼区域，提取肺部和骨骼轮廓三维点云数据，并进行稀疏采样处理；(3)三维点云数据配准：配准两组骨骼三维点云数据，利用骨骼配准得到的转换矩阵；评估两组肺部点云数据的配准误差；(4)肺结节自适应匹配：基于配准误差，采用基于距离的方法匹配肺结节；(5)肺结节生长特性分析：针对匹配成功的肺结节，计算肺结节的长短径变化、体积变化和属性变化；针对匹配不成功的肺结节，判断该肺结节为消失或者新增。

[0088] 此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

[0089] 本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：(1)数据准备：准备肺部CT影像，准备肺结节数据；(2)提取肺部与骨骼点云数据：在CT影像上分割肺部与骨骼区域，提取肺部和骨骼轮廓三维点云数据，并进行稀疏采样处理；(3)三维点云数据配准：配准两组骨骼三维点云数据，利用骨骼配准得到的转换矩阵；评估两组肺部点云数据的配准误差；(4)肺结节自适应匹配：基于配准误差，采用基于距离的方法匹配肺结节；(5)肺结节生长特性分析：针对匹配成功的肺结节，计算肺结节的长短径变化、体积变化和属性变化；针对匹配不成功的肺结节，判断该肺结节为消失或者新增。

[0090] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

[0091] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

[0092] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。