论文部分内容阅读
为了提高对肺部低对比度血管和细小血管的检测效果,以及降低非血管结构对血管提取的影响,本文提出了基于匹配滤波器的三维肺血管提取方法。这种方法由肺部分割、血管提取和血管树跟踪三个部分组成,整个过程不需要人工干预。本文提出的算法的核心思想是使用了血管纵向连续性、横截面存在性以及包含10个特征的判决规则。这10个特征包括水平方向置信度,垂直方向置信度、边缘匹配滤波器响应和边缘置信度特征。只有满足1到52个方向中的一个或多个方向上的血管纵向连续性和横截面存在性的体素才会被初步保留下来,作为下一步处理的候选。这两个特征可以去掉肺部CT图像中的具有一定厚度的亮斑以及形状不规则的结构组织。除此之外,肺部分割这一步骤缩小了处理范围,也在一定程度上排除了噪声干扰。横截面存在性用来检测某个截面是否满足圆形、椭圆形或者其他预定义的形状。本文在多个尺度下使用匹配滤波器以便检测具有不同直径宽度的血管。血管置信度定义为向量间的投影,是用由检测点及其邻接点组成的正规化的向量向具有理想血管轮廓的模型投影。从检测点出发,对可能的潜在边缘点计算其边缘响应和边缘置信度。结合这些特征,构成一个具有10个维度的向量。然后利用决策公式,将该特征向量映射到血管或背景。最后,将本文算法嵌入到跟踪框架中,以连接断裂的血管片段。本文第四部分给出了本算法在四组真实CT图像上的测试结果及分析,取得了比基于血管活动轮廓模型以及基于海森矩阵方法理想的结果。