Transcript 下載/瀏覽Download

使用灰階像素臨界值的自動化
肺部切割
出處:朝陽科技大學資訊管理系
學
生：吳昱慧
報告日期：2009/12/01
1
Outline
1. 緒論
2. 文獻探討
– 肺域定位
– Canny邊緣檢測
– 主動輪廓模型
3. 研究方法
4. 實驗結果
5. 結論
2
1.1緒論
• 研究背景
• 醫學影像的形成
– X光造影
– 電腦斷層造影
– 核磁共振造影
3
1.2緒論
• 研究動機與目的
– Sobel邊緣檢測
– Canny邊緣檢測
– 主動輪廓模型(Active contour models,ACM)
• 優點
– 可以精確的偵測出物件的模糊邊界
• 缺點
– 計算量大，浪費時間
4
2.1肺域定位
• Li et al.在2001年提出利用影像直方圖的特
性，分析肺域的位置
• 將影像投影到X軸
5
2.1肺域定位
• 將影像投影到Y軸
6
2.1肺域定位
7
2.1肺域定位
• Xie et al.改善Li et al.的定位方法
• X軸投影的直方圖，找三個區域最高點
8
2.1肺域定位(5/5)
• 計算每一列的歪斜度
skewness  E ( x   x )3 /  x3
• 第一個歪斜度為0的位置為肺域上邊界，肺
域下邊界則是依肺部長寬比例計算而得
下邊界  上邊界  (右邊界 - 左邊界)  r  
9
2.2Canny邊緣檢測
• 具備良好的偵測能力
• 具有良好的定位能力
• 仰制單一邊緣的多重感應(MultipleResponse)
10
2.2Canny邊緣檢測
• 步驟(1)
– 利用二維高斯濾波器濾除雜訊
1
G ( x, y ) 
e
2
( x 2  y 2 )
2 2
11
2.2Canny邊緣檢測
• 步驟(2)
– 利用Sobel運算直找出影像像素在(x,y)的梯度分
量 與 ，則像素(x,y)的梯度為
12
2.2Canny邊緣檢測
• 步驟(3)
– 計算梯度方向，影像像素在(x,y)的梯度方向計
算梯度的分量 與
  tan 1 (Gy / Gx )
13
2.2Canny邊緣檢測
• 步驟(4)
– 非最大值刪除，邊緣點的影像與梯度方向的前
後兩個位元相比，如果不是最大值則此點不是
邊緣點
• 步驟(5)
– 採用高臨界值HT與低臨界值LT兩個臨界值，判
斷是否為邊緣點
14
2.2主動輪廓模型
• 最常使用的肺部切割技術
• 可以用最小能量函數(Energy-minimizing
function)表示為內力、外力及外部限制力總
和
*
snake
E
1
1
0
0
  Esnake (c( s)) ds   ( Eint (c( s))  Eimage(c( s))  Econ (c( s)))
c( s)為雲形線函數(spline function)
15
3.1影像前處理
• 資料庫影像做反差係數γ的調整
– 降低肺域與肩胛骨的對比度
– 加強肺域與肋骨的對比度
16
3.1影像前處理
• 中值濾波
– 減少肩胛骨和胸廓的影響
– 減少高頻雜訊，使影像更為平滑
17
3.2肺域定位
• 將影像投影到X軸分成29組找出肺域左、右
邊界及肺域的中間分隔
18
3.2肺域定位
• 投影到Y軸分成30組找出肺部的上、下邊界
19
3.2肺域定位
20
3.3邊緣偵測
• 肺葉邊緣的偵測
21
3.3邊緣偵測
• 細線化，去除多餘點，修整輪廓形狀
22
4.實驗結果
23
5.結論
• 可成功避免肋骨及電極的干擾
• 完全自動化，不需人工介入及樣本訓練
24