用于医学影像辅助诊断支气管扩张的方法及装置与流程

1.本技术涉及医学技术领域，特别涉及一种用于医学影像辅助诊断支气管扩张的方法及装置。


背景技术：

2.支气管扩张是由于支气管及其周围肺组织慢性化脓性炎症和纤维化，使支气管壁的肌肉和弹性组织破坏，导致支气管壁损伤引起的气道变形及不可逆性扩张。典型的症状有慢性咳嗽、咳大量脓痰和反复咯血，主要致病因素为支气管感染、阻塞和牵拉，是新型冠状病毒肺炎、肺结核、百日咳等呼吸道疾病的常见并发症。
3.准确的识别支气管扩张，是提高诊疗精确度的前提。现有医学研究发现，胸片评价支气管扩张的敏感性较低，在轻中度病例中，扩张支气管增厚的管壁表现的平行轨道征和环状影以及充满粘液的扩张气道表现的管样密度增高影在胸片上可以显示，但许多支气管扩张症在胸片上难以识别。而薄层胸部ct(computed tomography，电子计算机断层扫描)比胸片更敏感，该方法通过应用间隔为1.0mm或更小的高分辨率ct进行螺旋扫描，对于支气管扩张的评价有较高准确度，是目前支气管扩张特征性评价和鉴别评价的参考标准。
4.支气管扩张的核心影像表征是支气管直径增粗，判断标准主要有三种，分别为：(1)支气管-动脉比值增加：通过测量支气管横断面直径和肺内伴行动脉直径，计算支气管-动脉直径比值，正常支气管-动脉比值平均为0.65～0.7；(2)缺乏支气管逐渐变细的征象：缺乏支气管逐渐变细的表现，这一征象表现为气道从支气管分支点到远端至少50px直径保持不变；(3)支气管轮廓异常：支气管扩张可分为柱状、曲张型、囊状扩张，识别这些轮廓异常改变可以做出评价。由此可发现，准确的测量支气管管径是ct影像评价的关键。
5.然而，人体呼吸道解剖结构呈树状，由支气管(第1级)至肺泡约有24级分支，各级以二叉树的形式生长，支气管数量庞大，同时，每支支气管沿长度方向的断面直径并不相同，且与受试者个体、呼吸状态及病程发展等因素显著均相关，临床阅片的工作量极大。因此，传统支气管扩张的判别依赖于影像科医生依据经验判断扩张支气管，其量化则采用手动标注，通过在薄层ct上取若干断面手动测量支气管直径，工作量大且精确度欠佳。由于缺乏高精度的全自动支气管直径提取及计算工具，导致医生在支气管扩张程度分析及多次ct支气管扩张病程发展判断时，缺乏可靠的数据支撑。
6.申请内容
7.本技术提供一种用于医学影像辅助诊断支气管扩张的方法及装置，实现了影像可及范围支气管直径的自动精确输出计算，大大提升了传统手动提取方法准确度，显著降低了时间成本。
8.本技术第一方面实施例提供一种用于医学影像辅助诊断支气管扩张的方法，包括以下步骤：
9.采集人体呼吸系统的二维影像数据，并基于所述二维影像数据，重建支气管树空间三维数据；
10.以所述支气管树空间三维数据为基础，识别每根支气管的中心线，并对所述每根支气管的中心线进行节点划分，计算所述每根支气管对应的所有节点参数，判断并筛选所述每根支气管对应的有效节点，获得ct影像预设范围内所有支气管直径；
11.对所述每根支气管进行命名，以对扩张支气管在肺叶中的位置进行靶向定位追踪。
12.可选地，所述识别每根支气管的中心线，并对所述每根支气管的中心线进行节点划分，计算所述每根支气管对应的所有节点参数，包括：
13.识别所述每根支气管的中心线的同时，将所述中心线沿支气管生长方向划分成多个计算节点；
14.以每个计算节点为中心，采用最小二乘法获得所述每个计算节点对应的支气管断面最佳拟合圆直径，并输出各节点空间位置坐标及其对应的支气管断面最佳拟合圆直径的数据集；
15.查找所述数据集中空间位置坐标为空的无效节点，并依据二叉树算法结构遍历所述数据集，剔除非二叉树的冗余支气管数据，以完成所述数据集的二次数据清洗，并输出有效节点的空间位置坐标及其对应的支气管断面最佳拟合圆直径。
16.可选地，所述每个支气管有效节点的支气管断面最佳拟合圆直径数据集服从正态分布，其中，所述判断并筛选所述每根支气管对应的有效节点，获得ct影像预设范围内所有支气管直径，包括：
17.依据正态分布拉依达原则，对所述数据集的异常值进行剔除，计算所述每个支气管的有效节点最佳拟合圆直径的平均值和标准差；
18.判断所述每个支气管的有效节点的最佳拟合圆直径与所述平均值的偏差是否超过预设标准差，并在超过所述预设标准差时，判定为异常值节点；
19.剔除所述每个支气管有效节点中的异常值节点后，对所述每个支气管剩余所有节点对应的拟合圆直径进行算数平均，输出所述ct影像预设范围内所有支气管的直径标准数据集。
20.可选地，所述对所述每根支气管进行命名，以对扩张支气管在肺叶中的位置进行靶向定位追踪，包括：
21.依据所述每根支气管在肺叶中的位置及级数，对所述每根支气管进行命名，得到所述每根支气管命名序列；
22.根据所述每根支气管命名序列对所述每根支气管在肺叶中的位置进行定位，以对所述ct影像中的扩张支气管直径进行靶向定位追踪。
23.可选地，所述采集人体呼吸系统的二维影像数据，并基于所述二维影像数据，重建支气管树空间三维数据，包括：
24.围绕人体胸部进行断层扫描，获得层厚小于预设阈值的薄层人体胸部二维断层扫描影像；并基于所述人体胸部二维断层扫描影像，获得多个由黑到白不同灰度按矩阵排列的像素点，并获得上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像；
25.根据所述上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像获取人体呼吸道支气管树的所述二维影像数据；
26.根据所述二维影像数据分别对所述冠状位、水平位、矢状位断面影像进行逐层细
化处理，得到去除背景噪声和像素中的漂浮物质后的每张薄层ct支气管完整精细的图像分割结果；并根据预设呼吸道阈值确定等值面，并利用线性差值逼近所述等值面，由所述图像分割结果生成网格模型数据，得到所述支气管树空间三维数据。
27.本技术第二方面实施例提供一种用于医学影像辅助诊断支气管扩张的装置，包括：
28.重建模块，用于采集人体呼吸系统的二维影像数据，并基于所述二维影像数据，重建支气管树空间三维数据
29.获取模块，用于以所述支气管树空间三维数据为基础，识别每根支气管的中心线，并对所述每根支气管的中心线进行节点划分，计算所述每根支气管对应的所有节点参数，判断并筛选所述每根支气管对应的有效节点，获得ct影像预设范围内所有支气管直径；
30.定位模块，用于对所述每根支气管进行命名，以根据所述每根支气管命名序列对扩张支气管在肺叶中的位置进行靶向定位追踪。
31.可选地，所述获取模块，具体用于：
32.识别所述每根支气管的中心线的同时，将所述中心线沿支气管生长方向划分成多个计算节点；
33.以每个计算节点为中心，采用最小二乘法获得所述每个计算节点对应的支气管断面最佳拟合圆直径，并输出各计算节点的空间位置坐标及其对应的支气管断面最佳拟合圆直径的数据集；
34.查找所述数据集中空间位置坐标为空的无效节点，并依据二叉树算法结构遍历所述数据集，剔除非二叉树的冗余支气管数据，以完成所述数据集的二次数据清洗，并输出有效节点的空间位置坐标及其对应的支气管断面最佳拟合圆直径。
35.可选地，所述每个支气管有效节点的支气管断面最佳拟合圆直径数据集服从正态分布，所述获取模块，具体用于：
36.依据正态分布拉依达原则，对所述数据集的异常值进行剔除，计算所述每个支气管的有效节点最佳拟合圆直径的平均值和标准差；
37.判断所述每个支气管的有效节点的最佳拟合圆直径与所述平均值的偏差是否超过预设标准差，并在超过所述预设标准差时，判定为异常值节点；
38.剔除所述每个支气管有效节点中的异常值节点后，对所述每个支气管剩余所有节点对应的拟合圆直径进行算数平均，输出所述ct影像预设范围内所有支气管的直径标准数据集。
39.可选地，所述定位模块，具体用于：
40.依据所述每根支气管在肺叶中的位置及级数，对所述每根支气管进行命名，得到所述每根支气管命名序列；
41.根据所述每根支气管命名序列对所述每根支气管在肺叶中的位置进行定位，以对所述ct影像中的扩张支气管直径进行靶向定位追踪。
42.可选地，所述重建模块，具体用于：
43.围绕人体胸部进行断层扫描，获得层厚小于预设阈值的薄层人体胸部二维断层扫描影像，并基于所述人体胸部二维断层扫描影像，获得多个由黑到白不同灰度按矩阵排列的像素点，并获得上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像；
44.根据所述上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像获取人体呼吸道支气管树的所述二维影像数据；
45.根据所述二维影像数据分别对所述冠状位、水平位、矢状位断面影像进行逐层细化处理，得到去除背景噪声和像素中的漂浮物质后的每张薄层ct支气管完整精细的图像分割结果；并根据预设呼吸道阈值确定等值面，并利用线性差值逼近所述等值面，由所述图像分割结果生成网格模型数据，得到所述支气管树空间三维数据。
46.本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的用于医学影像辅助诊断支气管扩张的方法。
47.本技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现上述的用于医学影像辅助诊断支气管扩张的方法。
48.由此，通过对ct影像获得的大量呼吸道二维断层扫描图像进行形态提取及空间离散，利用数据抓取及清洗算法，实现了影像可及范围支气管直径的自动精确输出计算，大大提升了传统手动提取方法准确度，显著降低了时间成本，在支气管扩张的辅助评价方面具有极高的应用前景。本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
49.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
50.图1为根据本技术实施例提供的一种用于医学影像辅助诊断支气管扩张的方法的流程图；
51.图2为根据本技术一个实施例的目标个体胸腔区域ct断层扫描示例图；
52.图3为根据本技术一个实施例的薄层ct图像的支气管阈值分割示意图；
53.图4为根据本技术一个实施例的基于marching cubes算法生成的支气管树空间三维模型的示例图；
54.图5为根据本技术一个实施例的支气管中心线识别及节点划分示意图；
55.图6为根据本技术一个实施例的各节点支气管断面最佳拟合圆直径计算的示例图；
56.图7为根据本技术一个实施例的中心气道部分节点空间位置及断面最佳拟合圆直径计算示意图；
57.图8为根据本技术一个实施例的扩张支气管直径输出及靶向定位示意图；
58.图9为根据本技术实施例的用于医学影像辅助诊断支气管扩张的装置的示例图；
59.图10为根据本技术实施例的电子设备的示例图。
具体实施方式
60.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
61.下面参考附图描述本技术实施例的用于医学影像辅助诊断支气管扩张的方法及装置。
62.在介绍本技术实施例的用于医学影像辅助诊断支气管扩张的方法之前，先简单介绍下相关技术中的支气管直径的量化方法。
63.相关技术中，支气管直径的量化采用离体组织切片或人工标记的方法，对于患者ct影像学评价，多用人工标记方法。该方法的核心是影像科医生根据影像判断标准，通过审阅患者胸部薄层ct扫描影像，找到扩张支气管位置，通过ct机配套的后处理软件辅助测量支气管直径，判断是否存在支气管扩张。该方法大大依赖于医生的阅片经验，由于支气管数量极多，人工提取的工作量很大，阅片中易存在漏判、误判的情况，准确度亟待提升。
64.正是基于上述问题，本技术提供了一种用于医学影像辅助诊断支气管扩张的方法，在该方法中，通过对ct影像获得的大量呼吸道二维断层扫描图像进行形态提取及空间离散，利用数据抓取及清洗算法，实现了影像可及范围支气管直径的自动精确输出计算，大大提升了传统手动提取方法准确度，显著降低了时间成本，在支气管扩张的辅助评价方面具有极高的应用前景。
65.具体而言，图1为本技术实施例所提供的一种用于医学影像辅助诊断支气管扩张的方法的流程示意图。
66.如图1所示，该用于医学影像辅助诊断支气管扩张的方法包括以下步骤：
67.在步骤s101中，采集人体呼吸系统的二维影像数据，并基于二维影像数据，重建支气管树空间三维数据。
68.可选地，采集人体呼吸系统的二维影像数据，并基于二维影像数据，重建支气管树空间三维数据，包括：围绕人体胸部进行断层扫描，获得层厚小于预设阈值的薄层人体胸部二维断层扫描影像；并基于人体胸部二维断层扫描影像，获得多个由黑到白不同灰度按矩阵排列的像素点，并获得上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像；根据上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像获取人体呼吸道支气管树的二维影像数据；根据二维影像数据分别对冠状位、水平位、矢状位断面影像进行逐层细化处理，得到去除背景噪声和像素中的漂浮物质后的每张薄层ct支气管完整精细的图像分割结果；并根据预设呼吸道阈值确定等值面，并利用线性差值逼近等值面，由图像分割结果生成网格模型数据，得到支气管树空间三维数据。
69.具体而言，本技术实施例可以通过电子计算机断层扫描技术，利用精确准直的x线束，与灵敏度极高的探测器一同围绕人体胸部进行一个接一个的断面扫描，获得层厚小于1.5mm的薄层人体胸部二维断层扫描影像。依据不同组织对x线的吸收率与透过率的不同，获得一定数目由黑到白不同灰度按矩阵排列的像素点，然后将测量所获取的数据输入电子计算机，对数据进行处理后，显示上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像，快速、便捷地获取人体呼吸道支气管树原始二维影像数据。
70.进一步地，本技术实施例可以定义呼吸道阈值范围，对冠状位、水平位、矢状位三个视窗断层影像数据人工逐层细化处理，去除背景噪声和像素中的漂浮物质，实现每张薄层ct支气管完整精细的图像分割。本技术实施例可以采用marching cubes(mc，移动立方体)算法，假设原始数据为三维离散数据场，通过已定义的阈值确定等值面，利用线性差值逼近等值面，将支气管数据生成网格模型数据，输出支气管树空间三维模型。
71.在步骤s102中，以支气管树空间三维数据为基础，识别每根支气管的中心线，并对每根支气管的中心线进行节点划分，计算每根支气管对应的所有节点参数，判断并筛选每根支气管对应的有效节点，获得ct影像预设范围内所有支气管直径。
72.具体地，本技术实施例可以以支气管树空间三维数据为基础，识别每根支气管的中心线及计算对应参数，并且由每根支气管的中心线得到ct影像，识别预设范围内所有支气管直径，同时对每根支气管进行命名，以对扩张支气管进行靶向定位追踪。
73.可选地，在一些实施例中，识别每根支气管的中心线，并对每根支气管的中心线进行节点划分，计算每根支气管对应的所有节点参数，包括：识别每根支气管的中心线的同时，将中心线沿支气管生长方向划分成多个计算节点；以每个计算节点为中心，采用最小二乘法获得每个计算节点对应的支气管断面最佳拟合圆直径，并输出各节点空间位置坐标及其对应的支气管断面最佳拟合圆直径的数据集；利用计算机编程自动查找数据集中空间位置坐标为空的无效节点，并依据二叉树算法结构遍历数据集，剔除非二叉树的冗余支气管数据，以完成数据集的二次数据清洗，并输出有效节点的空间位置坐标及其对应的支气管断面最佳拟合圆直径。
74.可选地，在一些实施例中，每个支气管有效节点的支气管断面最佳拟合圆直径数据集服从正态分布，其中，判断并筛选每根支气管对应的有效节点，获得ct影像预设范围内所有支气管直径，包括：依据正态分布拉依达原则，利用计算机编程对数据集的异常值进行剔除，计算每个支气管的有效节点最佳拟合圆直径的平均值和标准差；判断每个支气管的有效节点的最佳拟合圆直径与平均值的偏差是否超过预设标准差(如3倍标准差)，并在超过预设标准差时，判定为异常值节点；剔除每个支气管有效节点中的异常值节点后，对每个支气管剩余所有节点对应的拟合圆直径进行算数平均，输出ct影像预设范围内所有支气管的直径标准数据集。由此，完成ct影像预设范围内所有支气管直径的全自动提取及高精度计算，并输出支气管直径标准数据集，可辅助影像科医生对二维ct影像中的扩张支气管直径进行快速量化。其中，预设标准差可以为
75.具体地，每支支气管沿长度方向截面直径不相等，为了让支气管的直径计算更加准确，以输出的支气管树空间三维模型为基础，识别每一根支气管中心线，将中心线沿支气管生长方向划分为若干个计算节点，相邻节点间距小于1.3mm。以每一个节点为中心，采用最小二乘法获得每个节点对应的支气管断面最佳拟合圆直径，输出各节点空间位置坐标及其对应的支气管断面最佳拟合圆直径的.txt或.csv数据集。
76.进一步地，基于计算机高级编程语言，建立支气管直径自动计算及存储介质。对.txt或.csv后缀的原始数据集进行初步判断、分项、数据清洗，依据正态分布拉依达原则，对异常值进行剔除，计算每个支气管有效节点最佳拟合圆直径的平均值和标准差；此后，判断每个支气管有效节点的最佳拟合圆直径与平均值的偏差是否超过预设标准差，并在超过预设标准差时，判定为异常值节点；最后，剔除每个支气管有效节点中的异常值节点后，对每个支气管剩余所有节点对应的拟合圆直径进行算数平均，输出ct影像预设范围内所有支气管的直径标准数据集。
77.在步骤s103中，对每根支气管进行命名，以对扩张支气管在肺叶中的位置进行靶向定位追踪。
78.可选地，对每根支气管进行命名，以对扩张支气管在肺叶中的位置进行靶向定位
追踪，包括：依据每根支气管在肺叶中的位置及级数，对每根支气管进行命名，得到每根支气管命名序列；根据每根支气管命名序列对每根支气管在肺叶中的位置进行定位，以对ct影像中的扩张支气管直径进行靶向定位追踪。由此，可辅助影像科医生对二维ct影像中的扩张支气管直径进行靶向追踪，完成多次ct扫描支气管扩张病程发展分析
79.由此，通过对人体胸部二维ct断层扫描影像获得的大量无序节点数据集进行算法编程，实现了影像提取范围内所有支气管直径的自动自动输出计算，适用于任意单体呼吸道支气管直径识别及分析，显著提升了传统手动标注的准确性，缩短了人工提取工作量，为支气管扩张的影像学量化及靶向追踪提供了新的技术方法。
80.为使得本领域技术人员进一步了解本技术实施例的用于医学影像辅助诊断支气管扩张的方法，下面基于具体实施例进行详细阐述。
81.具体地，本技术基于目标个体ct断层扫描影像，还原前7级呼吸道形态学结构，计算全部支气管直径并输出，辅助影像科医生完成支气管扩张部位的定位及直径量化工作，主要包括以下步骤：
82.(1)人体呼吸系统二维影像数据采集模块：
83.采用电子计算机断层扫描(ct)技术对目标个体进行胸腔ct断层扫描，快速、便捷地获得目标个体高精度呼吸系统的冠状位、矢状位、水平位断面影像，如图2(a)-图2(c)所示，图2(a)为目标个体矢状位胸腔区域ct断层扫描图，图2(b)为目标个体冠状位胸腔区域ct断层扫描图，图2(c)为目标个体水平位胸腔区域ct断层扫描图，准确再现不同性别、年龄、健康状况等因素下目标人群呼吸系统解剖学结构差异。其中，黑影表示低吸收区，即低密度区，如含气体多的呼吸道；白影表示高吸收区，即高密度区，如骨骼。
84.(2)支气管树空间三维数据重建模块：
85.将步骤(1)中人体呼吸道二维影像数据导入支气管树空间三维数据重建模块，定义呼吸道阈值范围，对冠状位、水平位、矢状位三个视窗断层影像数据人工逐层细化处理，去除背景噪声和像素中的漂浮物质，实现每张薄层ct支气管完整精细的图像分割，如图3所示，其中，图3为薄层ct图像的支气管阈值分割示意图，图3(a)为中心气道(0级)；图3(b)为左主和右主支气管(1级)；图3(c)2级支气管。本技术实施例采用marching cubes(移动立方体)算法，假设原始数据为三维离散数据场，通过已定义的阈值确定等值面，利用线性差值逼近等值面，将支气管数据生成网格模型数据，输出支气管树空间三维模型，基于marching cubes算法生成的支气管树空间三维模型可以如图4所示。
86.(3)支气管树中心线提取及参数计算模块：
87.以步骤(2)输出的支气管树空间三维模型为基础，识别每一根支气管中心线，将中心线沿支气管生长方向划分为若干个计算节点，相邻节点间距为～1.3mm，如图5所示，图5为支气管中心线识别及节点划分示意图。以每一个节点为中心，采用最小二乘法获得每个节点对应的支气管断面最佳拟合圆直径，如图6所示。
88.由此，即可输出各节点空间位置坐标及其对应的支气管断面最佳拟合圆直径的.txt或.csv数据集。
89.(4)支气管直径自动输出计算模块
90.步骤(3)中输出的.txt或.csv数据集，数据量依据个体呼吸道形态结构差异有所不同，包括了千/万级节点空间位置坐标及其对应的支气管断面最佳拟合圆直径原始数据，
如图7所示。基于计算机高级编程语言，利用数据抓取及清洗算法，实现支气管直径自动计算、输出及存储。对.txt或.csv后缀的原始数据集进行初步判断、分项、数据清洗，寻找无效节点并剔除冗余数据信息，此后，进行二次数据清洗，将同一支气管中心线所有节点对应的拟合圆直径进行算数平均，输出ct影像可识别范围内所有支气管直径标准数据集。
91.也即是说，本技术实施例可以首先进行每根支气管的中心线节点划分，然后计算每个节点的拟合圆直径，从而计算每根支气管所有拟合圆直径的算数平均值-获得支气管直径，计算公式为：
[0092][0093]
其中，n为支气管根数，dn为第n根支气管直径，i为第i个节点，di为第i个节点断面最佳拟合圆直径，m为每根支气管的节点数。
[0094]
经计算，该算例共识别支气管数量276根，对每一根支气管均进行命名，命名结果可以如表1所示，表1为部分支气管直径自动输出计算表(部分)。
[0095]
表1
[0096]
[0097][0098]
由此，如图8所示，白色虚线为扩张呼吸道-复查曲线，灰色曲线为扩张呼吸道-感染曲线，基于影像科医生对支气管扩张位置的预判，实现了扩张支气管的靶向定位追踪，以及扩张直径的定量化输出，为支气管扩张的影像评价提供了技术支持。
[0099]
根据本技术实施例提出的用于医学影像辅助诊断支气管扩张的方法，通过对ct影像获得的大量呼吸道二维断层扫描图像进行形态提取及空间离散，利用数据抓取及清洗算法，实现了影像可及范围支气管直径的自动精确输出计算，大大提升了传统手动提取方法准确度，显著降低了时间成本，在支气管扩张的辅助评价方面具有极高的应用前景。
[0100]
其次参照附图描述根据本技术实施例提出的用于医学影像辅助诊断支气管扩张的装置。
[0101]
图9是本技术实施例的用于医学影像辅助诊断支气管扩张的装置的方框示意图。
[0102]
如图9所示，该用于医学影像辅助诊断支气管扩张的装置10包括：重建模块100、获取模块200和定位模块300。
[0103]
其中，重建模块100用于采集人体呼吸系统的二维影像数据，并基于二维影像数据，重建支气管树空间三维数据
[0104]
获取模块200用于以支气管树空间三维数据为基础，识别每根支气管的中心线，并对每根支气管的中心线进行节点划分，计算每根支气管对应的所有节点参数，判断并筛选每根支气管对应的有效节点，获得ct影像预设范围内所有支气管直径；
[0105]
定位模块300用于对每根支气管进行命名，以根据每根支气管命名序列对扩张支气管在肺叶中的位置进行靶向定位追踪。
[0106]
可选地，获取模块200具体用于：
[0107]
识别每根支气管的中心线的同时，将中心线沿支气管生长方向划分成多个计算节点；
[0108]
以每个计算节点为中心，采用最小二乘法获得每个计算节点对应的支气管断面最佳拟合圆直径，并输出各计算节点的空间位置坐标及其对应的支气管断面最佳拟合圆直径的数据集；
[0109]
查找数据集中空间位置坐标为空的无效节点，并依据二叉树算法结构遍历数据集，剔除非二叉树的冗余支气管数据，以完成数据集的二次数据清洗，并输出有效节点的空间位置坐标及其对应的支气管断面最佳拟合圆直径。
[0110]
可选地，每个支气管有效节点的支气管断面最佳拟合圆直径数据集服从正态分布，获取模块200具体用于：
[0111]
依据正态分布拉依达原则，对数据集的异常值进行剔除，计算每个支气管的有效节点最佳拟合圆直径的平均值和标准差；
[0112]
判断每个支气管的有效节点的最佳拟合圆直径与平均值的偏差是否超过预设标准差，并在超过预设标准差时，判定为异常值节点；
[0113]
剔除每个支气管有效节点中的异常值节点后，对每个支气管剩余所有节点对应的拟合圆直径进行算数平均，输出ct影像预设范围内所有支气管的直径标准数据集。
[0114]
可选地，定位模块300具体用于：
[0115]
依据每根支气管在肺叶中的位置及级数，对每根支气管进行命名，得到每根支气管命名序列；
[0116]
根据每根支气管命名序列对每根支气管在肺叶中的位置进行定位，以对ct影像中的扩张支气管直径进行靶向定位追踪。
[0117]
可选地，重建模块100具体用于：
[0118]
围绕人体胸部进行断层扫描，获得层厚小于预设阈值的薄层人体胸部二维断层扫描影像，并基于人体胸部二维断层扫描影像，获得多个由黑到白不同灰度按矩阵排列的像素点，并获得上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像；
[0119]
根据上呼吸道、下呼吸道及肺部的冠状位、水平位、矢状位断面影像获取人体呼吸道支气管树的二维影像数据；
[0120]
根据二维影像数据分别对冠状位、水平位、矢状位断面影像进行逐层细化处理，得到去除背景噪声和像素中的漂浮物质后的每张薄层ct支气管完整精细的图像分割结果；并根据预设呼吸道阈值确定等值面，并利用线性差值逼近等值面，由图像分割结果生成网格模型数据，得到支气管树空间三维数据。
[0121]
需要说明的是，前述对用于医学影像辅助诊断支气管扩张的方法实施例的解释说明也适用于该实施例的用于医学影像辅助诊断支气管扩张的装置，此处不再赘述。
[0122]
根据本技术实施例提出的用于医学影像辅助诊断支气管扩张的装置，通过对ct影像获得的大量呼吸道二维断层扫描图像进行形态提取及空间离散，利用数据抓取及清洗算法，实现了影像可及范围支气管直径的自动精确输出计算，大大提升了传统手动提取方法准确度，显著降低了时间成本，在支气管扩张的辅助评价方面具有极高的应用前景。
[0123]
图10为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
[0124]
存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。
[0125]
处理器1002执行程序时实现上述实施例中提供的用于医学影像辅助诊断支气管扩张的方法。
[0126]
进一步地，电子设备还包括：
[0127]
通信接口1003，用于存储器1001和处理器1002之间的通信。
[0128]
存储器1001，用于存放可在处理器1002上运行的计算机程序。
[0129]
存储器1001可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0130]
如果存储器1001、处理器1002和通信接口1003独立实现，则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0131]
可选地，在具体实现上，如果存储器1001、处理器1002及通信接口1003，集成在一块芯片上实现，则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。
[0132]
处理器1002可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0133]
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的用于医学影像辅助诊断支气管扩张的方法。
[0134]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0135]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0136]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0137]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0138]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0139]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0140]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0141]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。