肺区分割研究现状探析

肺区分割是肺癌计算机辅助诊断的首要步骤，但发生肿块（指直径大于3cm的类球形病灶）与胸壁粘连时，会给分割带来困难。传统方法大多依据计算机断层成像（CT，Computer Tomography）值的差异来分割肺区（低密度区域）和胸壁（高密度区域），而这只适合于分割胸壁无肿块粘连的肺区。如果胸壁与肿块粘连，由于两者CT值接近，会导致基于局部低级特征的传统分割方法得不到正确结果（图5-1b）。近年来，很多高级的分割方法应用到医学图像的分割中，如将图理论、马尔科夫随机场应用到PET-CT的肺肿块分割中^[37，38]，针对胸壁粘连型肺结节（直径在3mm～3cm）的分割方法已有较多报道。如文献[39]用形态学“滚球”法填充胸壁粘连型肺结节区域。文献[40]利用肋骨与胸壁之间曲率一致的特点来分割含胸壁粘连型肺结节的肺区。文献[41]采用贝塞尔曲面将经仿射变换的平滑肺轮廓模型拟合到目标肺上，再用主动轮廓算法加以改进。但该方法难以适用于结节出现在肺顶或肺底部的情形。文献[42]先用移动立方体（marching cube）算法建立表面模型，然后用曲率识别并删除“有问题”的区域，再用径向基函数（RBF，Radiabasis Function）修复并拟合表面。但以上方法只适用于小的病灶区域的填充，难以处理含有大面积病灶（如肿块）的肺区。文献[43]基于图集的弹性配准来分割含有胸壁粘连型肿块的肺区，分割准确率高，且能在缺少大量正常肺组织（不大于30%）的情况下维持完整的肺区形状；但处理时间较长，在临床上不能接受。文献[44]用肺影像库和配准的方法做含病变的肺区分割。

图5-1 提取肺边缘标记点

a）不含粘连胸壁型肿块的肺 b）含有粘连胸壁型肿块的肺(www.xing528.com)

为解决上述问题，需将先验肺区形状模板导入到分割模型中。目前，基于先验形状的分割算法主要有两类：第一类是带形状约束项的水平集level-set模型^[45]；第二类是基于统计的变形模型，如主动形状模型（ASM，Active Shape Model）^[46]。前一种方法因其过于限定目标形状的特性而难以推广。ASM是一种基于标记点分布模型（PDM）的形状表达模型，它使用主成分分析（PCA）学习训练集的平均形状和变形范围，故适用于大致轮廓相似又有一定个体差异的医学解剖部位分割。但ASM分割效果会受到异常标记点（即位于伪边缘上的标记点）的影响。异常标记点违背了ASM模型中冗余错误服从高斯分布的假设。因此，有效地处理异常标记点是将ASM应用于分割肺区问题的前提。

近年来，许多学者在检测异常标记点上做了大量工作。如文献[47]用形状表达模型的变化参数来检测标记点，即在形状变化参数下，用单个标记点更新的位移量与所有标记点更新的平均位移量相比较；如果相差很大，说明该标记点为异常标记点。文献[48]用相邻标记点间距离比例作为形状描述手段来检测异常标记点；如果距离比例值在训练出的形状变化容忍模型的置信区间外，说明该标记点为异常标记点。文献[49]将标记点集随机分为若干个子集，若待分割图像的标记点子集重建出的形状与训练样本集对应标记点重建出的形状差别较大，说明该子集中含有异常标记点。