基于兴趣体积与梯度矢量流的三维胸部CT气道分割
计算机视觉与模式识别
2017-04-27 v1
摘要
某些肺部疾病与支气管气道结构和形态有关。虽然从胸部CT体积数据中进行气道分割是胸部计算机辅助诊断和手术辅助系统中的一项重要任务，但由于其复杂的树状结构，完整的三维气道结构分割是一项极具挑战性的任务。本文提出了一种基于兴趣体积（VOI）并利用梯度矢量流（GVF）的三维胸部CT气道分割新方法。该方法通过应用腔腔增强滤波器（CEF）从气管开始追踪支气管树结构，来分割支气管区域。它在VOI中使用CEF来分割每个分支。并利用基于GVF的管状度函数和每个VOI中的GVF幅值图来辅助预测子分支的位置和方向。通过计算基于GVF的管状度函数和GVF幅值图，识别出类气道候选结构并提取其中心线。基于提取的中心线，可以检测分叉的分支点和下一层级气道分支的方向。同时，通过分析在VOI中提取的气道候选区域的像素信息和形状信息，执行泄漏检测以避免泄漏。最后，我们将所有提取的支气管区域统一起来，形成一个完整的气道树。使用四例胸部CT体积数据的初步实验表明，与其他方法相比，所提出的方法可以提取更多的支气管分支。
引用
@article{arxiv.1704.08030,
title = {Airway segmentation from 3D chest CT volumes based on volume of interest using gradient vector flow},
author = {Qier Meng and Takayuki Kitasaka and Masahiro Oda and Junji Ueno and Kensaku Mori},
journal= {arXiv preprint arXiv:1704.08030},
year = {2017}
}