LIDC数据集肺区分割

来源:互联网 发布:windows 10界面 编辑:程序博客网 时间:2024/03/28 17:34

在使用LIDC数据集做肺结节检测时对肺区进行分割后效果会好很多,主要是减少肺区以外的组织对检测的干扰。

方法比较简单:

首先是阈值分割,设置CT值为480HU作为阈值对CT图像进行分割,得到二值图像,然后使用flood fill填充方法对肺区以外的部分进行填充,接下来使用形态学方法腐蚀掉肺区中的残余部分,最终将得到的结果作为掩模与原图像叠加得到肺区图像。
MATLAB代码:

def img_segmentation(dicom_file):    threshold = -480 / dicom_file.RescaleSlope - dicom_file.RescaleIntercept    mask=dicom_file.pixel_array    mask=(mask>threshold).astype(np.float32)    element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (10, 10))    mask = cv2.erode(mask, element)    cols,rows=mask.shape[:2]    #cv2.imshow('mask', mask)    #cv2.waitKey()    mask_back=mask.copy()    flood_mask=np.zeros([cols+2,rows+2],dtype=np.uint8)    cv2.floodFill(mask,flood_mask,(0,0),255)    element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (4, 4))    mask = cv2.dilate(mask, element)    #cv2.imshow('mask', mask)    #cv2.waitKey()    #mask=(mask.astype(np.uint8))*255    #mask=255-mask    #return mask    #seg=mask*(dicom_file.pixel_array)    mask=1.0-mask/255    mask=mask-mask_back    mask=mask*(mask>0)    #mask=(mask.astype(np.uint8))*    print mask.max(), mask.min()    flood_mask = np.zeros([cols + 2, rows + 2], dtype=np.uint8)    cv2.floodFill(mask, flood_mask, (0, 0), 255)    print mask.max(), mask.min()    mask=mask.astype(np.uint8)    mask=(mask<128).astype(np.float32)    #cv2.imshow('mask',mask)    #cv2.waitKey()    return mask


0 0