如何在python或MATLAB中从胸部CT图像中提取肺部部分

我有 CT 扫描图像，我想使用 python 或 MATLAB 从中仅提取（分割）肺部部分。

在 MATLAB 中对我有用的解决方案是 Hill Climbing algorithm。这是MATLAB implementation。它使用无监督机器学习算法：k-means。您将需要根据您的要求试验不同数量的段。请参见下面的示例：

从 MATLAB Central 下载上述代码（文件 HillClimbingSegment.m 和 RGB2Lab.m）并将其放置在您的工作区中。然后你可以像这样分段：

image_path = 'CT.jpg';
segmented_img = HillClimbingSegment(image_path,4);

其中第二行 (4) 中的第二个参数是所需段的数量。

在我的图像中，仅使用 4 个片段，可以观察到右肺的异常，但右肺顶部的另一个器官与肺合并。使用7段，将其分开。使用 7-9 段可提供最佳视图。超过 9 会导致混乱。

我建议您将 png 转换为 NIfTI 文件 (nii)，然后使用 python。对于转换，您可以使用它：Convert .png files to .nii (NiFti files)

之后就可以加载图片使用了

nii = nibabel.load(path to the nifti file)

获取 numpy 数组

np_array = nii.get_fdata()

通过 -500 到 2000 之间的过滤器阈值从 nifti 文件中分割所有正文。身体内外的所有空气都会被1-身体分割。

然后取最大的连通分量，将其从segmentation（也就是比肺大的外界空气）中去掉

air_seg = skimage.measure.label(air_seg)
largest_connected_air = air_seg == numpy.argmax(nump.bincount(air_seg.flat)[1:]) + 1

现在再做一次取肺。这是我得到的：

如果您需要更多解释，请回复。