来自德国海德堡的 Oliver Weinheimer 博士团队研发了一种全自动化评估气道疾病的算法，AuntMinnie 上对该算法进行了介绍。我们一起来学习下。
这种算法以 MDCT 图像为基准，基于叶的肺分割算法，并将其应用于肺囊性纤维化患儿的吸气相和呼气相扫描。该算法与人工掩模技术相结合，可使重叠率在吸气相扫描达到 97 % 和呼气相扫描达到 90 % ，并根据重建内核，提供了一种很有前景的新方法来量化气道疾病。
这种新算法虽是传统以肺叶为基础算法的重要一部分，但其一大优点是对吸气相和呼气相扫描均可以提供更加满意的结果，还可以消除使用者在 MDCT 后处理过程中的相互影响。
由于部分疾病在肺部分布不均匀，在不同的叶也各有差异。以叶为基准对气道和肺实质疾病进行分析，可以对气道疾病的严重程度的分析进行重要的评估，无论是在单一的时间点还是在一段时间内。例如，在慢性阻塞性肺疾病病的评估中，最重要的是要知道肺气肿位于何处，从而在吸气时可以对肺气肿进行定量分析。对肺囊性纤维化的评估，最重要的依旧是定位，并在呼气相扫描对其定量分析。
该研究以肺活量进行有效控制，配合吸气相和呼气相低剂量 CT 扫描。将 16 名肺囊性纤维化学生（平均年龄 11 ± 2.4 岁）。每位患者分别在四个时间点进行 CT 扫描：基线、三个月，一年，两年。扫描参数 100 kVp 和 30 mAs 至 50 mAs 。图像建使用软（b30f）内核和硬（b60f）内核辅助分析。层间距为 0.46 mm 至 0.78 mm ，层厚 0.6 mm。螺距在吸气相扫描设定为 1 ，在呼气相扫描设定为 1.2 ，形成 256 MDCT 图像。
叶的分割由自我迭代算法和区域增长算法组成。首先，对 CT 图像进行拓扑保持和 3D 细化算法，得到 CT 概要图像，然后将概要图像转化用丙烯酸图表示。由于段支气管的凸起可以使血管在相应的叶走形。根据各叶的支气管和血管走形，对各叶进行分割。使用基于阈值的分割方法，以每次扫描调整后的阈值对血管进行分割。然后从数据中生成三维血管成像。
如果一支血管不在相应的肺叶内走形，则通过腐蚀算法将其分成更小、更细的血管像，并通过下一步迭代算法找到正确的叶，然后通过 Hessian 矩阵方法应用于 CT 数据的处理，可以使裂有所增强。
最后，叶掩模是由测量标记的支气管和血管距离产生的。之后，叶掩模经过被腐蚀算法，组织信息有所增强，并通过分水岭变换填补图像中的裂隙。研究人员对有经验的放射科医师的人工叶分割和完全自动化的技术进行比较，并计算两者之间的重叠性。
Weinheimer 博士团队发现该种算法在吸气相扫描效果最佳。基于骰子指数计算，对于所有叶，吸气相扫描软内核重建的平均重叠率为 97.5 % ± 1.5 % ，而硬内核重建为 96.4 % ± 7.4 % 。对于呼气扫描，软内核平均重叠率为 86 % ± 12.6 % ，而硬内核为 0.1 % ± 8.5 % 。
系统自动分割结果与测量标记支气管和血管距离产生的叶掩模相比，呼气相有所偏差而吸气相得以补偿。
右下叶的最佳重叠效果为 98.3 % ，右中叶呼气扫描效果不佳，其重叠效果为 74.9 % 。重叠效果不受时四次扫描间点的的影响。事实上，没有一个时间点的差异是显着的。结果显示：吸气相扫描效果较优，呼气扫描效果较良。
这种新算法另一个重要的优点是可在几分钟内完成自动分割计算，而人工技术则需超过一个小时之久，从而对气道疾病患者的诊断提供了潜在的、充分的信息。
