一种基于CT图像的肝脏分段方法及其系统

1.一种基于CT图像的肝脏分段方法，其步骤包括：
(1)载入腹部多螺旋CT肝门静脉成像的门静脉期和动脉期序列图像，对其进行预处理，并分割得到肝脏轮廓图像；再利用分割好的肝脏轮廓图像对门静脉期的序列图像进行值掩处理，得到肝脏图像；
(2)对肝脏图像进行血管增强处理，分割出门静脉，然后提取门静脉中心线；其具体实现步骤为：
(2.1)门静脉增强；
(a1)调整肝脏图像的窗宽、窗位，并对灰度值进行归一化，获得归一化后的肝脏图像；
(a2)统计并分析归一化后的肝脏图像直方图，确定感兴趣灰度范围，即门静脉血管的灰度范围；
(a3)在感兴趣灰度范围内，对肝脏图像进行基于Hessian矩阵的多尺度滤波，得到增强的门静脉图像；
(2.2)从增强后的门静脉图像中分割出门静脉；
(2.3)从分割出的门静脉中提取门静脉血管树的中心线：
(b1)对门静脉进行孔洞填充；
(b2)利用三维拓扑细化方法得到门静脉的初始中心线；
(b3)利用深度优先搜索算法检测步骤(b2)获得的门静脉的初始中心线中存在的环；
(2.4)分析步骤(2.3)获得的门静脉的中心线中的每个环并解环，然后对中心线数据进行剪枝，去除伪分支，得到门静脉中心线；
(3)利用门静脉中心线重建门静脉血管树，利用交互式的方法对其分级，并对相应的中心线标记以不同的灰度值；
(4)对分级得到的门静脉中心线数据进行距离变换，得到门静脉中心线的距离图像，并计算其Voronoi图，然后利用步骤(1)分割好的肝脏轮廓图像对Voronoi图进行值掩，得到肝脏分段图；
(5)利用OSG平台实现肝脏分段结果的三维重建和显示。
2.根据权利要求1所述的肝脏分段方法，其特征在于：步骤(1)包括下述过程：
(1.1)预处理：对门静脉期和动脉期的序列图像进行数据裁剪，采用双线性插值对裁剪后的数据插值，然后利用各向异性滤波去噪；
(1.2)粗分割：以预处理后的动脉期序列图像为标准，利用基于B样条的弹性配准对预处理后的门静脉期序列图像进行配准，然后利用自适应阈值分割进行粗分割，得到肝脏初始分割结果；
(1.3)精分割：利用孔洞填充算法去除肝脏粗分割结果中的细小孔洞和错误连接；结合区域增长去除多余的组织，并进一步填补内部孔洞；最后进行轮廓修正，得到肝脏轮廓图像。
(1.4)值掩：以精分割得到的肝脏轮廓图像为模板，对经过预处理的门静脉期序列图像进行值掩，得到肝脏图像。
3.根据权利要求1所述的肝脏分段方法，其特征在于：步骤(3)包括以下步骤：
(3.1)构建门静脉的中心线的简化树形数据结构；
(3.2)进行中心线数据拟合；
(3.3)按照下述过程进行血管表面重建，得到三维血管模型；
根据非病理血管的横截面为圆形的假设，使用正十二边形近似血管的截面圆；管状结构的半径、曲率根据中心线点的坐标和半径确定；管状结构的生成方法如下：
(c1)在xy平面上设置半径为1的正十二边形，作为单位截面多边形；
(c2)遍历门静脉中心线树形数据结构，在每一中心线点放置一单位截面多边形，根据各中心线点的坐标和半径调整上述单位截面多边形的位置、偏转方向和半径，绘制出不同中心线点处的截面多边形；
(c3)根据上述计算得到的正十二边形的顶点构建血管表面；
(c4)在叶节点处，使用半球面覆盖顶部；
(3.4)通过对三维模型的点选操作来确定血管的分级情况，进行血管交互分级标记。
4.根据权利要求1所述的肝脏分段方法，其特征在于：步骤(4)包括下述过程：
(4.1)距离变换：采用基于广义距离变化的方法计算门静脉血管树中心线上各点到肝脏组织其它各点的距离，该距离采用欧氏距离，得到距离变换图像；
(4.2)计算Voronoi图：
利用步骤(3)得到的分级标记的门静脉中心线数据作为标号图像，以距离变换图像作为样本图像，计算距离变换图像不同区域的边界划分，并划分区域，通过把标号图像的不同灰度值赋予对应区域相应的灰度值，得到Voronoi图；
(4.3)肝脏轮廓值掩：
利用步骤(1)得到的肝脏轮廓图像对Voronoi图进行值掩，使得肝脏轮廓内部的区域得到保留，肝脏区域外部灰度值为0，得到的肝脏分段结果。
5.一种实现权利要求1所述肝脏分段方法的系统，其特征在于：该系统包括肝脏分割模块(100)，血管增强分割和细化模块(200)，血管分级模块(300)，肝脏分段模块(400)和三维重建模块(500)；
肝脏分割模块(100)通过载入多螺旋CT肝门静脉成像的门静脉期和动脉期序列图像，对其进行预处理，采用先粗分割、后精分割的方法自动分割得到肝脏轮廓图像，获得肝脏图像；
血管增强分割和细化模块(200)利用肝脏分割模块(100)所得的肝脏图像，在肝内部对门静脉进行三维血管增强，并进行血管分割和细化；血管增强分割和细化模块(200)包括血管增强模块(210)，血管分割模块(220)和血管细化模块(230)；血管增强模块(210)用于进行门静脉增强，并传送给血管分割模块(220)；血管分割模块(220)从增强后的门静脉图像中分割出门静脉，并传送给血管细化模块(230)；血管细化模块(230)从分割出的门静脉中提取门静脉血管树的中心线：再分析中心路径中的每个环并解环，然后对门静脉血管树的中心线数据进行剪枝，去除伪分支，得到门静脉中心线；
血管分级模块(300)利用血管增强分割和细化模块(200)得到的门静脉中心线进行基于广义柱模型的血管表面重建并交互的对门静脉进行分级标记；
肝脏分段模块(400)根据血管分级模块(300)得到的门静脉中心线分级标记数据，基于距离变换和Voronoi图计算实现肝脏的分段；
三维重建模块(500)根据肝脏分段模块(400)所得的肝脏分段结果，利用OSG重建出肝脏的三维分段结果。
6.根据权利要求5所述的系统，其特征在于：肝脏分割模块(100)包括载入图像和预处理模块(110)、肝脏粗分割模块(120)、肝脏精分割模块(130)和值掩模块(140)；
载入图像和预处理模块(110)用于载入腹部多螺旋CT肝门静脉成像的门静脉期和门动脉期序列图像并对其进行裁剪、插值和滤波处理，并将处理后图像传送给肝脏粗分割模块(120)；
肝脏粗分割模块(120)从接收到的图像中分割出肝脏的初始轮廓，并传送给肝脏精分割模块(130)；
肝脏精分割模块(130)对肝脏粗分割模块(120)得到的肝脏轮廓进行孔洞填充和轮廓修正，再传送给值掩模块(140)；
值掩模块(140)利用肝脏精分割模块(130)得到的肝脏轮廓图像对原始图像值掩得到肝脏图像。
7.根据权利要求5所述的系统，其特征在于：血管分级模块(300)包括树形数据结构构建模块(310)、中心线数据拟合模块(320)、血管重建模块(330)和血管交互式分级模块(340)；
树形数据结构构建模块(310)用于构建门静脉的中心线的简化树形数据结构，并传送给中心线数据拟合模块(320)；
中心线数据拟合模块(320)对简化树形数据结构进行中心线数据拟合，并将拟合后的数据传送给血管重建模块(330)；
血管重建模块(330)利用拟合后的数据进行血管表面重建，得到三维血管模型，并传送给血管交互式分级模块(340)；
血管交互式分级模块(340)通过对三维模型的点选操作来确定血管的分级情况，进行血管交互分级标记。
8.根据权利要求5所述的系统，其特征在于：肝脏分段模块(400)包括距离变换模块(410)、Voronoi图计算模块(420)和肝脏轮廓值掩模块(430)；
距离变换模块(410)用于对血管分级模块得到的门静脉中心线分级数据进行距离变换，并传送给Voronoi图计算模块(420)；
Voronoi图计算模块(420)对距离变换模块得到的结果进行计算，得到肝脏的初始分段，并传送给肝脏轮廓值掩模块(430)；
肝脏轮廓值掩模块(430)利用肝脏分割模块(100)得到的肝脏轮廓图像对Voronoi图计算模块(420)得到的肝脏的初始分段进行值掩，实现肝脏的分段。

一种基于CT图像的肝脏分段方法及其系统\n技术领域\n[0001] 本发明属于医学图像处理及应用领域，具体涉及一种肝脏分段方法及其系统。本发明能有效对肝脏进行分段，重建出肝脏三维模型，能直观显示肝脏各段形态。\n背景技术\n[0002] 肝脏是人体最大的实质性脏器，解剖学研究表明肝脏分为八个肝段，每一肝段都有独立的管道系统，可以作为一个外科切除单位。随着近年来肝脏移植和肝脏切除手术的开展，肝脏的分段解剖也越来越被外科医生所关注。多层螺旋CT(multi-slice spiral CT，MSCT)在临床诊断中被广泛采用，其增强扫描图像根据病人在注射对比剂后扫描时间的不同分为动脉期、门静脉期和平衡期三期序列图像。肝动脉成像(multi-slice CT Angioraphy，MSCTA)和肝门静脉成像(multi-slice CT portography，MSCTP)能够清晰显示肝内的血管结构，这些信息是肝部疾病定位、定性诊断，选择治疗方法和指导手术的重要依据。医学影像技术和图像处理技术的结合可以实现术前肝脏的分段，能对肝脏病变准确定位及显示病灶与血管的三维关系，为肝脏手术和治疗提供非常有用的辅助信息。\n[0003] Meinzer等在他们计算机外科手术规划系统中提出在肝脏特定区域标记10个特征点，根据这些点求出3个垂直平面和4个水平平面，然后利用这7个平面对肝脏进行划分，得到肝脏的分段结果。Osorio等提出在肝脏表面标记8个特征点，然后通过计算得到肝段的分界线。Selle等首先得到门静脉血管树并对其分级，通过计算不同分支血管的最近邻域实现肝脏的分段。Beichel等完成的虚拟肝脏手术规划系统也采用类似的方法实现了肝脏的分段，他们利用硬件交互设备实现肝脏门静脉的血管分级，并利用最近临域的方法进行分段。\n[0004] Meinzer和Osorio依照肝脏表面特征点的分段方法没有与肝脏内部血管系统相联系，分段结果可能与实际结果有较大差异。基于最近临域的肝脏分段方法能够比较准确和方便的实现肝脏的分段。Beichel的需要硬件交互设备进行血管分级，应用范围受到限制，并且代价较大。Selle利用门静脉半径信息对血管进行自动分级，并利用欧氏距离变换进行肝脏的分段。如果血管局部特异可能造成分级错误，该方法不能进行交互操作，因此不能方便快速修正分级结果而导致分段错误。\n[0005] 本申请人于2008年8月15日申请的“一种肝门静脉血管树建模方法与系统”(专利申请号为200810048823.6)中提出了一种血管树建模方法，通过该方法能够有效的分割出精确的门静脉血管，并通过细化得到门静脉中心线和血管半径信息。该方法是本发明实现肝脏分段的基础工作之一。\n发明内容\n[0006] 本发明的目的在于提供一种基于CT图像的肝脏分段方法，该方法能有效的实现肝脏的分割，门静脉的增强和分割，门静脉的细化，门静脉的分级，最终实现肝脏的分段，并重建出肝脏分段的三维形态；本发明还提供了实现该方法的系统。\n[0007] 本发明提供的一种基于CT图像的肝脏分段方法，其步骤包括：\n[0008] (1)载入腹部多螺旋CT肝门静脉成像的门静脉期和动脉期序列图像，对其进行预处理，并分割得到肝脏轮廓图像；再利用分割好的肝脏轮廓图像对门静脉期的序列图像进行值掩处理，得到肝脏图像；\n[0009] (2)对肝脏图像进行血管增强处理，分割出门静脉，然后提取门静脉中心线；其具体实现步骤为：\n[0010] (2.1)门静脉增强；\n[0011] (a1)调整肝脏图像的窗宽、窗位，并对灰度值进行归一化，获得归一化后的肝脏图像；\n[0012] (a2)统计并分析归一化后的肝脏图像直方图，确定感兴趣灰度范围，即门静脉血管的灰度范围；\n[0013] (a3)在感兴趣灰度范围内，对肝脏图像进行基于Hessian矩阵的多尺度滤波，得到增强的门静脉图像；\n[0014] (2.2)从增强后的门静脉图像中分割出门静脉；\n[0015] (2.3)从分割出的门静脉中提取门静脉血管树的中心线：\n[0016] (b1)对门静脉进行孔洞填充；\n[0017] (b2)利用三维拓扑细化方法得到门静脉的初始中心线；\n[0018] (b3)利用深度优先搜索算法检测步骤(b2)获得的门静脉的初始中心线中存在的环；\n[0019] (2.4)分析步骤(2.3)获得的门静脉的中心线中的每个环并解环，然后对中心线数据进行剪枝，去除伪分支，得到门静脉中心线；\n[0020] (3)利用门静脉中心线重建门静脉血管树，利用交互式的方法对其分级，并对相应的中心线标记以不同的灰度值；\n[0021] (4)对分级得到的门静脉中心线数据进行距离变换，得到门静脉中心线的距离图像，并计算其Voronoi图，然后利用步骤(1)分割好的肝脏轮廓图像对Voronoi图进行值掩，得到肝脏分段图；\n[0022] (5)利用OSG平台实现肝脏分段结果的三维重建和显示。\n[0023] 实现上述肝脏分段方法的系统，该系统包括肝脏分割模块，血管增强分割和细化模块，血管分级模块，肝脏分段模块和三维重建模块；\n[0024] 肝脏分割模块通过载入多螺旋CT肝门静脉成像的门静脉期和动脉期序列图像，对其进行预处理，采用先粗分割、后精分割的方法自动分割得到肝脏轮廓图像，获得肝脏图像；\n[0025] 血管增强分割和细化模块利用肝脏分割模块所得的肝脏图像，在肝内部对门静脉进行三维血管增强，并进行血管分割和细化；血管增强分割和细化模块包括血管增强模块，血管分割模块和血管细化模块；血管增强模块用于进行门静脉增强，并传送给血管分割模块；血管分割模块从增强后的门静脉图像中分割出门静脉，并传送给血管细化模块；血管细化模块从分割出的门静脉中提取门静脉血管树的中心线：再分析中心路径中的每个环并解环，然后对门静脉血管树的中心线数据进行剪枝，去除伪分支，得到门静脉中心线；\n[0026] 血管分级模块利用血管增强分割和细化模块得到的门静脉中心线进行基于广义柱模型的血管表面重建并交互的对门静脉进行分级标记；\n[0027] 肝脏分段模块根据血管分级模块得到的门静脉中心线分级标记数据，基于距离变换和Voronoi图计算实现肝脏的分段；\n[0028] 三维重建模块根据肝脏分段模块所得的肝脏分段结果，利用OSG重建出肝脏的三维分段结果。\n[0029] 本发明提供的肝脏分段方法首先对腹部MSCTP序列图像进行预处理，分割肝脏轮廓并得到肝脏图像；其次利用基于Hessian矩阵的多尺度滤波方法对肝脏图像进行增强，利用区域增长/水平集/模糊连接等分割方法分割出门静脉，并利用三维拓扑细化方法提取出门静脉的中心线；然后利用三维可视化和交互的技术实现门静脉血管的建模、分级和标记，并得到门静脉中心线的分级标记结果；之后对分级得到的门静脉中心线利用距离变换和Voronoi(泰森多边形)算法进行计算，并利用肝脏轮廓进行值掩得到分段结果；最后重建出三维肝脏分段结果。具体而言，本发明具有以下特点：\n[0030] (1)本发明在预处理滤波过程中，采用各向异性滤波方法，该方法能在降低噪声的同时避免对边界的模糊；\n[0031] (2)在肝脏分割过程中利用到了两期MSCTP序列图像，并对其进行配准，能够有效精确的分割出肝脏轮廓；\n[0032] (3)在血管增强滤波过程中，考虑了原始图像的灰度信息，改进了基于Hessian矩阵的多尺度滤波过程中的相似性函数，可以有效提高血管增强的效果；\n[0033] (4)在门静脉分级中，利用交互的技术，结合临床医生和专家的先验知识，能够方便的进行门静脉的分级，易于修改并可重复操作；\n[0034] (5)肝脏分段中，依据门静脉所属区域进行划分，利用距离变换和Voronoi算法能够快速准确的实现肝脏的分段。\n附图说明\n[0035] 图1为本发明肝脏分段方法的流程图；\n[0036] 图2为本发明肝脏分段方法的系统结构图；\n[0037] 图3为肝脏分割流程图；\n[0038] 图4为肝脏分割各步骤结果图；\n[0039] 图5为肝门静脉分割结果的冠状面最大密度投影图；\n[0040] 图6为肝门静脉拓扑细化结果图；\n[0041] 图7为门静脉中心线的树形数据结构示意图；\n[0042] 图8为血管分级结果图；\n[0043] 图9为肝脏分段模块流程图；\n[0044] 图10为距离变换结果图；\n[0045] 图11为Voronoi图；\n[0046] 图12为值掩后肝脏分段图；\n[0047] 图13为肝脏分段三维重建图。\n具体实施方式\n[0048] 本发明是一个完整的对MSCTP序列图像进行肝脏分段的方法。本发明肝脏分段是依据门静脉血管不同分支所属的区域划分的，对肝脏分段主要包括五部分：肝脏分割、血管分割和细化、血管分级、肝脏分段和三维重建。\n[0049] 下面结合附图和实例对本发明的技术方案作进一步的详细说明。\n[0050] 如图1所示，本发明方法包括以下步骤：\n[0051] (1)载入腹部MSCTP的门静脉期和动脉期序列图像，自动分割出肝脏，流程图如图\n3所示，具体步骤如下：\n[0052] (1.1)预处理。对门静脉期和动脉期的序列图像进行数据裁剪，采用双线性插值对裁剪后的数据插值，然后利用各项异性滤波去噪。\n[0053] 由于原始数据中存在许多冗余数据，影响后续处理的速度，采用最小盒子法来裁剪出目标(病人)数据：分别在坐标轴x、y、z方向寻找最小和最大目标点对应的坐标xmin、xmax、ymin、ymax、zmin和zmax，用大小为(xmax-xmin+3)×(ymax-ymin+3)×(zmax-zmin+3)的盒子从起始点(xmin-1，ymin-1，zmin-1)沿平行于轴向的方向框住目标，此盒子内的数据即为裁剪后的数据。一般地，裁剪后的数据只占原始未裁剪数据的40％-80％。由于扫描间隔为1.25mm，层内像素点大小为0.703125mm×0.703125mm，故配准前采用双线性法对数据进行插值，使体素点三个方向的长度都为0.703125mm。\n[0054] 已有研究者提出了一种强有力的平滑方法——各向异性滤波，其最大的优点是能在去除图像噪声的同时避免对边界区域的模糊。各向异性滤波的思想来源于对热扩散方程的求解，通过引入图像特征，设计合适的扩散系数来控制扩散行为。(具体参见Krissian K，Malandain G，Ayache N(1996)Directional Anisotropic Diffusion Applied to Segmentation of Vessels in 3DImages.INRIA France，RR-3064.)\n[0055] (1.2)粗分割。以预处理后的动脉期序列图像为标准，利用基于B样条的弹性配准对预处理后的门静脉期序列图像进行配准；然后利用自适应阈值分割进行粗分割，得到肝脏初始分割结果。\n[0056] 由于门静脉期和动脉期图像之间存在形变，为了更好地统计肝脏的二维灰度分布，需要对图像进行配准，本发明采用已有研究者提出的基于B样条的弹性配准。(具体参见Rueckert D，Sonoda L，Hayes C，et al.Nonrigidregistration using free-form deformations：application to breast MR images[J].IEEE Transactions on Medical Imaging，1999，18(8)：712～721.)\n[0057] 通过统计动脉期和门静脉期序列图像中感兴趣区域的CT值分布来估计肝脏的二维直方图，并在此基础上初步分割出正常肝实质。(具体参见Jun Masumoto，Masatoshi Hori，Yoshinobu Sato，et al.Automated liverSegmentation Using Multi-slice CT Images[J].Systems and Computer in Japan，2003；34(9)：2150-2161.)\n[0058] (1.3)精分割。利用孔洞填充算法去除肝脏粗分割结果中的细小孔洞和错误连接；\n结合区域增长算法去除多余的组织，并进一步填补内部孔洞；最后进行轮廓修正，得到肝脏轮廓图像。\n[0059] 由于有些血管或者病灶存在于肝的表层，无法通过内部的孔洞填充而得到，需要对分割结果进行修正。本发明结合灰度特征，采用基于轮廓点的形态学闭操作来提取处于肝表层的欠分割区域、血管和病灶。其思想是先判断当前点是否为边界点，如果是就进行形态学操作，否则跳过；然后结合灰度特征，对闭操作后新增点进行分辨保留。采用基于轮廓点的形态学操作可以有效地减少运算量，尤其在形态学操作半径和数据量都比较大的情况下。\n[0060] (1.4)值掩。以精分割得到的肝脏轮廓为模板，对经过预处理的门静脉期序列图像进行值掩，得到肝脏图像。\n[0061] 各步骤结果如图4所示，动脉期、静脉期原始图像A、B经预处理得到C、D，E是以C为标准对D进行配准的结果，利用C、E进行自适应阈值分割得到粗分割F，去除多余组织并填充内部孔洞得到G，H为最终结果。\n[0062] (2)血管增强分割和细化。对步骤(1)分割得到的肝脏图像增强并分割出门静脉血管，然后对其细化得到门静脉中心线。在专利“一种肝门静脉血管树建模方法及其系统”中对下述血管增强分割和细化进行了详细的论述。\n[0063] (2.1)肝内门静脉增强。其具体步骤为：\n[0064] (a)调整肝脏图像的窗宽、窗位，并对灰度值进行归一化，以获得归一化后的肝脏图像；\n[0065] (b)统计并分析归一化后的肝脏图像直方图，确定感兴趣灰度范围，即肝门静脉血管的灰度范围；\n[0066] (c)在感兴趣灰度范围内，对肝脏图像进行基于Hessian矩阵的多尺度滤波，得到增强的肝门静脉图像。\n[0067] (2.2)肝门静脉分割。利用区域增长/水平集/模糊连接等分割方法从增强后的图像中分割出肝门静脉。\n[0068] 已有研究者提出各种针对血管的分割方法，可选择区域增长/水平集/模糊连接等方法。(具体参见Kirbas C，Quek F.A review of vessel extractiontechniques and algorithms[J].ACM Computing Surveys，2004，36(6)：81-121.)\n[0069] 附图5所示为一组MSCTP数据所得的肝门静脉的分割结果的冠状面最大密度投影图。\n[0070] (2.3)从分割出的肝门静脉中提取肝门静脉血管树的中心线。提取血管的中心线是分析血管常用的方法，该中心线可有效表示血管的结构并提供了每点血管的半径。其步骤为：\n[0071] (a)孔洞填充。由于肝门静脉内部灰度不一致或者其它原因会导致步骤(2.2)分割出来的肝门静脉中存在孔洞，这些孔洞将影响提取中心线的工作，必须将这些孔洞填充。\n[0072] 在分割好的二值肝门静脉体数据中(假设背景标记为0，目标即肝门静脉标记为\n1)选择背景中一个体素点，将该点作为种子点，以标记均为0作为增长条件，利用区域增长方法得到一个最大连通背景。将属于该连通背景的体素点都标记为0，非则标记为1，即填充了孔洞。\n[0073] (b)利用三维拓扑细化方法得到肝门静脉的初始中心线。\n[0074] 目前，已有研究者在提取中心线方面做了很多研究。由于拓扑细化方法能较好地保留原始目标的拓扑结构信息，所以采用Palágyi K提出的三维拓扑细化的方法获得血管的中心线。(具体参见Palágyi K，Kuba A.A 3D6-subiteration thinning algorithm for extracting medial lines，PatternRecognition Letter.1998；19：613-627.)\n[0075] (c)利用DFS(Depth First Search，深度优先搜索算法)检测中心线中存在的环。\n由于图像质量或者分割方法的原因，分割出的肝门静脉可能会存在闭合的环状结构，会导致用拓扑细化提取出的中心线中存在环。为得到有效的门静脉中心线数据，需去除环。检测环的方法分为以下两步：\n[0076] ①计算中心线上DFS。以中心线上任一分支末梢点s作为初始点，采用基于最小堆的Dijkstra算法计算中心线上每点到s点的最短距离。该距离采用精确的欧式距离。(具体参见Shih Frank Y，Wu Yi Ta.Three dimensionalEuclidean distance transformation and its application to shortest pathplanning[J].Pattern Recognition，2004，\n37(1)：79-92)\n[0077] ②检测中心线中存在的环。如果在中心线中存在环结构，那么从某个分支末梢到另一个分支末梢至少存在两条路径。在中心线DFS上的表现就是存在一个点q，其邻域上的中心线上的点的距离值均不大于q点的距离值。通过这个特性就可以检测出中心线上的环。找到局部最大距离值后，沿距离值减小方向不断追溯至同一最近源点，用图结构G＝(V，E)记录下此环。其中，E为环上的分支点，V为直接连接两分支点之间的中心路径上的点构成的边。\n[0078] (2.4)分析中心路径中的每个环并解环，然后对中心线数据进行剪枝，去除伪分支，得到门静脉中心线。(具体参见Palágyi K，Kuba A，A 3D6-subiteration thinning algorithm for extracting medial lines，PatternRecognition Letter.1998；19：\n613-627.)\n[0079] 通过(2)中各步骤可获得肝门静脉中心线的坐标信息以及半径信息，对本实施例所得肝门静脉中心线进行最大密度投影，即拓扑细化的结果图，如图6所示，其中图6(a)是利用三维拓扑细化所得的初始中心线，图6(b)是进行解环剪枝所得的最终中心线。\n[0080] (3)交互式血管分级。本发明采用广义柱(Generalized Cylinders)模型对门静脉血管树进行表面模型重建，并在该模型基础上进行交互式血管分级。广义柱表示柱状物体，它包括空间曲线及以该曲线为参数的横截面方程。本发明以肝门静脉中心线作为广义柱空间曲线，通过该中心线坐标信息和半径信息构建广义柱的横截面方程，最后使用OSG(OpenSceneGraph)重建血管表面模型并进行血管交互式分级标记。\n[0081] (3.1)构建门静脉的中心线的简化树形数据结构。\n[0082] 为了方便快速地访问门静脉中心线的坐标及各坐标对应的半径，需要构建门静脉中心线的树形数据结构。通常树形数据结构都将每个数据单位(在本发明中即为中心线的点)作为树中的一个节点，并建立节点间的相互关系，从而达到对树进行遍历及操作的目的。但为了反映门静脉的分支信息及走行信息，必须为门静脉中心线构建了一种简化的树形数据结构。本发明将门静脉中心线的点按照以下规则分类：若点的空间26邻域中存在一个点，则该点为叶子节点；若点的空间26邻域中存在两个点，则该点为连接点；若点的空间\n26邻域存在三个点以上，则该点为分支节点。其中，将半径信息最大的叶节点作为树形数据结构的根节点，然后将上述分类中的所有分支节点和叶子节点按照父子、兄弟关系添加到树形数据结构中，最后将所有的连接点添加到树形结构中，完成简化树形数据结构的构建。\n经过以上步骤，则可确定每个节点可以访问以下信息：本节点的坐标和半径信息、该节点的父亲节点、该节点的第一个孩子节点和第一个兄弟节点、该节点与父亲节点间的所有连接点的坐标与半径信息(若该节点没有上述信息中的任一或几项，则将没有的信息置为空)。\n图7是门静脉中心线的简化树形数据结构示意图。\n[0083] (3.2)中心线数据拟合。\n[0084] 通常中心线数据中每一对相邻连接点的坐标矢量方向可能会有很大偏差，从而造成血管中心线将有锯齿状结构；另外中心线数据的半径数据也会因为细化步骤的计算误差而产生相邻两点之间半径变化过大的现象。为了去除锯齿状结构，生成走向和半径连续光滑变化的血管模型，需要对中心线数据进行拟合。该拟合操作只针对连接点而不改变节点的位置。\n[0085] 使用多项式拟合的方法对两个分支点间的所有连接点的坐标x，y，z及半径R进行拟合。对于连接点个数大于15的中心线分支，采用5次多项式拟合；而对于连接点个数小于等于15的中心线分支，采用2次多项式拟合。\n[0086] (3.3)血管表面重建。\n[0087] 根据非病理血管的横截面为圆形的假设，使用正十二边形近似血管的截面圆。管状结构的半径、曲率根据拟合后中心线点的坐标和半径确定。血管表面重建方法如下。\n[0088] (a)在xy平面上设置半径为1的正十二边形，作为单位截面多边形；\n[0089] (b)遍历门静脉中心线树形数据结构，在每一中心线点放置一单位截面多边形，根据各中心线点的坐标和半径调整上述单位截面多边形的位置、偏转方向和半径，绘制出不同中心线点处的截面多边形；\n[0090] (c)沿中心线方向对上述计算得到的截面多边形的顶点采用连续填充四边形串的方法进行填充，从而构建血管表面；\n[0091] (d)在叶节点处，使用半球面覆盖顶部。\n[0092] 影响血管生成效果的因素有如下两点：\n[0093] (a)近似管状结构横截面圆的多边形的精确程度，即多边形的边数；\n[0094] (b)调整多边形位置，偏转角度和半径的取样率，即相隔多少个中心线点进行一次截面多边形的位置、偏转方向和半径调整。\n[0095] 为了获得良好的生成效果，要提高近似圆的多边形的边数和取样率。同时，为了获得快速的生成速度，又不能将上述两个因素无限制的提高，本发明选择正12边形作为截面多边形，同时，在每个中心线点处均进行一次位置、偏转方向和半径的调整，能够快速构建具有比较好可视化效果的血管模型。\n[0096] (3.4)血管交互分级标记。\n[0097] 为了实现肝脏的分段，需要对血管进行交互式分级，即由用户通过对三维模型的点选操作来确定血管的分级情况，接着以此血管分级数据对肝脏进行分段。临床研究中被广泛采用的是Couinaud提出的肝脏分段方法，该方法根据肝脏内门静脉不同的分支走向将肝脏分为八段。本实例以Couinaud分段为基础，结合临床先验知识对门静脉进行分级和标记，并获得肝门静脉中心线分级结果。结果如图8所示。\n[0098] (4)肝脏分段。对步骤(3)得到的肝门静脉中心线的分级结果进行距离变换和Voronoi算法计算得到Voronoi图，并利用肝脏轮廓对Voronoi图进行值掩实现肝脏的分段。附图9显示了肝脏分段的流程图，其步骤为：\n[0099] (4.1)距离变换。\n[0100] 计算门静脉不同分支所属区域，就需要计算肝脏组织和不同分支的最近距离。步骤(3)得到的门静脉中心线不同的分级对应不同的灰度值，对其采用基于广义距离变化的方法计算中心线上各点到其它各点的距离。该距离采用欧氏距离，得到的距离变换图像如图10所示。(具体参见Pedro FFelzenszwalb and Daniel P Huttenlocher.Distance transforms of sampledfunctions.Technical report，Cornell University，September \n2004)\n[0101] (4.2)计算Voronoi图。\n[0102] Voronoi图是求解空间临近问题的有效方法，它通过构建三维空间Voronoi图实现对空间区域的划分。本发明利用分级标记的门静脉中心线数据作为标号图像，以距离变换图像作为样本图像。计算距离图像不同区域的边界划分，并划分区域。通过标号图像的不同灰度值赋予对应区域相应的灰度值。得到的Voronoi图如图11所示。\n[0103] (4.3)肝脏轮廓值掩。\n[0104] 利用步骤(1)得到的肝脏轮廓对Voronoi进行值掩，使得肝脏轮廓内部的区域得到保留，并把肝脏区域外部灰度值为赋为0。得到的肝脏分段结果如图12所示。\n[0105] (5)三维重建。利用OSG重建三维肝脏分段结果。\n[0106] 通过上述步骤得到肝脏分段结果，利用OSG对其不同灰度的肝段进行着色渲染，得到的三维重建结果如图13所示。\n[0107] 本发明提供的肝脏分段系统结构图如图2所示。该系统包括肝脏分割模块100，血管增强分割和细化模块200，血管分级模块300，肝脏分段模块400和三维重建模块500。\n[0108] 肝脏分段模块100通过载入MSCTP门静脉期和动脉期序列图像，对其进行预处理，自动分割得到肝脏轮廓。该模块分为4个子模块，分别为载入图像和预处理模块110、肝脏粗分割模块120、肝脏精分割模块130和值掩模块140。载入图像和预处理模块110用于载入腹部MSCTP序列图像并对其进行裁剪、插值和滤波处理。粗分割模块120用于分割出肝脏的初始轮廓。精分割模块130对粗分割模块120得到的肝脏轮廓进行孔洞填充和轮廓修正。值掩模块140利用肝脏精分割模块130得到的肝脏轮廓图像对原始图像值掩得到肝脏图像。肝脏分段模块100具体完成上述步骤(1)的处理过程。\n[0109] 血管增强分割和细化模块200利用肝脏分割模块100所得的肝脏图像，在肝内部对肝门静脉进行三维血管增强，并进行血管分割和细化。该模块分为三个子模块，分别为血管增强模块210、血管分割模块220和血管细化模块230。\n[0110] 血管增强模块210用于进行肝内门静脉增强，并传送给血管分割模块220；即完成上述步骤(2.1)的功能。\n[0111] 血管分割模块220从增强后的肝门静脉图像中分割出肝门静脉，并传送给血管细化模块230；即完成上述步骤(2.2)的功能。\n[0112] 血管细化模块230从分割出的肝门静脉中提取肝门静脉血管树的中心线：再分析中心路径中的每个环并解环，然后对中心线数据进行剪枝，去除伪分支，得到门静脉中心线；即完成上述步骤(2.3)和(2.4)的功能。\n[0113] 血管分级模块300利用血管增强分割和细化模块200得到的门静脉中心线进行血管表面重建并交互的对门静脉进行分级标记，该模块分为树形数据结构构建模块310、中心线数据拟合模块320、血管重建模块330和血管交互式分级模块340。\n[0114] 树形数据结构构建模块310用于构建门静脉的中心线的简化树形数据结构，并传送给中心线数据拟合模块320；即完成上述步骤(3.1)的功能。\n[0115] 中心线数据拟合模块320对简化树形数据结构进行中心线数据拟合，并将拟合后的数据传送给血管重建模块330；即完成上述步骤(3.2)的功能。\n[0116] 血管重建模块330利用拟合后的数据进行血管表面重建，得到三维血管模型，并传送给血管交互式分级模块340；即完成上述步骤(3.3)的功能。\n[0117] 血管交互式分级模块340通过对三维模型的点选操作来确定血管的分级情况，进行血管交互分级标记；即完成上述步骤(3.4)的功能。\n[0118] 肝脏分段模块400根据血管分级模块300得到的门静脉中心线分级数据实现肝脏的分段。该模块分为3个子模块，分别为距离变换模块410、Voronoi图计算模块420和肝脏轮廓值掩模块430。距离变换模块410主要对血管分级模块得到的门静脉中心线分级数据进行距离变换。Voronoi图计算模块420对距离变换模块得到的结果进行计算，得到肝脏的初始分段。肝脏轮廓值掩模块430利用肝脏精分割模块130得到的肝脏轮廓对Voronoi图计算模块420得到的结果进行值掩，实现肝脏的分段。肝脏分段模块400具体完成步骤(4)的处理过程。\n[0119] 三维重建模块500根据肝脏分段模块400所得的肝脏分段结果，利用OSG重建出肝脏的三维分段结果。\n[0120] 本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护的范围。