基于CT影像的血管三维分割方法

1.基于CT影像的血管三维分割方法，其特征在于，包括：
1)读取血管CT造影图像数据，把血管开始出现的层命名为第一层，并在该层生成种子点，所述种子点生成方法如下：
101)获取所述第一层灰度值的平均值G1；
102)从所述第一层中选取一个图像点，比较所述图像点的灰度值与平均值G1的大小，如果大于等于平均值G1，把所述图像点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点；
如果所述图像点的灰度值小于平均值G1，把本层距离图像点最近且灰度值大于或等于平均值的点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点；
2)与所述第一层相邻且位于第一层下方的层命名为第二层，从所述第二层往下逐层进行生长，方法为：
201)获取上一层种子点的灰度值的平均值Ai-1，和上一层非种子点的灰度值的平均值Bi-1，对平均值Ai-1和平均值Bi-1加权计算得到本层的种子点灰度最小值Mi；
202)从上一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；
按步骤201和202所述方法逐层往下进行种子点的生长，直到没有新的种子点生成为止；
所有生长出来的种子点的集合即组成了血管三维分割图像。
2.根据权利要求1所述的基于CT影像的血管三维分割方法，其特征在于：所述步骤202还包括：
获取本层种子点数量Ni，并与上一层的种子点数量Ni-1进行比较，如果Ni和Ni-1接近，即|Ni-1-Ni|/Ni-1≤10％，则本层种子点生长完成；
否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中所述S为取值范围为[10,30]的正整数；否则，对Mi进行调整，并重新执行步骤202，所述对Mi进行调整的方法如下：
如果Ni大于Ni-1，
如果Ni小于Ni-1，
按调整后的Mi重新执行步骤202。
3.根据权利要求2所述的基于CT影像的血管三维分割方法，其特征在于，还包括：
3)设含有生成种子点的最下面那层为倒数第一层，在从上往下逐层种子点生长完成后，从倒数第二层开始逐层往上进行种子点回溯生长，方法为：
301)获取下一层种子点的灰度值的平均值Ci+1，和下一层非种子点的灰度值的平均值Di+1，对平均值Ci+1和平均值Di+1加权计算得到本层的种子点灰度最小值Mi；
302)从下一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；
按上述方法逐层往上进行种子点的生长，直到所述第一层的种子点生长完成。
4.根据权利要求3所述的基于CT影像的血管三维分割方法，其特征在于：所述步骤302还包括：
获取本层种子点数量Ni，并与下一层的种子点数量Ni+1进行比较，如果Ni和Ni+1接近，即|Ni+1-Ni|/Ni+1≤10％，则本层种子点生长完成；
否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中所述S为取值范围为[10,30]的正整数；否则，对Mi进行调整，并重新执行步骤302，所述对Mi进行调整的方法如下：
如果Ni大于Ni+1，
如果Ni小于Ni+1，
按调整后的Mi重新执行步骤302。
5.根据权利要求4所述的基于CT影像的血管三维分割方法，其特征在于：设从上往下种子点生长和从下往上种子点回溯生长为一轮种子点生长，每一轮种子点生长完成后统计所有生成的种子点数量，并与上一轮种子点生长完成后统计生成的所有种子点数量比较，若种子点数量增多了，则继续进行下一轮种子点生长；若种子点数量没有增多，则所有生长出来的种子点的集合组成了血管三维分割图像。
6.根据权利要求1-5的任意一项权利要求所述的基于CT影像的血管三维分割方法，其特征在于：步骤102中所述图像点位于该层的中心区域。
7.根据权利要求6所述的基于CT影像的血管三维分割方法，其特征在于：步骤102中如果所述图像点的灰度值小于平均值G1，还可提示人工介入指定第一个种子点。
8.根据权利要求7所述的基于CT影像的血管三维分割方法，其特征在于：所述血管CT造影图像数据为DICOM格式。

基于CT影像的血管三维分割方法\n技术领域\n[0001] 本发明涉及医学技术领域图像处理方法，具体的说是一种基于CT影像的血管三维分割方法。\n背景技术\n[0002] 过去的近三十年，医学成像技术得到了飞速发展。新的成像技术能够得到人体结构、组织功能在空间和时间域上的图像。医学成像让研究人员和医生在非接触的条件下了解病人潜在的疾病信息，已经成为手术导航和模拟，以及跟踪疾病变化的重要手段。随着医学成像在疾病诊断和治疗中的广泛应用，如何通过各种成像手段提取人体解剖结构中对临床有用的信息成为一个重要的问题。这些成像手段包括X-ray、CT(Computed Tomography)、MR(Magnetic Resonance)和PET(Positron Emission Tomography imaging)等。在成像技术发展的同时，不断发展的图像分析工具提供了大量从图像上提取用于图像理解的重要特征的方法。\n[0003] 然而，目前利用计算机准确有效的量化和分析人体内部结构和功能信息的技术仍然处在十分有限的水平。医学图像特殊的成像过程和图像性质使其需要特定的图像处理方法。\n[0004] 在对血管进行分割时，比较常见的是区域生长法，区域生长法根据图像中血管所占领区域内的性质,如灰度、纹理、色彩等,把血管所占领的区域找出来。它有两个重要的准则：性质的相似性和空间的相邻性,假定空间上相邻、性质上相似的像素属于同一物体。以灰度为例,在血管图像内部用某一准则找一个初选点P,从P点出发按八邻域搜寻,设定一个值H,凡是与P点的灰度差不超过H的点,都认为在物体上。用此原则向四周搜索,直到找不到这样的点为止。\n[0005] 区域生长法是一种半自动的方法,它需要预先给出一个或多个种子点和判断准则(比如灰度值范围)，参见图1，区域生长法包括如下步骤：\n[0006] (1)选择种子点，并设置生长区域内相邻点的灰度差范围，把所有的种子点放在一个待处理队列中，比如堆栈。\n[0007] (2)从队列中取出种子点，得到种子点相邻三维空间中的8个点，比较它们与种子点的灰度差，如果在灰度范围内，则该点视为生长区域内的点，并将该点放入队列；否则视为边缘。\n[0008] (3)重复步骤(2)直到遍历完队列中所有的点。所有生长出来的点的集合即是分割出来的图像。\n[0009] 该方法需要人工辅助，种子点的选择和灰度范围设定都完全依赖操作人员的经验，而且在CT造影图像中，血管不同部位的像素灰度值是不同的，不同层之间存在灰度的渐变，需要按层进行灰度范围调整。传统区域生长法不能按层进行调整，难以适应真实血管的灰度变化，可能把一些别的组织生长进来，而真正的血管却不能生长进来。\n发明内容\n[0010] 本发明的目的在于提供一种减少对操作人员经验的依赖、提高分割准确度和完整性，让所获得的血管三维更加完整、清晰、准确，对图像的处理效率更高的基于CT影像的血管三维分割方法。\n[0011] 本发明基于CT影像的血管三维分割方法，包括：\n[0012] 1)读取血管CT造影图像数据，把血管开始出现的层命名为第一层，并在该层生成种子点，所述种子点生成方法如下：\n[0013] 101)获取所述第一层灰度值的平均值G1；\n[0014] 102)从所述第一层中选取一个图像点，比较所述图像点的灰度值与平均值G1的大小，如果大于等于平均值G1，把所述图像点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点；\n[0015] 如果所述图像点的灰度值小于平均值G1，把本层距离图像点最近且灰度值大于或等于平均值的点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点；\n[0016] 2)与所述第一层相邻且位于第一层下方的层命名为第二层，从所述第二层往下逐层进行生长，方法为：\n[0017] 201)获取上一层种子点的灰度值的平均值Ai-1，和上一层非种子点的灰度值的平均值Bi-1，对平均值Ai-1和平均值Bi-1加权计算得到本层的种子点灰度最小值Mi；\n[0018] 202)从上一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；\n[0019] 按步骤201和202所述方法逐层往下进行种子点的生长，直到没有新的种子点生成为止。\n[0020] 所有生长出来的种子点的集合即组成了血管三维分割图像。\n[0021] 优选地，所述步骤202还包括：\n[0022] 获取本层种子点数量Ni，并与上一层的种子点数量Ni-1进行比较，如果Ni和Ni-1接近，即|Ni-1-Ni|/Ni-1≤10％，则本层种子点生长完成；\n[0023] 否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中所述S为取值范围为[10,30]的正整数；否则，对Mi进行调整，并重新执行步骤202，所述对Mi进行调整的方法如下：\n[0024] 如果Ni大于Ni-1，\n[0025] 如果Ni小于Ni-1，\n[0026] 按调整后的Mi重新执行步骤202。\n[0027] 优选地，本发明的方法还包括：\n[0028] 3)设含有生成种子点的最下面那层为倒数第一层，在从上往下逐层种子点生长完成后，从倒数第二层开始逐层往上进行种子点回溯生长，方法为：\n[0029] 301)获取下一层种子点的灰度值的平均值Ci+1，和下一层非种子点的灰度值的平均值Di+1，对平均值Ci+1和平均值Di+1加权计算得到本层的种子点灰度最小值Mi；\n[0030] 302)从下一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；\n[0031] 按上述方法逐层往上进行种子点的生长，直到所述第一层的种子点生长完成。\n[0032] 优选地，所述步骤302还包括：\n[0033] 获取本层种子点数量Ni，并与下一层的种子点数量Ni+1进行比较，如果Ni和Ni+1接近，即|Ni+1-Ni|/Ni+1≤10％，则本层种子点生长完成；\n[0034] 否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中所述S为取值范围为[10,30]的正整数；否则，对Mi进行调整，并重新执行步骤302，所述对Mi进行调整的方法如下：\n[0035] 如果Ni大于Ni+1，\n[0036] 如果Ni小于Ni+1，\n[0037] 按调整后的Mi重新执行步骤302。\n[0038] 优选地，设从上往下种子点生长和从下往上种子点回溯生长为一轮种子点生长，每一轮种子点生长完成后统计所有生成的种子点数量，并与上一轮种子点生长完成后统计生成的所有种子点数量比较，若种子点数量增多了，则继续进行下一轮种子点生长；若种子点数量没有增多，则所有生长出来的种子点的集合组成了血管三维分割图像。\n[0039] 优选地，步骤102中所述图像点位于该层的中心区域。\n[0040] 优选地，步骤102中如果所述图像点的灰度值小于平均值G1，还可提示人工介入指定第一个种子点。\n[0041] 优选地，所述血管CT造影图像数据为DICOM格式。\n[0042] 本发明基于CT影像的血管三维分割方法，自动生成种子点，并自动计算种子点灰度范围，减少了对操作人员经验的依赖；另外，根据CT影像中血管不同部位的像素灰度值不同、不同层之间存在灰度的渐变的特点，实现了按临层的灰度统计动态调整生成种子点的灰度范围，从而提高血管分割的准确度和完整性，让所获得的血管三维更加完整、清晰、准确，对图像的处理效率更高。\n[0043] 下面结合附图对本发明基于CT影像的血管三维分割方法作进一步说明。\n附图说明\n[0044] 图1为背景技术中传统区域生长法的流程图；\n[0045] 图2为本发明的基于CT影像的血管三维分割方法的一种实施方式流程图；\n[0046] 图3为一种血管空间结构示意图；\n[0047] 图4为一种复杂的血管空间结构示意图。\n具体实施方式\n[0048] 本发明基于CT影像的血管三维分割方法，包括：\n[0049] 1)读取血管CT造影图像数据，图像数据格式为DICOM格式，把血管开始出现的层命名为第一层，并生成第一层种子点，第一层种子点生成方法如下：\n[0050] 101)获取第一层灰度值的平均值G1。\n[0051] 102)从本层选取一个图像点，该图像点最好位于本层的中心区域，比较图像点的灰度值与平均值G1的大小，如果大于等于平均值G1，把图像点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点。\n[0052] 如果图像点的灰度值小于平均值G1，提示人工介入指定第一个种子点，或把本层距离图像点最近且灰度值大于或等于平均值的点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点。\n[0053] 2)与第一层相邻且位于第一层下方的层命名为第二层，从第二层往下逐层进行生长，方法为：\n[0054] 201)获取上一层种子点的灰度值的平均值Ai-1，和上一层非种子点的灰度值的平均值Bi-1，对平均值Ai-1和平均值Bi-1加权计算得到本层的种子点灰度最小值Mi，加权计算的权重为预先设置，可以写在程序里，或在程序的配置文件中设置。Ai-1的权重取值范围为[15％,25％]，Bi-1权重取值范围为[75％,85％]。\n[0055] 比如对冠脉进行分割时，Mi＝20％×Ai-1+80％×Bi-1。\n[0056] 202)从上一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点。\n[0057] 计算本层种子点数量Ni，并与上一层的种子点数量Ni-1进行比较，如果Ni和Ni-1接近，即|Ni-1-Ni|/Ni-1≤10％，则本层种子点生长完成。\n[0058] 否则，用最大类间方差法(OTSU法)计算本层的阈值T。\n[0059] 最大类间方差法按如下公式计算类间方差：\n[0060] g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2\n[0061] g：类间方差\n[0062] ω0：大于T的点占比\n[0063] ω1：小于T的点占比\n[0064] μ0：大于T的点的灰度值平均\n[0065] μ1：小于T的点的灰度值平均\n[0066] μ：所有点的灰度值平均\n[0067] 求得g最大时的T值，即该阈值将最大程度对本层点按灰度分割成两组。\n[0068] 比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中S为10、20或30；否则，对Mi进行调整，并重新执行步骤202，对Mi进行调整的方法如下：\n[0069] 如果Ni大于Ni-1，\n[0070] 如果Ni小于Ni-1，\n[0071] 按调整后的Mi重新执行步骤202。\n[0072] 本发明基于CT影像的血管三维分割方法还可以包括：\n[0073] 3)设含有生成种子点的最下面那层为倒数第一层，在从上往下逐层种子点生长完成后，从倒数第二层开始逐层往上进行种子点回溯生长，该步骤用于找回血管在上面层分离的而在下面层融合的血管分支，参见图3，当从冠脉入口往下生长时，A所示区域将完成生长，但B和C区域因为与A区域的上一层种子点分离，即不相邻，将不能生长到。只有当生长到最底端D后，再回溯生长，才能一层层到达B和C区域。回溯生长的具体方法与从上到下的生长的方法类似，只是在具体层中生长时把对上一层的统计计算变成对下一层的统计计算。\n该方法具体描述如下：\n[0074] 301)计算下一层种子点的灰度值的平均值Ci+1，和下一层非种子点的灰度值的平均值Di+1，对平均值Ci+1和平均值Di+1加权计算得到本层的种子点灰度最小值Mi，加权计算的权重为预先设置；\n[0075] 302)从下一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；\n[0076] 计算本层种子点数量Ni，并与下一层的种子点数量Ni+1进行比较，如果Ni和Ni+1接近，即|Ni+1-Ni|/Ni+1≤10％，则本层种子点生长完成；\n[0077] 否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中S为10、20或30；否则，对Mi进行调整，并重新执行步骤302，对Mi进行调整的方法如下：\n[0078] 如果Ni大于Ni+1，\n[0079] 如果Ni小于Ni+1，\n[0080] 按调整后的Mi重新执行步骤302。\n[0081] 按上述方法逐层往上进行种子点的生长，直到第一层种子点生长完成。\n[0082] 参见图4，针对不常见的复杂空间结构的血管，可能需要多次上下反复生长，才能把血管完整分割出来，本发明基于CT影像的血管三维分割方法还可包括：\n[0083] 设从上往下种子点生长和从下往上种子点回溯生长为一轮种子点生长，每一轮种子点生长完成后统计所有生成的种子点数量，并与上一轮种子点生长完成后统计生成的所有种子点数量比较，若种子点数量增多了，则继续进行下一轮种子点生长；若种子点数量没有增多，则所有生长出来的种子点的集合组成了血管三维分割图像。\n[0084] 所有生长出来的种子点的集合即组成了完整的血管三维分割图像。