本發(fā)明涉及醫(yī)學(xué)圖像處理領(lǐng)域，特別是涉及一種血管提取方法。

背景技術(shù)：

血管成像技術(shù)包括CT血管造影(CTA，CT angiography)，磁共振血管造影(Magnetic Resonance Angiography，MRA)，以及MR非造影成像等，可以幫助醫(yī)生診斷血管的各種疾病，如鈣化、狹窄、動(dòng)脈瘤、硬腦膜等。通過(guò)血管成像技術(shù)獲取的血管圖像，主要是三維圖像，并不能給醫(yī)生直觀的感受。因此需要從醫(yī)學(xué)圖像中提取血管并以三維顯示技術(shù)展示血管的形態(tài)，以更好地輔助醫(yī)生對(duì)病灶進(jìn)行分析，提高醫(yī)療診斷的準(zhǔn)確性和科學(xué)性，有利于制定最優(yōu)的治療方案及手術(shù)規(guī)劃，對(duì)醫(yī)學(xué)研究具有重要的意義。

但是在實(shí)際血管提取中，對(duì)于緊貼周圍骨骼區(qū)域，例如穿顱的頸內(nèi)動(dòng)脈，緊貼髂骨的髂動(dòng)脈，由于空間位置錯(cuò)綜復(fù)雜，同時(shí)增強(qiáng)后的血管CT值和骨的CT值重疊，通常的血管提取方法，例如區(qū)域生長(zhǎng)，水平集等很容易混淆血管和骨骼，造成血管分割失敗。

為解決上述技術(shù)問(wèn)題，現(xiàn)有技術(shù)中采用的血管提取方法有：

1.基于血管模型計(jì)算血管的中心線，根據(jù)此中心線，用單純網(wǎng)格擬合實(shí)際圖像中的血管結(jié)構(gòu)，將血管分割出來(lái)。此方法雖然可以準(zhǔn)確提取血管，但由于網(wǎng)格計(jì)算非常復(fù)雜，導(dǎo)致分割速度很慢，阻礙了實(shí)際應(yīng)用的推廣。

2.基于非模型的方法，例如采用Graph Cut的算法實(shí)現(xiàn)了頸內(nèi)動(dòng)脈的提取。該算法經(jīng)過(guò)手動(dòng)確定起始點(diǎn)后，計(jì)算起始點(diǎn)之間的Dijkstra距離。以該距離為中心，標(biāo)記血管感興趣區(qū)域。最后通過(guò)Graph Cut算法，優(yōu)化感興趣區(qū)域的邊界實(shí)現(xiàn)血管提取。由于該算法計(jì)算復(fù)雜，導(dǎo)致血管提取速度較慢。還有采用基于Ray-Casting的動(dòng)態(tài)追蹤實(shí)現(xiàn)了穿顱血管的提取。該算法經(jīng)過(guò)手動(dòng)確定起始點(diǎn)后，通過(guò)Ray-Casting向四周放射線，獲得血管的邊界，再通過(guò)橢圓擬合實(shí)現(xiàn)血管提取。該方法魯棒性差，不同數(shù)據(jù)的血管提取需要不同的參數(shù)，同時(shí)該方法無(wú)法提取旋轉(zhuǎn)跨度很大的椎動(dòng)脈。

3.血管剪影方法，病人需要同一部位掃描2次(不注射造影劑掃描和注射造影劑掃描)，得到非CTA圖像和CTA圖像。非CTA圖像中，血管CT值低，CTA圖像中血管CT值升高。這樣兩種圖像配準(zhǔn)后相減就可以將血管提取出來(lái)。但是該方法需要對(duì)病人掃描2次，比較耗時(shí)，同時(shí)給病人帶來(lái)更多的掃描輻射量。

因此，有必要改進(jìn)現(xiàn)有的血管提取方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題提出一種方法，其能有效改進(jìn)現(xiàn)有血管提取方法，以有效獲取與緊貼骨骼的血管組織。

本發(fā)明為解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為一種血管提取方法，包括如下步驟：

獲取由若干層切片圖像構(gòu)成的三維圖像，選取一層切片圖像，基于所述切片圖像中像素點(diǎn)的灰度信息獲取若干個(gè)連通域；

基于所述連通域的圓度確定種子點(diǎn)；

以所述種子點(diǎn)為起點(diǎn)，基于閾值a對(duì)所述三維圖像進(jìn)行區(qū)域生長(zhǎng)，獲取第一圖像；

以所述種子點(diǎn)為起點(diǎn)，基于第一閾值對(duì)所述第一圖像進(jìn)行區(qū)域生長(zhǎng)，獲取血管掩膜；

將所述第一圖像與血管掩膜相減獲取第一減影圖像；

粗分割所述第一減影圖像，獲取初始掩膜；

形態(tài)學(xué)處理所述初始掩膜，獲取骨骼掩膜；

將所述第一圖像與所述骨骼掩膜相減獲取第二減影圖像，所述第二減影圖像包括若干個(gè)連通域；

基于血管生長(zhǎng)條件連接所述若干個(gè)連通域，獲取血管提取結(jié)果。

優(yōu)選的，所述選取一層切片圖像為沿Z軸方向上的終止層切片圖像。

優(yōu)選的，所述確定種子點(diǎn)包括：

計(jì)算所述連通域中所有像素點(diǎn)的邊界距離場(chǎng)值；

選取最大邊界距離場(chǎng)值為該連通域的半徑，根據(jù)圓面積公式計(jì)算該連通域的圓形面積，并計(jì)算所述圓形面積與所述連通域?qū)嶋H面積的比值，所述比值為所述連通域的圓度；

選取所述切片圖像中圓度與1差值的絕對(duì)值的的最小值所在的連通域，確定該連通域中最大邊界距離場(chǎng)值所在的像素點(diǎn)為所述種子點(diǎn)。

優(yōu)選的，所述獲取血管掩膜包括：

計(jì)算所述第一圖像中各體素點(diǎn)的邊界距離場(chǎng)值；

根據(jù)所述種子點(diǎn)基于所述第一閾值進(jìn)行區(qū)域生長(zhǎng)，獲取所述血管掩膜；

其中，所述第一閾值為大于3.0個(gè)體素點(diǎn)的寬度。

優(yōu)選的，獲取所述血管掩膜還包括：對(duì)所述血管掩膜作膨脹操作。

優(yōu)選的，所述粗分割包括：

計(jì)算所述第一減影圖像上所有體素點(diǎn)的邊界距離場(chǎng)值；

選取邊界距離場(chǎng)值大于閾值b的體素點(diǎn)為骨骼種子點(diǎn)，根據(jù)所述第一減影圖像中體素點(diǎn)的灰度信息或邊界距離場(chǎng)值進(jìn)行區(qū)域生長(zhǎng)，獲取所述初始掩膜；

其中，所述閾值b為大于3.0個(gè)體素點(diǎn)的寬度；所述體素點(diǎn)的灰度信息為灰度值大于500的常數(shù)，所述體素點(diǎn)的邊界距離場(chǎng)值為大于1.5個(gè)體素點(diǎn)的寬度。

優(yōu)選的，形態(tài)學(xué)處理包括：

以閾值c為寬度腐蝕所述初始掩膜，獲取若干個(gè)連通域；

選取最大體積的連通域?yàn)楣趋绤^(qū)域；

以閾值d為寬度膨脹所述骨骼區(qū)域，獲取第一骨骼掩膜。

優(yōu)選的，所述獲取骨骼掩膜還包括填實(shí)操作，包括如下步驟：

根據(jù)所述種子點(diǎn)基于閾值d對(duì)所述三維圖像進(jìn)行區(qū)域生長(zhǎng)，獲取第二圖像；

逐層填實(shí)所述第二圖像中各連通域；

將填實(shí)后的第二圖像與所述第一骨骼掩膜進(jìn)行圖像疊加，獲取所述骨骼掩膜。

優(yōu)選的，所述填實(shí)操作還包括：

提取疊加后的骨骼掩膜中最大體積的連通域，對(duì)該連通域經(jīng)閉操作獲取所述骨骼掩膜。

優(yōu)選的，所述血管生長(zhǎng)條件為：

計(jì)算所述第二減影圖像包括若干個(gè)連通域的邊界距離場(chǎng)值；

根據(jù)所述源距離場(chǎng)，并且排除所述骨骼掩膜中各個(gè)連通域所在區(qū)域提取血管中心線，獲取血管提取結(jié)果。

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：通過(guò)基于所述連通域的圓度確定種子點(diǎn)，根據(jù)所述種子點(diǎn)基于閾值進(jìn)行三維區(qū)域生長(zhǎng)，獲取包含血管和骨骼的第一圖像；將所述第一圖像與所述骨骼掩膜相減，獲取包含有主血管和少部分碎骨的連通域的第二減影圖像；基于血管生長(zhǎng)條件，排除所述骨骼區(qū)域，通過(guò)多區(qū)域區(qū)域生長(zhǎng)的方式連接所述血管連通域，有效獲取與骨骼粘連的血管。

【附圖說(shuō)明】

圖1為本發(fā)明一實(shí)施例中血管提取方法的流程圖；

圖2為本發(fā)明一實(shí)施例中確定種子點(diǎn)的方法流程圖；

圖3為本發(fā)明一實(shí)施例中獲取血管掩膜的方法流程圖；

圖4為本發(fā)明一實(shí)施例中獲取血管掩膜的結(jié)果示意圖；

圖5為本發(fā)明一實(shí)施例中獲取初始掩膜的方法流程圖；

圖6為本發(fā)明一實(shí)施例中獲取骨骼掩膜的方法流程圖；

圖7a～7c為本發(fā)明一實(shí)施例中填實(shí)操作的各階段結(jié)果示意圖；

圖8為本發(fā)明一實(shí)施例中提取血管的方法流程示意圖；

圖9為本發(fā)明一實(shí)施例中血管提取的結(jié)果示意圖。

【具體實(shí)施方式】

在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明。但是本發(fā)明能夠以很多不同于在此描述的其它方式來(lái)實(shí)施，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的情況下做類似推廣，因此本發(fā)明不受下面公開(kāi)的具體實(shí)施的限制。

其次，本發(fā)明利用示意圖進(jìn)行詳細(xì)描述，在詳述本發(fā)明實(shí)施例時(shí)，為便于說(shuō)明，所述示意圖只是實(shí)施例，其在此不應(yīng)限制本發(fā)明保護(hù)的范圍。使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更為明顯易懂，下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的具體實(shí)施方式做詳細(xì)的說(shuō)明。

本實(shí)施例采用一種的血管提取，如圖1所示，包括如下步驟：

S10：選取三維圖像中的切片圖像，基于灰度信息獲取若干個(gè)連通域。本實(shí)施例中，所述三維圖像包含若干個(gè)二維切片圖像。所述三維圖像中的最小處理單元為體素點(diǎn)，切片圖像中最小處理單元為像素點(diǎn)。所述三維圖像可以通過(guò)各類模態(tài)的成像系統(tǒng)掃描采集獲得三維或二維圖像，也可以通過(guò)諸如存儲(chǔ)系影像歸檔和通信系統(tǒng)(Picture Archiving and Communication Systems，PACS)等內(nèi)部或外部存儲(chǔ)系統(tǒng)傳輸獲得。所述模態(tài)包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、計(jì)算機(jī)斷層掃描(CT)、正電子發(fā)射斷層掃描(Positron Emission Tomography，PET)等一種或多種的組合。

所述三維圖像包含各種組織結(jié)構(gòu)，例如包含各類血管區(qū)域，例如頭頸部血管，胸腹部血管和下肢血管，所述血管區(qū)域包含主血管和微血管，主血管可以是動(dòng)脈血管、靜脈血管等血管，或者上述的任意組合。動(dòng)脈血管可以是頭動(dòng)脈、頸動(dòng)脈、胸動(dòng)脈、腹動(dòng)脈、腋動(dòng)脈、肱動(dòng)脈等，或者上述的任意組合。還包括各類骨骼組織，例如髂骨、小腿骨、脛骨等下肢骨骼組織。部分血管組織緊貼骨骼組織(例如脛動(dòng)脈)，或者穿過(guò)骨骼組織(例如椎骨中穿行的左右椎動(dòng)脈)，并且由于造影劑等影響使得血管組織和骨骼組織在圖像顯示的強(qiáng)度值(例如灰度值)有部分重疊，或者由于成像結(jié)構(gòu)非常接近，有限的檢測(cè)器分辨率，血管鈣化點(diǎn)，以及介入裝置(例如植入的血管支架)使得骨骼和脈管系統(tǒng)結(jié)構(gòu)的識(shí)別和分割變得困難起來(lái)，大大增加血管提取的難度。

本實(shí)施例中，所述選取一層切片圖像為沿Z軸方向上的終止層切片圖像，z方向可以為垂直軸的方向(冠狀面和矢狀面形成的相交線的方向)，例如，從被成像物體下部到上部(腳-頭方向)、或者上部到下部的方向(頭-腳方向)。本實(shí)施例中Z軸方向優(yōu)選為(腳-頭方向)。對(duì)于包含下肢血管的圖像，例如腹主動(dòng)脈血管，血管半徑沿血管走向時(shí)逐漸變小，所述沿Z軸方向上的終止層切片圖像中為腹主動(dòng)脈的起始層，利于后續(xù)種子點(diǎn)的確定。

本實(shí)施例中，基于所述切片圖像中像素點(diǎn)的灰度信息，所述灰度信息可以為以包括紋理結(jié)構(gòu)、灰度、平均灰度、強(qiáng)度、顏色飽和度、對(duì)比度、亮度等一種或多種的組合。本實(shí)施例中所述灰度信息優(yōu)選為圖像中各像素點(diǎn)的灰度(例如CT值)，可以基于基于進(jìn)行區(qū)域生長(zhǎng)，獲取若干個(gè)連通域，例如優(yōu)選閾值為200。其中，所述閾值的設(shè)定可以是全自動(dòng)、半自動(dòng)、或手動(dòng)進(jìn)行的。例如，可以根據(jù)一種或多種運(yùn)算自動(dòng)計(jì)算或選取閾值。又如，用戶或操作者可以通過(guò)輸入/輸出設(shè)備的圖形用戶界面手動(dòng)選取閾值。

S20：基于所述連通域的圓度，確定種子點(diǎn)。本實(shí)施例中以腹主動(dòng)脈為例，由于腹主動(dòng)脈空間形態(tài)上為粗狀的圓柱形，在切片圖像中顯示為圓形截面，可以根據(jù)圓度確認(rèn)腹主動(dòng)脈所在的連通域，繼而確定所述種子點(diǎn)。種子點(diǎn)的確定方法結(jié)合附圖2作具體描述。

S21：選取所述切片圖像中任意一個(gè)連通域，計(jì)算所述連通域中所有像素點(diǎn)的邊界距離場(chǎng)值；所述距離場(chǎng)值為連通域上的像素點(diǎn)距離最近的邊界點(diǎn)的像素寬度，距離邊界越遠(yuǎn)則距離場(chǎng)值越短。本實(shí)施例中，所述距離可以為體素寬度，也可以根據(jù)距離場(chǎng)公式計(jì)算。例如所述連通域中一個(gè)像素點(diǎn)的坐標(biāo)為(x，y),與它最近的邊界上的一個(gè)的坐標(biāo)是(i，j)，則點(diǎn)(x，y)的距離場(chǎng)值近似為

S22～23：選取最大邊界距離場(chǎng)值為該連通域的半徑r，根據(jù)圓面積公式計(jì)算S＝πr²該半徑對(duì)應(yīng)的圓形面積S，并計(jì)算所述圓形面積與所述連通域的實(shí)際面積S’的比值，所述比值為所述連通域的圓度c。以此類推，獲取所述切片圖像中所有連通域的圓度。

S24：選取所述切片圖像中圓度中與1差值的絕對(duì)值的的最小值所在的連通域，即選取圓度最接近1的連通域，圓度越接近于1，說(shuō)明該連通域的形狀越近似于圓形。對(duì)于諸如下肢血管的切片圖像中，終止層中主要血管為腹主動(dòng)脈血管，截面圖像為較為粗壯的圓形截面，可以根據(jù)圓度確認(rèn)腹主動(dòng)脈血管所在連通域。然后確定該連通域中最大邊界距離場(chǎng)值所在的像素點(diǎn)為所述種子點(diǎn)。

S30：以所述種子點(diǎn)為起點(diǎn)，基于閾值a對(duì)所述三維圖像進(jìn)行區(qū)域生長(zhǎng)，獲取第一圖像。本實(shí)施例中，采用S20步驟確定的種子點(diǎn)為起點(diǎn)，對(duì)整個(gè)三維圖像以閾值a作區(qū)域生長(zhǎng)，本實(shí)施例中，所述閾值a選取灰度值為200，所述第一圖像包含大部分血管和骨骼組織構(gòu)成的多個(gè)三維連通域。

S40：繼續(xù)根據(jù)所述種子點(diǎn)基于第一閾值對(duì)所述第一圖像進(jìn)行區(qū)域生長(zhǎng)，獲取血管掩膜。本實(shí)施例中，獲取所述血管掩膜的方法結(jié)合圖3作具體描述。

S41：計(jì)算所述第一圖像中各體素點(diǎn)的邊界距離場(chǎng)值；本實(shí)施例中，計(jì)算所述第一圖像中各體素點(diǎn)的三維邊界距離場(chǎng)，距離邊界越遠(yuǎn)，則該體素點(diǎn)的距離場(chǎng)值越大。本實(shí)施例中，所述距離可以為體素寬度，也可以根據(jù)距離場(chǎng)公式計(jì)算。例如在所述第一圖像中的任一各三維連通域中，取體素點(diǎn)的坐標(biāo)為(x，y，z),與它最近的邊界上的一個(gè)的坐標(biāo)是(i，j，k)，則該體素點(diǎn)(x，y，z)的距離場(chǎng)值近似為

S42：根據(jù)步驟S20確定的所述種子點(diǎn)為起點(diǎn)，基于所述第一閾值進(jìn)行區(qū)域生長(zhǎng)，本實(shí)施例中，所述第一閾值選取距離場(chǎng)值大于3.0。由于在所述第一圖像中，血管半徑沿走向越來(lái)越小，而此部分的血管與骨骼相連部分的體素點(diǎn)的距離場(chǎng)值較小，可以通過(guò)本步驟控制主要血管不生長(zhǎng)至骨骼組織，同時(shí)也無(wú)法生長(zhǎng)細(xì)小血管。

S43～S44：對(duì)步驟S42中區(qū)域生長(zhǎng)結(jié)果作膨脹操作。由于S42步驟為避免生長(zhǎng)到骨骼，區(qū)域生長(zhǎng)結(jié)果獲取的是主要血管(例如腹部主動(dòng)脈)的部分區(qū)域，為獲取完整的主要血管，需要進(jìn)行膨脹操作。本實(shí)施例中，采用以一定體素點(diǎn)寬度(例如選取4個(gè)體素點(diǎn)的寬度)為核對(duì)所述區(qū)域生長(zhǎng)結(jié)果進(jìn)行膨脹，獲取所述血管掩膜，所述血管掩膜包含所述第一圖像中主要血管組織，如圖4所示。

S50：將所述第一圖像與血管掩膜相減獲取第一減影圖像；所述第一減影圖像中包含主要骨骼組織，和少部分的細(xì)小血管，而主要血管區(qū)域已通過(guò)相減去除，即將該體素的灰度值設(shè)置為背景區(qū)域。

S60：粗分割所述第一減影圖像，獲取初始掩膜；本步驟用于粗提取骨骼組織，下面結(jié)合圖5作具體描述：

S61：計(jì)算所述第一減影圖像上所有體素點(diǎn)的邊界距離場(chǎng)值；計(jì)算方法如前所述，取體素點(diǎn)的坐標(biāo)為(x，y，z),與它最近的邊界上的一個(gè)體素點(diǎn)的坐標(biāo)是(i，j，k)，則該體素點(diǎn)(x，y，z)的距離場(chǎng)值近似為

S62～S65：選取邊界距離場(chǎng)值大于閾值b的體素點(diǎn)為骨骼種子點(diǎn)，由于S50步驟獲取的減影圖像中去除了血管上距離場(chǎng)值較大的點(diǎn)(例如腹主動(dòng)脈等主要血管)，剩余為較細(xì)的血管和主要的骨骼組織，所以減影圖像中邊界距離場(chǎng)值較大的體素點(diǎn)主要位于骨骼區(qū)域，因此可以選取閾值b的體素點(diǎn)為骨骼種子點(diǎn)，根據(jù)所述第一減影圖像中體素點(diǎn)的灰度信息或邊界距離場(chǎng)值進(jìn)行區(qū)域生長(zhǎng)，獲取所述初始掩膜，即骨骼組織的粗分割結(jié)果。

本實(shí)施例中，所述閾值b為大于3.0個(gè)體素點(diǎn)的寬度；所述體素點(diǎn)的灰度信息述灰度信息可以為以包括紋理結(jié)構(gòu)、灰度、平均灰度、強(qiáng)度、顏色飽和度、對(duì)比度、亮度等一種或多種的組合，本實(shí)施例中優(yōu)選體素點(diǎn)為灰度值大于500進(jìn)行區(qū)域生長(zhǎng)，用以去除細(xì)小血管?；蛘哌x取體素點(diǎn)的邊界距離場(chǎng)值為大于1.5個(gè)體素點(diǎn)的寬度進(jìn)行區(qū)域生長(zhǎng)，可以去除貼近骨骼組織的細(xì)小血管。

S70：形態(tài)學(xué)處理所述初始掩膜，獲取骨骼掩膜；本步驟用于去除前述步驟中提取初始掩膜時(shí)，可能生長(zhǎng)到的血管組織，下面結(jié)合圖6作具體描述：

S71：以閾值c為寬度腐蝕所述初始掩膜，獲取若干個(gè)連通域；由于前述獲取初始掩膜步驟中，基于灰度信息可能會(huì)由于造影劑原因而使得血管部分亮度增強(qiáng)(灰度值變大)而導(dǎo)致誤提取血管，或者其它原因?qū)е禄诰嚯x場(chǎng)值誤提取的血管部分，可以先通過(guò)腐蝕操作，斷開(kāi)血管與骨骼組織的連接。本實(shí)施例中，所述閾值c優(yōu)選為5個(gè)體素點(diǎn)的距離。

S72：選取最大體積的連通域?yàn)楣趋绤^(qū)域；因初始掩膜為骨骼組織的粗分割結(jié)果，主要血管(例如腹主動(dòng)脈、椎動(dòng)脈等主要血管)已通過(guò)所述第一減影圖像去除，所以經(jīng)S71腐蝕后獲取若干個(gè)連通域中，最大體積的連通域可以確定為骨骼區(qū)域。

S72：以閾值d為寬度膨脹所述骨骼區(qū)域，以恢復(fù)因腐蝕步驟而丟失的骨骼組織，獲取第一骨骼掩膜，所述第一骨骼掩膜為去除誤生長(zhǎng)血管的骨骼組織提取結(jié)果，如圖7a所示；所述閾值d的選取可以與所述閾值c相同，本實(shí)施例本實(shí)施例中，所述閾值d優(yōu)選為5個(gè)體素點(diǎn)的距離。

S73：由圖7a所示，由于骨骼組織在圖像中顯示為中空結(jié)果，內(nèi)部存在空洞情況，因此需要進(jìn)行填實(shí)操作，可以包括如下步驟：

根據(jù)S20獲取的所述種子點(diǎn)為起點(diǎn)基于閾值e對(duì)所述三維圖像進(jìn)行區(qū)域生長(zhǎng)，獲取第二圖像；本實(shí)施例中，所述閾值e小于所述第一圖像選取的閾值，用以獲取更多的骨骼信息，例如由于掃描問(wèn)題，或者骨骼內(nèi)部的灰度信息低于骨骼組織等原因?qū)е滤龅谝粓D像中骨骼區(qū)域存在部分缺失，例如，在CTA中，圖像亮度的重疊，成像結(jié)構(gòu)非常接近，有限的檢測(cè)器分辨率，血管鈣化點(diǎn)鈣化，以及介入裝置(例如植入的血管支架)可使對(duì)骨使得骨骼和脈管系統(tǒng)結(jié)構(gòu)的識(shí)別和分割變得困難起來(lái)?？梢酝ㄟ^(guò)降低閾值，即以所述閾值e進(jìn)行區(qū)域生長(zhǎng)補(bǔ)充缺失的各個(gè)信息。接著，逐層填實(shí)所述第二圖像中各連通域。

本實(shí)施例中，逐層填實(shí)可以如下操作：選取一層切片圖像，基于第一骨骼掩膜的結(jié)果，對(duì)于背景區(qū)域進(jìn)行區(qū)域生長(zhǎng)獲取背景區(qū)域的二值圖(例如背景區(qū)域的灰度值為1、骨骼區(qū)域所在連通域?yàn)?)，然后進(jìn)行取反操作，即背景區(qū)域的灰度值設(shè)置為0，骨骼區(qū)域所在連通域?yàn)?，從而達(dá)到填實(shí)該層切片圖像中骨骼區(qū)域的目的，依次類推逐層進(jìn)行填實(shí)操作，獲取填實(shí)后的第一圖像。如圖7a～7c為逐層填實(shí)操作的各階段結(jié)果示意圖。

S74：將填實(shí)后的第二圖像與所述第一骨骼掩膜進(jìn)行圖像疊加，獲取所疊加圖像，本實(shí)施例中，所述圖像疊加基于填實(shí)后的第二圖像與所述第一骨骼掩膜中對(duì)應(yīng)連通域的部分進(jìn)行疊加，用以填實(shí)第一骨骼掩膜中可能存在的空洞部分或者缺失的骨骼邊緣。由于疊加圖像中提取的連通域可能存在幾個(gè)體素點(diǎn)距離的空洞，為了進(jìn)一步完善提取結(jié)果，還可以對(duì)所述疊加圖像進(jìn)行閉操作。

S75～S76：提取所述疊加圖像最大體積的連通域，如前所述該連通域即為去除誤提取血管的骨骼區(qū)域所在的連通域。對(duì)該連通域經(jīng)閉操作獲取所述骨骼掩膜。本實(shí)施例中，所述閉操作包括：首先以一定尺寸膨脹該連通域，例如選取尺寸為10個(gè)體素點(diǎn)寬度，接著以一定尺寸腐蝕該連通域，以恢復(fù)該連通域，達(dá)到填實(shí)小空洞的目的。需要說(shuō)明的是，S74步驟獲取的疊加圖像是為了填充骨骼區(qū)域中較為明顯(即尺寸較大)的空洞，而本步驟中的閉操作是為了填充細(xì)小空洞，例如幾個(gè)體素點(diǎn)寬度，使獲取的所述骨骼掩膜內(nèi)部完全填實(shí)。

S80：將所述第一圖像與所述骨骼掩膜相減獲取第二減影圖像，所述第二減影圖像包括若干個(gè)連通域；以排除骨骼掩膜中骨骼組織所在的所有體素點(diǎn)，所述若干個(gè)連通域包括主要血管斷開(kāi)部分和一些散骨，血管斷開(kāi)部分可以包括一條血管在圖像分割過(guò)程中所形成的斷開(kāi)的(或者不相連接的)部分。在一些實(shí)施例中，一條血管可以具有一個(gè)或多個(gè)血管斷開(kāi)部分。一個(gè)血管斷開(kāi)部分可以具有關(guān)于這條血管的一個(gè)或多個(gè)數(shù)據(jù)。兩個(gè)或多個(gè)血管斷開(kāi)部分之間可以具有不同數(shù)量的血管。

S90：基于血管生長(zhǎng)條件連接所述若干個(gè)連通域，獲取血管提取結(jié)果。血管的提取可以根據(jù)骨骼掩膜、和/或所述第二減影圖像中的血管斷開(kāi)部分(即若干個(gè)連通域)。在一些實(shí)施例中，血管提取可以根據(jù)兩個(gè)或多個(gè)血管斷開(kāi)部分，在所述兩個(gè)或多個(gè)血管斷開(kāi)部分之間生成血管，并采用一種或多種方法，連接所述兩個(gè)或多個(gè)血管斷開(kāi)部分，生成一條或多條血管。下面結(jié)合圖8作詳細(xì)說(shuō)明。

S91：計(jì)算所述第二減影圖像包括若干個(gè)連通域的邊界距離場(chǎng)值。

S92～S93：基于最短路徑算法，并且排除所述骨骼掩膜中的各個(gè)連通域所在區(qū)域生長(zhǎng)血管中心線，即中心線的走向繞開(kāi)所述各個(gè)掩膜中標(biāo)記為骨骼組織的區(qū)域，獲取所述血管提取結(jié)果。本實(shí)施中，所述最短路徑算法可以包含Dijkstra算法、Bellman-Ford算法、A*搜索算法、Floyd-Warshall算法、Johnson算法、Viterbi算法等。以Dijkstra算法為例，該算法中的價(jià)值函數(shù)可以從補(bǔ)充區(qū)域的距離變換以及數(shù)據(jù)補(bǔ)充位點(diǎn)間的距離推導(dǎo)。如圖9所述為本實(shí)施例中血管提取結(jié)果示意圖。

綜上所述，本發(fā)明提供一種血管提取方法，通過(guò)基于所述連通域的圓度確定種子點(diǎn)，根據(jù)所述種子點(diǎn)基于閾值進(jìn)行三維區(qū)域生長(zhǎng)，獲取包含血管和骨骼的第一圖像；將所述第一圖像與所述骨骼掩膜相減，獲取包含有主血管和少部分碎骨的連通域的第二減影圖像；基于血管生長(zhǎng)條件，排除所述骨骼區(qū)域，通過(guò)多區(qū)域區(qū)域生長(zhǎng)的方式連接所述血管連通域，有效獲取與骨骼粘連的血管。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。