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中心線(xiàn)的提取方法。

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，特別是對(duì)于緊貼周?chē)趋绤^(qū)域的細(xì)小血管，例如穿顱的頸內(nèi)動(dòng)脈，緊貼髂骨的髂動(dòng)脈，緊貼骨骼的下肢血管，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(xiàn)，根據(jù)此中心線(xiàn)，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(xiàn)，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)有血管中心提取方法，以提取與緊貼骨骼的血管中心線(xiàn)，獲取完整的血管。

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：

獲取醫(yī)學(xué)圖像；

基于所述醫(yī)學(xué)圖像提取血管，以及若干個(gè)連通域；

篩選所述若干個(gè)連通域，獲取n個(gè)血管連通域；

基于各個(gè)血管連通域的方向坐標(biāo)值降序標(biāo)記所述n個(gè)血管連通域；

根據(jù)所述降序標(biāo)記，選取第一個(gè)血管連通域連接血管，并生長(zhǎng)該連通域與血管之間的中心線(xiàn)；

，根據(jù)所述降序標(biāo)記順序依次連接并生長(zhǎng)第m+1個(gè)和第m個(gè)連通域之間的中心線(xiàn)，直至生長(zhǎng)完成所述n個(gè)血管連通域之間的中心線(xiàn)；

其中，m，n為自然數(shù)，m小于或等于n-1。

進(jìn)一步的，所述篩選包括如下步驟：

在所述若干個(gè)連通域中識(shí)別血管連通域；

計(jì)算所述血管連通域中各連通域在x、y和z方向上的平均坐標(biāo)值；

基于各連通域的y平均坐標(biāo)值升序標(biāo)記各連通域；

基于所述升序標(biāo)記，依次判斷該連通域是否為血管連通域。

進(jìn)一步的，所述識(shí)別血管連通域包括：

計(jì)算所述若干個(gè)連通域的截面積，若該連通域的截面積小于閾值a，則該連通域?qū)儆谘苓B通域；否則舍棄該連通域。

進(jìn)一步的，所述閾值a的選取范圍為大于10。

進(jìn)一步的，所述依次判斷該連通域是否為血管連通域包括：

選取y坐標(biāo)值最小的連通域?yàn)榛鶞?zhǔn)連通域，根據(jù)所述升序標(biāo)記，依次比較各連通域的坐標(biāo)值與所述基準(zhǔn)連通域的坐標(biāo)值：

若y_i-y₀小于閾值p，且x_i-x₀大于閾值q，則該連通域?yàn)檠苓B通域；

否則，舍棄該連通域；

其中，x₀和y₀為所述基準(zhǔn)連通域分別在x、y方向上的平均坐標(biāo)值，x_i和y_i為第i個(gè)連通域在x、y方向上的平均坐標(biāo)值，p為自然數(shù)，q為整數(shù)。

進(jìn)一步的，所述獲取閾值q的取值范圍為大于10，所述閾值q的取值范圍為大于-15。

進(jìn)一步的，所述篩選還包括，選取z坐標(biāo)值小于閾值k的連通域進(jìn)行血管連通域的識(shí)別。

進(jìn)一步的，所述第一個(gè)血管連通域連接血管，包括：

選取z坐標(biāo)值大于所述第一個(gè)血管連通域所在圖像的醫(yī)學(xué)圖像，根據(jù)源距離場(chǎng)，選取灰度值為(100，500)范圍內(nèi)的像素點(diǎn)作為種子點(diǎn)生長(zhǎng)，連接所述血管連通域與血管。

進(jìn)一步的，生長(zhǎng)所述中心線(xiàn)，包括：

以該連通域連接至血管的第一個(gè)像素點(diǎn)為起始點(diǎn)，基于最短路徑算法生長(zhǎng)所述連通域與血管之間的中心線(xiàn)。

進(jìn)一步的，基于連通域的x坐標(biāo)平均值將各個(gè)血管連通域劃分為左、右區(qū)域，如x坐標(biāo)平均值大于圖像x方向尺寸的一半，則該連通域位于右區(qū)域，否則，該連通域位于左區(qū)域；

對(duì)左區(qū)域或右區(qū)域內(nèi)的血管連通域，根據(jù)各個(gè)血管連通域的z方向坐標(biāo)值降序標(biāo)記所述n個(gè)血管連通域；

根據(jù)所述降序標(biāo)記，選取第一個(gè)血管連通域連接血管，并生長(zhǎng)該連通域與血管之間的中心線(xiàn)；

根據(jù)所述降序標(biāo)記順序依次連接并生長(zhǎng)第m+1個(gè)和第m個(gè)連通域之間的中心線(xiàn)，直至生長(zhǎng)完成所述n個(gè)血管連通域之間的中心線(xiàn)；

根據(jù)所述中心線(xiàn)分別獲取獲取左區(qū)域或右區(qū)域內(nèi)的血管；

其中，m，n為自然數(shù)，m小于或等于n-1。

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：對(duì)于提取血管后醫(yī)學(xué)圖像上的各個(gè)連通域進(jìn)行分析，基于血管的空間位置篩選并標(biāo)記各個(gè)血管連通域；根據(jù)降序順序，依次連接并生長(zhǎng)第m+1個(gè)和第m個(gè)連通域之間的中心線(xiàn)，以提取緊貼骨骼區(qū)域的血管，獲取完整的血管組織。

【附圖說(shuō)明】

圖1為本發(fā)明一實(shí)施例中血管中心線(xiàn)提取方法的流程圖；

圖2為本發(fā)明又一實(shí)施例中獲取血管連通域方法的流程圖

圖3為本發(fā)明又一實(shí)施例中血管中心線(xiàn)提取方法的流程圖；

圖4為本發(fā)明一實(shí)施例中血管提取的結(jié)果示意圖；

圖5為本發(fā)明又一實(shí)施例中血管提取方法的流程圖。

【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(lèi)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)施例采用一種血管中心線(xiàn)提取方法，如圖1所示，包括如下步驟：

執(zhí)行步驟S11：獲取醫(yī)學(xué)圖像，所述醫(yī)學(xué)圖像為三維圖像，也可以為包括若干層二維圖像的二維圖像序列，還可以是二維圖像。

執(zhí)行步驟S12：基于所述醫(yī)學(xué)圖像提取血管，以及若干個(gè)連通域；本實(shí)施例中，為提高血管提取的準(zhǔn)確性，需要首先去除骨骼區(qū)域。繼而在去除骨骼區(qū)域的醫(yī)學(xué)圖像基于種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)提取血管，該血管可以為主血管，所述主血管可以為半徑較粗的血管，例如大于1.5mm的血管，也可以為沒(méi)有分叉結(jié)構(gòu)的一級(jí)血管。經(jīng)過(guò)去除骨骼和提取主血管后的醫(yī)學(xué)圖像上包含若干個(gè)連通域，所述連通域可以是去除骨骼步驟中剩余的碎骨部分，也可以是提取血管過(guò)程中未能成功提取的血管部分，例如與緊貼骨骼的細(xì)小血管。

執(zhí)行步驟S13：篩選所述若干個(gè)連通域，獲取n個(gè)血管連通域。

執(zhí)行步驟S14：基于各個(gè)血管連通域的方向坐標(biāo)值降序標(biāo)記所述n個(gè)血管連通域，所述方向坐標(biāo)值可以根據(jù)血管空間走向進(jìn)行選取，例如對(duì)于下肢血管，可以選取z方向坐標(biāo)值，即腳-頭方向。

執(zhí)行步驟S15：根據(jù)降序標(biāo)記，選取第一個(gè)血管連通域連接主血管，即選取血管連通域中，z坐標(biāo)值最大的連通域與主血管連接，并生長(zhǎng)該連通域與主血管之間的中心線(xiàn)；根據(jù)所述降序標(biāo)記順序依次生長(zhǎng)第m+1個(gè)和第m個(gè)連通域之間的中心線(xiàn)，直至生長(zhǎng)完成所述n個(gè)血管連通域之間的中心線(xiàn)。其中，m，n為自然數(shù)，m小于或等于n-1。

本發(fā)明又提供一種實(shí)施例，參考圖1、圖2和圖3，包括如下步驟：

S11～S12：獲取醫(yī)學(xué)圖像；基于所述醫(yī)學(xué)圖像去除骨骼區(qū)域，提取主血管，以及若干個(gè)連通域。本實(shí)施例中，所述醫(yī)學(xué)圖像為三維圖像，也可以為包括若干層二維圖像的二維圖像序列，還可以是二維圖像。所述切片圖像中最小處理單元為像素點(diǎn)，所述三維圖像中最小處理單元為體素。所述醫(yī)學(xué)圖像可以通過(guò)各類(lèi)模態(tài)的成像系統(tǒng)掃描采集獲得，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。

所述醫(yī)學(xué)圖像包含各種組織結(jié)構(gòu)，例如包含各類(lèi)血管連通域，例如頭頸部血管，胸腹部血管和下肢血管，所述血管連通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(lèi)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。因此需要首先去除骨骼區(qū)域，去骨方法可以包括閾值法、區(qū)域生長(zhǎng)法、基于能量函數(shù)的方法、水平集方法、區(qū)域分割和/或合并、邊緣跟蹤分割法、統(tǒng)計(jì)模式識(shí)別方法、均值聚類(lèi)分割法、模型法、基于可變形模型的分割法、人工神經(jīng)網(wǎng)絡(luò)方法、最小路徑分割法、跟蹤法、基于規(guī)則的分割法、耦合表面分割法等，或者上述分割方法的任意組合，本發(fā)明對(duì)此不作具體限定。

接著在去除骨骼區(qū)域的醫(yī)學(xué)圖像基于種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)提取血管，本實(shí)施例中提取的血管可以為主血管，所述主血管可以為半徑較粗的血管，例如大于1.5mm的血管，也可以為沒(méi)有分叉結(jié)構(gòu)的一級(jí)血管。經(jīng)過(guò)去除骨骼和提取主血管后的醫(yī)學(xué)圖像上包含若干個(gè)連通域，所述連通域可以是去除骨骼步驟中剩余的碎骨部分，也可以是提取血管過(guò)程中未能成功提取的血管部分，例如與緊貼骨骼的細(xì)小血管。本實(shí)施例接下來(lái)需要提取這些在圖像顯示的強(qiáng)度值(例如灰度值)與骨骼有部分重疊，或者由于成像結(jié)構(gòu)非常接近導(dǎo)致難以提取的細(xì)小血管，繼而將這些細(xì)小血管與主血管連接，以獲取完整的血管組織。

執(zhí)行步驟S13：篩選所述若干個(gè)連通域，獲取n個(gè)血管連通域；所述獲取n個(gè)血管連通域的步驟參見(jiàn)附圖2：

執(zhí)行步驟S21：在所述若干個(gè)連通域中識(shí)別血管連通域；經(jīng)過(guò)前述去除骨骼和提取主血管步驟后，所述醫(yī)學(xué)圖像的各個(gè)切片圖像中包含若干個(gè)連通域，該連通域可能是碎骨，也可能細(xì)小血管，例如緊貼骨頭的細(xì)小血管連通域，因此需要識(shí)別血管連通域。所述識(shí)別血管連通域包括：計(jì)算所述若干個(gè)連通域的截面積，若該連通域的截面積小于閾值a，則該連通域?qū)儆谘苓B通域，標(biāo)記該連通域?yàn)檠苓B通域；否則，舍棄該連通域。其中，所述截面積為該連通域中包含的像素點(diǎn)個(gè)數(shù)除以該連通域所在切片圖像位于z方向上(腳-頭方向)上的層數(shù)，所述閾值a取值范圍為大于10，例如所述閾值a可以取值為15。通過(guò)本步驟可以有效去除大部分面積較大的碎骨。在另一些實(shí)施例中，為了提高識(shí)別速度，可以針對(duì)部分切片圖像進(jìn)行分析識(shí)別。例如在下肢醫(yī)學(xué)圖像上提取腳掌血管，可以根據(jù)病人坐標(biāo)系，以z方向?yàn)槟_-頭方向，z坐標(biāo)越小，越靠近足部；z越大，越靠近膝蓋，對(duì)z坐標(biāo)較小的連通域進(jìn)行分析，例如，對(duì)于512×512×512的醫(yī)學(xué)圖像，可以選取z方向上z坐標(biāo)值小于64的連通域進(jìn)行分析。

執(zhí)行步驟S22～S25：計(jì)算所述血管連通域中各連通域在x、y和z方向上的平均坐標(biāo)值；所述平均坐標(biāo)值為該連通域中所有像素點(diǎn)分別在x、y和z方向上坐標(biāo)值的加和平均值?；诟鬟B通域的y平均坐標(biāo)值升序標(biāo)記各連通域；例如，對(duì)于腳掌血管中細(xì)小血管，由于該血管主要分布于腳尖位置，對(duì)應(yīng)切片圖像中為y坐標(biāo)值較小的位置，因此可以基于所述升序標(biāo)記，依次判斷該連通域是否為血管連通域。例如，選取y坐標(biāo)值最小的連通域?yàn)榛鶞?zhǔn)連通域，根據(jù)所述升序標(biāo)記，即y值從小到大排序的連通域，依次比較血管連通域中剩余的各個(gè)連通域的坐標(biāo)值與所述基準(zhǔn)連通域的坐標(biāo)值大?。喝魕_i-y₀小于閾值p，且x_i-x₀大于閾值q，則該連通域?yàn)檠苓B通域；否則，舍棄該連通域；其中，x₀和y₀為所述基準(zhǔn)連通域內(nèi)各個(gè)像素點(diǎn)分別在x、y方向上的平均坐標(biāo)值，x_i和y_i為第i個(gè)連通域內(nèi)各個(gè)像素點(diǎn)在x、y方向上的平均坐標(biāo)值，p為自然數(shù)，q為整數(shù)。所述獲取閾值q的取值范圍為大于10，例如所述閾值q可以取值為14，所述閾值q的取值范圍為大于-15，例如所述閾值p可以取值為-10；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(hù)或操作者可以通過(guò)輸入/輸出設(shè)備的圖形用戶(hù)界面手動(dòng)選取閾值。由于腳掌血管位于腳尖區(qū)域附近，本實(shí)施例中通過(guò)血管的空間位置進(jìn)一步識(shí)別血管連通域，獲取前述步驟中未能檢出的骨頭組織，以提高血管提取的準(zhǔn)確性。

執(zhí)行步驟S14～S15：基于各個(gè)血管連通域的方向坐標(biāo)值降序標(biāo)記所述n個(gè)血管連通域。本實(shí)施中，所述方向坐標(biāo)值可以根據(jù)血管空間走向進(jìn)行選取，例如對(duì)于下肢血管，可以選取z方向坐標(biāo)值，即腳-頭方向。即將前述步驟的獲取的各個(gè)血管連通域根據(jù)從頭到腳方向(即z坐標(biāo)值有大到小順序)進(jìn)行排序，例如對(duì)于下肢血管的醫(yī)學(xué)圖像，下肢主血管從腹主動(dòng)脈起始，由頭到腳方向在空間形態(tài)上逐漸變細(xì)，對(duì)于各個(gè)血管連通域，z方向坐標(biāo)值越大，越靠近膝蓋；反之，越靠近足部，根據(jù)z方向降序排序，即對(duì)應(yīng)于各個(gè)血管連通域與主血管的距離由近及遠(yuǎn)排序，符合下肢血管的走向規(guī)律。

根據(jù)所述降序標(biāo)記，選取第一個(gè)血管連通域連接主血管，即選取距離主血管距離最近的連通域連接主血管，并生長(zhǎng)該連通域與主血管之間的中心線(xiàn)；接著，根據(jù)降序標(biāo)記，選取第二個(gè)血管連通域連接第一個(gè)連通域與主血管之間的中心線(xiàn)，根據(jù)所述降序標(biāo)記順序依次連接并生長(zhǎng)第m+1個(gè)和第m個(gè)連通域之間的中心線(xiàn)，即根據(jù)降序標(biāo)記，依次將后一個(gè)血管連通域連接前一個(gè)血管連通域所生長(zhǎng)的中心線(xiàn)，直至生長(zhǎng)完成所述n個(gè)血管連通域之間的中心線(xiàn)；其中，m，n為自然數(shù)，m小于或等于n-1?；谥行木€(xiàn)獲取完整血管。

在另一實(shí)施例中，根據(jù)降序標(biāo)記，依次連接所述n個(gè)血管連通域之間的中心線(xiàn)，提取血管的方法可參見(jiàn)圖3說(shuō)明。

執(zhí)行步驟S31～S35：選取z坐標(biāo)值大于所述第一個(gè)血管連通域所在切片圖像的各層醫(yī)學(xué)圖像；根據(jù)血管由頭至腳方的血管走向，所需連接的主血管連通域所在切片圖像的z坐標(biāo)值大于各血管連通域所在切片圖像的z坐標(biāo)值，因此選取分析選取z坐標(biāo)值大于所述第一個(gè)血管連通域所在切片圖像的各層醫(yī)學(xué)圖像。

基于源距離場(chǎng)連接所述血管連通域所述主血管；例如，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)值近似為在所述選取的各層醫(yī)學(xué)圖像中，選取灰度值在一定閾值范圍內(nèi)的種子點(diǎn)進(jìn)區(qū)域生長(zhǎng)，實(shí)現(xiàn)所述第一個(gè)血管連通域與主血管的連接。本實(shí)施例中，所述閾值范圍可以選取(100,500)。

以該連通域與主血管連接的第一個(gè)像素點(diǎn)為起始點(diǎn)，基于最短路徑算法生長(zhǎng)所述連通域與主血管之間的中心線(xiàn)。本實(shí)施例中，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)。

根據(jù)所述降序標(biāo)記順序依次連接并生長(zhǎng)第m+1個(gè)和第m個(gè)連通域之間的中心線(xiàn)，直至生長(zhǎng)完成所述n個(gè)血管連通域之間的中心線(xiàn)；基于所述n個(gè)血管連通域之間的中心線(xiàn)，根據(jù)血管追蹤或者區(qū)域生長(zhǎng)方法獲取完整血管。例如，圖4所示為通過(guò)本實(shí)施例提供的提取血管方法所提取的下肢血管圖像。

對(duì)于解剖結(jié)構(gòu)對(duì)稱(chēng)的圖像，例如在x方向上對(duì)稱(chēng)(左右對(duì)稱(chēng))的下肢血管圖像，本發(fā)明提供又一實(shí)施例提取此類(lèi)情況。所述步驟如圖5所示，包括：

步驟S41～S47：獲取由若干層切片圖像構(gòu)成的醫(yī)學(xué)圖像，即所述醫(yī)學(xué)圖像包括若干層二維圖像。篩選所述若干個(gè)連通域，獲取n個(gè)血管連通域。

基于所述醫(yī)學(xué)圖像提取主血管，以及若干個(gè)連通域；基于連通域的x坐標(biāo)平均值將各個(gè)血管連通域劃分為左、右區(qū)域，如x坐標(biāo)平均值大于圖像x方向尺寸的一半，則該連通域位于右區(qū)域，否則，該連通域位于右區(qū)域；例如，對(duì)于512×512×512的醫(yī)學(xué)圖像，對(duì)于任意橫斷面的切片圖像上的連通域，如該連通域在x方向上的坐標(biāo)大于256，則該連通域位于切片圖像的右區(qū)域；否則，位于切邊圖像的左區(qū)域。

分別對(duì)左區(qū)域或右區(qū)域內(nèi)的血管連通域根據(jù)各個(gè)血管連通域的z方向坐標(biāo)值降序標(biāo)記所述n個(gè)血管連通域；根據(jù)降序標(biāo)記，選取第一個(gè)血管連通域連接主血管，并生長(zhǎng)該連通域與主血管之間的中心線(xiàn)；根據(jù)所述降序標(biāo)記順序依次生長(zhǎng)第m+1個(gè)和第m個(gè)連通域之間的中心線(xiàn)，直至生長(zhǎng)完成所述n個(gè)血管連通域之間的中心線(xiàn)；根據(jù)所述中心線(xiàn)分別獲取獲取左區(qū)域或右區(qū)域內(nèi)的完整血管；其中，m，n為自然數(shù)，m小于或等于n-1。具體內(nèi)容上文一詳述，在此不再贅述。

綜上所述，本發(fā)明提供一種血管提取方法，對(duì)于提取主血管后醫(yī)學(xué)圖像上的各個(gè)連通域進(jìn)行分析，基于血管的空間位置篩選并標(biāo)記各個(gè)血管連通域；根據(jù)降序順序，依次連接并生長(zhǎng)第m+1個(gè)和第m個(gè)連通域之間的中心線(xiàn)，以提取緊貼骨骼區(qū)域的血管，獲取完整的血管組織。

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)。