CN101152104A - 半自动主动脉瘤分析用的系统和方法 - Google Patents

Abstract

一种用于自动分析主动脉瘤的方法包括：提供主动脉的数字化三维图像体积，确定(42、43)所述图像中哪些体素可能是管腔体素，确定(44)所述管腔体素与主动脉边界的距离，基于所述管腔体素的距离在所述图像体积中找到(45)主动脉的中心线，构造一系列与该中心线正交的二维多平面重建(MFR)图像平面，在每个所述MPR图像平面中分割主动脉切面，其中主动脉壁位于每一个MPR图像中，并且从所述主动脉壁位置构建主动脉的三维模型。

Description

半自动主动脉瘤分析用的系统和方法

相关美国申请的交叉引用

本申请要求O’Donnell等人在2006年4月21日提交的美国临时申请No.60/793,866“Semi-Automatic Aortic Aneurysm Analysis”的优先权，其内容在这里结合引用。

技术领域

本公开涉及用于根据计算机断层血管造影采集进行主动脉切面自动分割的方法。

背景技术

主动脉是体内最大的动脉并且是含氧血的主要导管。主动脉瘤(AA)是该脉管的一种永久性和不可逆性的局部膨胀，而且如果不予以治疗，将会逐渐扩张直至破裂，在90％的病例中导致死亡。在美国，主动脉瘤是第13位主要死因。标准疗法根据最大主动脉直径来评估动脉瘤破裂的风险。用于获取这些测量的当前临床手段需要大量的用户交互并且可能非常花费时间。

对这种病症的治疗(例如开放性修复)冒相当大的风险，包括感染、假动脉瘤形成、以及继发性阳痿。血管内扩张修复(endovascular stent repair)正获得普及，但这种疗法的远期结果仍是未知的，而且并非所有的主动脉瘤都是扩张用的候选。因此，对于不被认为有危急破裂风险的主动脉瘤而言，认为监视优于立即的侵入性治疗。这对于遭受这种病症影响的最大群体、超过65的男性来说尤其适用，因为其它原因的发病可能在破裂之前出现。

可是如何确定主动脉瘤的破裂风险仍然是一个未解决的问题。所提出的指标多种多样：壁应力、壁劲度、血管内血栓厚度、以及壁张力所有都已经被提出过。但是，当最大直径超过5.5cm时标准疗法需要介入(开放性修复或扩张)。最大直径随时间的变化也已经被提出作为一种预测量度。

目前有两种常见的主动脉直径测量方法。第一种包括对图像体积的最大强度投射(Maximum Intensity Projection，MIP)进行线性测量。但是，MIP投射角度的选择可能在这种测量中引入高度主观性。第二种采用双斜位(doubleoblique)MPR以获取与对其进行测量的脉管路径正交的重构图像。这种方法的缺点是耗费时间并且因此主动脉由于分析持续时间的实际限制而可能稀少地被采样。另外，在人工执行时，正交平面可能不是正确的，从而引入误差。在纵向研究中再现相同的正交切面方位也可能被证明是困难的。最后，所进行的人工测量可能不是正确的，因为它依赖于用户主观确定连通哪些点来形成最大直径。

一种方法采用三维水平集来分割管腔以及脉管边界。对于脉管边界采用一种停止准则，该停止准则基于主动脉表面是平滑和圆形的假设。生成中心线以计算正交MPR。

另一种方法是一种主动形状模型公式化(active shape model formulation)，其中通过使邻接的切片相关而不是训练数据来限定界标。该模型人工地被初始化并且两切片模型沿主动脉一次爬移一个切片。焦点在腹主动脉上，其中脉管的中心轴大约垂直于图像层叠，并且因此不需要计算中心线，但需要训练集并且由于主动脉切面通常为圆形的而冒变化模式简并的风险。

另一种方法是利用结合基于非参数区域信息的测地线主动区域模型(Geodesic Active Region Model)来分割脑中的动脉瘤。然而，在该领域中，挑战来自于脉管的形态学，相比于主动脉，脑血管更详细和复杂，并且不致力于血栓症的论点。

发明内容

这里所描述的本发明的示例性实施例主要包括用于通过半自动地确定主动脉(管腔)的中心线并重构一系列正交于该中心线的图像来自动分割主动脉切面的方法和系统。利用修改的等周分割算法自动分割脉管切面。由于血栓症、钙化、以及脉管壁和周围结构之间在灰度方面的相似性引起的挑战，分割可能是用户编辑的。从所编辑的分割来构建主动脉的三维模型。最后，记录两个图像体积以利于后续研究。

依据本发明的实施例，达到完全覆盖主动脉是可能的。对于一个实习临床医生被约束仅仅几分钟检查一项研究不是罕见的。采用依据本发明实施例的系统，临床医生在数秒内可获取整个脉管的一系列最佳的、可再现的正交切面，所述整个脉管对于任何不规则性都可能可视地被诊察。另外，用户可以分割这些切面并使自动计算所保证的最大直径。随着三维模型的产生，估计壁应力、壁劲度等的功效、以及容量特征成为可能。在三维模型被构建后，扩张规划是可能的并且该阶段被设置用来计算破裂风险指标，例如壁应力(结合血压读数)。最后，通过配准，同一主动脉在不同时间点的并排比较变得简明。由于监控有风险的主动脉瘤和修复过的主动脉都是平常事，所以这个特征是有价值的。

依据本发明的一方面，提供了一种用于自动分析主动脉瘤的方法，其包括提供主动脉的数字化三维图像体积，其中所述图像包含在三维体素网格上所定义的多个强度，确定所述图像内的哪些体素很可能为管腔体素，确定所述管腔体素距主动脉边界的距离，基于所述管腔体素距离在所述图像体积中找到主动脉的中心线，构建一系列与该中心线正交的二维多平面重建(MFR)图像平面，在每个所述MPR图像平面内分割主动脉切面，其中主动脉壁位于每个MPR图像内，并且从主动脉壁位置构建主动脉的三维模型。

依据本发明的另一方面，该方法包括在所述主动脉中提供两个输入体素以初始化所述中心线。

依据本发明的另一方面，其中所述体素之一在主动脉基底(base)附近，而另一体素在髂骨(iliac)分叉附近。

依据本发明的另一方面，确定哪些体素可能是管腔体素包括利用对在每个输入体素附近的强度分布的高斯估计量来计算直方图，并相对于属于主动脉管腔的似然性来阈值化(thresholding)每个体积体素。

依据本发明的另一方面，找到主动脉的中心线包括在来自与所述主动脉边界具有最大距离的那些管腔体素的所述输入体素之间形成一条路径。

依据本发明的另一方面，该方法包括平滑所述中心线。

依据本发明的另一方面，在所述MPR图像平面中分割主动脉切面包括确定使所述主动脉的切面和其边界的等周比最小的图像划分S、

依据本发明的另一方面，使所述等周比最小包括通过拉普拉斯矩阵L表示所述管腔强度，所述拉普拉斯矩阵L的元由像素i、j通过由拉普拉斯矩阵L表示所述管腔强度来定义，所述拉普拉斯矩阵L的元由像素i、j通过

来定义，其中e_ij表示连通相邻体素i，j的边，w(e_ij)是边e_ij的由 ${w\left(e_{\mathrm{ij}}\right)=e}^{{-\left(D_L\right(i)+D_T(i)-D_L(j)-D_T(j\left)\right)}^2}$ 所定义的加权，其中D_L是所估计的管腔分布，D_T是所估计的血栓分布，d_i是体素i的通过累加连通所述体素的边的加权所定义的度，和最小化成本函数

$g\left(x\right)=\frac{x^T(L+\mathrm{\γU})x}{x^T(d+\mathrm{\γu})},$

其中d是体素度的矢量，x是通过

所定义的划分指标函数，U表示具有一致加权的拉普拉斯矩阵，u表示具有一致加权的图形的度的矢量，并且γ是圆度参数。

依据本发明的另一方面，最小化所述成本函数包括选择对应于中心线与MPR的相交的节点作为基本体素(ground voxel)v_g，消除对应于v_g的行/列以形成简化的拉普拉斯和度矢量L₀、d₀，解L₀x₀＝d₀求x₀容许x取任何实数值，并且在产生对应于最低等周比的划分的值处阈值化划分指标x。

根据本发明的再一方面，该方法包括利用K均值方法使管腔和血栓体素与背景体素分离。

根据本发明的另一方面，提供一种自动分析主动脉瘤的方法，其包括提供主动脉的数字化三维图像体积，其中所述图像包含在三维体素网格上所定义的多个强度，在所述图像体积内找到主动脉的中心线，构建一系列与该中心线正交的二维多平面重建(MFR)图像平面，采用K均值方法使主动脉管腔和血栓体素与背景体素分离，通过找到使所述主动脉切面和其边界的等周比最小的图像划分S、

在每个所述MPR图像平面内分割主动脉切面，其中主动脉壁位于每个MPR图像内，并且从所述主动脉壁位置构建主动脉的三维模型。

依据本发明的再一方面，找到所述主动脉中心线包括在所述主动脉中提供两个输入体素以初始化所述中心线，利用对在每个输入体素附近的强度分布的高斯估计量来计算直方图，相对于属于主动脉管腔的似然性来阈值化每个体积体素，其中管腔(luimen)体素被识别，确定所述管腔体素与主动脉边界之间的距离，并且在来自距所述主动脉边界具有最大距离的那些管腔体素的所述输入体素之间形成一条路径，其中所述路径形成中心线。

依据本发明的另一方面，提供计算机可读程序存储装置，有形地体现计算机可执行的指令的程序以执行用于自动分析主动脉瘤的方法步骤。

附图说明

图1(a)-(c)描述了依据本发明实施例的分割过程的连续阶段。

图2为一表格，显示依据本发明实施例用于评估原型的采样结果。

图3描述了依据本发明实施例从图2的表格内的数据重建的主动脉。

图4是依据本发明实施例的中心线计算方法的流程图。

图5是依据本发明实施例被应用于图像分割的等周算法的流程图。

图6是依据本发明实施例用于实施根据计算机断层血管造影采集自动分割主动脉切面的方法的示例性计算机系统的框图。

具体实施方式

这里描述的本发明的示例性实施例通常包括用于根据计算机断层血管造影术采集自动分割主动脉切面的系统和方法。因此，尽管本发明易于有各种变型和替代形式，但在附图中以实例的方式显示其特定的实施例并将在这里进行详细描述。但是，应当明白的是，无意于将本发明限定到所公开的特定形式，而相反，本发明将涵盖落入本发明的精神和范围之内的所有变型、等价方案和替代方案。

如同这里使用的，术语“图像”指由离散图像元素(例如，二维图像的像素和三维图像的体素)组成的多维数据。例如，图像可以是计算机X线断层摄影、磁共振成像、超声、或本领域技术人员公知的任何其它医学成像系统所收集的患者医学图像。该图像也可以被提供自非医学上下文，比如举例来说，遥感系统、电子镜检术等等。尽管可以认为图像是R³到R的函数，但本发明的方法并不局限于这些图像，并可以用于任何维数的图像，例如，二维图片或三维体积。对于二维或三维图像，图像的域典型地是二维或三维矩形阵列，其中可以参照一组2个或3个相互正交的轴对每个像素或体素定址。如同这里使用的术语“数字的”和“数字化的”将涉及通过数字采集系统或通过从模拟图像的转换所获得的数字或数字化格式的图像或体积，视情况而定。

依据本发明实施例，用于自动分割主动脉切面的方法确定主动脉(管腔)的中心线，重构与该中心线正交的一系列图像，并且利用修改的等周分割算法自动分割脉管切面。

图4是依据本发明实施例的中心线计算方法的流程图。在步骤41通过交互式地提供两个点来初始化中心线计算，其中一个在主动脉基底处，而另一个在髂骨分叉附近。从这两个点，在步骤42利用对输入点的小邻域内的强度分布的标准高斯核估计量来估计管腔强度的强度分布。继管腔强度分布估计之后，在步骤43相对于每个体素强度属于主动脉管腔的似然性来阈值化体积内的体素。对于被认为是管腔体素的那些体素，在步骤44计算距离变换，该距离变换估计每个管腔体素距主动脉边界的距离。主动脉中心线将包括那些具有最大距离值的体素，并且在步骤45可以从那些具有最大距离值的管腔体素中构建在两个输入点之间的路径。该路径作为主动脉管腔中心线被输出，所述主动脉管腔中心线然后在步骤46被平滑。

在步骤47将图像体积重新采样成法向于中心线的一系列多平面重构(MPR)。中心线与这些图像的相交在管腔的中心、主动脉的通道部分中形成一个点。这用作主动脉边沿分割的输入。

分割整个脉管边沿以确定最大主动脉直径。在存在血栓(血栓为主动脉内血凝块)的情况下，由于主动脉(包括尖锐的内边界)内强度的双峰分布以及附近混杂结构(例如膈膜、静脉、分支脉管)的存在，这种边沿分割是具有挑战性的。

依据本发明实施例的分割方法考虑下列因素：(1)可以估计管腔和血栓强度；(2)应当采用一种能够切割弱连通混杂结构的算法；(3)可以假定主动脉切面通常为圆形的；以及(4)可以得到在管腔中来自中心线相交的点。

为了从背景体素中分离出管腔和血栓体素，采用K均值(K-means)算法以在图像中聚类不同的强度组。K均值算法是基于属性将对象聚类成k划分的算法。其是期望最大化算法的变型，其中目标是确定从高斯分布所产生的数据的k均值。算法的目的是最小化总簇内方差(intra-cluster variance)或平方误差函数

$V=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}\underset{x_j\∈s_i}{\mathrm{\Σ}}{|x_j-{\mathrm{\μ}}_i|}^2$

其中有k个组S_i，i＝1，2，...，k，和μ_i是所有点x_j∈S_i的形心或均值点。通过将输入点划分成k个初始集，随机地或利用一些启发式数据来开始该算法。然后计算每个集的均值点或形心。通过使每个点与最近的形心相关联来构建新的划分。然后为新的簇重新计算形心，并且通过交替应用这两个步骤重复算法直到收敛为止，其中当这些点不再变换簇时或可替代地当形心基本不变化时，达到该收敛。

根据本发明的实施例，在“Isoperimetric Graph Partitioning for ImageSegmentation”(Leo Grady和Eric L.Schwartz，IEEE Trans.on Pattern Analysisand Machine Intelligence，vol.28，no.3，pp.469-475，March 2006，其内容在此结合引用)中所公开的等周分割算法是很好的候选，因为其将输入作为单一点并且能够正确地切割弱连通混杂结构。不过，该算法并不能(在加权图上)促进分割的圆度，并且因此需要修正。

在图形理论概念方面描述了等周分割算法，因此下面描述这些概念。图像能够被公式化为图形G＝(V，E)，具有对应于顶点(节点)v∈V和边e∈EV×V的体素。跨过两个顶点v_i和v_j的边e由e_ij表示。令n＝|V|和m＝|E|，其中||表示基数(cardinality)。加权图具有被分配给每个边的被称为加权的值(一般为非负和实数)。边e_ij的加权由w(e_ij)或w_ij来表示。顶点v_i的度表示为d_i，为 $d_i={\mathrm{\Σ}}_{e_{\mathrm{ij}}}w\left(e_{\mathrm{ij}}\right){\∀e}_{\mathrm{ij}}\∈E.$ 示例性的边加权根据由边跨过的两个节点(体素)的强度差来定义。

对于固定面积，典型的等周问题试图找到具有最小周长的区域。更正式地，等周常数是在所有可能区域S上区域S的边界的面积与其体积之比的最小值：

$\underset{s}{\min }\frac{|\∂S|}{{\mathrm{Vol}}_s}.$

直观地，划分寻求提供与其外界有小边界的大的区域。也就是说，其切割弱连通结构，例如瓶颈。集S的边界被定义为 $\∂S=\left\{e_{\mathrm{ij}}\right|v_i\∈S,v_j\∈\stackrel{\‾}{S}\},$ 其中

表示该集的补集，并且

$|\∂S|=\underset{e_{\mathrm{ij}}\∈\∂S}{\mathrm{\Σ}}w\left(e_{\mathrm{ij}}\right).$

图形的体积可以被定义为 ${\mathrm{Vol}}_s=\underset{i}{\mathrm{\Σ}}{d}_i{\∀v}_i\∈S,$ 其中d_i是以上所定义的顶点度。在计算等周比中，一致强度的区域优选于拥有大量像素的区域。

等周比可以表示成矩阵形式。开始，定义一个指标矢量x，其在每一节点处取二进制值：

注意的是，x的规定可以被认为是一种划分(partition)。定义图形的n×n矩阵L为：

符号L_vivj或更简单地L_ij用于表示矩阵L是通过顶点v_i和v_j来进行索引的。该矩阵不同地被公知为导纳矩阵(admittance matrix)或拉普拉斯矩阵。

于是，通过定义L，|S|＝x^TLx，和Vol_s＝x^Td，其中d是节点度的矢量。因此在集S具有固定体积：Vol_s＝x^Td＝k的约束条件下，图形G的等周比可以根据指标矢量被重写为

$h\left(x\right)=\underset{x}{\min }\frac{x^T\mathrm{Lx}}{x^{T}d}.$

给定指标矢量x，h(x)表示与由x所规定的划分相关的等周比。主动脉壁的分割包括找到划分S，其中SV将主动脉上皮层从周围组织中分离出来。

可以表明，如上通过利用一致的有关(incident)加权最小化h(x)所给出的解获得一个圆、即等周问题的典型解，由其启发了算法。因此，可以将来自等周算法的上述项与圆度项

$g\left(x\right)\frac{x^T(L+\mathrm{\γU})x}{x^T(d+\mathrm{\γu})}$

相结合，其中U表示具有一致加权的拉普拉斯矩阵，而u表示具有一致加权的图形的度矢量。该最小化导致具有通过将常数γ加到所有加权上所修改的加权的标准等周算法的解。参数γ控制强加在解上的圆度的水平，其中在图像的内容方面，γ＝0表示对于圆不优选，而γ＝∞迫使解为圆。依据本发明的实施例，通过设定γ＝0.03能够实现很好的平衡。

经由引入拉格朗日乘数λ并且放宽对x的二进制定义以取非负实数值通过最小化成本函数

Q(x)＝x^TL′x-λ(x^Td-k)

来使等周比的约束优化自由变化。

因为L′是正的半无限的和x^Td是非负的，Q(x)对于任何临界点将是最小的。相对x对Q(x)求微分并且设置为最小值得到

(1)2L′x＝λd。

因此，找到使Q(x)最小(最小划分)的x简化到求解线性系统。由此标量乘数2和标量λ被略去，因为只有解的相关值是重要的，并且L上的撇号被消除。

不幸的是，矩阵L是奇异的：所有行和列共计为零，因此找到对(1)的唯一解需要另外的约束条件。

假设图形是连通的，因为如果曲线图是非连通的(即，g(x)＝0)，那么最佳划分显然是分别连通的分量。注意的是，通常具有c个连通分量的图形将对应于一个具有秩(n-c)的矩阵L。如果任意指定节点v_g以包含在S中(即固定x_g＝0)，则在(1)中通过消除L的第g行和列(由L₀表示)、x和d的第g行(由x₀和d₀表示)来反映，使得

(2)L₀x₀＝d₀，

它是非奇异的方程组。

解(2)求x₀得到通过设定阈值可被转换成划分的实数值解。可以表明，对于任何选定的阈值，包含该对应于L的所消除的行和列的节点的划分必须是连通的，即对应于小于所选择的阈值的x₀值的节点形成连通分量。

依据本发明实施例，图5是被应用于图像分割的等周算法的流程图。参照该图，该算法开始于在步骤51提供法向于中心线的二维MPR图像。

在步骤52，K均值算法被应用于使管腔和血栓体素与背景体素分离。K的示例性的非限制性值为5。从中心线点的位置获知对应于管腔强度的均值，并且通过寻找靠近中心线、但不属于管腔均值的均值来选择血栓均值。如果属于该均值的体素数太小或落在似是而非的血栓强度的所知道的范围之外，则均值被舍弃不表示血栓。

在步骤53，相邻像素i和j之间的加权(相似性)由

$W_{\mathrm{ij}}=e^{{-(D_L\left(i\right)+D_T\left(i\right)-D_L(j)-D_T\left(j\right))}^2}+\mathrm{\γ}$

来定义，其中D_L为所估计的管腔分布，D_T为所估计的血栓分布，而γ为以上所定义的圆度，并且L矩阵从加权被建立。注意的是，将低加权给予连通管腔或血栓顶点与非管腔或非血栓顶点的边。

在步骤54，选择基本节点为在中心线上与切片相交的点并且从拉普拉斯中排除相应的行和列以确定L₀和d₀。在步骤55解公式L₀x₀＝d₀来求x₀。

在步骤56，在给予对应于最低等周比的划分的值时来阈值化势(potential)x。在步骤58，该算法循环来为剩余MPR重复步骤51-56。最后，在步骤59，从所分割的MPR序列构建主动脉的三维模型。

为了在步骤55中求解L₀x₀＝d₀，x的二进制定义可以被扩展到实数。因此，为了将解x转换为划分，执行步骤56。利用阈值可以完成势矢量向划分的转换。切割值为值α，使得S＝{v_i|x_i≤α}并且 $\stackrel{\_}{S}=\left\{v_i\right|x_i>\mathrm{\α}\}.$ S和这种方式的划分可以被称为切割。这种阈值化操作从势矢量x产生了划分。应当注意的是，连通图对应单调的L₀，因此L₀ ^-1≥0。这个结果于是意味着X₀＝L₀ ^-1d₀≥0。然后，选择一个阈值使得所得到的划分具有最低的可用等周比(比例切割)。

图1(a)-(c)说明了分割过程的连续阶段。左边图像、图1(a)显示了展示血栓形成的主动脉的输入图像、切面图像。中心图像、图1(b)显示了像素属于主动脉的(联合)概率图(加权基于所述概率图，即这是通过修改的等周算法的图像)。最右边的图、图1(c)显示了具有所包含的初始中心点的图像的分割，其中斑点11表示中心线的穿入的位置，而环12表示所得到的分割边沿的位置。注意的是，最右边的图像已经变白以提高与该分割的对比。

根据本发明实施例的方法利用各自分别在六个月到1.5年所获得的(时间1和时间2)两个图像体积在四个病人身上得到确认。在2002年2月到2005年12月之间利用4切片(Volume Zoom，Siemens Medical Solutions)、16切片(Sensation 16，Siemens)和/或64切片(Sensation 64，Siemens)CT系统对病人成像至少两次。对比增强的、非门控螺旋检查通常用于在单次屏气中对胸主动脉成像。不相重叠的3mm厚的切片被重构。

专家放射科医师人工地(通过双斜位)重排了时间1数据集以获得切面并且人工地利用虚拟测径仪沿主动脉在9个点测量了主动脉直径。时间1和时间2数据集都被加载到依据本发明实施例的原型(prototype)，该原型记录了这两个数据集并且产生了中心线。专家滚动穿过自动产生的切面到大致与以前相同的点，并人工地测量了直径以及在两个时间点产生自动的直径。在图2中所描述的表格中示出一个病人的示例性数据集。在图3中示出了利用该数据从该病人所构建的主动脉的三维模型。

现在参考图2，从左到右，标记“Man X/Man Diam”的第一列显示对时间1图像体积的人工切面/人工直径测量。标记“Auto X/Man Diam”的第二列显示对时间1图像体积的自动切面/人工直径测量。标记“Auto X/Auto Diam”的第三列显示对时间1图像体积的自动切面/自动直径测量。后两列以类似方式被标记。

在Man X/Man Diam和Auto X/Man Diam之间的平均差对于时间1而言在全部的病人上是0.197+/-0.152cm。在Man X/Man Diam的情况下平均起来有符号的差较大地是0.136+/-0.209cm。这表明本发明实施例的自动中心线方法平均起来在找到与脉管正交的图像平面是更好的。脉管直径的测量从不小于在真实的正交切面时。对于Auto X\Man Diam和Auto X\Auto Diam在全部图像体积上的差是0.342+/-0.245cm。每一个图像平均起来需要0.52修订。

依据本发明的实施例的方法能够产生时间节约。平均起来，对于专家放射科医师大约花费15分钟执行单一数据集的人工双斜位采样。利用依据本发明的实施例的样机，专家放射科医师能够在10分钟内可视地分析和测量来自同一病人并且完全覆盖主动脉的两个图像采集。

由专家放射科医师所选择用以比较的点通常位于主动脉的分叉附近。这些分叉点使得当进行人工分析时更容易一致性地比较相同的位置，但是使自动分割更错综复杂，因为该分割可能使出血到邻接的脉管中。

应当理解的是，本发明能够以不同的硬件、软件、固件、专用过程或其组合来实现。在一个实施例中，本发明能够以软件作为在计算机可读程序存储装置上可有形体现的应用程序来实现。应用程序能够被上载到包含任何合适体系结构的机器上并且通过其来执行。

图6是根据本发明的实施例的用以实现根据计算机断层血管造影采集自动分割主动脉切面的方法的示例性计算机系统的方框图。现在参看图6，用以实现本发明的计算机系统61尤其能够包括中央处理单元(CPU)62、存储器63和输入/输出(I/O)接口64。计算机系统61通常通过I/O接口64耦合到显示器65和诸如鼠标和键盘的各种输入装置66。支持电路能够包括诸如高速缓冲存储器、电源、时钟电路的电路和通信总线。存储器63能够包括随机存取存储器(RAM)、只读存储器(ROM)、磁盘驱动器、软盘驱动器等等或其组合。本发明能够作为例行程序67进行实现，该例行程序被存储在存储器63中并且通过CPU 62执行，以处理来自信号源68的信号。同样地，计算机系统61是当执行本发明的例行程序67时变成专用计算机系统的通用计算机系统。

计算机系统61也包括操作系统和微指令编码。在此处所描述的各种各样的过程与功能或者是微指令编码的一部分或者是通过操作系统执行的应用程序(或者其组合)的一部分。此外，各种各样的其它外围设备能够连接到计算机平台，诸如附加的数据存储装置和打印装置。

应当进一步理解的是，因为在附图中描述的一些组成系统部件和方法步骤能够以软件实现，所以在系统部件(或过程步骤)之间的实际连接根据本发明被编程的方式可能是不同的。给定这里所提供的本发明教导，相关领域中的普通技术人员将能够预期本发明的这些和类似的实施或配置。

虽然参照优选实施例详细描述了本发明，但是本领域中的技术人员应当理解的是能够产生对其的各种各样的修改和替代而不脱离如所附的权利要求中所陈述的本发明的精神和范围。

Claims (22)

1.一种自动分析主动脉瘤的方法，包括以下步骤：

提供主动脉的数字化三维图像体积，其中所述图像包括在三维体素网格上所定义的多个强度；

确定所述图像中的哪些体素可能是管腔体素；

确定所述管腔体素距主动脉边界的距离；

基于所述管腔体素的距离在所述图像体积中找到主动脉的中心线；

构建一系列与该中心线正交的二维多平面重建(MFR)图像平面；

在每个所述MPR图像平面中分割主动脉切面，其中主动脉壁位于每个MPR图像中；以及

从所述主动脉壁位置构建主动脉三维模型。

2.根据权利要求1的方法，进一步包括在所述主动脉中提供两个输入体素以初始化所述中心线。

3.根据权利要求2的方法，其中所述体素之一靠近主动脉的基底，而另一体素靠近髂骨分叉。

4.根据权利要求2的方法，其中确定哪些体素可能是管腔体素包括：利用对在每个输入体素附近的强度分布的高斯估计量来计算直方图，并且相对于每个属于主动脉管腔的似然性来阈值化每个体积体素。

5.根据权利要求2的方法，其中找到主动脉的中心线包括：在来自距所述主动脉边界具有最大距离的那些管腔体素的所述输入体素之间形成一条路径。

6.根据权利要求1的方法，进一步包括平滑所述中心线。

7.根据权利要求1的方法，其中在所述MPR图像平面中分割主动脉切面包括：找到使所述主动脉的切面和其边界的等周比最小的图像划分S、

8.根据权利要求7的方法，其中最小化所述等周比包括：通过拉普拉斯矩阵L表示所述管腔强度，所述拉普拉斯矩阵L的元由体素i，j通过由拉普拉斯矩阵L表示所述管腔强度来定义的，所述拉普拉斯矩阵L的元由体素i，j通过

来定义，其中e_ij表示连通相邻体素i，j的边，W(e_ij)是边e_ij的通过

$w\left(e_{\mathrm{ij}}\right)=e^{-{(D_L\left(i\right)+D_T\left(i\right)-D_L\left(j\right)-D_T\left(j\right))}^2}$ 所定义的加权，其中D_L为所估计的管腔分布，D_T为所估计的血栓分布，d_i为体素i的通过累加连通所述体素的边的加权所限定的度，并且最小化成本函数

$g\left(x\right)=\frac{x^T(L+\mathrm{\γU})x}{x^T(d+\mathrm{\γu})},$

其中d为体素度的矢量，x为通过

所定义的划分指标函数，U表示具有一致加权的拉普拉斯矩阵，u表示具有一致加权的图形的度的矢量，而γ为圆度参数。

9.权利要求8的方法，其中最小化所述成本函数包括：选择对应于中心线与MPR的相交的节点作为基本体素v_g，消除对应于v_g的行/列以形成简化的拉普拉斯和度矢量L₀、d₀，解L₀x₀＝d₀求x₀容许x取任何实数值，并且在产生对应于最低等周比的划分的值处阈值化该划分指标x。

10.权利要求1的方法，进一步包括利用K均值方法使管腔和血栓体素与背景像素分离。

11.一种用于自动分析主动脉瘤的方法，包括以下步骤：

提供主动脉的数字化三维图像体积，其中所述图像包含在三维体素网格上所定义的多个强度；

在所述图像体积内找到主动脉的中心线；

构建一系列与该中心线正交的二维多平面重建(MFR)图像平面；

利用K均值方法使管腔和血栓体素与背景体素分离；

通过找到使所述主动脉的圆形切面和其边界的等周比最小的图像划分S、

在每个所述MPR图像平面中分割主动脉切面，其中主动脉壁位于每个MPR图像内；并且

从所述主动脉壁位置构建主动脉的三维模型。

12.权利要求11的方法，其中找到所述主动脉中心线包括：

在所述主动脉中提供两个输入体素以初始化所述中心线；

利用对在每个输入体素附近的强度分布的高斯估计量来计算直方图；

相对于属于主动脉管腔的似然性来阈值化每个体积体素，其中管腔体素被识别；

确定所述管腔体素距主动脉边界的距离；并且

在来自距所述主动脉边界具有最大距离的那些管腔体素的所述输入体素之间形成一条路径，其中所述路径形成中心线。

13.计算机可读程序存储装置，有形地体现由计算机可执行的指令的程序以执行用于自动分析主动脉瘤的方法步骤，包括以下步骤：

提供主动脉的数字化三维图像体积，其中所述图像包含在三维体素网格上所定义的多个强度；

确定在所述图像内哪些体素可能为管腔体素；

确定所述管腔体素距主动脉边界的距离；

基于所述管腔体素距离在所述图像体积中找到主动脉的中心线；

构建一系列与该中心线正交的二维多平面重建(MFR)图像平面；

在每个所述MPR图像平面内分割主动脉切面，其中主动脉壁位于每个MPR图像内；并且

从所述主动脉壁位置构建主动脉的三维模型。

14.权利要求13的计算机可读程序存储装置，所述方法进一步包括在所述主动脉中提供两个输入体素以初始化所述中心线。

15.权利要求14的计算机可读程序存储装置，其中所述体素之一在主动脉基底附近，而另一体素在髂骨分叉附近。

16.权利要求14的计算机可读程序存储装置，其中确定哪些体素可能是管腔体素包括：利用对在每个输入体素附近的强度分布的高斯估计量来计算直方图，并相对于属于主动脉管腔的似然性来阈值化每个体积体素。

17.权利要求14的计算机可读程序存储装置，其中找到主动脉的中心线包括：在来自距所述主动脉边界具有最大距离的那些管腔体素的所述输入体素之间形成一条路径。

18.权利要求13的计算机可读程序存储装置，所述方法进一步包括平滑所述中心线。

19.权利要求13的计算机可读的程序存储装置，其中在所述MPR图像平面中分割主动脉切面包括：找到使所述主动脉的切面和其边界的等周比最小的图像划分S、

20.权利要求19的计算机可读的程序存储装置，其中使所述等周比最小包括通过拉普拉斯矩阵L表示所述管腔强度，所述拉普拉斯矩阵L的元由像素i、j通过由拉普拉斯矩阵L表示所述管腔强度来定义的，所述拉普拉斯矩阵L的元由像素i、j通过

来定义，其中e_ij表示连通相邻像素i，j的边，w(e_ij)是边e_ij的通过 $w\left(e_{\mathrm{ij}}\right)=e^{-{(D_L\left(i\right)+D_T\left(i\right)-D_L\left(j\right)-D_T\left(j\right))}^2}$ 所定义的加权，其中D_L是所估计的管腔分布，D_T是所估计的血栓分布，d_i是体素i的通过累加连通所述体素的边的加权所定义的度，和最小化成本函数

$g\left(x\right)=\frac{x^T(L+\mathrm{\γU})x}{x^T(d+\mathrm{\γu})},$

其中d是体素度的矢量，x是由

所定义的划分指标函数，U表示具有一致加权的拉普拉斯矩阵，u表示具有一致加权的图形的度的矢量，和γ是圆度参数。

21.权利要求20的计算机可读程序存储装置，其中最小化所述成本函数包括：选择对应于中心线与MPR的相交的节点作为基本体素v_g，消除对应于v_g的行/列以形成简化的拉普拉斯和度矢量L₀、d₀，解L₀x₀＝d₀求出x₀容许x取任何实数值，并且在产生对应于最低等周比的划分的值处阈值化该划分指标x。

22.权利要求13的计算机可读程序存储装置，该方法进一步包括利用K均值方法使管腔和血栓体素与背景体素分离。

Images