CN104851108B

CN104851108B - 基于ct图像的肝动脉分割方法

Info

Publication number: CN104851108B
Application number: CN201510313660.XA
Authority: CN
Inventors: 金良海; 张凡凡; 曲杰; 罗勇; 李程; 吕传峰
Original assignee: Wuhan United Imaging Healthcare Co Ltd
Current assignee: Wuhan United Imaging Healthcare Co Ltd
Priority date: 2015-06-09
Filing date: 2015-06-09
Publication date: 2017-11-28
Anticipated expiration: 2035-06-09
Also published as: CN104851108A

Abstract

本发明提供了一种基于CT图像的肝动脉分割方法，其包括：载入肝动脉CT图像数据和对应的肝掩膜数据，并定位肝动脉种子点；对所述CT图像数据进行分割，分别得到包含脊柱骨及其相连肋骨的第一二值体数据及包含脊柱骨及其相连肋骨和肝动脉的第二二值体数据；在所述第二二值体数据中剔除与所述第一二值体数据相同的部分，获得第三二值体数据；利用所述肝动脉种子点在第三二值体数据上进行三维区域增长，得到肝动脉分割结果。本发明基于CT图像的肝动脉分割方法结合了阈值分割和区域生长策略，具有自动分割和实时性较高的特点。

Description

基于CT图像的肝动脉分割方法

技术领域

本发明主要涉及医学图像处理与应用领域，尤其涉及一种基于CT图像的肝动脉分割方法。

背景技术

在医学图像处理及应用领域，CT图像的应用越来越广泛了。CT(ComputedTomography)图像，即电子计算机断层扫描，它是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描。其具有扫描时间快、图像清晰等特点，可用于多种疾病的检查。根据所采用的射线不同可分为：X射线CT(X-CT)、超声CT(UCT)以及γ射线CT(γ-CT)等。

其中，多层螺旋CT在临床诊断中被广泛使用，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、门静脉期和平扫期三期序列图像。解剖学资料表明，大约有30％的肝脏存在着肝动脉变异。因此，在活体肝移植时，术前对供体行肝动脉造影检查是必要的。利用图像处理技术，对肝动脉期CT图像进行处理，自动分割出肝动脉，避免了人工标注和半自动分割的复杂性，分割出的肝动脉信息可以作为医务人员诊断疾病和指导手术的重要依据。目前，图像分割的方法很多，但是由于人体具有解剖结构的复杂性、组织器官的不规则、个体之间也存在较大的差异，以及不同医学成像模式的成像特征的不同、成像设备的不同，各种不同的生物医学图像基本上没有统一的分割方法。

图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。但是，图像阈值化分割基本上不考虑像素的空间关系。

此外，区域增长方法也是一种常规的图像分割方法，其根据同一物体区域内象素的相似性质来聚集象素点的方法，从初始区域(如小邻域或甚至于每个象素)开始，将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域，直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。基于区域增长的分割方法同时考虑了图像的特征分布和空间性质，弥补了传统阈值分割没有或很少考虑空间关系的不足。但是，这种区域增长方法的一般计算代价大，噪声和灰度不均一，可能会导致空洞和过分割。如果在阈值分割方法对数据粗分割的基础之上进行了区域增长，较之常规的区域生长算法，其增长准则的算法简单、增长速度快。

发明内容

本发明要解决的技术问题是提供一种基于CT图像的肝动脉分割方法，该方法主要利用了区域生长和阈值分割策略的优点，根据肝动脉CT图像的特点和统计知识，构造阈值分段函数，选取阈值进行图像分割，查找种子点进行3D区域生长，从而得到有效的分割结果，该结果能够反映肝动脉的实际情况。

为解决上述技术问题，本发明提供了一种基于CT图像的肝动脉分割方法，其特点在于，包括：

载入肝动脉CT图像数据和对应的肝掩膜数据，并定位肝动脉种子点；

根据所述肝动脉种子点的CT值对所述CT图像数据进行分割，分别得到包含脊柱骨及其相连肋骨的第一二值体数据及包含脊柱骨及其相连肋骨和肝动脉的第二二值体数据；

在所述第二二值体数据中剔除与所述第一二值体数据相同的部分，获得第三二值体数据；

利用所述肝动脉种子点在第三二值体数据上进行三维区域增长，得到肝动脉分割结果。

可选地，通过对CT图像数据进行脊柱骨阈值分割得到所述第一二值体数据；通过对CT图像数据进行肝动脉阈值分割得到所述第二二值体数据。

可选地，所述定位肝动脉种子点还包括：

S₁₁、确定查找肝动脉种子点的切片范围；

S₁₂、查找肝动脉种子点，并计算其CT值。

可选地，所述步骤S₁₁中包括：

查找出所述肝掩膜数据中肝体的起始层Ls和终止层Le，并找到单层肝面积的最大值MaxArea；

自Ls依次向Le逐层比较肝面积，将第一个肝面积不小于MaxArea/2的层定义为种子点查找范围的起始层Vs，将最后一个肝面积不小于MaxArea/2的层定义为种子点查找范围的终止层Ve。

可选地，所述步骤S₁₂包括：自起始层Vs至终止层Ve逐层选取肝动脉CT图像数据进行阈值分割，查找圆形度不小于0.7的连通块并将其中面积最小的连通块选作血管，选取所述血管的区域重心作为种子点；

选取以所述种子点为中心的n·n方形区域内点的CT均值作为种子点CT值，其中n等于3或者5。

可选地，所述第一二值体数据的获得还包括：

利用脊柱骨阈值分段函数选取阈值对原始CT图像数据进行粗分割，得到包含骨头和其他组织的骨头二值体数据；

对所述骨头二值体数据分区域层，并利用叠加策略对每个所述区域层中的数据再分割，得到包含脊柱骨及其相连肋骨的第一二值体数据。

可选地，所述对骨头二值体数据分区域层，并利用叠加策略对每个所述区域层中的数据再分割还包括：

S₂₁、查找所述骨头二值体数据中每一层垂直方向目标区域的起止范围；

S₂₂、将所述骨头二值体数据的序列层分成若干个区域层，并利用区域内序列层叠加，分割出区域中所有层中为脊柱骨及其相连肋骨的部分；

S₂₃、对步骤S₂₂中得到的结果在垂直方向进行若干个像素的膨胀，扩大脊柱及其相连肋骨的区域。

可选地，所述脊柱骨阈值分割所使用的分段函数为：

其中t为种子点的CT值；a和b为CT值分割上下限，T1、T2和T3为3个预定义的分割阈值；

所述肝动脉阈值分割所使用的分段函数为：

其中t为种子点的CT值；c和d为CT值分割上下限，T4、T5和T6为3个预定义的分割阈值。

可选地，所述肝动脉分割方法还包括：对肝动脉分割结果进行血管修补的后处理。

可选地，所述后处理包括以下步骤：

S₃₁、结合肝动脉的原始CT数据，计算分割出的肝动脉CT值均值AM；

S₃₂、以每一层每个标记为血管的连通区域作为种子点集，利用局部CT值特征，进行三维区域增长；

S₃₃、利用局部和全局CT值特征，对每一层的标记为血管的区域的边缘进行阈值分割，对血管再修补；

S₃₄、对分割结果进行形态学闭运算，连接细小的缺口。

可选地，所述步骤S₃₂还包括：

按行查找每一层的标记为血管的连通区域，并算出该连通区域的CT值均值M；

以连通区域每个点为种子点进行三维区域增长，当生长点未被标记为血管目标点，且其CT值为大于等于α·M且小于等于β·M时停止生长，其中下限增长控制系数α的范围为0.9≤α≤1，上限增长控制系数β的范围为1≤β≤1.05。

可选地，所述步骤S₃₃还包括以下步骤：

S₃₃₁、以一个n·n区域在血管标记结果的每一层中游走，当该区域中被标记为血管的点和没有被标记的点的数目都大于n·n/3时，求出标记区域的CT均值和非标记区域的CT均值，并求出该两个均值的均值T；

S₃₃₂、对非标记区域中的点用MaxT进行阈值分割，将CT值不小于MaxT的点标记为血管，其中，MaxT为T与γ·AM中最大值，γ为血管边缘扩张控制系数且小于等于1；

S₃₃₃、重复步骤S₃₃₁和步骤S₃₃₂三次或五次。

与现有技术相比，本发明具有以下优点：

一、本发明利用了已经分割好的肝数据，对用于三维区域增长的种子点的查找层进行了较好的定位。

二、本发明利用了CT图像切片中肝动脉主干类圆的特点，能够准确找到肝动脉种子点。

三、对脊柱骨和血管进行粗分割时，结合种子点的CT值，利用阈值分段函数选取阈值进行分割，分割速度快。

四、后处理过程中，利用全局与局部特征阈值进行再分割修补血管的方法，对粗分割结果进行了很好的修补。

五、本发明的肝动脉分割方法的分割速度较快，能有效满足使用要求。

附图说明

图1是本发明基于CT图像的肝动脉分割方法的流程图

图2是本发明基于CT图像的肝动脉分割方法中单层脊柱骨粗分割的结果图。

图3是本发明基于CT图像的肝动脉分割方法中单层肝动脉粗分割的结果图。

图4是本发明基于CT图像的肝动脉分割方法中肝动脉分割结果的三维显示图。

具体实施方式

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。

图1是本发明基于CT图像的肝动脉分割方法的流程图。如图1所示，本发明提供了一种基于CT图像的肝动脉分割方法，其包括以下步骤：

步骤一、载入肝动脉CT图像数据和对应的肝掩膜数据，并定位肝动脉种子点。下面以载入层数为N的肝动脉CT数据和对应的肝掩膜数据为例，阐述肝动脉种子点的定位过程：

1、根据肝序列数据，确定查找肝动脉种子点的切片范围。在此范围内血管比较明显，并且总有一个类圆形切面。具体地：

a)、查找出肝掩膜数据中肝体的起止层号，分别记作Ls和Le，并找到单层肝面积的最大值MaxArea。

b)、查找肝动脉种子点的起止层号，分别记作Vs和Ve；自Ls依次向Le逐层比较肝面积，将第一个肝面积不小于MaxArea/2的层定义为种子点查找范围的起始层Vs，将最后一个肝面积不小于MaxArea/2的层定义为种子点查找范围的终止层Ve。即：

当Area(i)≥MaxArea/2(i＝Ls，Ls+1，……，Le)时，Vs＝i；

当Area(i)≥MaxArea/2(i＝Le，Le-1，……，Ls)时，Ve＝i。

其中Area(i)为第i层肝掩膜数据中的肝面积。

2、自起始层Vs至终止层Ve逐层选取肝动脉CT图像数据进行阈值分割，查找圆形度不小于0.7的连通块并将其中面积最小的连通块选作血管，选取所述血管的区域重心作为种子点。具体地：

a)、依次选取第i(i∈[Vs，Ve])层肝动脉CT图像数据，并顺序进行如下操作，直到定位到种子点并计算出其CT值为止。

b)、以经验值Tev(Tev为CT值，70≤Tev≤110)进行阈值分割，大致获得包含动脉血管目标的二值图像数据。

c)、对步骤b)分割的结果进行形态学开运算，断开图像中的细小连接。

d)、去除目标区域中连通区域面积小于Ta(200≤Ta≤300)和大于Tb(1000≤Tb≤1200)的区域。

e)、确定查找种子的区域，记目标区域的起止行号为Rs和Re，其起止列号为Cs和Ce；查找区域的起止行号为Rs'和Re'，其起止列号为Cs'和Ce'。该步骤具体做法为：

e1)、查找二值图像在垂直和水平方向目标区域起止行列位置。

e2)、按起止行列位置，计算目标区域中心P(cX，cY)，计算公式为：

e3)、结合用以扩大查找范围的偏移量offset，其值随着查找失败层数的增加而增加，确定查找区域的行列起止位置；计算公式如下：

f)、在查找区域内，若存在圆形度为Cd(Cd≥0.7)的连通块，则选择其中面积最小的作为血管，并选取其区域重心作为种子点；若不存在，则当前层查找种子点失败，进入下一轮查找。

至此，通过步骤a)至f)找到种子点后，可选取以种子点为中心的n·n方形区域内点的CT均值作为种子点CT值(其中n等于3或者5)。

步骤二、根据所述肝动脉种子点的CT值，对所述CT图像数据进行分割，分别得到包含脊柱骨及其相连肋骨的第一二值体数据及包含脊柱骨及其相连肋骨和肝动脉的第二二值体数据。

以下，以使用阈值分割的方法为例进行说明：

1、根据所述肝动脉种子点的CT值对所述CT图像数据进行脊柱骨阈值分割，得到包含脊柱骨及其相连肋骨的第一二值体数据。其中脊柱骨阈值分段函数形式为：

其中t为种子点的CT值；a和b为CT值分割上下限，T1、T2和T3为3个预定义的分割阈值。

进一步地，还可先利用脊柱骨阈值分段函数选取阈值对原始CT图像数据进行粗分割，得到包含骨头和其他组织的骨头二值体数据，再对所述骨头二值体数据分区域层，并利用叠加策略对每个所述区域层中的数据再分割，得到包含脊柱骨及其相连肋骨的第一二值体数据。其具体做法为：

a)、查找所述骨头二值体数据中每一层垂直方向目标区域的起止范围，即每一层二值体数据垂直方向目标区域的起止行号。

b)、将所述骨头二值体数据的序列层分成若干个区域，并利用区域内序列层叠加，分割出区域中所有层中为脊柱骨及其相连肋骨的部分。

例如，在本发明一个实施例中，将所述骨头二值体数据的序列层分成四个区域层，区域层号分别为：[1，Ls]，[Ls+1，Sz]，[Sz+1，Le]，[Le+1，N]，其中，Ls和Le为肝掩膜的起止层号；Sz代表种子点所在的层；N代表原始CT数据层数。然后，对每个区域层进行如下操作：

b1)、假设区域层的起止层号为Lm和Ln，设置叠加开始层号dL＝Lm，计数器Count初始值为0，定义已叠加层脊柱区域为preA及其面积为preSA。

b2)、从区域层起始层开始，依次取第i(Lm≤i≤Ln)层数据，确定其查找脊柱的行列范围；记当前层垂直方向目标起止行号为Rps和Rpe，查找脊柱起止行号为Rps'和Rpe'，其起止列号为Cps'和Cpe'，二值图像层的高度为Height，宽度为Width，起止行列号的计算公式为：

b3)、按当前层脊柱的范围查找脊柱连通区域，并计算脊柱连通区域面积SA；若SA不小于面积设定值AreaSize(300≤AreaSize≤600)，则计数器Count计数加1，进入下一层查找；否则，直接进入下一层查找。

b4)、当所述计数器计数不小于层数设定值SliceSize(8≤SliceSize≤15)时，则从第dL层开始到第i层的数据叠加起来，并计算这连续几层垂直方向目标区域起止行号的平均值，再结合步骤b2中的公式查找叠加图中的脊柱行列范围。

b5)、查找叠加图脊柱连通区域，并计算脊柱连通区域面积SB；若PreSA-SB＞DifSize(500≤DifSize≤800)，则用区域PreA作为第dL层开始到第i层的脊柱及其相连肋骨区域；否则将当前叠加图脊柱连通区域作为第dL层开始到第i层的脊柱及其相连肋骨区域，并用其更新区域PreA，令PreSA＝SB；设置dL＝i+1，计数器Count＝0。

b6)、将最后未处理的连续层直接叠加起来，并查找叠加图脊柱连通区域，直接作为这些层的脊柱及其相连肋骨区域。

c)、对步骤b)中得到的结果在垂直方向进行若干个像素的膨胀，例如2或3个像素的膨胀，扩大脊柱及其相连肋骨的区域，从而实现进一步减少三维区域增长过程中的干扰。

图2是本发明基于CT图像的肝动脉分割方法中单层脊柱骨粗分割的结果图。如图2所示，其显示了一个测试数据分割出的种子点所在层的脊柱骨区域。

2、分割出第一二值体数据后，根据所述肝动脉种子点的CT值再对所述CT图像数据进行肝动脉阈值分割，得到包含脊柱骨及其相连肋骨和肝动脉的第二二值体数据。所述肝动脉阈值分割所使用的分段函数形式为：

图3是本发明基于CT图像的肝动脉分割方法中单层肝动脉粗分割的结果图。如图3所示，其显示了一个测试数据被分割出的种子点所在层的结果图。

当然，也可先进行肝动脉阈值分割得到第二二值体数据，再分割出第一二值体数据，或者同时进行分割，本发明所提供方案并不对分割顺序进行限定。

步骤三、在所述第二二值体数据中剔除与所述第一二值体数据相同的部分，获得第三二值体数据。

步骤四、利用所述肝动脉种子点在第三二值体数据上进行三维区域增长，得到肝动脉分割结果。具体地说，其生长准则为：待生长的点与种子点属于同一个连通区域。区域生长完成后，得到肝动脉的分割结果。

通过上述四个步骤，即可在CT图像中快速、准确地分割出肝动脉。当然，为进一步改善分割效果，还可结合下述“步骤五”的方案对分割结果进行血管修补的后处理：

步骤五、对肝动脉分割结果进行血管修补的后处理。具体如下：

1、结合肝动脉的原始CT数据，计算步骤四分割出的肝动脉CT均值AM。

2、以每一层每个标记为血管的连通区域作为种子点集，利用局部CT值特征，进行三维区域增长。其具体方法为：

a)、按行查找每一层的标记为血管的连通区域，并算出该连通区域的CT均值M。

b)、以连通区域每个点为种子点进行三维区域增长，当生长点未被标记为血管目标点，且其CT值为大于等于α·M且小于等于β·M时停止生长，其中下限增长控制系数α的范围为0.9≤α≤1，上限增长控制系数β的范围为1≤β≤1.05。

3、利用局部和全局CT值特征，对每一层的标记为血管的区域的边缘进行阈值分割，对血管再修补。其具体方法为：

a)、以一个n·n区域在血管标记结果的每一层中游走，当该区域中被标记为血管的点和没有被标记的点的数目都大于n·n/3时，求出标记区域的CT均值和非标记区域的CT均值，求出该两个均值的均值T。

b)、对非标记区域中的点用MaxT进行阈值分割，将CT值不小于MaxT的点标记为血管。其中，MaxT为T与γ·AM中最大值，γ为血管边缘扩张控制系数且小于等于1。

c)、重复步骤a)和步骤b)，经过三次或五次，这样可以使血管饱满。

4、对分割结果进行形态学闭运算，连接细小的缺口。

图4是本发明基于CT图像的肝动脉分割方法中肝动脉分割结果的三维显示图。如图4所示，其显示了一个测试数据被分割出的三维显示结果。

综上所述，本发明基于CT图像的肝动脉分割方法利用了区域增长和阈值分割策略，分割过程具有较强的实时性，分割结果较能反映实际肝动脉的情况，具有使用价值。其结合了阈值分割和区域生长策略，具有自动分割和实时性较高的特点。

虽然本发明已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，在没有脱离本发明精神的情况下还可作出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。

Claims

1.一种基于CT图像的肝动脉分割方法，其特征在于，包括：

利用所述肝动脉种子点在第三二值体数据上进行三维区域增长，得到肝动脉分割结果；

所述第一二值体数据的获得还包括：

2.根据权利要求1所述的基于CT图像的肝动脉分割方法，其特征在于，通过对CT图像数据进行肝动脉阈值分割得到所述第二二值体数据。

3.根据权利要求1所述的基于CT图像的肝动脉分割方法，其特征在于，所述定位肝动脉种子点还包括：

步骤S₁₁、确定查找肝动脉种子点的切片范围；

步骤S₁₂、查找肝动脉种子点，并计算其CT值。

4.根据权利要求3所述的基于CT图像的肝动脉分割方法，其特征在于，所述步骤S₁₁中包括：

5.根据权利要求4所述的基于CT图像的肝动脉分割方法，其特征在于，所述步骤S₁₂包括：自起始层Vs至终止层Ve逐层选取肝动脉CT图像数据进行阈值分割，查找圆形度不小于0.7的连通块并将其中面积最小的连通块选作血管，选取所述血管的区域重心作为种子点；

6.根据权利要求1所述的基于CT图像的肝动脉分割方法，其特征在于，对所述骨头二值体数据分区域层，并利用叠加策略对每个所述区域层中的数据再分割还包括：

步骤S₂₁、查找所述骨头二值体数据中每一层垂直方向目标区域的起止范围；

步骤S₂₂、将所述骨头二值体数据的序列层分成若干个区域层，并利用区域内序列层叠加，分割出区域中所有层中为脊柱骨及其相连肋骨的部分；

步骤S₂₃、对步骤S₂₂中得到的结果在垂直方向进行若干个像素的膨胀，扩大脊柱及其相连肋骨的区域。

7.根据权利要求2所述的基于CT图像的肝动脉分割方法，其特征在于，所述脊柱骨阈值分割所使用的分段函数为：

所述肝动脉阈值分割所使用的分段函数为：

8.根据权利要求1所述的基于CT图像的肝动脉分割方法，其特征在于，所述肝动脉分割方法还包括：对肝动脉分割结果进行血管修补的后处理。

9.根据权利要求8所述的基于CT图像的肝动脉分割方法，其特征在于，所述后处理包括以下步骤：

步骤S₃₁、结合肝动脉的原始CT数据，计算分割出的肝动脉CT值均值AM；

步骤S₃₂、以每一层每个标记为血管的连通区域作为种子点集，利用局部CT值特征，进行三维区域增长；

步骤S₃₃、利用局部和全局CT值特征，对每一层的标记为血管的区域的边缘进行阈值分割，对血管再修补；

步骤S₃₄、对分割结果进行形态学闭运算，连接细小的缺口。

10.根据权利要求9所述的基于CT图像的肝动脉分割方法，其特征在于，所述步骤S₃₂还包括：

11.根据权利要求9所述的基于CT图像的肝动脉分割方法，其特征在于，所述步骤S₃₃还包括以下步骤：

步骤S₃₃₁、以一个n·n区域在血管标记结果的每一层中游走，当该n·n区域中被标记为血管的点和没有被标记的点的数目都大于n·n/3时，求出标记区域的CT均值和非标记区域的CT均值，并求出所述标记区域的CT均值和所述非标记区域的CT均值的均值T；

步骤S₃₃₂、对非标记区域中的点用MaxT进行阈值分割，将CT值不小于MaxT的点标记为血管，其中，MaxT为T与γ·AM中最大值，γ为血管边缘扩张控制系数且小于等于1；

步骤S₃₃₃、重复步骤S₃₃₁和步骤S₃₃₂三次或五次。