CN109215032A

CN109215032A - 图像分割的方法及系统

Info

Publication number: CN109215032A
Application number: CN201710541612.5A
Authority: CN
Inventors: 王晓东; 金人超; 何凯; 宋恩民
Original assignee: Shanghai United Imaging Healthcare Co Ltd
Current assignee: Shanghai United Imaging Healthcare Co Ltd
Priority date: 2017-06-30
Filing date: 2017-07-05
Publication date: 2019-01-15
Also published as: EP3633612A1; CN107622492B; US20190139227A1; CN109215033A; WO2019000455A1; EP3633612A4; US10949977B2; US20210183071A1; CN107622492A; US11710242B2; CN107590809A

Abstract

本发明提供一种图像分割的方法及系统，所述方法包括：获取一个与肺部区域有关的目标图像，所述目标图像包括多个片层图像；在所述目标图像中分割出所述肺部区域；识别出一个与所述肺部区域相关的气管结构，包括：在所述气管结构上获取一个参考点；根据所述参考点，生成一个对应于所述气管结构的气管树；以及识别所述气管树的一个或者多个分支，其中所述气管树的所述一个或多个分支中的一个分支对应所述气管结构的一个分支。

Description

图像分割的方法及系统

【技术领域】

本发明涉及一种图像处理系统及方法，尤其涉及一种对肺部图像进行分割的系统和方法。

【背景技术】

近年来，随着工业活动的日益增多，自然环境变的越来越恶劣，导致了肺部疾病发病率的逐年升高。其中肺癌已经成为人类健康的主要杀手，同时肺纤维变性、肺气肿、局部气管狭窄等肺部疾病也一直危害着人们的健康。一般对肺部的检查多以胸肺CT为主，因为肺胸CT可以快速准确的采集肺部组织的三维解剖结构信息，再经过有针对性的分割处理后，肺胸CT图像中肺实质、肺气管树、肺血管树的三维结构信息就可以直观的呈现。其中还可以将肺实质进行肺叶分割，显示出不同的肺叶信息，可以在疾病的治疗过程中指导手术规划并为介入手术提供实时导航，避免或减少手术过程中对器官的损伤。而肺段分割也需要在肺叶分割的基础上进行，因此在CT图像中肺叶分割的方法的研究具有重要的实际应用价值。

【发明内容】

一种图像分割的方法，其特征在于：所述方法包括：获取一个与肺部区域有关的目标图像，所述目标图像包括多个片层图像；在所述目标图像中分割出所述肺部区域；识别出一个与所述肺部区域相关的气管结构，包括：在所述气管结构上获取一个参考点；根据所述参考点，生成一个对应于所述气管结构的气管树；以及识别所述气管树的一个或者多个分支，其中所述气管树的所述一个或多个分支中的一个分支对应所述气管结构的一个分支。

所述识别气管树的一个或者多个分支包括：判断所述气管树的一个分支是否错误；以及响应于所述分支是错误的判断结果，减掉所述错误的分支。

所述识别气管树的一个或多个分支进一步包括：根据所述识别出的所述气管树的一个或多个分支，标记所述气管结构的所述分支。

所述识别气管树的一个或多个分支进一步包括：获取所述一个或多个分支的中心线的空间信息并根据所述空间信息进行识别，所述一个或多个分支的中心线的空间信息包括一个或多个分支的中心线的坐标、一个或多个分支的中心线与坐标轴之间的角度、多个分支的中心线之间的角度中的一种或多种。

所述识别气管树的一个或多个分支进一步包括：在所述气管树中识别出至少一个与一个主气管，一个左主支气管，一个右主支气管，一个左上叶支气管，一个左下叶支气管，一个右上叶支气管或一个右下叶支气管相关的节点。

所述方法进一步包括在所述肺部区域识别出一个或多个肺裂；以及基于所述气管结构和所述一个或多个肺裂，确定所述肺部区域的一个或多个肺叶。

一种图像分割系统，包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述装置实现上述方法。

一种图像分割系统，包括：肺分割模块，用于获取区域有关的目标图像，所述肺分割模块被配置于在所述目标图像中分割出所述肺部区域；及气管识别模块，被配置于识别出一个与所述肺部区域相关的气管结构，所述识别出一个与所述肺部区域相关的气管结构包括在所述气管结构上获取一个参考点；根据所述参考点，生成一个对应于所述气管结构的气管树；以及识别所述气管树的一个或者多个分支，其中所述气管树的所述一个或多个分支中的一个分支对应所述气管结构的一个分支。

所述系统进一步包括：肺裂分割模块，被配置于在所述肺部区域识别出一个或多个肺裂；以及肺叶分割模块，被配置于基于所述气管结构和所述一个或多个肺裂，确定所述肺部区域的一个或多个肺叶。

【附图说明】

图1A和1B是根据本申请的一些实施例所示的图像处理系统的工作环境的一个示意图；

图2是根据本申请的一些实施例所示的一个计算设备的硬件和/或软件结构示意图；

图3是根据本申请的一些实施例所示的交互设备的软件/硬件结构示意图；

图4是根据本申请的一些实施例所示数据处理引擎结构示意图；

图5是根据本申请的一些实施例所示的是总的肺部分割的模块示意图；

图6是根据本申请的一些实施例所示的肺分割过程的一种示例性流程图；

图7是根据本申请的一些实施例所示的肺分割模块的示意图；

图8是根据本申请的一些实施例所示的肺分割过程的一种示例性流程图；

图9是根据本申请的一些实施例所示的气管识别模块的示意图；

图10A是根据本申请的一些实施例所示的气管识别过程的一种示例性流程图；

图10B是根据本申请的一些实施例所示的建立气管树过程的一种示例性流程图；

图10C是根据本申请的一些实施例所示的基于递归方法建立气管树过程的一种示例性流程图；

图10D是根据本申请的一些实施例所示的识别气管树中心线过程的一种示例性流程图；

图10E是根据本申请的一些实施例所示的寻找主气管、左主支气管、右主支气管中心线所对应的节点过程的一种示例性流程图；

图10F是根据本申请的一些实施例所示的寻找左肺上叶支气管中心线所对应的节点、左肺下叶支气管过程的一种示例性流程图；

图11是根据本申请的一些实施例所示的肺裂分割模块的示意图；

图12是根据本申请的一些实施例所示的获取肺裂过程的一种示例性流程图；

图13是根据本申请的一些实施例所示的肺叶分割模块的示意图；

图14A是根据本申请的一些实施例所示的获取肺叶过程的示例性流程图；

图14B是根据本申请的一些实施例所示的识别肺叶的一种示例性流程图；

图15是根据本申请的一些实施例所示的肺区域分割结果示意图；

图16是根据本申请的一些实施例所示的气管分级结果示意图；

图17A-17C是根据本申请的一些实施例所示的肺裂分割结果示意图；以及

图18是根据本申请的一些实施例所示的肺叶分割结果示意图。

【具体实施方式】

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。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和 /或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和 /或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的操作和元素，而这些操作和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的操作或元素。

虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。

本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种操作。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

在本申请中，对应于一个物体(例如，人体的组织，器官，肿瘤等)的图像或者部分图像(例如，图像中感兴趣区域的部分)可以被称为“图像”，或者“部分图像”，或者该物体本身。例如，一个肺部图像对应的感兴趣区域可以被描述为“所述感兴趣区域包括一个肺部”。再例如，一个肺部或者包含肺部的图像可以被描述为“肺部图像”，或者“肺部”。为简洁起见，处理(例如，提取，分割等)对应于物体的部分图像可以被描述为“处理物体”。例如，从图像中分割出对应于肺裂的部分图像可以被描述为“分割出肺裂”。

图1A和1B是根据本申请的一些实施例所示的成像系统100一个示意图。该成像系统100可以包括一个成像设备110、一个网络120、一个交互设备130、一个数据处理引擎140和一个存储设备150。成像系统100中的一个或多个部件可以通过网络120进行通信。成像系统100可以包括但不限于计算机断层扫描(CT)系统、计算机断层扫描血管造影(CTA)系统、正电子发射断层扫描(PET)系统、单光子发射计算机断层扫描(SPECT)系统、磁共振成像(MRI)系统、数字减影血管造影(DSA)系统、超声波扫描(US系统)、热断层扫描(TTM)系统等。

成像设备110可以包括一个腔体111、一个探测器112、一个检测区域113、一个床架114和一个放射性扫描源115。腔体111可以包括用于产生和检测放射性射线的组件。在一些实施例中，腔体111 可以包括一个放射性扫描源115和一个探测器112。床架114可以用于支撑被检测物体。放射性扫描源 115可以发射放射性射线照射检测物体。放射性射线透过物体被探测器112接收。例如，所述放射性扫描源115可以是一个X射线管。

成像设备110可以通过扫描目标来采集数据。扫描的目标可以是器官、机体、物体、损伤部位、肿瘤等一种或多种的组合。例如，扫描的目标可以是头部、胸腔、腹部、器官、骨骼、血管等一种或多种的组合。又例如，扫描的目标可以为一个或多个部位的血管组织、肝脏等。成像设备110采集的数据可以是图像数据。所述图像数据可以是二维图像数据和/或三维图像数据。在二维图像中，最细微的可分辨元素可以为像素点(pixel)。在三维图像中，最细微的可分辨元素可以为体素点(voxel)。在三维图像中，图像可由一系列的二维切片或二维断层构成。图像中的一个点(或元素)在三维图像中可以被称为体素，在其所在的二维断层图像中可以被称为像素。体素”和/或“像素”仅为了描述方便，并不对二维和/或三维图像做相应的限定。

在一些实施例中，所述成像设备110可以通过网络120将其所采集的数据发送至数据处理引擎 140。网络120可以实现成像系统100内部的通信，例如，网络120可以接收系统外部的信息或向系统外部发送信息等。在一些实施例中，成像设备110、交互设备130、数据处理引擎140和存储设备150 等之间可以通过有线连接、无线连接、或其结合的方式接入网络120。例如，数据处理引擎140可以通过网络120从交互设备130获取用户指令。网络120可以是单一网络，也可以是多种网络的组合。网络 120可以包括但不限于局域网、广域网、公用网络、专用网络、无线局域网、虚拟网络、都市城域网、公用开关电话网络等中的一种或几种的组合。在一些实施例中，网络120可以包括多种网络接入点，例如有线或无线接入点、基站或网络交换点，通过以上接入点使数据源连接网络120并通过网络传输信息。

数据处理引擎120可以包括但不限于中央处理器(Central Processing Unit(CPU))、专门应用集成电路(Application Specific Integrated Circuit(ASIC))、专用指令处理器(Application Specific Instruction Set Processor(ASIP))、物理处理器(Physics Processing Unit(PPU))、数字信号处理器(Digital Processing Processor(DSP))、现场可编程逻辑门阵列(Field-Programmable Gate Array (FPGA))、可编程逻辑器件(Programmable Logic Device(PLD))、处理器、微处理器、控制器、微控制器等中的一种或几种的组合。

需要注意的是，上述数据处理引擎120可以实际存在于系统中，也可以通过云计算平台完成相应功能。其中，云计算平台包括但不限于以存储数据为主的存储型云平台、以处理数据为主的计算型云平台、以及兼顾数据存储和处理的综合云计算平台等。成像系统100所使用的云平台可以是公共云、私有云、社区云或混合云等。例如，根据实际需要，成像系统100接收的医学图像可以同时通过云平台与本地处理模块和/或系统内部进行计算和/或存储。

交互设备130可以接收、发送、和/或显示数据或信息。在一些实施例中，交互设备130可以具备数据处理引擎140的部分或全部的功能。例如，交互设备130可以对数据处理引擎140处理结果进行进一步处理，或对数据处理引擎140处理后的数据进行显示。在一些实施例中，交互设备130与数据处理引擎140可以是一个集成的设备。所述集成的设备可以同时实现数据处理引擎140和交互设备130 的功能。在一些实施例中，交互设备130可以包括但不限于输入设备、输出设备等中的一种或几种的组合。输入设备可以包括但不限于字符输入设备(例如，键盘)、光学阅读设备(例如，光学标记阅读机、光学字符阅读机)、图形输入设备(例如，鼠标器、操作杆、光笔)、图像输入设备(例如，摄像机、扫描仪、传真机)、模拟输入设备(例如，语言模数转换识别系统)等中的一种或几种的组合。输出设备可以包括但不限于显示设备、打印设备、绘图仪、影像输出系统、语音输出系统、磁记录设备等中的一种或几种的组合。在一些实施例中，交互设备130可以是同时具有输入和输出功能的设备，例如，台式电脑、笔记本、智能手机、平板电脑、个人数码助理(Personal DigitalAssistance，PDA)等。在一些实施例中，交互设备可以包括移动设备131，平板计算机132，笔记本电脑133等中的一种或多种的组合。在一些实施例中，移动设备131可以包括智能家居设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等中的一种或多种的组合。智能家居设备可以包括智能照明设备，智能电气设备的控制设备，智能监控设备，智能电视，智能摄像机，对讲机等中的一种或多种的组合。可穿戴装置可以包括智能手环，智能眼镜，智能头盔，手表，衣服，背包，智能附件等中的一种或多种的组合。移动设备可以包括移动电话，个人数字助理(PDA)，游戏设备，导航设备，销售点(POS)设备，笔记本电脑，平板电脑，桌面等的一种或多种的组合。虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔，虚拟现实眼镜，虚拟现实眼罩，增强现实头盔，增强现实眼镜，增强现实眼罩等的一种或多种的组合。例如，虚拟现实设备和/或增强现实设备可以包括Google GlassTM，OculusRiftTM，HololensTM，Gear VRTM 等。

数据处理引擎140可以对数据进行处理。所述数据可以包括图像数据，用户输入数据等。所述图像数据可以是二维图像数据、三维图像数据等。所述用户输入数据可以包括数据处理参数(例如，图像三维重建层厚、层间距，或层数等)、系统相关指令等。所述数据可以是通过成像设备110采集的数据、从存储设备150中读取的数据、通过网络120从交互设备130设备获得的数据等。在一些实施例中，对数据的处理方式可以包括对数据进行获取、分类、筛选、转换、计算、显示等一种或几种的组合。数据处理引擎140可以将处理后的数据传输至存储设备150进行储存，或传输至交互设备130。例如，数据处理引擎140可以对图像数据进行处理，并将处理后的图像数据传输至交互设备130进行显示。

存储设备150可以配置在具有存储功能的设备上。存储设备150可以存储从成像设备110收集的数据(例如，成像设备110拍摄的图像数据)和数据处理引擎140工作中产生的各种数据。存储设备 150也可以存储通过交互设备130输入的数据(用户输入数据)。存储设备150可以是本地的，或远程的。在一些实施例中，存储设备150可以配置在数据处理引擎140中。存储设备150可以包括层次式数据库、网络式数据库和关系式数据库等其中的一种或几种的组合。存储设备150可以将信息数字化后再利用电、磁或光学等方式的存储设备加以存储。存储设备150可以用来存放各种信息，例如，程序、数据等。存储设备150可以配置在利用电能方式存储信息的设备上，例如，各种存储器、随机存取存储器 (RandomAccess Memory(RAM))、只读存储器(Read Only Memory(ROM))等。随机存储器可以包括但不限于十进计数管、选数管、延迟线存储器、威廉姆斯管、动态随机存储器(DRAM)、静态随机存储器(SRAM)、晶闸管随机存储器(T-RAM)、零电容随机存储器(Z-RAM)等中的一种或几种的组合。只读存储器可以包括但不限于磁泡存储器、磁钮线存储器、薄膜存储器、磁镀线存储器、磁芯内存、磁鼓存储器、光盘驱动器、硬盘、磁带、早期非易失存储器(NVRAM)、相变化内存、磁阻式随机存储式内存、铁电随机存储内存、非易失SRAM、闪存、电子抹除式可复写只读存储器、可擦除可编程只读存储器、可编程只读存储器、屏蔽式堆读内存、浮动连接门随机存取存储器、纳米随机存储器、赛道内存、可变电阻式内存、可编程金属化单元等中的一种或几种的组合。存储设备150可以配置在利用磁能方式存储信息的设备上，例如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘、闪存等。存储设备150可以配置在利用光学方式存储信息的设备上，例如，CD或DVD等。数据库150可以配置在利用磁光方式存储信息的设备上，例如，磁光盘等。存储设备150中信息的存取方式可以是随机存储、串行访问存储、只读存储等中的一种或几种的组合。存储设备150可以配置在非永久记忆存储器，或永久记忆存储器中。以上提及的存储设备只是列举了一些例子，在成像系统100中可以使用的存储设备并不局限于此。

需要说明的是，以上对于成像系统100的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接，对实施上述方法和系统的应用领域形式和细节上的各种修正和改变。例如，存储设备150可以配置在具有数据存储功能的云计算平台中，包括但不限于公用云、私有云、社区云和混合云等。再例如，成像设备110、数据处理引擎140、存储设备150和交互设备130等中的两个或多个可以不通过网络150通信，而直接配置在一个设备中。诸如此类的变形，均在本申请的保护范围之内。

图2是数据引擎140中计算设备200包含的硬件和/或软件组件的示意图。如图2所示，计算设备200可以包括一个处理器210、一个存储器220、一个输入/输出230和一个通信端口240。

处理器210可以执行与本申请相关的计算机指令或者实施处理引擎140的功能。计算机指令可以程序执行指令、程序终止指令、程序操作指令，程序执行路径等。在一些实施例中，处理器210可以处理从成像设备110、交互设备130、存储设备150、和/或成像系统100的任何其他组件获得的图像数据。在一些实施例中，处理器210可以包括一个或多个硬件处理器，例如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理器(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件，或任何能够执行一个或多个功能的电路或处理器。

存储器220可以存储从成像设备110、交互设备130、存储设备150和/或成像系统100的任何其他部件获得的数据/信息。在一些实施例中，存储器220可以包括质量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等中的一个或多个的组合。例如，大容量存储器可以包括磁盘、光盘、固态驱动器等。可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。易失性读写存储器可以包括随机存取存储器(RAM)。RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容RAM(Z-RAM)等等。ROM可以包括掩模ROM (MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM (CD-ROM)、数字通用盘ROM等。在一些实施例中，存储器220可以存储一个或多个程序和/或指令。

输入/输出230可以输入和/或输出数据等。在一些实施例中，输入/输出230可以使用户能够与数据处理引擎140进行交互。在一些实施例中，输入/输出230可以包括输入装置和输出装置。所述输入设备可以包括键盘、鼠标、触摸屏、麦克风等中的一个或多个的组合。输出设备的示例可以包括显示设备、扬声器、打印机、投影仪等中的一个或多个的组合。显示设备可以包括液晶显示器、基于发光二极管的显示器、平板显示器、弯曲屏幕、电视设备、阴极射线管、触摸屏幕等中的一个或多个的组合。

通信端口240可以连接到网络(例如，网络120)以便于数据通信。通信端口240可以建立数据处理引擎140、成像设备110、交互设备130和/或存储设备150之间的连接。该连接可以是有线连接和 /或无线连接。有线连接可以包括例如电缆、光缆、电话线等中的一个或多个的组合。无线连接可以包括例如蓝牙连接、无线网连接、WLAN链路、ZigBee连接、移动网络连接(例如，3G，4G，5G网络等) 等中的一个或多个的组合。在一些实施例中，通信端口240可以是和/或包括标准化通信端口，例如 RS232、RS485等。在一些实施例中，通信端口240可以是专用通信端口。例如，通信端口240可以根据医学数字成像和通信协议进行设计。

图3是移动设备300的硬件和/软件示例图。在一些实施例中，交互设备130可以应用于移动设备300中。如图3所示，移动设备300可以包括一个通信平台310、一个显示器320、一个图形处理单元330、一个中央处理单元340、一个输入/输出350、一个记忆卡360和一个存储器390。在一些实施例中，移动设备300中可以包括一个总线或者一个控制器。在一些实施例中，移动操作系统370和一个或多个应用程序380可以从存储器390加载到记忆卡360中，并由中央处理单元340执行。所述应用程序380可以包括浏览器。在一些实施例中，应用程序380可以接收和系显示与数据处理引擎140有关的图像处理或其他信息的信息。输入/输出350可以实现用户与成像系统100的交互，并将交互相关信息通过网络120提供给成像系统100中的其他部件，如数据处理引擎140。

根据本申请的一些实施例，图4所示的是生成图像的一种示例性流程图。流程400可以由成像系统100或者成像系统100中的部分组件实施。例如，流程400可以由数据处理引擎140根据成像设备 110获取的数据完成。在401中，可以设置一个或多个扫描参数。设置扫描参数的过程可以由成像设备 110实现。在一些实施例中，扫描参数可以包括扫描时间、目标定位信息、机架的位置、机架的旋转速度、电压/电流的强度，或者类似的，或者其中多个的组合。作为示例，在扫描过程中，可以根据被检测物的位置，调整传送床架114使得被检测物体到达腔体111中某一特定位置。作为另一个示例，可以移动腔体111上的放射性扫描源115和/或探测器112对被检测物体进行扫描。在一些实施例中，扫描参数可以是系统根据默认设置自动选择，或由用户(例如医生、护士)设定。系统默认设置的扫描参数可以被存储在成像系统100内部或者外部的一个存储设备，例如存储设备150中。用户可以根据被检测物体的位置、大小，以及/或形状等设置扫描参数。所述被检测物体可以包括器官、组织、病变部位、肿瘤部位或者上述部位的任意组合。例如，被测物可以是肺部、头部、胸部、腹部、心脏、肝脏、上肢、下肢、脊椎、骨骼、血管等，或者上述部位的任意组合。

在403中，可以基于所述一个或多个扫描参数对被检测物体进行扫描，获取扫描数据。所述扫描的过程可以由成像设备110完成。在一些实施例中，可以由放射性扫描源115和探测器112共同完成对物体的扫描。放射性扫描源115产生的放射性射线可以透过物体，经过被测物吸收后，由探测器112 接收。在一些实施例中，所述扫描数据可以是实时的，也可以是历史的。所述实时的扫描数据可以包括对被检测物体实时扫描的过程中产生的数据。所述历史的扫描数据可以包括外部数据源产生的数据。

在405中，可以根据所述扫描数据，生成一个或多个图像。所述生成的图像可以包括MRI图像、 CT图像、PET图像，或类似的，或上述图像的任意组合。所述生成的图像可以包括二维图像或三维图像。所述图像可以由对所述扫描数据进行重建后获得。

在407中，可以处理所述一个或多个图像。在一些实施例中，对图像的处理可以包括对图像的滤波去噪、图像灰度的归一化、图像的水平旋转、图像尺度大小的校正等。在一些实施例中，对图像的处理可以包括对图像中的感兴趣区域进行识别或者分割。进一步地，可以将图像中多个感兴趣区域分别进行识别或者分割，并对识别或者分割后的多个感兴趣区域进行标记。进一步地，可以将所述一个或多个图像传输至任何一个成像系统100内部或者外部的设备，例如，存储设备150等。所述一个或多个图像可以由显示设备160显示。

需要注意的是，以上对于图像形成过程的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个操作进行调换或者任意组合，对实施上述方法和系统的应用领域形式和细节上的各种修正和改变。在一些实施例中，可以将获取的扫描数据进行存储备份。该存储备份的操作可以添加至流程图中的任何两个操作之间。例如，可以在获取扫描数据操作403和生成图像操作405之间加入其他的操作或处理条件。

根据本申请的一些实施例，图5是肺部分割引擎的示意图。在一些实施例中，肺部分割引擎可以应用在数据处理引擎140中。肺部分割引擎500可以包括一个肺分割模块510，一个气管识别模块520，一个肺裂分割模块530和一个肺叶分割模块540。

肺分割模块510可以获取与分割包含肺部的图像。例如，肺分割模块510可以获取包含肺部的一个或者多个图像。所述图像可以包括MRI图像、CT图像、PET图像或上述图像的任意组合。所述图像被检测物体进行扫描所得到的。又例如，肺分割模块510可以从所述一个或多个图像中分割出肺部区域。所述肺部区域可以包括左肺区域与右肺区域。关于肺部区域分割的详细描述可以参考本申请中的其他部分，例如图6及所述内容。在一些实施例中，肺分割模块510可以进一步确定与肺部区域有关的片层图像(例如，肺特征层、肺起始层和肺终止层)、左肺区域或右肺区域。关于片层图像、左肺区域与右肺区域的详细描述可以参考本申请中的其他部分，例如图6及所述内容。在一些实施例中，肺分割模块 510可以基于一种或多种图像分割方法来进行图像分割。所述一种或多种图像分割方法可以包括但不限于阈值法、聚类算法、区域生长法、基于图像形状模型的图像配准方法、分水岭法、模糊C均值算法等。

气管识别模块520可以识别肺部图像相关的气管结构。所述气管结构中可以包含主气管、左主支气管、右主支气管等的结构。气管识别模块520可以确定气管中心线。所述气管中心线可以包括主气管中心线，左主支气管中心线，右主支气管中心线、左肺上叶中心线、左肺下叶支气管中心线、右肺上叶中心线、右肺中叶中心线、右肺下叶支气管中心线或其中的任意组合。进一步地，气管识别模块520 可以基于识别出来的气管中心线标记对应的气管。例如，不同气管中心线所对应的气管可以标记成成不同的值。所述气管标记值可以由用户设定，或是由成像系统中的一个或多个部件决定(例如，数据处理引擎140)。在一些实施例中，气管识别模块520可以确定减掉气管树树中主干附近错误的中心线分叉和短小的叶。气管识别模块520可以提取气管结构相关的信息。所述信息可以包括气管位置、气管中心线、气管中心线长度、气管中心线所对应的节点、气管中心线点间的余弦值等。在一些实施例中，气管识别模块520可以基于肺分割模块510处理过的肺部图像进行气管结构识别。关于气管结构识别的详细描述可以参考本申请中的其他部分，例如，图6、图10及所述内容。

肺裂分割模块530可以分割出肺部图像中的肺裂。在一些实施例中，肺裂分割模块530可以从肺部图像相关的若干片层中获取候选肺裂。所述候选肺裂可以通过对肺部图像的增强获得。在一些实施例中，肺裂分割模块530可以根据候选肺裂进行区域生长。例如，可以根据肺裂区域的位置、灰度、颜色、纹理、形状等进行肺裂区域的生长。在一些实施例中，肺裂分割模块530可以合并候选肺裂。所述肺裂合并可以基于分类算法(例如，聚类分析方法)展开。进一步地，可以基于合并的肺裂进行拟合得到肺裂曲面。在一些实施例中，肺裂分割模块530可以基于肺分割模块510和/或气管识别模块520处理过的肺部图像进行肺裂分割。

肺叶分割模块540可以分割出肺叶。所述肺叶的分割可以基于肺部图像中每个点到气管分支的最短距离进行。所述最短距离可以基于迪杰斯特拉(Dijkstra)算法确定。在一些实施例中，肺叶分割模块540可以基于所述最短距离确定点所属于的肺叶。在一些实施例中，肺叶分割模块540可以对肺叶相关的肺裂位置添加标签(例如，颜色标签)。所述肺裂位置可以是肺叶中的没有颜色标签的一层。在一些实施例中，肺叶分割模块540可以基于肺分割模块510、气管识别模块520、或肺裂分割模块530处理过的肺部图像进行肺叶分割。

需要说明的是，以上对于计算设备200的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，肺部分割引擎500中各个模块内可以添加一个存储单元，用于存储各模块运行过程中产生的中间数据或处理结果。又例如，肺部分割引擎500中一个或多个模块可以集成在同一个模块中，实现一个或多个模块的功能。

根据本申请的一些实施例，图6所示的是肺分割过程的一种示例性流程图。在一些实施例中，流程600中进行分割的图像可以与流程400中407有关。

在601中，可以获取包括肺部的一个或者多个目标图像。在一些实施例中，601可以由肺部分割模块510实现。所述的目标图像可以包括MRI图像、CT图像、PET图像或上述图像的任意组合。在一些实施例中，可以对目标图像进行图像分割、图像配准、三维重建、结构分析以及运动分析等。进一步地，图像分割方法可以包括自动分割、交互式分割和手动分割等。在一些实施例中，目标图像是对被检测物体进行扫描所得到的。被测物可以是检测对象的整体或其中的一部分。检测对象可以包括人体、动物、非生物物体等。例如，被测物可以包括器官、组织、病变部位、肿瘤部位或者上述部位的任意组合。在一些实施例中，目标图像可以是三维图像。所述目标图像可以是沿着横断面的片层图像。此处横断面指的是垂直于人体的轴心线方向的截面。

在603中，可以在包括肺部的目标图像中分割出肺部区域。在一些实施例中，603可以由肺部分割模块510实现。所述肺部区域可以包括左肺区域和右肺区域。在一些实施例中，可通过多种方法进行分割。所述方法可以包括阈值法、聚类算法、区域生长法、基于图像形状模型的图像配准方法、分水岭法、模糊C均值算法等。例如，阈值法可以包括自适应阈值肺部分割和最优阈值肺部分割。在一些实施例中，可以基于图像的信息对图像进行分割。所述图像的信息包括图像的灰度、图像的梯度、图像沿不同方法的分辨率、图像的边界信息、图像的强度信息或者上述信息的任意组合。在另一些实施中，肺部区域的分割可以利用肺部气管、肺部血管等进行综合分析。在一些实施例中，可以先确定一个肺特征层，再根据肺特征层来获取图像信息。进一步地，可以获取肺起始层和肺终止层。所述获取过程可以通过函数构造来实现。所述函数可以包括三维函数和二维函数。在另一些实施例中，可以判断肺部区域是否同时包含了左肺和右肺，并且判断左右肺是否联通。

在605中，可以提取出肺部图像相关的气管结构。在一些实施例中，605可以由气管识别模块520 实现。在一些实施例中，所述肺部区域的图像可以是一个三维图像，所述气管结构是一个三维结构。所述三维结构中可以包含主气管、左主支气管，右主支气管等的结构。在一些实施例中，所述气管结构可以根据不同气管中心线和不同气管的连接关系获取。气管中心线可以包括主气管中心线、左主支气管中心线、右主支气管中心线等。在一些实施例中，提取气管结构可以包括减掉气管树中主干附近错误的中心线分叉或短小的叶。所述错误的中心线或短小的叶可以包括像素个数少于一定阈值的中心线。在一些实施例中，提取气管结构可以包括识别气管树中的一条或多条中心线。所述识别过程可以基于气管树的空间信息实施。进一步地，该空间信息可以包括各个气管的中心线所对应的节点、中心线点间的余弦值 (也可为中心线与坐标轴的夹角)、多个气管的中心线间的夹角、中心线的z轴坐标等一种或多种。所述坐标为解剖学上的坐标(又称为“病人坐标系”)，其中，x轴为沿着人体的右方到左方的方向(例如，从右肺到左肺的方向)，即垂直于矢状面的方向；y轴为沿着人体的前方到后方的方向，即垂直于冠状面的方向；z轴为沿着人体的足部到头部的方向，即垂直于横断面的方向。在一些实施例中，提取气管结构可以包括对识别出来的一条或多条气管中心线对应的气管进行标记。所述标记可以包括对识别出来的气管中心线对应的气管进行分级。

在607中，可以分割出肺部图像相关的肺裂。在一些实施例中，607可以由肺裂分割模块530实现。在一些实施例中，分割出肺裂可以包括在肺部图像相关的若干片层中识别出候选的肺裂。所述候选肺裂可以是经过图像增强而获得的。例如，可以通过海森矩阵进行图像增强。在一些实施例中，分割出肺裂可以包括对候选肺裂进行区域生长。所述的区域生长是基于肺裂的特征向量进行。此处，特征向量可以是基于海森矩阵计算而得到的特征向量。在一些实施例中，肺裂分割可以包括合并候选肺裂。进一步地，可以基于合并的肺裂进行拟合得到肺裂曲面。所述合并的肺裂可以包括方向相同或者方向相同的肺裂。此处，拟合可以通过脑板样条插值进行。

在609中，可以基于肺裂对肺叶进行分割。在一些实施例中，609可以由肺叶分割模块540实现。在一些实施例中，可以获取肺部图像。所述图像可以包括气管和肺裂等信息。在一些实施例中，肺叶的分割可以包括确定图像中的点到气管分支的最短距离。所述最短距离可以基于迪杰斯特拉(Dijkstra) 算法确定。迪杰斯特拉(Dijkstra)算法可以基于一个或多个变量确定最短距离。所述变量可以包括气管的分支点、点的标记信息(例如，颜色标记)、肺裂信息(例如，膨胀后的肺裂信息)等。在一些实施例中，可以根据所述点到气管分支的最短距离判断该点所属肺叶。在另一些实施例中，可以对肺叶中间没有标签的区域进行标记。

以上对于肺分割过程的描述仅仅是具体的示例，不应被视为是唯一可行的实施方案。显然，对于本领域的专业人员来说，在了解基本原理后，可能在不背离这一原理的情况下，对具体实施方式与操作进行形式和细节上的各种修正和改变，但是这些修正和改变仍在以上描述的范围之内。作为示例，在操作603和操作605之间，可以添加一个或多个可选步骤。例如，确定气管中心线、气管的位置等。又例如，操作609可以不是必须的。诸如此类的变形，均在本申请的保护范围之内。

根据本申请的一些实施例，图7是肺分割模块510的示意图。如图7所示，肺分割模块510可以包括一个片层确定单元710，一个肺部区域确定单元720和一个左肺/右肺确定单元730。

片层确定单元710可以获取与分析片层图像。所述片层图像可以是MRI图像、CT图像、PET图像或上述图像的任意组合。在一些实施例中，所述片层图像是对被检测物体进行扫描所得到的。所述对片层图片的分析可以包括识别片层信息、判断片层所属区域、确定特征层、确定起始层或终止层等。所述片层信息可以包括片层中被测物体大小、形状、位置等。例如，片层确定单元710可以识别肺部相关片层中肺部的大小、形状、位置等。所述片层所属区域可以是片层在被测物体上的所属区域(例如，肺部、头顶等)。例如，片层确定单元710可以基于图像中肺部轮廓在水平方向与垂直方向的最大值来决定该片层是否属于肺部。所述特征层可以是同一被测物体的多个片层图像中被测物体横截面积最大的一层。例如，以肺部CT片层图像为例，片层确定单元710可以根据多个片层图像中肺部区域的CT值的分布确定肺特征层。所述肺特征层可以是多个片层图像中肺部横截面积最大的一层。所述起始层可以是目标分割区域的起始层，所述终止层可以是目标分割区域的终止层。例如，片层确定单元710可以确定肺部区域的起始层与终止层。在一些实施例中，片层确定单元710可以基于肺特征层确定肺分割区域的起始层与终止层。所述肺起始层和肺终止层可以分别位于特征层的两侧的一定距离处。关于片层图片的分析(例如，片层所述区域判断、特征层确定等)的详细内容可以参考本申请中的其他部分，例如图8及所述内容。

肺区域确定单元720可以确定肺部区域的轮廓。在一些实施例中，可以根据肺部区域的起始层与和终止层来确定。例如，肺部区域的起始层、终止层、以及位于起始层与终止层中间的片层可以构成肺部区域片层集。肺区域确定单元720可以对所述肺部区域片层集进行图像预处理，例如可以对片层图像进行平滑或者除噪。进一步地，可以根据预处理后片层图像，构造能量函数，并确定肺部的轮廓。关于肺部区域确定的详细内容可以参考本申请中的其他部分，例如，图8及所述内容。

左肺/右肺确定单元730可以确定肺部区域中的左肺和右肺。在一些实施例中，左肺/右肺确定单元730可以基于区域生长方法来确定左肺与右肺。所述区域生长方法可以包括选取目标区域的种子点 (例如，左肺种子点、右肺种子点等)，并将与种子点属性相似的相邻像素合并到同一区域。所述区域成长方法得到的可以是左肺、右肺、或者同时包含左肺和右肺。进一步的，左肺/右肺确定单元730可以进一步判断区域成长方法得到的是左肺、右肺、还是同时包含左肺和右肺。关于左肺、右肺确定的详细内容可以参考本申请中的其他部分，例如，图8及所述内容。

需要说明的是，以上对于肺分割模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行修改、改进和修。例如，肺分割模块510中各个模块内可以添加一个存储单元，用于存储各模块运行过程中产生的中间数据或处理结果。又例如，一个或多个模块可以集成在同一个模块中，实现一个或多个模块的功能。

根据本申请的一些实施例，图8所示的是肺分割过程的一种示例性流程图。在一些实施例中，所述肺的分割可以由肺分割模块510实现。在一些实施例中，流程800中进行分割的图像可以与流程400 中405有关。

在801中，可以获取与肺部区域有关的若干片层图像。在一些实施例中，801可以由片层确定单元710实现。所述片层图像可以包括MRI图像、CT图像、PET图像或上述图像的任意组合。在一些实施例中，所述片层图像是对被检测物体进行扫描所得到的。以CT图像为例，CT片层图像可以包含多个二维图像片层。所述片层图像是按一定顺序(例如，从头部到脚部)排列的N张图像，其中，N为任意正整数。N的取值可以是系统默认值，也可以由用户(例如医生、护士)设定。在一些实施例中，不同的被测物(例如不同的病人)可能对应不同的N值。例如，成像系统100可以根据被测物体的生理信息(例如身高、体重等)，确定所需要的扫描范围，从而确定N值。在一些实施例中，可以选取N张片层图像中的任意一张，并识别片层信息。所述片层信息可以包括该片层中被测物体的大小、形状、位置等。在一些实施例中，可以根据片层信息判断出该片层在被检测物体的所属区域。例如，可以根据片层中被测物体的大小和/或形状，判断该片层是否属于肺部、头顶、半头、或颅底等。例如，可以确定图像中轮廓(例如，肺部轮廓)在水平方向与垂直方向的最大值，并将所述垂直方向的最大值与预设阈值进行比较，对片层所属位置进行识别。在一些实施例中，可以设定一个或多个预设阈值。例如，可以设定水平方向的第一阈值a1和第二阈值a2，若所述垂直方向的最大值在阈值a1和阈值a2，则判定该片层属于肺部。所述阈值可以是系统默认值，也可以由用户设定。

在803中，可以在所述片层图像确定一个特征层(也可以被成为“肺典型层”)。在一些实施例中，803可以由片层确定单元710实现。所述特征层可以是片层中肺部的横截面积最大的一层。在一些实施例中，可以根据不同片层图像中肺部区域的CT值的分布确定特征层。例如，可以根据不同片层中在阈值范围内的CT值的统计直方图确定特征层。所述阈值范围可以是系统默认，或者人为设定。在一些实施例中，可以通过构造函数来确定特征层。所述函数可以根据图像特征获得。示例性的图像特征包括灰度值、梯度值、增强值、形状，或类似的，或其中或多种的组合。出于说明的目的，一个函数可以表达如下：

H(z,v)＝num{(x,y,z)∈I|V_low＜I(x,y,z)＜V_high} (1)

其中H(z,v)表示在片层z中，CT值为v的点的个数，I表示图像中CT值的集合，x，y表示图像中点的位置，V_low和V_high分别表示CT值的最小阈值和最大阈值。这里所说的点可以对应于片层图像中的一个最小单元(例如，一个像素或者体素)。公式(1)可以用来统计在一个片层图像中，处于一个CT值范围内的点的个数。由于肺部含有大片CT值低于周围组织的区域，则可以分别设置较低的阈值V_low和 V_high，从而H(z,v)可以统计出每一个片层肺部区域的CT值的分布。例如，可以设置CT值的阈值V_low， V_high分别为-944HU和-300HU，从而由H(z,v)可以获得该阈值范围内的CT值分布。

在一些实施例中，根据H(z,v)可以统计出片层z中在阈值范围内的CT值的分布。所述CT值的分布可以以直方图的形式生成，也可以以曲线拟合的形式生成。例如，在片层z中的CT值的分布可以是一个直方图。直方图中最高的点表示该片层z中对应同一CT值的数量最多的点。再例如，在片层z中的CT 值分布可以是一个曲线。所述曲线可以是通过，例如，二维高斯平滑，拟合直方图的方式获得。拟合的曲线中最高的点即该片层中对应同一CT值的数量最多的点。再例如，可以对CT值的分布进行滤波除噪，滤波方法可以包括归一化块滤波法、高斯滤波法、中值滤波法、双边滤波法等。进一步地，通过比较不同片层z之间的CT值的数量最多的点，可以获得所有片层中对应同一CT值的数量最多的点，从而根据该点所在的片层确定特征层。例如，H(z,v)的最大值的位置为(zp,vp)，即表示在所有片层中，片层zp中CT值为vp的点具有最大的数量，则片层zp可以被认为是特征层，即肺典型层。

在一些实施例中，可以根据H(z,v)统计出片层z中所有CT值在阈值范围内的点的总数，该总数对应于片层z中肺部区域的大小。进一步地，通过比较不同片层z的点的总数，可以获得含有点的总数最大的片层。类似地，可以设定含有点的总数最大的片层为特征层，即肺典型层。

在805中，可以根据特征层确定一个起始层(也可被称为“肺起始层”)和一个终止层(也可被称为“肺终止层”)。在一些实施例中，805可以通过片层确定单元710实现。所述起始层和终止层可以分别位于特征层的两侧的一定距离处。出于说明的目的，所述起始层和终止层的位置可以通过公式(2) 确定：

Lbegin＝Lfeature+β×add

Lend＝Lfeature-β×add(2)

其中Lfeature为特征层，add为肺高度度基准值，β为肝高度范围系数。在一些实施例中，add可以与医学上的肝脏大小和CT扫描序列分辨率有关。例如，add可以被设置为zp/fSpaceZ(zp为特征层所对应的片层，fSpaceZ为CT扫描序列z轴分辨率)。在一些实施例中，β的取值范围可以为[1.5，2]。在一些实施例中，根据所述起始层、终止层、与以及位于起始层与终止层中间的片层可以确定肺部区域片层集。后续对肺的分割可以基于所述肺部区域片层集进行处理。此处，在进行肺的分割之前，可以对肺部区域片层集进行插值等处理。在一些实施例中，所述插值可以包括反距离加权插值法、克里金插值法、最小曲率、自然邻点插值法、最近邻点插值法、多元回归法和线性插值三角网法等。在一些实施例中，所述插值包括等方性插值处理，即调整x、y、z三个方向的分辨率，对图像进行不同方向上的放缩处理。具体地，等方性插值处理可以包括分别根据x、y、z方向的分辨率计算各自的放缩比例，根据各自的放缩比例计算图像放缩后的新维度，并根据新维度分别确定x、y、z三个方向的线性插值。在一些实施例中，可以对肺部区域片层集中CT值大于一个预设阈值的点进行重新赋值，例如，可以将其CT值置为0。所述预设阈值可以是医学上肺部区域中的点的最大CT值，大于所述预设阈值的点可以被认为是除肺部以外其他组织或区域的点。在后续处理中，可以不考虑CT值为0的点的影响，从而可以减少计算量。如图15所示，z轴为扫描的片层方向，即被检测物的脚部到头部的方向，x轴为沿着右肺到左肺的方向， y轴垂直于x轴和z轴所在的平面。

在807中，可以根据起始层和终止层确定肺部区域的轮廓。在一些实施例中，807可以由肺部区域决定模块720实现。在一些实施例中，可以基于肺部区域的起始层、终止层、与以及位于起始层与终止层中间的片层可以构成肺部区域片层集，所述肺部区域的轮廓可以基于所述肺部区域片层集确定。在确定肺部区域的轮廓之前，可以肺部区域片层集的图像进行预处理。所述预处理可以包括对图像进行平滑或者除噪。例如，可以对的图像进行滤波除噪。所述滤波除噪方法可以包括归一化块滤波法、高斯滤波法、中值滤波法、双边滤波法等。再例如，可以对图像进行高斯平滑处理。

利用肺部区域片层集图像或者经过预处理后肺部区域片层集图像的信息，例如边界信息和图像的强度信息，可以构造能量函数，并确定肺部的轮廓。在一些实施例中，所述能量函数可以基于模型构造。所述模型可以包括基于边缘的主动轮廓模型、基于区域的主动轮廓模型，或者两者结合的模型。在一些实施例中，能量函数的构造是根据图像的信息而得到的。所述图像信息可以包括图像的梯度信息，图像的边界信息，图像的像素灰度信息，图像的背景信息，图像的平均灰度信息，图像的能量分布，图像的面积参数等。在一些实施例中，通过主动轮廓曲线的运动过程可以获得能量最小的点。所述能量最小的点包括一系列的点，并构成一个水平集函数U。水平集函数U值表示的是经过处理的图像中像素点或体素点的亮度，而最亮的地方可以被选为肺部区域。

作为示例，通过构造能量函数，在能量函数最小值的驱动下，主动轮廓曲线逐渐向肺部的边缘逼近，最终分割出更加精确的肺部区域。出于说明的目的，一种能量函数的表达方式可以如(3)公式所示：

其中f表示待分割的图像的函数，Ω表示图像域集合，ΩC可以是Ω的一个子集，表示曲线C包裹的内部，S1表示点x在轮廓内出现的概率，S2表示点x在轮廓外出现的概率，g(i)表示一种边缘侦查函数，u为一个泛函，表示分割的边界曲线，c1表示轮廓内图像的内部特征，c2表示轮廓外图像的外部特征，λ表示权重参数。在一些实施例中，边缘侦查函数g(i)与图像在x处的梯度成反比，可以用以下公式来表达：

g(i)＝1/(1+Beta*NormGrad[i]*NormGrad[i])，(4)

其中i表示数据集里的每一个像素点或者体素点，NormGrad[i]表示该点在x方向上的梯度模值，其中参数Beta可以表示为，

Beta＝fBetaParm/(iMaxIm*iMaxIm)，(5)

其中，iMaxIm表示CT值中的最大值和最小值之间的差值。作为示例，CT值中的最大值可以设置为-300HU，最小值可以设置为-944HU，则iMaxIm为644。fBetaParm取值可以人为设定为，例如，2000。

在809中，可以根据区域生长方法确定肺部区域中的左肺和右肺。在一些实施例中，809可以通过左肺/右肺确定单元730实现。在一些实施例中，区域生长方法可以将多个像素组成的区域发展成更大的区域。例如，可以基于种子点的集合，将与每个种子点属性相似的相邻像素合并到同一区域。所述属性包括该种子点的强度、灰度级、纹理颜色等。在一些实施例中，可以先确定左肺和右肺的候选种子点，再根据候选种子点寻找种子点。在一些实施例中，确定左肺和右肺的种子点的过程可以包括：在数据集 (例如，由起始层和终止层确定的肺部区域片层集)中查找水平集函数中满足一定条件的点，例如，水平集函数U大于fThreU的点。fThreU可以是肺部区域的所有点中，水平集函数U最小的值。在一些实施例中，fThreU可以是一个用户设定的值，例如，0.005，0.01，0.015，或者是0.005至0.015范围中其他任意的值。所述特定的点可以包括x轴最小坐标minX的点、x轴最大坐标maxX的点、y轴最小坐标minY的点、y轴最大坐标maxY的点、z轴最小坐标minZ的点、z轴最大坐标maxZ的点。根据左肺和右肺在肺腔中的位置，可以选择左肺的候选种子点为(minX+0.25×(maxX-minX),(minY+maxY)/2, (minZ+maxZ)/2)，右肺的候选种子点为(minX+0.75×(maxX-minX),(minY+maxY)/2,((minZ+maxZ)/2)。进一步地，可以根据所述左肺/右肺的候选种子点确定种子点。例如，所述种子点可以是以候选种子点为中心的一定范围内(例如，所述范围是以所述候选种子点为中心，包括10×10×10个像素点的立方体)里水平集函数U值最大的点。然后，可以根据种子点进行区域生长，并标记生长区域(即U>fThreU) 的点。所述生长过程对每个种子点都进行生长，直到处理过数据集中每个像素点。在一些实施例中，生长区域可以是左肺或者右肺，或者同时包括左肺和右肺。

在一些实施例中，通过上述区域生长的方式得到的可以是左肺，右肺，或者同时包含左肺和右肺。左肺/右肺确定单元530可以进一步判断是否左肺和右肺都生长出来。如果判断生长出左肺和右肺的其中之一，则通过相同的生长方式可以得到另一个肺。如果判断生长同时包含左肺和右肺，则需要继续判断左肺和右肺是否联通。如果左肺和右肺是联通的，则需要进一步区分左肺和右肺。如果左肺和右肺不是联通的，则对数据集(例如，由起始层和终止层确定的肺部区域片层集)进行反向插值处理，使得数据集中的图像恢复到原来的大小。在一些实施例中，判断左肺和右肺是否联通的过程可以包括：获取生长区域中所有点的最大x轴坐标和最小x轴坐标；如果最大x轴坐标超过x轴区域的0.75倍，或者最小x轴坐标小于x轴区域的0.25倍，则左肺和右肺都联通，否则，则只生长出了其中一个肺。所述倍数(0.75，0.25)为说明方便，不构成对本披露的限制。此过程可以使用其他倍数。在一些实施例中，区分左肺和右肺的过程可以包括：对生长的肺部区域运用形态学的算法将连通部位断开，并用队列保存腐蚀掉的点(即断开处丢失的点)；分别计算队列中的点到左肺和右肺的最小距离，如果该点到左肺的最小距离小于该点到右肺的最小距离，则将该点划分到左肺，否则将该点划分到右肺。

以上对于肺区域分割过程的描述仅仅是具体的示例，不应被视为是唯一可行的实施方案。显然，对于本领域的专业人员来说，在了解基本原理后，可能在不背离这一原理的情况下，对具体实施方式与操作进行形式和细节上的各种修正和改变，但是这些修正和改变仍在以上描述的范围之内。作为示例，在操作803和操作805之间，可以添加一个或多个可选操作。例如，构建函数等。

根据本申请的一些实施例，图9是气管识别模块520的示意图。如图9所示，气管识别模块520 可以包括一个中心线获取单元910、一个气管树建立单元920、一个分叉识别单元930、以及一个分支识别单元940。

中心线获取单元910可以获得气管的中心线。在一些实施例中，气管的中心线可以是气管内沿着气管走向的假想的线。气管中心线可以包括气管内部一个或多个像素点(或体素点)的集合。在一些实施例中，气管的中心线可以包括气管中心或靠近气管中心的像素点(或体素点)的集合或组成的一条线。气管的中心线可以包括一个或多个气管端点(即气管上的起始点或者终止点)。在一些实施例中，所述气管可以包括一条或多条中心线。作为示例，可以连接气管的起始点、路径点和终止点获取气管中心线。在一些实施例中，中心线可以通过多种方法获得。所述方法包括基于拓扑细化的方法，基于距离变换的方法、基于路径规划的方法、基于追踪的方法和基于最短路径的方法等。气管的不同分支(即不同的分支气管)可以分别对应不同的中心线。气管的中心线可以包含一个或多个起点。所述一个或多个起点可以分别位于不同分支气管的端点处。例如，气管的中心线起点可以位于主气管的端点处，也可以位于左主支气管、右主支气管或者其他支气管的端点处。

气管树建立单元920可以建立与气管结构相对应的气管树。所述气管树可以包括与主气管、左主支气管、右主支气管等对应的分支。气管树建立单元920可以从气管的中心线起点出发(例如，从主气管的端点出发)，沿着一条或多条分支气管的中心线直到各个气管分支的末端(例如，分别走到左肺上叶支气管端点、右肺下叶支气管端点等)，生成一个树状结构。在一些实施例中气管树建立单元920可以在计算机上通过编程语言或者软件进行模拟建立。所述编程语言可以包括c++，java，pascal，net， vb,c语言和汇编等。

分叉识别单元930可以识别错误的中心线分叉或短小的叶。所述的错误的中心线分叉或短小的叶可以是中心线两个端点之间像素个数少于一定阈值的中心线。在一些实施例中，识别气管树中一条或多条中心线可以包括识别气管的中心线所对应的节点。识别气管的中心线所对应的节点包括主气管、左主支气管、右主支气管等的中心线所对应的节点。在一些实施例中，分叉识别单元930可以对所识别出的错误的中心线分叉或短小的叶进行标记。

分支识别单元940可以识别出气管中不同的分支气管，或者识别出气管树中与不同的分支气管对应的中心线。在一些实施例中，分支识别单元940可以对识别出的分支气管或者气管树中一条或多条中心线进行标记。例如，所述标记可以包括对不同的分支气管标记不同的颜色。

需要说明的是，以上对于气管识别模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，一个或多个模块可以集成在同一个模块中，实现一个或多个模块的功能。

根据本申请的一些实施例，图10A所示的是对气管进行识别的一种示例性流程图。在一些实施例中，流程1000可以由气管识别模块520实施。

在1001中，可以获得一个肺部区域的图像，该图像包括一个气管结构。在一些实施例中，所述肺部区域的图像可以是一个三维图像，所述气管结构是一个三维结构。所述肺部区域的图像可以由若干片层图像组合形成。所述片层图像可以与流程800中801的片层图像有关。

在1003中，可以获取所述气管结构的一个参考点。所述气管结构的一个参考点可以位于气管的中心线上。进一步地，所述参考点可以是气管中心线的起点。在一些实施例中，1003可以由中心线获取单元910实现。所述参考点可以是自动提取，半自动提取或者由人工提取的。

在1005中，可以根据所述参考点建立对应于所述气管结构的气管树。在一些实施例中，1005可以由气管树建立单元920实现。所述气管树的建立包括从所述参考点出发，分别走到所述气管结构中不同分支气管的末端，形成一个树状结构。在一些实施例中，气管树包括分别与左主支气管，右主支气管等分支气管对应的中心线。气管树可以根据不同分支气管的中心线，以及不同分支气管的连接关系建立。

出于说明的目的，所述建立气管树的过程如图10B所示。在1015中，可以获取一个根据中心线长度分配的二维数组。例如，可以根据气管结构中每条中心线长度以及最长的中心线长度，将每条中心线长度分配在一个二维数组中。所述数组的行数是最长中心线的像素个数加一，所述数组的列数是中心线条数。在1017中，将中心线保存在所述二维数组中。例如，依次遍历每条中心线，把第i条中心线的第j个点保存在数组的第i列的第j行中。给每列中不是中心线的部分赋值为-1，同时统计每条中心线中索引值大于中心线起点索引值的个数。统计出来的个数大于整条中心线点数的一定百分比(例如，百分之八十等)，则删除此条中心线。这里所说的索引值表示中心线的位置，索引值越大，中心线越靠近上方头部方向。索引值大于中心线起点索引值的代表中心线是向上长的，表示该中心线不是支气管树，可以进行删除。在1019中，根据所述二维数组，创建节点。这里说的节点代表一段气管中心线(例如，一个分支气管的中心线)，节点信息可以包含节点的唯一编号ID、此段中心线的名称、端点位置、此段中心线所有点、父节点、相邻弟节点、以及所有子节点。对于一个气管树而言，从一个节点出发，可以分出多个节点，每个分出的节点下面可以再分成多个节点。每个节点与它分出的节点表示为父子关系，分出的节点为该节点的子节点。最开始进行分开的节点为根节点。同一个父节点下面的子节点之间互为兄弟节点，兄弟节点存储时可以按照一定的顺序排列，例如，存储时排在前面的节点为排在后面节点的兄节点，排在后面的节点为弟节点。进一步的，所述节点信息可以包括下属所有后代节点的个数、下属叶节点的数量、均值等。

在一些实施例中，从根节点(即，创建的第一个节点)所对应的中心线起点(例如，主气管中心线的端点)开始，根据创建的节点，可以递归创建气管树。

作为示例，递归创建气管树的方法如图10C所示。在1021中，创建一个临时节点。所述创建临时节点包括设置该临时节点的父节点。在1023中，根据所述临时节点，判断是否存在分叉。从当前点i 开始，依次判断i+1，i+2…的点。在对点j判断时，可以比较第j点和当前中心线数组中的其他中心线的第j点间的欧氏距离(以下称为“当前欧式距离”)。所述当前欧式距离可以与点之间的实际距离相对应。在一些实施例中，所述是否分叉可以通过区分第一阈值和第二阈值判断。例如，若不存在欧氏距离大于第一阈值(例如，第一阈值可以设置为5)的情况，则继续判断第j+1点，直至遇到端点，并将i点到中心线末端点的所有点保存在临时节点中，把中心线末端点的作为临时节点的端点。设置该临时节点为所述父节点的子节点。若存在欧式距离大于所述第一阈值的情况，认为第j-1点处在分叉点。在存在分叉点的情况下，根据当前欧式距离是否大于第二阈值(例如，第二阈值可以设置为2.5)，把当前中心线数组分成两组。把第i点到第j-1点保存在创建的临时节点中，并把第j-1点的作为临时节点的端点。这里所说的节点的端点对应于一个气管的起始点、终止点或者该气管与其他气管相连的点。设置该临时节点为所述父节点的子节点。在1025中，根据所述判断信息，创建气管树。所述创建气管树的过程包括从第j点开始，对1023中分出来的两组中心线，分别将j点作为开始节点，按照1021 和1023递归建树，直至处理完所有点。

回到图10A，在1007中，判断所述创建的气管树中主干附近是否存在错误的中心线分叉或短小的叶。在一些实施例中，所述判断可以由分叉识别单元930来完成。所述错误的中心线分叉或短小的叶可以是中心线两个端点之间像素个数少于一定阈值的中心线。如果存在错误的中心线分叉或短小的叶，流程1000进入1009。如果不存在错误的中心线分叉或短小的叶，则流程1000进入1011。

在1009中，可以减掉气管树中错误的中心线分叉和短小的叶。在一些实施例中，1009可以由分叉识别单元930实现。

在1011中，可以识别出气管树中的一条或多条中心线。在一些实施例中，1011可以通过分支识别单元940实现。识别气管树的中心线包括识别气管结构中不同分支气管的中心线所对应的节点，例如，主气管、左主支气管、右主支气管的中心线所对应的节点。所述识别气管树中心线的示例性过程如图 10D所示。在1027中，可以找出主气管、左主支气管、右主支气管中心线所对应的节点。在1029中，可以找出左肺上叶、左肺下叶支气管中心线所对应的节点。在1031中，可以找出右肺上叶、右肺中段和右肺下叶支气管中心线所对应的节点。

在一些实施例中，寻找主气管、左主支气管、右主支气管中心线所对应的节点可以如图10E所示。在1033中，可以选择主气管中心线起点。例如，可以把根节点的第一个子节点作为主气管中心线所对应的节点。在1035中，判断主气管中心线的子节点情况。此操作可以包括以下两种情况：没有子节点；有两个或两个以上子节点，但子节点没有更多子节点。在1037中，根据所述中心线的子节点的情况，判断是否存在错误的短小分支。在主气管中心线所对应的节点存在两个或两个以上子节点，但子节点没有更多子节点的情况下，如果主气管中心线节点的某个子节点的中心线数目太少(例如，经过所述节点的中心线两个端点之间的像素个数少于20)，则表示出现了错误的短小分支。则重新进行1033，选择主气管中心线所对应的节点。例如，把子节点中心线数目最多的节点重新作为主气管中心线所对应的节点；如果没有出现错误的短小分支，则进行1039的操作，根据所述主气管中心线所对应的节点，标记左主支气管中心线所对应的节点、右主支气管中心线节点。例如，可以判断主气管子节点的端点x坐标(即沿着右肺到左肺方向的坐标)，x坐标较大的作为左主支气管中心线所对应的节点，较小的作为右主支气管中心线所对应的节点。标记识别出来的主气管中心线所对应的节点、左主支气管中心线所对应的节点、右主支气管中心线所对应的节点(例如，分别标记为Trachea、LMB、RMB)。

在一些实施例中，寻找左肺上叶支气管中心线所对应的节点、左肺下叶支气管中心线所对应的节点，示例性过程可以如图10F所示。在1041中，确定左主支气管的子节点个数。在1043，判断是否存在子节点。如果子节点个数为0，进行1053。如果子节点个数不为0(即，子节点数量大于或等于2)，进行 1045。在1045，对每个子节点，取每个子节点的端点和左主支气管中心线的端点，映射成由左主支气管中心线的端点指向子节点的端点的向量并单位化。在1047，根据映射向量，确定左肺上叶支气管中心线所对应的节点、左肺下叶支气管中心线所对应的节点。在子节点数量大于2的情况下，判断单位化后的向量的z轴坐标(即，沿着片层方向的坐标)，最大z轴坐标所对应的子节点为左肺上叶支气管中心线所对应的节点，最小z轴坐标所对应的子节点为左肺下叶支气管中心线所对应的节点。把左主支气管的子节点中，不是左肺上叶或左肺下叶支气管中心线所对应的节点合并到左肺上叶或左肺下叶支气管中心线所对应的节点。在一些实施例中，合并的方法可以是分别计算非左肺上叶、左肺下叶支气管中心线所对应的节点和左肺上叶、左肺下叶支气管中心线所对应的节点间的余弦值，若左肺上叶支气管中心线所对应的节点间的余弦值较小(例如，小于一定阈值)，则合并到左肺上叶支气管中心线所对应的节点，否则合并到左肺下叶支气管中心线所对应的节点。在子节点数量等于2的情况下，判断单位化后的向量的z轴坐标，z轴坐标较大所对应的子节点为左肺上叶支气管中心线所对应的节点，z轴坐标较小所对应的子节点为左肺下叶支气管中心线所对应的节点。在1049中，将识别出来的左肺上叶支气管中心线所对应的节点、左肺下叶支气管中心线所对应的节点做标记(例如，分别标记为LU、LL)。

在一些实施例中，寻找右肺上叶、右肺中段和右肺下叶支气管中心线所对应的节点可以包括识别右肺上叶支气管中心线、右肺中段支气管中心线，以及识别右肺中段支气管中心线、右肺下叶支气管中心线。所述识别右肺上叶支气管中心线、右肺中段支气管中心线，识别右肺中段支气管中心线、右肺下叶支气管中心线的操作分别与识别左肺上叶支气管中心线、左肺下叶支气管中心线的操作类似，此处不再做说明。

回到图10A，在1013中，可以对识别出来的气管树中一条或多条中心线进行标记，或对所述一条或多条中心线对应的分支气管进行标记。在一些实施例中，识别出来的气管中心线包括左肺上叶支气管中心线、左肺下叶支气管中心线、右肺上叶支气管中心线、右肺下叶支气管中心线、右肺中段支气管中心线。所述标记可以包括对识别出来的气管中心线对应的气管进行分级。在一些实施例中，标记的过程可以通过以下一个或者多个操作完成：将识别出来的中心线所对应的节点和未识别出来的中心线所对应的节点分为多个类(例如，10类)，将每类的中心线所对应的节点保存的中心线上的点分别放到不同的 vector中作为种子点，然后进行遍历。所述分类可以基于人体解剖结构进行划分，可以将中心线按照左主支气管、右主支气管、左肺上叶支气管、左肺下叶支气管、右肺上叶支气管、右肺中叶支气管、右肺下叶支气管的人体解剖结构进行分类。所述遍历，可以是对每个vector都处理且仅处理一次，此过程称为一次遍历。所述遍历过程可以包括:由一些点开始作为种子点，不断把满足条件的邻域点纳入作为新种子点，再纳入进一步的满足条件的邻域点。不断重复，直至没有新的满足条件的邻域点。在一些实施例中，可以对所述不同的vector进行多次遍历，每一次遍历可以包括以下一步或者多步操作：① 选择未处理的vector，对vector里的每个点做一个区域生长。所述区域生长可以包括以下的情况：若生长的点处在气管内(包含气管壁的点)，并且生长的点以前没被处理过，就把生长的这些点标记成此vector所在支气管中心线所对应的节点的值，同时将这些生长点存入到vector中并替换原先的vector 中的点；若全部气管的点都处理过了，则停止区域生长并退出；②选择此次遍历还没处理的vector，重复第①步，直至完成一次遍历；③将上一次遍历的每个vector中的点继续实施第①步。所述上一次遍历的每个vector中的点可以是已经进行过区域生长的点的领域点，可以进一步将所述领域点作为种子点进行区域生长。在一些实施例中，在获得左肺上叶支气管、左肺下叶支气管、右肺上叶支气管、右肺中叶支气管、右肺下叶支气管等支气管中心线所对应的节点后，分别计算它们的子孙节点，并把它们对应的子孙节点标记成不同的值(所述不同的值不能是已经出现过的标记值)。

以上对于气管提取过程的描述仅仅是具体的示例，不应被视为是唯一可行的实施方案。显然，对于本领域的专业人员来说，在了解基本原理后，可能在不背离这一原理的情况下，对具体实施方式与操作进行形式和细节上的各种修正和改变，但是这些修正和改变仍在以上描述的范围之内。作为示例，在操作1005和操作1007之间，可以添加一个或多个可选操作。例如，根据气管树中心线进行迭代等。

据本申请的一些实施例，图11是肺裂分割模块530的示意图。如图11所示，肺裂分割模块530 可以包括一个肺裂识别单元1110，一个区域生长单元1120，一个肺裂合并单元1130和一个肺裂拟合单元1140。

肺裂识别单元1110可以在片层图像中识别出候选的肺裂。所述的候选肺裂可以包括右肺斜裂、右肺水平裂和左肺斜裂等。在一些实施例中，候选的肺裂可以基于肺部片层图像信息获得。所述肺部图像信息可以包括肺部轮廓、气管树、气管结构、肺裂、肺叶和/或血管分布等信息。例如，肺裂识别单元 1110可以通过对肺部图像进行增强识别图中的肺裂。关于肺裂识别的详细描述可以本申请中的其他部分，例如图12及所述内容。

区域生长单元1120中可以基于候选肺裂进行区域生长。在一些实施例中，所述候选肺裂可以是不连贯的。区域生长单元1120可以基于所述候选肺裂上像素点或体素点的特征向量，将与所述像素点或体素点特征向量相近的邻域点合并到候选肺裂区域中。这里所述的特征向量是与像素点或者体素点对应的矩阵的特征向量，对特征向量的具体的描述可以参考图12中的内容。在一些实施例中，区域生长可以基于候选肺裂上像素点的特征向量实现。关于区域生长的详细描述可以本申请中的其他部分，例如图 12及所述内容。

肺裂合并单元1130可以根据对区域生长的候选肺裂区域进行合并。所述合并可以基于候选肺裂区域的平均特征向量与候选肺裂区域的方向实现。在一些实施例中，肺裂合并单元1130可以基于根据区域生长后的多个候选肺裂区域的平均特征向量进行聚类分析，并确定属于同一类的区域的平均特征向量。进一步的，肺裂合并单元1130可以对属于同一类别的候选肺裂区域进行比较，将法线方向接近(例如，法线方向夹角小于一定阈值)的区域合并。可以将候选肺裂看作是平面的，这里的法线方向指的是候选肺裂的法线方向，即垂直于候选肺裂的方向。关于肺裂合并的详细描述可以参考本申请中的其他部分，例如，图12及相关描述。

肺裂拟合单元1140可以获得肺裂曲面。例如，肺裂拟合单元1140可以对肺裂合并单元1130合并后的候选肺裂区域进行拟合，获得一个或多个肺裂曲面。所述候选肺裂区域的拟合可以基于拟合方法，例如薄板样条插值法。

需要说明的是，以上对于肺裂分割模块530的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，一个或多个模块可以集成在同一个模块中，实现一个或多个模块的功能。

根据本申请的一些实施例，图12所示的是获取肺裂过程的一种示例性流程图。在1201中，可以在若干片层图像中识别出候选的肺裂。在一些实施例中，1201可以由候选肺裂识别单元1110实现。在一些实施例中，候选的肺裂可以基于肺部片层图像信息获得。在一些实施例中，肺部图像信息可以包括肺部轮廓、气管树、气管结构、肺裂、肺叶和血管分布等信息。肺裂可以包括右肺斜裂，右肺水平裂和左肺斜裂。所述左肺斜裂将左肺分为左上肺叶和左下肺叶。所述右肺斜裂和右肺水平裂将右肺分为右上肺叶，右中肺叶和右下肺叶。在一些实施例中，可以通过增强算法得到候选的肺裂。例如，对肺部图像进行增强后，肺部图像中增强值在一定阈值之上的，可以被认为是候选的肺裂。此外，在对肺部图像进行增强之前，可以利用灰度信息分割出血管掩模，在肺部图像中去除血管部分。或者对肺部图像进行高斯平滑，屏蔽图像中血管和过于亮的点。出于说明的目的，可以基于海森矩阵(Hessian Matrix)对图像进行增强。具体地，可以求出肺部图像中的候选点(例如，去除部分或全部血管后的肺部区域的点)的海森矩阵和对应的特征值Sfissure，并且根据特征值，构造出能区分肺裂和非肺裂区域的函数：

Fstruct＝exp(-pow(abs(fEigenVal[0])-malpha,6)/pow(mbeta,6))，

Fsheet＝exp(-pow(fEigenVal[1],6)/pow(mgamma,6))，

和

Sfissure＝Fstruct×Fsheet，(6)

其中，α,β,γ,Θ均可以为用户或系统设定的值，在一些实施例中，所述设定的值可以是经验参数，fEigenVal为海森矩阵的特征值。根据公式(6)，通过设定Sfissure的范围，例如，筛选出Sfissure 大于某个阈值的点，可以获得候选的肺裂图像cmask。

在1203中，可以基于候选肺裂进行区域生长，获取候选肺裂区域。在一些实施例中，1203可以由区域生长单元1120实现。在一些实施例中，候选肺裂可以是不连贯的。所述区域生长的过程可以基于所述候选肺裂上像素点或体素点的特征向量，将与所述像素点或体素点特征向量相近的相邻点合并到候选肺裂区域中。所述相邻点可以是候选肺裂上像素点或体素点特定邻域内(例如，与之距离小于3个像素)的点。所述特征向量相近可以是所述特征向量之间的夹角小于一定阈值。例如，区域生长可以将候选肺裂面上特征向量夹角小于一定阈值的相邻点连接起来。例如，对候选肺裂进行区域生长可以包括以下一个或者多个操作：选取候选肺裂上的A点，在A点的邻域点中选取特征向量方向与A点特征向量方向基本上一致的目标点。例如，可以选择在A点的邻域中选取与该点特征向量内积大于一定阈值，(例如，0.8)的点为目标点。继续选取目标点附近的点进行相似处理，直至遍历候选肺裂上的点。判断整个过程中选取出的目标点的个数是否大于阈值M；若大于M，则将上述选取出的点进行连接；若不大于 M，则比较选取出的点的个数是否大于阈值N；若大于N，则进一步判断所有选取出的点的平均向量的内积是否大于阈值L，若内积大于L，则对选取出的点进行连接。在一些实施例中，阈值M，N，L可以是对候选肺裂进行区域生长的选择条件。M，N，L的值可以是用户设定的任意值。

在1205中，可以根据一个分类算法对区域生长后的候选肺裂区域进行合并。在一些实施例中，1205 可以由肺裂合并单元1130实现。所述合并可以基于所述候选肺裂区域的平均特征向量与所述候选肺裂的方向实现。在一些实施例中，所述肺裂合并包括根据区域生长后多个候选肺裂区域的平均特征向量进行聚类分析。所述区域的平均特征向量可以是区域中像素点的主特征向量的平均值。所述像素点的主特征向量可以是候选肺裂中像素点最大特征值Sfissure对应的特征向量。聚类分析可将平均特征向量相近的区域聚为一类。可选的，所述肺裂合并还可以包括去除像素点总和数量小于一定阈值的类，并确定像素点数量大于一定阈值的类的平均特征向量。所述像素点数量大于一定阈值的类的平均特征向量可以是属于该类的一个或多个区域点的主特征向量的平均值。可选的，可以进一步将所述经过聚类后得到的同一类的候选肺裂区域进行比较。所述比较可以是对同一类的候选肺裂区域的法线方向进行两两比较，法线方向接近的候选肺裂区域将合并为一个区域。所述法线方向，是指将候选肺裂区域看作是平面，该平面的法线方向即为法线方向。在一些实施例中，如果两个候选肺裂区域的法线方向差别较小(例如，法线方向之间的夹角小于一个阈值)，则可以将两个候选肺裂区域合并。

仅仅作为示例，对区域生长后的候选肺裂区域进行合并，可以包括以下一个或者多个操作：获取区域生长后的候选肺裂区域中每个小块的平均特征向量；将相似小块(例如，平均特征向量内积和大于阈值0.9的两个小块为相似块)加入相似队列；对每一个小块，依次取出其相似队列里的一个小块，求出两个小块的平均特征向量和各自重心点连线的内积，所述内积可以用来判断两个肺裂小块是否在同一个肺裂平面；如果内积小于阈值(例如，可以设为0.05)，则可以将两个小块进行合并(例如，可以是将两个小块标记为同一个值)。在一些实施例中，可以调整上述内积的阈值(例如，可以逐步增加阈值)，直至右肺分得小于4块，和/或左肺小于3块。在一些实施例中，可以对经过不同高斯平滑(例如，选用不同的平滑系数)后的候选肺裂进行区域生长和合并，并将多次合并后产生的肺裂结果进行叠加。

在1207中，可以根据合并的候选肺裂区域，获得一个或多个肺裂曲面。在一些实施例中，1207可以通过肺裂拟合单元1140实现。在一些实施例中，可以基于合并的候选肺裂区域进行拟合。所述拟合方法包括薄板样条插值。在一些实施例中，左肺可以进行一次薄板样条插值，右肺可以进行两次薄板样条插值。在一些实施例中，可以将薄板样条插值所获得的肺裂曲面保留在肺部图像的内部，供后续处理。

以上对于气管提取过程的描述仅仅是具体的示例，不应被视为是唯一可行的实施方案。显然，对于本领域的专业人员来说，在了解基本原理后，可能在不背离这一原理的情况下，对具体实施方式与操作进行形式和细节上的各种修正和改变，但是这些修正和改变仍在以上描述的范围之内。作为示例，在操作1201和操作1203之间，可以添加一个或多个可选操作。例如，对肺裂进行海森增强等。

根据本申请的一些实施例，图13是肺叶分割模块540的示意图。如图13所示，肺叶分割模块540 可以包括一个肺叶确定单元1310和一个标签单元1320。

肺叶确定单元1310可以获取确定肺部点到气管分支的最短距离和肺部点所属肺叶。所述气管分支可以包括左主支气管、右主支气管、左肺上叶支气管等。所述肺部点到气管分支的最短距离可以基于距离算法确定。所述距离算法可以包括但不限于迪杰斯特拉(Dijkstra)算法和Floyd算法。所述肺部点所属肺叶也可以基于肺部点到气管分支的最短距离确定。所述肺叶可以包括左肺上叶，左肺下叶，右肺上叶，右肺中叶，右肺下叶等。关于确定肺部点到气管分支的最短距离和肺部点所属肺叶的详细描述可以参考本申请中的其他内容，例如，图14及所述内容。

标签单元1320对肺区域中点添加标签。所述标签可以是颜色标签、数值标签、文字标签、图形标签、声音标签等中一种或多种的组合。所述标签的类型与内容可以由使用者(例如，医生)进行设定，或是由成像系统100中的其他部件决定。例如，标签单元1320可以给肺叶添加颜色标签。所述颜色可以是黑色、灰色、白色、蓝色等中的一种或几种的组合。不同肺叶的颜色可以相同或不同。又例如，标签单元1320可以基于肺叶的颜色标签，给肺裂添加颜色标签。关于给肺叶与肺裂添加标签的详细描述可以参考本申请中的其他内容，例如，图14及所述内容。

需要说明的是，以上对于肺叶分割模块540的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，一个或多个模块可以集成在同一个模块中，实现一个或多个模块的功能。

根据本申请的一些实施例，图14A所示的是一种获取肺叶过程的示例性流程图。在1401中，可以获取肺部区域相关的若干图像。所述图像可以包括一个气管结构和一个肺裂。在一些实施例中，所述图像可以包括肺部的血管信息。所述血管信息可以通过血管分割、阈值分割等技术获取。在一些实施例中，所述气管可以，例如，与流程1000相关地，被识别并进一步被标记。

在1403中，可以确定一个点到气管分支的最短距离。在一些实施例中，1403中可以由肺叶确定单元1310实现。所述气管分支可以包括左主支气管、右主支气管、左肺上叶支气管、左肺下叶支气管、右肺上叶支气管、右肺中叶支气管，和/或右肺下叶支气管等。在一些实施例中，所述气管分支可以通过流程1000识别出来。在一些实施例中，所述最短距离可以通过算法获取。所述算法可以包括迪杰斯特拉(Dijkstra)算法和Floyd算法等。出于说明的目的，在利用迪杰斯特拉(Dijkstra)算法求最短距离的过程中，迪杰斯特拉(Dijkstra)算法可以用到以下一个或多个变量。所述变量可以包括气管的分支点、对点的颜色进行标记，以及对膨胀后的肺裂信息等。在一些实施例中，可以包括对迪杰斯特拉(Dijkstra)算法中一个或多个变量进行初始化。所述初始化过程可以包括以下的一个或多个操作：(1) 初始化Dijkstra算法中点的权重(例如，可以将气管上的点权值设置为0，血管上的点权值设置为1，肺上的点权值设置为100)；(2)将左肺和右肺的气管分支分开放置到两个数组，方便分别调用函数完成Dijkstra算法；(3)将肺裂膨胀，并保存膨胀后的肺裂信息。在一些实施例中，所述膨胀过程可以包括将肺裂或者标记肺裂的掩模与一个模板进行卷积。例如，可以生成一个3*3*3的模板(模板中像素的值可以都设为1)，则模板和肺裂或标记肺裂的掩膜图像进行卷积，则会将肺裂膨胀。

在1405中，可以根据所述最短距离，判断所述肺部点所属的肺叶。在一些实施例中，1405中可以由肺叶确定单元1310实现。所述肺叶可以包括左肺上叶，左肺下叶，右肺上叶，右肺中叶，右肺下叶等。在一些实施例中，可以分别识别左肺和右肺上的点进行所属肺叶的判断。例如，可以对左肺和右肺分别使用Dijkstra算法。所述对右肺进行Dijkstra算法的过程可以如图14B所示。在1411中，获取肺部图像中气管点、血管点和剩余肺质点的信息，所述肺部图像包括一个或多个支气管分支。所述气管点可以包括已经分割出来的全部的气管支气管树。例如，可以构造3个队列，每个队列分别用来存放气管点、血管点和剩余的肺质点。在1413中，标记所述一个或多个支气管分支上的点。以右肺为例，可以将右肺气管放入第一个队列中。分别将右肺中3个支气管分支上的点设置为3个不同的标签。在一些实施例中，可以设置标签为任意数字。例如，3、4和5，其中，3代表右肺上叶气管分支，4代表右肺中叶气管分支，5代表右肺下叶气管分支。在1415中，可以根据所述标记的一个或多个支气管分支上的点，获取到所述一个或多个支气管分支距离最小的点。例如，可以比较上述三个队列的第一个点，将到一个支气管分支中距离最小的点(记为A)取出队列，赋予相应颜色标签，设置为已拓展点。这里通过三个队列放置不同类型的点，每次拓展点时只用从三个队列队首选出到气管分支最小距离的点，避免了使用一个队列时的排序操作。所述三个队列可以分别存放三类权值不同的点，并且经过计算，每次位于队列队首的都是该队列中最小的。；在1417中，可以判断所述最小距离的点是否为肺裂上的点，并继续进行标记。例如，可以将1415中的点的26邻域点(记为B)分别计算出邻域点B的最小距离值，和原本的最小距离值比较；若新计算的最小距离值小于原本的最小距离值，且B点不为肺裂上的点，将B 放入相应类型的队列中，并记录在气管到B点的最短路径上；若B点是肺裂上的点，则不进行计算，即遇到肺裂不继续生长拓展，从而隔开不同肺叶。根据上述操作对放置点的三个队列进行判定，若三个队列不全为空，重复进行上述操作。类似地，可以使用左肺气管作为函数参数传递，对左肺进行上述 Dijkstra算法操作。

回到图14A，在1407中，可以给肺叶添加标签。所述标签可以是颜色标签、数值标签、文字标签、图形标签、声音标签等中一种或多种的组合。在一些实施例中，1407可以由标签单元1320实现。例如，可以给左肺上叶，左肺下叶，右肺上叶，右肺中叶，和/或右肺下叶分别添加颜色的标签。不同肺叶区域的颜色标签可以相同，也可以不同。

在1409中，可以给与肺叶相关的肺裂区域的点添加的标签。在一些实施例中，给肺裂区域中的一个点添加标签的过程可以包括以下一个或多个操作：1)寻找所述肺裂区域点特定邻域内有标签的点；2) 给该肺裂区域点添加邻域点相同的标签。例如，可以寻找肺裂区域中的一个点附近邻域内有颜色标签的点，并给该点添加邻域点相同的颜色标签。所述寻找附近的领域中有颜色标签的点可以通过使用一个 3×3×3的模版获得。例如，以肺裂区域的一个点为中心，在空间中与该点相邻的26的点为其附近的邻域点。

以上对于肺叶分割过程的描述仅仅是具体的示例，不应被视为是唯一可行的实施方案。显然，对于本领域的专业人员来说，在了解基本原理后，可能在不背离这一原理的情况下，对具体实施方式与操作进行形式和细节上的各种修正和改变，但是这些修正和改变仍在以上描述的范围之内。作为示例，在操作1403和操作1405之间，可以添加一个或多个可选操作。例如，利用迪杰斯特拉(Dijkstra)进行计算等。

根据本申请的一些实施例，图15是肺分割结果示意图。如图15所示，右侧灰色区域1510为分割出的左肺，左侧灰色区域1530为分割出右肺。

根据本申请的一些实施例，图16是气管分级结果示意图。如图16所示，气管结构包括主气管1610、右主支气管1620、右肺上叶支气管1630、右肺中叶支气管1640、右肺下叶支气管1650、左主支气管 1660、左肺上叶支气1670、左肺下叶支气管1680及其他分支气管。

根据本申请的一些实施例，图17A至图17C是肺裂分割结果示意图。图17A所示，为增强后的肺裂。图17B中上图为肺部的横截面图像，下图为增强后的肺裂。图17C中上图为肺部的横截面图像，下图为拟合形成的肺裂图像。

根据本申请的一些实施例，图18是肺叶颜色标记结果示意图。如图18所示，肺包含的右肺上叶 1810、右肺中叶1820、右肺下叶1830、左肺上叶1850和左肺下叶1860分别用不同的颜色标签进行标记。右肺上叶1810与右肺下叶1830中间包括一个肺裂间隙1840。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进和修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、或由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质、或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET和Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL2002、PHP和ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或 “大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档或物件等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims

1.一种图像分割的方法，其特征在于：所述方法包括：

获取一个与肺部区域有关的目标图像，所述目标图像包括多个片层图像；

在所述目标图像中分割出所述肺部区域；及

识别出一个与所述肺部区域相关的气管结构，其中包括：

在所述气管结构上获取一个参考点；

根据所述参考点，生成一个对应于所述气管结构的气管树；以及

识别所述气管树的一个或者多个分支，其中所述气管树的所述一个或多个分支中的一个分支对应所述气管结构的一个分支。

2.如权利要求1所述的方法，其特征在于：所述识别气管树的一个或者多个分支包括：

判断所述气管树的一个分支是否错误；以及

响应于所述分支是错误的判断结果，减掉所述错误的分支。

3.如权利要求1所述的方法，其特征在于：所述识别气管树的一个或多个分支进一步包括：根据所述识别出的所述气管树的一个或多个分支，标记所述气管结构的所述分支。

4.如权利要求1所述的方法，其特征在于：所述分支包括中心线，所述识别气管树的一个或多个分支进一步包括：获取所述一个或多个分支的中心线的空间信息并根据所述空间信息进行识别，所述一个或多个分支的中心线的空间信息包括一个或多个分支的中心线的坐标、一个或多个分支的中心线与坐标轴之间的角度、多个分支的中心线之间的角度中的一种或多种。

5.如权利要求1所述的方法，其特征在于：所述识别气管树的一个或多个分支进一步包括：在所述气管树中识别出至少一个与一个主气管，一个左主支气管，一个右主支气管，一个左上叶支气管，一个左下叶支气管，一个右上叶支气管或一个右下叶支气管相关的节点。

6.如权利要求1所述的方法，其特征在于：所述方法进一步包括在所述肺部区域识别出一个或多个肺裂；以及基于所述气管结构和所述一个或多个肺裂，确定所述肺部区域的一个或多个肺叶。

7.一种图像分割的系统，包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述装置实现如权利要求1-6任一项所述的方法。

8.一种图像分割的系统，其特征在于：所述系统包括：

肺分割模块，用于获取区域有关的目标图像，所述肺分割模块被配置于在所述目标图像中分割出所述肺部区域；及

气管识别模块，被配置于识别出一个与所述肺部区域相关的气管结构，所述识别出一个与所述肺部区域相关的气管结构包括在所述气管结构上获取一个参考点；根据所述参考点，生成一个对应于所述气管结构的气管树；以及

9.如权利要求8所述的系统，其特征在于：所述系统进一步包括：肺裂分割模块，被配置于在所述肺部区域识别出一个或多个肺裂；以及

肺叶分割模块，被配置于基于所述气管结构和所述一个或多个肺裂，确定所述肺部区域的一个或多个肺叶。