CN109448003B - 一种颅内动脉血管图像分割方法及系统 - Google Patents

Abstract

本申请实施例公开了一种颅内动脉血管图像分割方法及系统。该方案包括：接收三维CTA图像；基于三维CTA图像，选取种子点和确定需要的灰度范围；对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管区域的二值图像进行增强，得到增强图；如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像；如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像。该方案使得分割后的三维颅内动脉血管图像边缘清晰，节省了滤波耗时，从而实现了对三维CTA图像的颅内动脉血管图像准确分割。

Description

一种颅内动脉血管图像分割方法及系统

技术领域

本申请涉及医学影像领域，尤其涉及一种颅内动脉血管图像分割方法及系统。

背景技术

随着现代医学影像设备的不断进步与发展，医学影像技术和计算机图形学的发展给医学带来了巨大的变化，计算机断层成像(CT)、核磁共振(MRI)、超声(US)、正电子发射计算机断层成像(PET)、CTA等医学影像技术已经广泛应用于临床医疗的诊断。CTA是一种利用计算机辅助断层成像(CT)技术进行的血管造影检查，可探及全身的所有动脉及静脉血管，包括心、脑、肺、肾、四肢等的血管。自从伦琴发现了X射线，人们可以利用X射线透视设备来探查物体内部的信息。其技术主要通过引入造影剂使血液对X射线的通透性低，使血管在CT片上显示为高密度影，从而将血管与其他组织区分开来。CTA可用于检查大脑的动脉系统，明确是否存在脑血管畸形或血管瘤。CTA图像处理采用的方法是：多平面重组、最大密度投影、表面阴影显示、容积再现技术和电影显示模式。研究CTA图像颅内血管分割有利于脑颅内动脉血管图像病变的辅助诊断、脑颅内动脉血管图像病变的量化描述和脑颅内动脉血管图像几何形态学信息的挖掘，为影像学在临床的应用提供更多的可能。

但现有技术中，分割CTA图像不能完全得到很好的颅内动脉血管图像边界，并且对噪声很敏感，同时该滤波器需要很大的运算量，因此对每个像素点都进行滤波会耗费大量时间。

发明内容

本申请实施例提供一种颅内动脉血管图像分割方法及系统，用于解决分割三维CTA图像的颅内动脉血管图像边缘不清晰问题，以及滤波耗时问题，从而实现了对三维CTA图像的准确分割。

本申请提供了一种颅内动脉血管图像分割方法，包括：

接收三维CTA图像；

基于三维CTA图像，选取种子点和确定需要的灰度范围；

对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管图像区域的二值图像进行增强，得到增强图；

如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像；

如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像。

进一步地，选取种子点，包括：通过用户手动选取种子点或者放弃选取种子点。

进一步地，基于三维CTA图像，确定需要的灰度范围，包括：提取所述三维CTA图像像素值的值域范围，根据所述三维CTA图像像素值的值域范围确定需要的灰度范围。

进一步地，如果三维CTA图像中没有种子点，基于三维CTA图像，通过区间二值分割法分割三维颅内动脉血管图像，包括：以灰度范围和增强图作为输入数据，通过区间二值分割法分割三维颅内动脉血管图像。

进一步地，如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像，包括：以种子点和灰度范围作为输入数据，通过区域生长法分割三维颅内动脉血管图像。

对应地，本申请实施例还提供了一种颅内动脉血管图像分割系统，包括：输入模块和处理模块；

其中，输入模块，用于接收三维CTA图像；

其中，处理模块，具体包括：

用于三维CTA图像，选取种子点和确定需要的灰度范围；

用于对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管图像区域的二值图像进行增强，得到增强图；

用于如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像；

用于如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像。

进一步地，处理模块，选取种子点，包括：通过用户手动选取种子点或者放弃选取种子点。

进一步地，处理模块，基于三维CTA图像，确定需要的灰度范围，包括：提取所述三维CTA图像像素值的值域范围，根据所述三维CTA图像像素值的值域范围确定需要的灰度范围。

进一步地，处理模块，如果三维CTA图像中没有种子点，基于三维CTA图像，通过区间二值分割法分割三维颅内动脉血管图像，包括：以灰度范围和增强图作为输入数据，通过区间二值分割法分割三维颅内动脉血管图像。

进一步地，处理模块，如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像，包括：以种子点和灰度范围作为输入数据，通过区域生长法分割三维颅内动脉血管图像。

申请实施例采用的上述至少一个技术方案能够达到以下有益效果：该方案使得分割后的颅内动脉血管图像边缘清晰，节省了滤波耗时，从而实现了对三维CTA图像的颅内动脉血管图像准确分割。

附图说明

图1为本申请实施例提供的颅内动脉血管图像分割方法的流程示意图；

图2为本申请实施例提供的区域生长法的流程示意图；

图3为本申请实施例提供的二值分割法的流程示意图；

图4为本申请实施例提供的颅内动脉血管图像分割方法的总流程示意图；

图5为本申请实施例提供的颅内动脉血管图像分割系统的流程示意图。

具体实施方式

本申请实施例提供了一种颅内血管图像分割方法及系统，用于解决三维CTA图像的颅内动脉血管图像分割技术不可靠问题。

参见图1，一种颅内动脉血管图像分割方法，包括：

S101:接收三维CTA图像；

S103:基于三维CTA图像，选取种子点和确定需要的灰度范围；

S105:对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管图像区域的二值图像进行增强，得到增强图；

S107:如果三维CTA图像中有种子点，基于三维CTA图像，通过区域生长法分割三维颅内动脉血管图像；

S109:如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像。

本申请实施例中，上述接收三维CTA图像，生成DICOM格式图像，二值图像是从DICOM格式图像中通过二值化得到的，其中，二值化是整个DICOM格式图像只有两个值，像素值要么是0，要么是1。

本申请实施例中，滤波增强后的图像简称增强图，我们设计一个阈值，增强图中小于该阈值的像素点，原始图像中相同的位置的像素点的像素值置为最小值(例如：-1000)，因此，滤波增强后的结果实际上是原始图像中非血管区域的像素点的像素值变为最小值(例如：-1000)的原始图像。

本申请实施例中，上述的区域生长方法是将图像中具有类似特性的点进行合并，形成区域并向更大区域发展的过程，直至所有性质相似的像素点全部并入该区域。

本申请实施例的一种实施方式，即上述步骤S107的情况，参见图2，如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像，该方法包括：

S202：选取种子点。当选有种子点时，提取种子点处的像素值，然后计算种子点处的像素值的均值，设该均值为f。

S204：确定颅内动脉血管图像的灰度范围。确定颅内动脉血管图像的灰度范围包括：确定颅内动脉血管的灰度范围上限和确定颅内动脉血管的灰度范围下限。

确定颅内动脉血管图像的灰度范围上限具体为：首先，确定初始灰度范围上限；然后，在初始灰度范围上限的基础上进一步校正，得到最终的灰度范围上限。其中，初始灰度范围上限是由种子点处的像素值的均值f加上阈值范围得到的。例如，阈值范围可以是300。其中，最终的灰度范围上限是初始灰度范围上限加上阈值范围，其结果记为和值，该和值大于原始图像最大灰度值时，最终灰度上限等于和值；和值小于原始图像最大灰度值时，最终灰度上限等于最大灰度值。例如，阈值范围可以是400。需要说明的是，阈值范围是经验值，具体可根据实际情况而定，不构成本申请的限定。

确定颅内动脉血管图像的灰度范围下限具体为：首先，确定初始灰度范围下限；然后，在初始灰度范围下限的基础上进一步校正，得到最终的灰度范围下限。其中，初始灰度范围下限是由种子点处的像素值的均值f减去阈值范围得到的。其中，最终的灰度范围下限是初始灰度范围下限减去阈值范围，其结果记为差值，该差值大于原始图像最小灰度值时，最终灰度下限等于最小灰度值；差值小于原始图像最小灰度值时，最终灰度下限等于差值。

S206：对二值图像滤波增强。对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管图像区域的二值图像进行增强，得到增强图。

S208：基于增强图，区域生长分割颅内动脉血管图像。以种子点为生长起点向周围相邻的像素点进行生长。如果其相邻的像素点的灰度值在生长灰度范围内，则将该点划入分割的目标区域，并将该点作为新的种子点，之后就重复上述的过程，直到不再有新的种子点产生为止，目标区域内的像素点构成了分割后的三维CTA图像。

本申请实施例的另一种实施方式，即上述步骤S107的情况，具体为：在选有种子点的情况下，利用区域生长方法对颅内动脉血管图像进行分割，相邻的像素点可以采用离中心像素点一个像素的距离作为邻域，实际计算时，也可以采用稍微大一点的邻域像素距离作为计算邻域，运算效率并无太大差别，具体计算邻域的选取可以根据实际情况而定，本申请不加以限定。

参见图3，本申请实施例中，如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像。

S301：确定灰度范围。确定颅内动脉血管图像的灰度范围包括：确定颅内动脉血管的灰度范围上限和确定颅内动脉血管的灰度范围下限。

确定颅内动脉血管图像的灰度范围上限具体为：首先，确定初始灰度范围上限；然后，在初始灰度范围上限的基础上进一步校正，得到最终的灰度范围上限。例如，阈值范围可以是300。其中，初始灰度范围上限是由种子点处的像素值的均值f加上阈值范围得到的。其中，最终的灰度范围上限是初始灰度范围上限加上阈值范围，其结果记为和值，该和值大于原始图像最大灰度值时，最终灰度上限等于和值；和值小于原始图像最大灰度值时，最终灰度上限等于最大灰度值。例如，阈值范围可以是400。需要说明的是，阈值范围是经验值，具体可根据实际情况而定，不构成本申请的限定。

确定颅内动脉血管图像的灰度范围下限具体为：首先，确定初始灰度范围下限；然后，在初始灰度范围下限的基础上进一步校正，得到最终的灰度范围下限。其中，初始灰度范围下限是由种子点处的像素值的均值f减去阈值范围得到的。其中，最终的灰度范围下限是初始灰度范围下限减去阈值范围，其结果记为差值，该差值大于原始图像最小灰度值时，最终灰度下限等于最小灰度值；差值小于原始图像最小灰度值时，最终灰度下限等于差值。

S303：对二值图像滤波增强。对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管图像区域的二值图像进行增强，得到增强图。

S305：基于增强图，通过区间二值化分割三维颅内动脉血管图像。当增强图中的像素值在灰度范围内，则保留置1，划入目标血管区域，否则将其置0，从而实现了三维颅内动脉血管图像的分割。

本申请实施例中，上述步骤中选取种子点，包括：通过用户手动选取种子点或者放弃选取种子点。

三维CTA图像读入CT影像设备产生DICOM图像，即输入原始图像，基于DICOM格式图像选取种子点，若通过用户眼睛较方便的识别到颅内动脉血管图像时，可手动选取种子点，并自动记下种子点的坐标；若通过用户眼睛不方便识别到颅内动脉血管图像时，可放弃选取种子点。

本申请实施例中，基于三维CTA图像，确定需要的灰度范围，包括：提取所述三维CTA图像像素值的值域范围，根据所述三维CTA图像像素值的值域范围确定需要的灰度范围。

根据所述三维CTA图像像素值的值域范围确定需要的灰度范围就是保留图像中像素值在200-800之间的图像内容。具体的灰度上限和灰度下限可根据实际情况而定，本申请不加以限定。

本申请实施例中，如果三维CTA图像中没有种子点，基于三维CTA图像，通过区间二值分割法分割三维颅内动脉血管图像，包括：以灰度范围和增强图作为输入数据，通过区间二值分割法分割三维颅内动脉血管图像。

本申请实施例中，血管增强滤波器的输出数据作为输入数据，在对血管区域的二值图像进行增强时，用血管增强滤波器时，为了适应不同粗细的血管，该滤波器在4个不同尺度下对图像对应的像素点进行特征值计算，然后提出所有尺度下的最大特征值，该结果记为最大特征值图；最后通过对该特征值图进行阈值约束，并将该阈值约束关系映射到原始图中，实现初步的背景去除，并保留血管结构，以经过阈值约束关系处理后的原始图像作为血管增强滤波器的输出。实际计算中，可以采取更多的尺度下的滤波结果，具体根据实际情况而定，本申请不加以限定。

本申请实施例中，如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像，包括：以种子点和灰度范围作为输入数据，通过区域生长法分割三维颅内动脉血管图像。

本申请实施例中，三维CTA图像读入CT影像设备产生DICOM图像，即输入原始图像，以种子点为起点，判断距离种子点一个像素的邻域内的像素点是否符合灰度范围，并且判断该像素与种子点像素相邻，如果距离种子点一个像素的邻域内的像素点符合灰度范围并且该像素与种子点像素相邻，则划入目标区域，就能自动将相互联通的图像区域分割出来。

下面结合一个完整的实施例进行举例说明，参见图4。

步骤一：接收三维CTA图像。

步骤二：通过用户在三维CTA图像中选取种子点。

步骤三：将三维CTA图像进行二值化，得到二值化图像。

步骤四：对上述二值化图像采用血管增强滤波器进行滤波增强，得到增强图。

步骤五：基于增强图，判断是否有种子点。

步骤六：如果有种子点，则采用区域生长法进行分割颅内动脉血管图像。

步骤七：如果没有种子点，则采用二值分割法分割颅内动脉血管图像。

对应地，参见图5，本申请实施例还提供了一种颅内动脉血管图像分割系统，包括：输入模块501和处理模块502；

其中，输入模块501，用于接收三维CTA图像；

其中，处理模块502，具体包括：

用于三维CTA图像，选取种子点和确定需要的灰度范围；

用于对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管图像区域的二值图像进行滤波增强，得到增强图；

用于如果三维CTA图像中有种子点，基于三维CTA图像，通过区域生长法分割三维颅内动脉血管图像；

用于如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像。

本申请实施例中，处理模块502，选取种子点，包括：通过用户手动选取种子点或者放弃选取种子点。

本申请实施例中，处理模块502，基于三维CTA图像，确定需要的灰度范围，包括：提取所述三维CTA图像像素值的值域范围，根据所述三维CTA图像像素值的值域范围确定需要的灰度范围。

本申请实施例中，处理模块502，如果三维CTA图像中没有种子点，基于三维CTA图像，通过区间二值分割法分割三维颅内动脉血管图像，包括：以灰度范围和增强图作为输入数据，通过区间二值分割法分割三维颅内动脉血管图像。

本申请实施例中，处理模块502，如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像，包括：以种子点和灰度范围作为输入数据，通过区域生长法分割三维颅内动脉血管图像。

本申请实施例中，通过接收三维CTA图像；基于三维CTA图像，选取种子点和确定需要的灰度范围；对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管图像区域的二值图像进行滤波增强，得到增强图；如果三维CTA图像中有种子点，基于三维CTA图像，通过区域生长法分割三维颅内动脉血管图像；如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像，使得分割后的颅内血管图像边缘清晰，节省了滤波耗时，从而实现了对三维CTA图像的颅内动脉血管准确分割。

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备和介质类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可，这里就不再一一赘述。

上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤或模块可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请的实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信编号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请中一个或多个的实施例可提供为方法、系统或计算机程序产品。因此，本申请的实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的形式。而且，本申请的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请的实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定事务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请的实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行事务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请的实施例可以有各种更改和变化。凡在本申请的实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利范围之中。

Claims (10)

1.一种颅内动脉血管图像分割方法，其特征在于，包括：

接收三维CTA图像；

基于三维CTA图像，选取种子点和确定需要的灰度范围，所述确定需要的灰度范围包括确定颅内动脉血管的灰度范围上限和确定所述颅内动脉血管的灰度范围下限，所述灰度范围的上限是初始灰度范围上限加上阈值范围，其结果记为和值，该和值大于原始图像最大灰度值时，最终灰度上限等于和值；所述和值小于原始图像最大灰度值时，最终灰度上限等于最大灰度值；所述灰度范围的下限是所述初始灰度范围下限减去所述阈值范围，其结果记为差值，该差值大于原始图像最小灰度值时，最终灰度下限等于最小灰度值；所述差值小于原始图像最小灰度值时，最终灰度下限等于差值；其中，所述初始灰度范围上限为种子点处的像素值的均值f加上阈值范围，所述初始灰度范围下限为种子点处的像素值的均值f减去阈值范围；

对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管区域的二值图像进行滤波增强，得到增强图；

如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像；

如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像。

2.如权利要求1所述的方法，其特征在于，所述基于三维CTA图像，选取种子点，包括：通过用户手动选取种子点或者放弃选取种子点。

3.如权利要求1所述的方法，其特征在于，所述基于三维CTA图像，需要的灰度范围，包括：

提取所述三维CTA图像像素值的值域范围，根据所述三维CTA图像像素值的值域范围确定需要的灰度范围。

4.如权利要求1所述的方法，其特征在于，所述如果三维CTA图像中没有种子点，基于三维CTA图像，通过区间二值分割法分割三维颅内动脉血管图像，包括：

以灰度范围和增强图作为输入数据，通过区间二值分割法分割三维颅内动脉血管图像。

5.如权利要求1所述的方法，其特征在于，所述如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像，包括：

以种子点和灰度范围作为输入数据，通过区域生长法分割三维颅内动脉血管图像。

6.一种颅内动脉血管图像分割系统，其特征在于，包括：输入模块和处理模块；

其中，输入模块，用于接收三维CTA图像；

其中，处理模块，具体包括：

用于三维CTA图像，选取种子点和确定需要的灰度范围，所述确定需要的灰度范围包括确定颅内动脉血管的灰度范围上限和确定所述颅内动脉血管的灰度范围下限，所述灰度范围的上限是初始灰度范围上限加上阈值范围，其结果记为和值，该和值大于原始图像最大灰度值时，最终灰度上限等于和值；所述和值小于原始图像最大灰度值时，最终灰度上限等于最大灰度值；所述灰度范围的下限是所述初始灰度范围下限减去所述阈值范围，其结果记为差值，该差值大于原始图像最小灰度值时，最终灰度下限等于最小灰度值；所述差值小于原始图像最小灰度值时，最终灰度下限等于差值；其中，所述初始灰度范围上限为种子点处的像素值的均值f加上阈值范围，所述初始灰度范围下限为种子点处的像素值的均值f减去阈值范围；

用于对三维CTA图像进行二值化，得到二值图像，通过血管增强滤波器对颅内动脉血管区域的二值图像进行滤波增强，得到增强图；

用于如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像；

用于如果三维CTA图像中没有种子点，基于增强图，通过区间二值分割法分割三维颅内动脉血管图像。

7.如权利要求6所述的系统，其特征在于，所述处理模块，选取种子点，包括：通过用户手动选取种子点或者放弃选取种子点。

8.如权利要求6所述的系统，其特征在于，所述处理模块，基于三维CTA图像，确定需要的灰度范围，包括：

提取所述三维CTA图像像素值的值域范围，根据所述三维CTA图像像素值的值域范围确定需要的灰度范围。

9.如权利要求6所述的系统，其特征在于，所述处理模块，如果三维CTA图像中没有种子点，基于三维CTA图像，通过区间二值分割法分割三维颅内动脉血管图像，包括：

以灰度范围和增强图作为输入数据，通过区间二值分割法分割三维颅内动脉血管图像。

10.如权利要求6所述的系统，其特征在于，所述处理模块，如果三维CTA图像中有种子点，基于增强图，通过区域生长法分割三维颅内动脉血管图像，包括：

以种子点和灰度范围作为输入数据，通过区域生长法分割三维颅内动脉血管图像。

Images