CN109472803B - 一种颅内动脉血管分割方法及系统 - 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：选取三维MRA图像的种子点；确定三维MRA图像灰度范围的上限和灰度范围的下限；根据所述种子点、所述灰度范围的上限和所述灰度范围的下限，采用区域生长法对三维MRA图像作分割；根据分割的结果，进一步确定灰度范围的下限；当不满足预设的条件时，则进行确定三维MRA图像灰度范围的上限和灰度范围的下限；当满足预设的条件时，则循环结束，以新的灰度范围的下限作为最终选取的灰度范围下限；根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像。该方案解决颅内动脉血管图像分割噪声干扰大、分割不准确的问题，实现了颅内动脉血管图像准确分割。

Description

一种颅内动脉血管分割方法及系统

技术领域

本申请涉及医学影像领域，尤其涉及颅内动脉血管分割方法及系统。

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)、磁共振血管造影(magnetic resonance angiography，MRA)等医学影像技术已经广泛应用于临床医疗的诊断。MRA可以血管造影，即显示血管，可发现血管狭窄和闭塞的部位。

MRA基本原理是基于饱和效应、流入增强效应、流动去相位效应。MRA是将预饱和带置于3D层块的头端以饱和静脉血流，反向流动的动脉血液进入3D层块，因未被饱和从而产生MR信号。扫描时将一个较厚容积分割成多个薄层激发，减少激发容积厚度以减少流入饱和效应，且能保证扫描容积范围，获得数层相邻层面的薄层图像，使得图像清晰，血管的细微结构显示好，空间分辨力提高。MRA因其高质量的成像特点，也逐步用于颅内动脉血管病变的诊断。

但现有技术中，由于MRA成像特点分割出来的颅内动脉血管图像噪声干扰大，分割不准确。

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，用以解决分割的颅内动脉血管图像噪声干扰大，分割不准确的问题，从而实现颅内动脉血管图像准确分割。

一种颅内动脉血管图像分割方法，包括：

选取三维MRA图像的种子点；

确定三维MRA图像灰度范围的上限和灰度范围的下限；

根据所述种子点、所述灰度范围的上限和所述灰度范围的下限，采用区域生长法对三维MRA图像作分割；

根据分割的结果，进一步确定灰度范围的下限；

当不满足预设的条件时，则进行确定三维MRA图像灰度范围的上限和灰度范围的下限；

当满足预设的条件时，则循环结束，以新的灰度范围的下限作为最终选取的灰度范围下限；

根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像。

进一步地，选取三维MRA图像的种子点，包括：选取三维MRA图像中像素点超过预设的阈值的像素点。

进一步地，确定三维MRA图像灰度范围的上限，包括：确定三维MRA图像中像素点的像素值超过预设的阈值，以任意所述像素值为灰度范围的上限。

进一步地，预设的条件，包括：该灰度范围的下限与上一个灰度范围的下限的差值的绝对值小于设定的阈值并且循环次数超过设定的循环次数。

进一步地，确定三维MRA图像灰度范围的下限，包括：提取整个三维MRA图像像素值的最大值，将像素值小于最大值的所有像素值计算平均值，以该平均值和最大值的均值为灰度范围的下限。

进一步地，根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像，包括：

对三维MRA图像灰度范围的上限，进行校正，得到校正后的灰度范围上限，其中，校正后的灰度范围上限是三维MRA图像灰度范围的上限加上预设的阈值，其结果记为和值，该和值大于三维MRA图像最大灰度值时，则校正后的灰度范围上限等于三维MRA图像最大灰度值，和值小于原始图像最大灰度值时，则校正后的灰度范围上限等于和值；

对最终选取的灰度范围下限，进行校正，得到校正后的灰度范围下限，其中，校正后的灰度范围下限是最终选取的灰度下限减去预设的阈值，其结果记为差值，该差值大于三维MRA图像最小灰度值，则校正后的灰度范围下限等于该差值，若该差值小于三维MRA图像最小灰度值，则校正后的灰度下限等于三维MRA图像最小灰度值；

三维MRA图像中的像素值在校正后的灰度范围上限和校正后的灰度范围下限之间，则保留所述像素值所对应的像素点。

对应地，本申请提供了一种颅内动脉血管图像分割系统，包括：

选取模块，用于选取三维MRA图像的种子点；

处理模块，用于包括：

确定三维MRA图像灰度范围的上限和灰度范围的下限；

根据所述种子点、所述灰度范围的上限和所述灰度范围的下限，采用区域生长法对三维MRA图像作分割；

根据分割的结果，进一步确定灰度范围的下限；

当不满足预设的条件时，则进行确定三维MRA图像灰度范围的上限和灰度范围的下限；

当满足预设的条件时，则循环结束，以新的灰度范围的下限作为最终选取的灰度范围下限；

根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像。

进一步地，选取模块，选取三维MRA图像的种子点，包括：选取三维MRA图像中像素点超过预设的阈值的像素点。

进一步地，处理模块，确定三维MRA图像灰度范围的上限，包括：确定三维MRA图像中像素点的像素值超过预设的阈值，以任意所述像素值为灰度范围的上限。

进一步地，所述预设的条件，包括：该灰度范围的下限与上一个灰度范围的下限的差值的绝对值小于设定的阈值并且循环次数超过设定的循环次数。

进一步地，确定三维MRA图像灰度范围的下限，包括：提取整个三维MRA图像像素值的最大值，将像素值小于最大值的所有像素值计算平均值，以该平均值和最大值的均值为灰度范围的下限。

进一步地，根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像，包括：

对三维MRA图像灰度范围的上限，进行校正，得到校正后的灰度范围上限，其中，校正后的灰度范围上限是三维MRA图像灰度范围的上限加上预设的阈值，其结果记为和值，该和值大于三维MRA图像最大灰度值时，则校正后的灰度范围上限等于三维MRA图像最大灰度值，和值小于原始图像最大灰度值时，则校正后的灰度范围上限等于和值；

对最终选取的灰度范围下限，进行校正，得到校正后的灰度范围下限，其中，校正后的灰度范围下限是最终选取的灰度下限减去预设的阈值，其结果记为差值，该差值大于三维MRA图像最小灰度值，则校正后的灰度范围下限等于该差值，若该差值小于三维MRA图像最小灰度值，则校正后的灰度下限等于三维MRA图像最小灰度值；

三维MRA图像中的像素值在校正后的灰度范围上限和校正后的灰度范围下限之间，则保留所述像素值所对应的像素点。

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：该方案实现了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一种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一种颅内动脉血管图像分割前和分割后的图像；

图3为本申请实施例提供的一种颅内动脉血管图像分割方法的具体流程示意图；

图4为本申请实施例提供的一种颅内动脉血管图像分割系统的流程示意图。

具体实施方式

本申请实施例提供一种颅内动脉血管图像分割方法及系统，用以解决分割的颅内动脉血管图像不连续的问题，从而实现颅内动脉血管图像准确分割。

参见图1，本申请实施例中提供了一种颅内动脉血管图像分割方法，包括：

S101:选取三维MRA图像的种子点；

S102:确定三维MRA图像灰度范围的上限和灰度范围的下限；

S103:根据所述种子点、所述灰度范围的上限和所述灰度范围的下限，采用区域生长法对三维MRA图像作分割；

S104:根据分割的结果，进一步确定灰度范围的下限；

S105:当不满足预设的条件时，则进行确定三维MRA图像灰度范围的上限和灰度范围的下限；

S106:当满足预设的条件时，则循环结束，以新的灰度范围的下限作为最终选取的灰度范围下限；

S107:根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像。

本申请实施例中，灰度指的是把白色与黑色之间按对数关系分为若干等级，称为灰度。在计算机领域中，灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。在计算机图像领域中，灰度图像在黑色与白色之间还有许多级的颜色深度。

本申请实施例中，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。区域生长法也可以说是根据灰度范围将与种子点联通域的像素提取出来，具体为以种子点为起点，然后随着中心像素的移动，判断距离中心像素一个像素的邻域内的像素是否符合灰度范围，将符合灰度范围的像素筛选出来，进行区域生长。

本申请实施例中，选取三维MRA图像的种子点，包括：选取三维MRA图像中像素点超过预设的阈值的像素点。

本申请实施例中，种子点指的是起始点，该种子点是后续进行区域生长的起始点。

本申请实施例中，选取种子点时，以图像中灰度最大的像素点坐标为种子点，实际计算时，也可以不以此种方式，图像中灰度第二大的像素点也表示血管区域，以此类点作为种子点进行区域生长，也可以实现颅内动脉血管图像的分割，具体可根据实际情况而定，不构成本申请的限定。

本申请实施例中，确定三维MRA图像灰度范围的上限，包括：确定三维MRA图像中像素点的像素值超过预设的阈值，以任意所述像素值为灰度范围的上限。

本申请实施例中，预设的阈值是根据需要而定，灰度上限的选取可以是采用像素值的最大值，也可以采用像素值稍小的像素点作为上限，具体可根据实际情况而定，不构成本申请的限定。

本申请实施例中，预设的条件，包括：该灰度范围的下限与上一个灰度范围的下限的差值的绝对值小于设定的阈值并且循环次数超过设定的循环次数。

本申请实施例中，设定的阈值是根据以往的经验值所得，设定的循环次数是为了避免偶然误差。例如：可以是设定的阈值为5，设定的循环次数为3，设定的阈值和设定的循环次数具体可根据实际需要而定，不构成本申请的限定。

本申请实施例中，确定三维MRA图像灰度范围的下限，包括：提取整个三维MRA图像像素值的最大值，将像素值小于最大值的所有像素值计算平均值，以该平均值和最大值的均值为灰度范围的下限。

本申请实施例中，所述灰度范围的下限是首次进行分割的灰度范围的下限。所述灰度范围的下限具体计算可根据实际需要而定。

本申请实施例中，根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像，包括：

对三维MRA图像灰度范围的上限，进行校正，得到校正后的灰度范围上限，其中，校正后的灰度范围上限是三维MRA图像灰度范围的上限加上预设的阈值，其结果记为和值，该和值大于三维MRA图像最大灰度值时，则校正后的灰度范围上限等于三维MRA图像最大灰度值，和值小于原始图像最大灰度值时，则校正后的灰度范围上限等于和值；

对最终选取的灰度范围下限，进行校正，得到校正后的灰度范围下限，其中，校正后的灰度范围下限是最终选取的灰度下限减去预设的阈值，其结果记为差值，该差值大于三维MRA图像最小灰度值，则校正后的灰度范围下限等于该差值，若该差值小于三维MRA图像最小灰度值，则校正后的灰度下限等于三维MRA图像最小灰度值；

三维MRA图像中的像素值在校正后的灰度范围上限和校正后的灰度范围下限之间，则保留所述像素值所对应的像素点。

本申请实施例中，参见图2中的左图是分割前的图像，参见图2中的右图是分割后的图像，当分割后的三维MRA图像中的像素点在灰度范围内，则保留该像素点到目标区域置1，否则置0。

参见图3，下面结合一个完整的实施例进行举例说明。

步骤一：选取种子点和灰度范围上限HS(1)。选取最大像素点为种子点，以三维MRA图像中像素值的最大值为灰度范围上限HS(1)。

步骤二：确定三维MRA图像分割灰度范围的下限HX(1)。提取整个三维MRA图像像素值的最大值，将像素值小于最大值的所有像素值计算平均值，以该平均值和最大值的均值为分割灰度范围的下限HX(1)。

步骤三：根据种子点、灰度范围上限HS(1)和灰度范围下限，采用区域生长法，进行分割三维MRA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颅内动脉血管图像。其中，灰度范围由灰度范围上限和灰度范围下限构成；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，具体计算邻域的选择可以根据实际情况而定，本申请不加以限定。

步骤四：根据分割三维MRA图像的结果，进一步确定灰度范围的下限。接着循环遍历分割结果，统计分割出的目标的像素对应的原始图像像素均值和背景像素对应的原始图像像素均值，以这两个均值的平均值作为灰度范围的下限HX(2)。

步骤五：当不满足步骤四中所述的灰度范围下限HX(2)与上一个灰度范围的下限HX(1)的差值的绝对值小于5，并且循环次数超过3次，则进行步骤一。进行多次循环时，此时以原来选取的种子点、原来选取的灰度范围上限以及灰度范围的下限HX(n)开始循环，直到满足判断条件|HX(n+1)-HX(n)|<5，且n>3时，则进行步骤六。

步骤六：当步骤四中所述的灰度范围下限与上一个灰度范围的下限的差值的绝对值小于5，并且循环次数超过3次，则此循环结束，以新的灰度范围的下限HX(n+1)作为最终选取的灰度范围下限HX(n+1)。

步骤七：根据所述最终选取的灰度范围下限HX(n+1)和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像。

其中，灰度范围上限记为HS(1)、灰度范围的下限记为HX(1)、循环(n)次的灰度范围下限记为HX(n+1)、循环(n)次的灰度范围上限记为HS(n)，其中HS(1)与HS(n)的值相同。

对应地，参见图4，本申请实施例中提供了一种颅内动脉血管图像分割系统，包括：

选取模块401，用于选取三维MRA图像的种子点；

处理模块402，用于包括：

确定三维MRA图像灰度范围的上限和灰度范围的下限；

根据所述种子点、所述灰度范围的上限和所述灰度范围的下限，采用区域生长法对三维MRA图像作分割；

根据分割的结果，进一步确定灰度范围的下限；

当不满足预设的条件时，则进行确定三维MRA图像灰度范围的上限和灰度范围的下限；

当满足预设的条件时，则循环结束，以新的灰度范围的下限作为最终选取的灰度范围下限；

根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像。

本申请实施例中，选取模块401，选取三维MRA图像的种子点，包括：选取三维MRA图像中像素点超过预设的阈值的像素点。

本申请实施例中，处理模块402，确定三维MRA图像灰度范围的上限和灰度范围的下限，包括：确定三维MRA图像中像素点的像素值超过预设的阈值，以任意所述像素值为灰度范围的上限。

本申请实施例中，所述预设的条件，包括：该灰度范围的下限与上一个灰度范围的下限的差值的绝对值小于设定的阈值并且循环次数超过设定的循环次数。

本申请实施例中，确定三维MRA图像灰度范围的上限和灰度范围的下限，包括：提取整个三维MRA图像像素值的最大值，将像素值小于最大值的所有像素值计算平均值，以该平均值和最大值的均值为灰度范围的下限。

本申请实施例中，根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像，包括：

对三维MRA图像灰度范围的上限，进行校正，得到校正后的灰度范围上限，其中，校正后的灰度范围上限是三维MRA图像灰度范围的上限加上预设的阈值，其结果记为和值，该和值大于三维MRA图像最大灰度值时，则校正后的灰度范围上限等于三维MRA图像最大灰度值，和值小于原始图像最大灰度值时，则校正后的灰度范围上限等于和值；

对最终选取的灰度范围下限，进行校正，得到校正后的灰度范围下限，其中，校正后的灰度范围下限是最终选取的灰度下限减去预设的阈值，其结果记为差值，该差值大于三维MRA图像最小灰度值，则校正后的灰度范围下限等于该差值，若该差值小于三维MRA图像最小灰度值，则校正后的灰度下限等于三维MRA图像最小灰度值；

三维MRA图像中的像素值在校正后的灰度范围上限和校正后的灰度范围下限之间，则保留所述像素值所对应的像素点。

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 (8)

1.一种颅内动脉血管图像分割方法，其特征在于，包括：

选取三维MRA图像的种子点；

确定三维MRA图像灰度范围的上限和灰度范围的下限，其中，所述灰度范围的下限为提取所述三维MRA图像像素值的最大值，将像素值小于最大值的所有像素值计算平均值，以该平均值和最大值的均值为灰度范围的下限，作为第一灰度范围的下限；

根据所述种子点、所述灰度范围的上限和所述灰度范围的下限，采用区域生长法对三维MRA图像作分割；

根据分割的结果，进一步确定灰度范围的下限，作为第二灰度范围的下限；

当不满足预设的条件时，则进行确定三维MRA图像灰度范围的上限和灰度范围的下限；

当满足预设的条件时，则循环结束，以新的灰度范围的下限作为最终选取的灰度范围下限；

根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像；

其中，所述预设条件为所述第一灰度范围的下限与所述第二灰度范围的下限的差值的绝对值小于设定的阈值并且循环次数超过设定的循环次数。

2.如权利要求1所述的方法，其特征在于，所述选取三维MRA图像的种子点，包括：

选取三维MRA图像中像素值超过预设的阈值的像素点。

3.如权利要求2所述的方法，其特征在于，确定三维MRA图像灰度范围的上限，包括：

确定三维MRA图像中像素值超过预设的阈值的像素点，以任意所述超过预设的阈值的像素值为灰度范围的上限。

4.如权利要求1所述的方法，其特征在于，所述根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像，包括：

对三维MRA图像灰度范围的上限，进行校正，得到校正后的灰度范围上限，其中，校正后的灰度范围上限是三维MRA图像灰度范围的上限加上预设的阈值，其结果记为和值，该和值大于三维MRA图像最大灰度值时，则校正后的灰度范围上限等于三维MRA图像最大灰度值，和值小于三维MRA图像的最大灰度值时，则校正后的灰度范围上限等于和值；

对最终选取的灰度范围下限，进行校正，得到校正后的灰度范围下限，其中，校正后的灰度范围下限是最终选取的灰度下限减去预设的阈值，其结果记为差值，该差值大于三维MRA图像最小灰度值，则校正后的灰度范围下限等于该差值，若该差值小于三维MRA图像最小灰度值，则校正后的灰度下限等于三维MRA图像最小灰度值；

三维MRA图像中的像素值在校正后的灰度范围上限和校正后的灰度范围下限之间，则保留所述像素值所对应的像素点。

5.一种颅内动脉血管图像分割系统，其特征在于，包括：

选取模块，用于选取三维MRA图像的种子点；

处理模块，用于包括：

确定三维MRA图像灰度范围的上限和灰度范围的下限，其中，所述灰度范围的下限为提取所述三维MRA图像像素值的最大值，将像素值小于最大值的所有像素值计算平均值，以该平均值和最大值的均值为灰度范围的下限，作为第一灰度范围的下限；

根据所述种子点、所述灰度范围的上限和所述灰度范围的下限，采用区域生长法对三维MRA图像作分割；

根据分割的结果，进一步确定灰度范围的下限，作为第二灰度范围的下限；

当不满足预设的条件时，则进行确定三维MRA图像灰度范围的上限和灰度范围的下限；

当满足预设的条件时，则循环结束，以新的灰度范围的下限作为最终选取的灰度范围下限；

根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像；

其中，所述预设条件为所述第一灰度范围的下限与所述第二灰度范围的下限的差值的绝对值小于设定的阈值并且循环次数超过设定的循环次数。

6.如权利要求5所述的系统，其特征在于，所述选取模块，选取三维MRA图像的种子点，包括：

选取三维MRA图像中像素值超过预设的阈值的像素点。

7.如权利要求6所述的系统，其特征在于，所述处理模块，确定三维MRA图像灰度范围的上限，包括：

确定三维MRA图像中像素值超过预设的阈值的像素点，以任意所述超过预设的阈值的像素值为灰度范围的上限。

8.如权利要求5所述的系统，其特征在于，所述根据所述最终选取的灰度范围下限和三维MRA图像灰度范围的上限对三维MRA图像采用二值分割法分割出颅内动脉血管图像，包括：

对三维MRA图像灰度范围的上限，进行校正，得到校正后的灰度范围上限，其中，校正后的灰度范围上限是三维MRA图像灰度范围的上限加上预设的阈值，其结果记为和值，该和值大于三维MRA图像最大灰度值时，则校正后的灰度范围上限等于三维MRA图像最大灰度值，和值小于三维MRA图像的最大灰度值时，则校正后的灰度范围上限等于和值；

对最终选取的灰度范围下限，进行校正，得到校正后的灰度范围下限，其中，校正后的灰度范围下限是最终选取的灰度下限减去预设的阈值，其结果记为差值，该差值大于三维MRA图像最小灰度值，则校正后的灰度范围下限等于该差值，若该差值小于三维MRA图像最小灰度值，则校正后的灰度下限等于三维MRA图像最小灰度值；

三维MRA图像中的像素值在校正后的灰度范围上限和校正后的灰度范围下限之间，则保留所述像素值所对应的像素点。

Images