CN113506250A - 肺主动脉血管提取方法、装置、可读存储介质和电子设备 - Google Patents
肺主动脉血管提取方法、装置、可读存储介质和电子设备 Download PDFInfo
- Publication number
- CN113506250A CN113506250A CN202110711392.2A CN202110711392A CN113506250A CN 113506250 A CN113506250 A CN 113506250A CN 202110711392 A CN202110711392 A CN 202110711392A CN 113506250 A CN113506250 A CN 113506250A
- Authority
- CN
- China
- Prior art keywords
- axis
- image
- component
- candidate
- assembly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000002685 pulmonary effect Effects 0.000 title claims abstract description 377
- 238000000605 extraction Methods 0.000 title claims abstract description 58
- 210000000709 aorta Anatomy 0.000 title abstract description 46
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 217
- 210000001370 mediastinum Anatomy 0.000 claims abstract description 124
- 210000004072 lung Anatomy 0.000 claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 13
- GMOGICAFJFPMNS-UHFFFAOYSA-N 4-(1,4,8,11-tetrazacyclotetradec-1-ylmethyl)benzoic acid Chemical compound C1=CC(C(=O)O)=CC=C1CN1CCNCCCNCCNCCC1 GMOGICAFJFPMNS-UHFFFAOYSA-N 0.000 claims abstract 20
- 238000001914 filtration Methods 0.000 claims description 71
- 230000010102 embolization Effects 0.000 claims description 67
- 208000005189 Embolism Diseases 0.000 claims description 63
- 230000001502 supplementing effect Effects 0.000 claims description 29
- 230000011218 segmentation Effects 0.000 claims description 22
- 230000003073 embolic effect Effects 0.000 claims description 18
- 230000000712 assembly Effects 0.000 claims description 15
- 238000000429 assembly Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 25
- 238000012216 screening Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 210000001147 pulmonary artery Anatomy 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 4
- 208000010378 Pulmonary Embolism Diseases 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 239000002872 contrast media Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002588 pulmonary angiography Methods 0.000 description 1
- 210000003492 pulmonary vein Anatomy 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开涉及一种肺主动脉血管提取方法、装置、可读存储介质和电子设备，涉及图像处理技术领域，该方法包括：按照灰度值对肺部的CTPA图像进行分割，以获取肺实质二值图像，并根据肺实质二值图像从CTPA图像中确定中纵隔图像，肺实质二值图像用于指示肺实质在CTPA图像中的位置，中纵隔图像为CTPA图像中，中纵隔对应的图像。对中纵隔图像进行分割，以得到中纵隔图像中的多个连通组件。根据中纵隔图像的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定肺主动脉血管组件。根据肺主动脉血管组件确定肺主动脉血管图像。本公开能够提高肺主动脉血管图像的清晰度和准确度。
Description
技术领域
本公开涉及图像处理技术领域，具体地，涉及一种肺主动脉血管提取方法、装置、可读存储介质和电子设备。
背景技术
随着图像处理技术的不断发展，CT(英文：Computed Tomography，中文：电子计算机断层扫描)设备由于具有扫描时间快，图像清晰等特点，能够有效辅助医生观察扫描部位的状况，在医疗领域得到了广泛应用。尤其是针对PE(英文：Pulmonary Embolism，中文：肺栓塞)症状的判断，可以借助CTPA(英文：Computed Tomography Pulmonary Angiogram，中文：CT肺动脉造影)技术来构建肺动脉血管树，从而跟踪肺动脉血管，以检测肺栓塞位置。肺动脉血管树主要分为肺实质内的动脉血管和中纵隔内的肺主动脉血管。肺实质内的动脉血管的密度与肺实质的密度之间差别较大，在CT图像中较容易区分，而中纵隔的密度与中纵隔内的肺主动脉血管的密度之间的差别较小，在CT图像中较难区分，因此如何准确提取中纵膈内的肺主动脉血管成为了构建肺动脉血管树的关键。
相关技术中，提取中纵隔内的肺主动脉血管通常分为两种方式：一种是基于指定的种子点，利用区域生长技术跟踪血管域以提取肺主动脉血管，然而由于不同人的解剖结构以及血管分布存在差别，种子点的设置不准确，可能导致提取出的肺主动脉血管不准确。另一种是基于Hessian特征值，利用血管增强滤波来提取肺主动脉血管，但对于肺门交叉处的血管分割效果差，也会导致肺主动脉血管不准确。需要说明的是，此处以及后文提及的肺主动脉血管，均为中纵隔内的肺主动脉血管。
发明内容
本公开的目的是提供一种肺主动脉血管提取方法、装置、可读存储介质和电子设备，用以解决相关技术中存在的问题。
为了实现上述目的，根据本公开实施例的第一方面，提供一种肺主动脉血管提取方法，所述方法包括：
按照灰度值对肺部的CTPA图像进行分割，以获取肺实质二值图像，并根据所述肺实质二值图像从所述CTPA图像中确定中纵隔图像，所述肺实质二值图像用于指示肺实质在所述CTPA图像中的位置，所述中纵隔图像为所述CTPA图像中，中纵隔对应的图像，所述CTPA图像为三维图像；
对所述中纵隔图像进行分割，以得到所述中纵隔图像中的多个连通组件；
根据所述中纵隔图像的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定肺主动脉血管组件；
根据所述肺主动脉血管组件确定肺主动脉血管图像。
可选地，所述根据所述中纵隔图像的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定肺主动脉血管组件，包括：
将多个所述连通组件中，包括体素数量最多的第一预设数量个所述连通组件作为候选连通组件；
将灰度值大于第一灰度阈值，且满足预设的第一过滤条件的所述候选连通组件，确定为所述肺主动脉血管组件；
所述第一过滤条件包括：
该候选连通组件在X轴上的长度大于第一距离阈值，且该候选连通组件在Y轴上的长度大于第二距离阈值；
该候选连通组件在Y轴上的最小坐标，与所述中纵隔图像在Y轴上的最小坐标的差值，小于或等于第三距离阈值；
X轴为正视所述CTPA图像由左至右的坐标轴，Y轴为正视所述CTPA图像由上至下的坐标轴。
可选地，所述第一过滤条件还包括：
该候选连通组件的中截面在Z轴上的长度小于或等于第四距离阈值；
所述中截面在Z轴上的最大坐标，大于该候选连通组件的上截面在Z轴上的最大坐标；
所述上截面在X轴上的最大坐标，小于该候选连通组件的下截面在X轴上的最大坐标；
所述上截面在X轴上的最小坐标，大于该候选连通组件在X轴上的最小坐标；
所述中截面在Z轴上的最小坐标，大于所述中纵隔图像在Z轴上的最小坐标；
Z轴为正视所述CTPA图像由外至内的坐标轴，所述上截面、所述中截面、所述下截面分别为，在Y轴的第一位置、第二位置、第三位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面，所述第一位置、所述第二位置、所述第三位置在Y轴上的坐标依次增大。
可选地，所述第一过滤条件还包括：
该候选连通组件的目标截面的圆度率大于圆度率阈值；或者，
经过闭运算的该候选连通组件的所述目标截面的圆度率大于所述圆度率阈值；
所述目标截面为，第一截面和第二截面中圆度率大的截面，所述第一截面和所述第二截面分别为，在Y轴的第四位置和第五位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面。
可选地，在所述根据所述肺主动脉血管组件确定肺主动脉血管图像之前，所述方法还包括：
根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定补齐血管组件；
所述根据所述肺主动脉血管组件确定肺主动脉血管图像，包括：
根据所述肺主动脉血管组件和所述补齐血管组件，确定肺主动脉血管图像。
可选地，所述根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定补齐血管组件，包括：
根据所述肺主动脉血管组件的位置坐标，确定所述肺主动脉血管组件的质心和外接立方体，并根据每个所述连通组件的位置坐标，确定该连通组件的质心和外接立方体；
将多个所述连通组件中，灰度值大于第二灰度阈值，且包括体素数量最多的第二预设数量个所述连通组件作为候选补齐组件；
将满足预设的第二过滤条件的所述候选补齐组件，确定为所述补齐血管组件；
所述第二过滤条件包括：
该候选补齐组件的质心在X轴上的坐标，不属于所述肺主动脉血管组件的外接立方体在X轴上的坐标范围；
该候选补齐组件的质心在Y轴上的坐标，大于所述肺主动脉血管组件的外接立方体在Y轴上的最小坐标；
该候选补齐组件的质心在Z轴上的坐标，大于所述肺主动脉血管组件的外接立方体在Z轴上的最小坐标；
该候选补齐组件的外接立方体在Z轴上的最大坐标，小于所述肺主动脉血管组件的外接立方体在Z轴上的最大坐标；
X轴为正视所述CTPA图像由左至右的坐标轴，Y轴为正视所述CTPA图像由上至下的坐标轴，Z轴为正视所述CTPA图像由外至内的坐标轴。
可选地，所述根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定补齐血管组件，还包括：
根据所述肺主动脉血管组件的质心，将所述肺主动脉血管组件分为左组件和右组件，并确定所述左组件的质心和外接立方体，和所述右组件的质心和外接立方体；
所述第二过滤条件还包括：
该候选补齐组件外接立方体在Y轴上的最大坐标，大于所述肺主动脉血管组件的外接立方体在Y轴上的最大坐标；
若该候选补齐组件的质心在X轴上的坐标，小于所述左组件的外接立方体在X轴上的最小坐标，该候选补齐组件外接立方体在X轴上的最小坐标，小于所述左组件的外接立方体在X轴上的最小坐标；
若该候选补齐组件的质心在X轴上的坐标，大于所述右组件的外接立方体在X轴上的最大坐标，该候选补齐组件外接立方体在X轴上的最大坐标，大于所述右组件的外接立方体在X轴上的最大坐标。
可选地，在所述根据所述肺主动脉血管组件确定肺主动脉血管图像之前，所述方法还包括：
根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定栓塞组件；
所述根据所述肺主动脉血管组件确定肺主动脉血管图像，包括：
根据所述肺主动脉血管组件和所述栓塞组件，确定肺主动脉血管图像。
可选地，所述根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定栓塞组件，包括：
将多个所述连通组件中，灰度值小于第三灰度阈值，且经过膨胀处理后与所述肺主动脉血管组件相交的所述连通组件，作为候选栓塞组件；
根据所述候选栓塞组件的位置坐标，和所述肺主动脉血管组件的位置坐标，判断所述候选栓塞组件是否位于所述肺主动脉血管组件内；
将位于所述肺主动脉血管组件内的所述候选栓塞组件，作为所述栓塞组件。
可选地，所述根据所述候选栓塞组件的位置坐标，和所述肺主动脉血管组件的位置坐标，判断所述候选栓塞组件是否位于所述肺主动脉血管组件内，包括：
根据经过膨胀处理后的所述候选栓塞组件，与所述肺主动脉血管组件相交的区域，确定修正立方体；
根据所述肺主动脉血管组件的位置坐标，确定所述肺主动脉血管组件的质心和外接立方体，根据所述候选栓塞组件的位置坐标，确定所述候选栓塞组件的质心和外接立方体；
若所述候选栓塞组件满足预设的第三过滤条件，确定所述候选栓塞组件位于所述肺主动脉血管组件内。
可选地，若所述候选栓塞组件的外接立方体在X轴上的最小坐标，小于所述肺主动脉血管组件的外接立方体在X轴上的最小坐标，且所述候选栓塞组件的质心在Y轴上的坐标，大于所述肺主动脉血管组件的质心在Y轴上的坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最小坐标，小于所述修正立方体在Y轴上的最大坐标；
所述候选栓塞组件的外接立方体在Z轴上的最大坐标，大于所述修正立方体在Z轴上的最小坐标；
若所述候选栓塞组件的外接立方体在X轴上的最大坐标，大于所述肺主动脉血管组件的外接立方体在X轴上的最大坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最大坐标，大于所述修正立方体在Y轴上的最大坐标；
若所述候选栓塞组件的外接立方体在X轴上的最小坐标，大于所述肺主动脉血管组件的外接立方体在X轴上的最小坐标，且所述候选栓塞组件的外接立方体在X轴上的最大坐标，小于所述肺主动脉血管组件的外接立方体在X轴上的最大坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最小坐标，小于所述修正立方体在Y轴上的最大坐标；
所述候选栓塞组件的外接立方体在Y轴上的最大坐标，大于所述修正立方体在Y轴上的最小坐标；
所述候选栓塞组件的外接立方体在Z轴上的最小坐标，大于所述修正立方体在Z轴上的最小坐标；
所述候选栓塞组件的外接立方体在Z轴上的最大坐标，小于所述修正立方体在Z轴上的最大坐标。
根据本公开实施例的第二方面，提供一种肺主动脉血管提取装置，所述装置包括：
第一分割模块，用于按照灰度值对肺部的CTPA图像进行分割，以获取肺实质二值图像，并根据所述肺实质二值图像从所述CTPA图像中确定中纵隔图像，所述肺实质二值图像用于指示肺实质在所述CTPA图像中的位置，所述中纵隔图像为所述CTPA图像中，中纵隔对应的图像，所述CTPA图像为三维图像；
第二分割模块，用于对所述中纵隔图像进行分割，以得到所述中纵隔图像中的多个连通组件；
提取模块，用于根据所述中纵隔图像的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定肺主动脉血管组件；
确定模块，用于根据所述肺主动脉血管组件确定肺主动脉血管图像。
可选地，所述提取模块包括：
第一筛选子模块，用于将多个所述连通组件中，包括体素数量最多的第一预设数量个所述连通组件作为候选连通组件；
提取子模块，用于将灰度值大于第一灰度阈值，且满足预设的第一过滤条件的所述候选连通组件，确定为所述肺主动脉血管组件；
所述第一过滤条件包括：
该候选连通组件在X轴上的长度大于第一距离阈值，且该候选连通组件在Y轴上的长度大于第二距离阈值；
该候选连通组件在Y轴上的最小坐标，与所述中纵隔图像在Y轴上的最小坐标的差值，小于或等于第三距离阈值；
X轴为正视所述CTPA图像由左至右的坐标轴，Y轴为正视所述CTPA图像由上至下的坐标轴。
可选地，所述第一过滤条件还包括：
该候选连通组件的中截面在Z轴上的长度小于或等于第四距离阈值；
所述中截面在Z轴上的最大坐标，大于该候选连通组件的上截面在Z轴上的最大坐标；
所述上截面在X轴上的最大坐标，小于该候选连通组件的下截面在X轴上的最大坐标；
所述上截面在X轴上的最小坐标，大于该候选连通组件在X轴上的最小坐标；
所述中截面在Z轴上的最小坐标，大于所述中纵隔图像在Z轴上的最小坐标；
Z轴为正视所述CTPA图像由外至内的坐标轴，所述上截面、所述中截面、所述下截面分别为，在Y轴的第一位置、第二位置、第三位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面，所述第一位置、所述第二位置、所述第三位置在Y轴上的坐标依次增大。
可选地，所述第一过滤条件还包括：
该候选连通组件的目标截面的圆度率大于圆度率阈值；或者，
经过闭运算的该候选连通组件的所述目标截面的圆度率大于所述圆度率阈值；
所述目标截面为，第一截面和第二截面中圆度率大的截面，所述第一截面和所述第二截面分别为，在Y轴的第四位置和第五位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面。
可选地，所述装置还包括：
补齐模块，用于在所述根据所述肺主动脉血管组件确定肺主动脉血管图像之前，根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定补齐血管组件；
所述确定模块，用于根据所述肺主动脉血管组件和所述补齐血管组件，确定肺主动脉血管图像。
可选地，所述补齐模块包括：
第一确定子模块，用于根据所述肺主动脉血管组件的位置坐标，确定所述肺主动脉血管组件的质心和外接立方体，并根据每个所述连通组件的位置坐标，确定该连通组件的质心和外接立方体；
第二筛选子模块，用于将多个所述连通组件中，灰度值大于第二灰度阈值，且包括体素数量最多的第二预设数量个所述连通组件作为候选补齐组件；
补齐子模块，用于将满足预设的第二过滤条件的所述候选补齐组件，确定为所述补齐血管组件；
所述第二过滤条件包括：
该候选补齐组件的质心在X轴上的坐标，不属于所述肺主动脉血管组件的外接立方体在X轴上的坐标范围；
该候选补齐组件的质心在Y轴上的坐标，大于所述肺主动脉血管组件的外接立方体在Y轴上的最小坐标；
该候选补齐组件的质心在Z轴上的坐标，大于所述肺主动脉血管组件的外接立方体在Z轴上的最小坐标；
该候选补齐组件的外接立方体在Z轴上的最大坐标，小于所述肺主动脉血管组件的外接立方体在Z轴上的最大坐标；
X轴为正视所述CTPA图像由左至右的坐标轴，Y轴为正视所述CTPA图像由上至下的坐标轴，Z轴为正视所述CTPA图像由外至内的坐标轴。
可选地，所述补齐模块还包括：
第二确定子模块，用于根据所述肺主动脉血管组件的质心，将所述肺主动脉血管组件分为左组件和右组件，并确定所述左组件的质心和外接立方体，和所述右组件的质心和外接立方体；
所述第二过滤条件还包括：
该候选补齐组件外接立方体在Y轴上的最大坐标，大于所述肺主动脉血管组件的外接立方体在Y轴上的最大坐标；
若该候选补齐组件的质心在X轴上的坐标，小于所述左组件的外接立方体在X轴上的最小坐标，该候选补齐组件外接立方体在X轴上的最小坐标，小于所述左组件的外接立方体在X轴上的最小坐标；
若该候选补齐组件的质心在X轴上的坐标，大于所述右组件的外接立方体在X轴上的最大坐标，该候选补齐组件外接立方体在X轴上的最大坐标，大于所述右组件的外接立方体在X轴上的最大坐标。
可选地，所述装置还包括：
栓塞提取模块，用于在所述根据所述肺主动脉血管组件确定肺主动脉血管图像之前，根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定栓塞组件；
所述确定模块用于：
根据所述肺主动脉血管组件和所述栓塞组件，确定肺主动脉血管图像。
可选地，所述栓塞提取模块包括：
第三筛选子模块，用于将多个所述连通组件中，灰度值小于第三灰度阈值，且经过膨胀处理后与所述肺主动脉血管组件相交的所述连通组件，作为候选栓塞组件；
第三确定子模块，用于根据所述候选栓塞组件的位置坐标，和所述肺主动脉血管组件的位置坐标，判断所述候选栓塞组件是否位于所述肺主动脉血管组件内；
栓塞提取子模块，用于将位于所述肺主动脉血管组件内的所述候选栓塞组件，作为所述栓塞组件。
可选地，所述第三确定子模块用于：
根据经过膨胀处理后的所述候选栓塞组件，与所述肺主动脉血管组件相交的区域，确定修正立方体；
根据所述肺主动脉血管组件的位置坐标，确定所述肺主动脉血管组件的质心和外接立方体，根据所述候选栓塞组件的位置坐标，确定所述候选栓塞组件的质心和外接立方体；
若所述候选栓塞组件满足预设的第三过滤条件，确定所述候选栓塞组件位于所述肺主动脉血管组件内。
可选地，若所述候选栓塞组件的外接立方体在X轴上的最小坐标，小于所述肺主动脉血管组件的外接立方体在X轴上的最小坐标，且所述候选栓塞组件的质心在Y轴上的坐标，大于所述肺主动脉血管组件的质心在Y轴上的坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最小坐标，小于所述修正立方体在Y轴上的最大坐标；
所述候选栓塞组件的外接立方体在Z轴上的最大坐标，大于所述修正立方体在Z轴上的最小坐标；
若所述候选栓塞组件的外接立方体在X轴上的最大坐标，大于所述肺主动脉血管组件的外接立方体在X轴上的最大坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最大坐标，大于所述修正立方体在Y轴上的最大坐标；
若所述候选栓塞组件的外接立方体在X轴上的最小坐标，大于所述肺主动脉血管组件的外接立方体在X轴上的最小坐标，且所述候选栓塞组件的外接立方体在X轴上的最大坐标，小于所述肺主动脉血管组件的外接立方体在X轴上的最大坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最小坐标，小于所述修正立方体在Y轴上的最大坐标；
所述候选栓塞组件的外接立方体在Y轴上的最大坐标，大于所述修正立方体在Y轴上的最小坐标；
所述候选栓塞组件的外接立方体在Z轴上的最小坐标，大于所述修正立方体在Z轴上的最小坐标；
所述候选栓塞组件的外接立方体在Z轴上的最大坐标，小于所述修正立方体在Z轴上的最大坐标。
根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开实施例的第一方面所述方法的步骤。
根据本公开实施例的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开实施例的第一方面所述方法的步骤。
通过上述技术方案，本公开首先按照灰度值对肺部的CTPA图像进行分割，以获取用于指示肺实质在CTPA图像中的位置的肺实质二值图像，并根据肺实质二值图像确定CTPA图像中，中纵隔对应的中纵隔图像。之后，对中纵隔图像进行分割，以得到中纵隔图像中的多个连通组件。再根据中纵隔图像的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定肺主动脉血管组件。最后根据肺主动脉血管组件确定肺主动脉血管图像。本公开根据从中纵隔图像中分割出的多个连通组件之间的位置关系来提取肺主动脉血管组件，能够得到准确、清晰的肺主动脉血管图像。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种肺主动脉血管提取方法的流程图；
图2是根据一示例性实施例示出的肺实质二值图像和中纵隔图像的示意图；
图3是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图；
图4是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图；
图5是根据一示例性实施例示出的肺主动脉血管图像的示意图；
图6是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图；
图7是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图；
图8是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图；
图9是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图；
图10是根据一示例性实施例示出的一种肺主动脉血管提取装置的框图；
图11是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图；
图12是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图；
图13是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图；
图14是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图；
图15是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图；
图16是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图；
图17是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在介绍本公开提供的肺主动脉血管提取方法、装置、可读存储介质和电子设备之前，首先对本公开中各个实施例所涉及的应用场景进行介绍，该应用场景为利用CT设备对人体的肺部进行CTPA扫描，得到CTPA图像。CTPA图像为三维图像，包括了整个肺部的三维结构。人体的肺部主要由肺实质、中纵隔、肺血管和软组织组成。其中，肺实质包括左肺和右肺，中纵隔为左右肺之间的纵隔。肺血管可以分为肺动脉血管和肺静脉血管，进一步的，根据肺血管所在位置不同，还可以分为位于肺实质内的肺内血管，包括：肺内动脉血管、肺内静脉血管，和位于中纵隔内的中纵隔内血管，包括：中纵隔内动脉血管(即后文所述的肺主动脉血管)、中纵隔内静脉血管。
图1是根据一示例性实施例示出的一种肺主动脉血管提取方法的流程图，如图1所示，该方法包括以下步骤：
步骤101，按照灰度值对肺部的CTPA图像进行分割，以获取肺实质二值图像，并根据肺实质二值图像从CTPA图像中确定中纵隔图像，肺实质二值图像用于指示肺实质在CTPA图像中的位置，中纵隔图像为CTPA图像中，中纵隔对应的图像，CTPA图像为三维图像。
举例来说，由于肺栓塞只存在于肺动脉血管，因此针对中纵隔内的血管，需要提取的是肺主动脉血管。首先，按照灰度值对获取到的肺部的CTPA图像进行分割，以得到肺实质二值图像。其中，肺实质二值图像可以理解为一个掩模矩阵，能够指示肺实质在CTPA图像中的位置，其中属于肺实质的区域为白色，其他区域为黑色。需要说明的是，本公开实施例中的二值图像(包括肺实质二值图像、中纵隔二值图像等)，均为三维图像(即三维二值图像)。由于三维二值图像不便于展示，因此本公开仅用横截面作为示意，肺实质二值图像的一个横截面可以如图2中的(a)所示，其中白色区域即为肺实质对应的部分。
具体的，在对CTPA图像进行分割前，可以先对CTPA图像进行预处理，例如可以先对CTPA图像进行再采样处理，将体素(英文：Volume Pixel，全称：体积元素)空间的间距调整为[1，1，1]，这样，体素空间中的坐标轴的尺度能够保持一致。然后再进行窗体变换，使得体素空间中的每个体素的灰度值位于-1024Hu到1024Hu之间。之后，对经过预处理的CTPA图像按照阈值分割法进行分割，以得到肺实质二值图像。例如，可以将阈值范围设置为[-900Hu,-600Hu]，从而将经过预处理的CTPA图像中，灰度值属于[-900Hu,-600Hu]的体素置为白色，将灰度值不属于[-900Hu,-600Hu]的体素置为黑色，即可得到肺实质二值图像。
进一步的，为了保证肺实质二值图像的准确度，还可以根据肺实质的位置，对肺实质二值图像进行验证。通常情况下，肺实质应当位于CTPA图像的中部，因此可以将肺实质二值图像的边界的坐标，与CTPA图像的边界的坐标进行比较，若肺实质二值图像的边界与CTPA图像的边界之间的距离大于预设值(例如可以是10)，那么表明肺实质二值图像正确。若肺实质二值图像的边界与CTPA图像的边界之间的距离小于或等于预设值，那么表明肺实质二值图像可能有误，可以调整阈值范围(例如，调整为[-900Hu,-350Hu])，重新进行分割。
在得到肺实质二值图像之后，可以根据肺实质二值图像从CTPA图像中确定中纵隔图像。具体的，可以根据肺实质二值图像，在CTPA图像中确定肺实质的外接立方体，然后将肺实质的外接立方体向中间缩进预设距离，以得到中纵隔的外接立方体。其中，预设距离可以根据样本的年龄、性别等因素，具体设置。进一步的，可以将中纵隔的外接立方体中与肺实质二值图像重叠的体素置为黑色(即将重叠的体素作为背景)，剩余的体素的灰度保留，得到的图像即为中纵隔图像，由于中纵隔图像是从CTPA图像中提取出来的，因此中纵隔图像也是三维图像，中纵隔图像的一个横截面可以如图2中的(b)所示。
在另一种实现方式中，还可以先确定中纵隔二值图像。其中，中纵隔二值图像同样可以理解为一个掩模矩阵，能够指示中纵隔在CTPA图像中的位置，其中属于中纵隔的区域为白色，其他区域为黑色。具体的，可以将中纵隔的外接立方体中，与肺实质二值图像重叠的体素置为黑色(即去除中纵隔的外接立方体中表征肺实质的部分)，其余的体素置为白色，即可得到中纵隔二值图像。然后，再根据中纵隔二值图像从CTPA图像中，确定中纵隔图像，例如可以利用中纵隔二值图像与CTPA图像取交集，提取出CTPA图像中，与中纵隔二值图像重叠的体素，以得到中纵隔图像。
步骤102，对中纵隔图像进行分割，以得到中纵隔图像中的多个连通组件。
示例的，可以按照预设的分割算法对中纵隔图像进行分割，以得到中纵隔图像中包括的多个连通组件(英文：Connected Component)。其中，连通组件是指三维图像中具有相同体素值(或满足特定相似性准则)，且位置相邻的前景体素点组成的区域。预设的分割算法例如可以是连通组件标记算法、分水岭分割算法等，本公开对此不作具体限定。以分割算法为分水岭分割算法来举例，在分割的过程中，可以将临近体素间的相似性作为重要的参考依据，从而将在空间位置上相近并且灰度值相近(同一梯度内灰度值)的体素互相连接起来构成一个封闭的轮廓，轮廓内的体素组成一个连通组件。具体的，可以根据中纵隔图像预先计算梯度特征图，根据梯度特征图来分割图像可以使分割后的图像边界更清晰，之后基于梯度特征图执行带有连通域的分水岭分割算法，得到中纵隔图像中包括的多个连通组件。其中，分水岭分割算法中的分隔水平，可以根据需求的分割效果来设置，分隔水平越大，分割的粒度越粗，得到的连通组件的数量越少，分隔水平越小，分割的粒度越细，得到的连通组件的数量越多。
步骤103，根据中纵隔图像的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定肺主动脉血管组件。
步骤104，根据肺主动脉血管组件确定肺主动脉血管图像。
示例的，在得到多个连通组件之后，针对每个连通组件，可以依次根据中纵隔图像的位置坐标，和该连通组件的灰度值(可以理解为该连通组件的平均灰度值)、位置坐标，确定该连通组件是否为肺主动脉血管组件，其中，肺主动脉血管组件，可以理解为多个连通组件中，表征肺主动脉血管的组件。具体的，可以根据实际情况中，肺主动脉血管与中纵隔的位置关系，确定筛选肺主动脉血管组件的条件。肺主动脉血管的体积较大，相应的，肺主动脉血管组件包括的体素数量也较大，同时，肺主动脉血管与肺实质区别明显，相应的，肺主动脉血管组件的灰度值也较大，因此，可以先根据灰度值、包括的体素数量，在多个连通组件中进行初步筛选。例如，某个连通组件的体素数量大于预设的体素数量阈值(例如可以是120)，且灰度值大于预设的灰度值阈值(例如可以是200Hu)，那么该连通组件通过初步筛选。
进一步的，由于操作人员对肺动脉期控制不准，可能在拍摄CTPA图像时，肺主动脉血管中的造影剂并不是最佳充盈的状态，导致肺主动脉血管中造影剂失效，降低了肺主动脉血管组件的灰度值。因此，可以再根据位置坐标，在通过初步筛选的连通组件中做进一步筛选，以得到肺主动脉血管组件。例如，某个通过初步筛选的连通组件在水平方向上的长度大于预设的水平长度(例如可以是45)，且在垂直方向上的长度大于预设的垂直长度(例如可以是40)，那么可以将该连通组件作为肺主动脉血管组件。再比如，某个通过初步筛选的连通组件在自上而下的方向上的起始坐标，与中纵隔图像在自上而下的方向上的起始坐标接近，那么可以将该连通组件作为肺主动脉血管组件。最后，可以将肺主动脉血管组件对应的图像作为肺主动脉血管图像。
采用上述方法确定的肺主动脉血管图像，在灰度值、包括的体素数量的基础上，结合了中纵隔图像与多个连通组件之间的位置关系来提取肺主动脉血管组件，能够得到准确、清晰的肺主动脉血管图像。由于没有进行去噪声处理，因此可以避免滤波去噪时将粘连的血管之间的边界变得模糊的问题。同时，由于无需设置种子点而避免了种子点设置偏差时导致的分割误差。进一步的，能够避免由于操作人员对肺动脉期控制不准，导致肺主动脉血管图像提取不准确的问题。
综上所述，本公开首先按照灰度值对肺部的CTPA图像进行分割，以获取用于指示肺实质在CTPA图像中的位置的肺实质二值图像，并根据肺实质二值图像确定CTPA图像中，中纵隔对应的中纵隔图像。之后，对中纵隔图像进行分割，以得到中纵隔图像中的多个连通组件。再根据中纵隔图像的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定肺主动脉血管组件。最后根据肺主动脉血管组件确定肺主动脉血管图像。本公开根据从中纵隔图像中分割出的多个连通组件之间的位置关系来提取肺主动脉血管组件，能够得到准确、清晰的肺主动脉血管图像。
图3是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图，如图3所示，步骤103的实现方式可以包括：
步骤1031，将多个连通组件中，包括体素数量最多的第一预设数量个连通组件作为候选连通组件。
步骤1032，将灰度值大于第一灰度阈值，且满足预设的第一过滤条件的候选连通组件，确定为肺主动脉血管组件。
示例的，可以先按照包括的体素数量，对多个连通组件进行降序排列，以将前第一预设数量(例如可以是7)个连通组件作为候选连通组件。之后，将灰度值大于第一灰度阈值(例如可以是180Hu)，且满足第一过滤条件的候选连通组件，作为肺主动脉血管组件。具体的，可以将候选连通组件按照灰度值再进行降序排列，按照第一过滤条件，由大到小依次判断每个候选连通组件。
其中，第一过滤条件包括：
该候选连通组件在X轴上的长度大于第一距离阈值，且该候选连通组件在Y轴上的长度大于第二距离阈值。
该候选连通组件在Y轴上的最小坐标，与中纵隔图像在Y轴上的最小坐标的差值，小于或等于第三距离阈值。
X轴为正视CTPA图像由左至右的坐标轴，Y轴为正视CTPA图像由上至下的坐标轴。
为了说明中纵隔图像与每个连通组件之间的位置关系，在CTPA图像中构建一个三维坐标系，包括X轴、Y轴、Z轴，其中，X轴为正视CTPA图像由左至右的坐标轴，Y轴为正视CTPA图像由上至下的坐标轴，Z轴为正视CTPA图像由外至内的坐标轴。在另一种实现方式中，也可以将拍摄CTPA图像的装置所在的世界坐标系作为参考，来描述中纵隔图像与每个连通组件之间的位置关系，本公开对此不作具体限定。进一步的，候选连通组件的位置坐标可以分为6个维度：component_region(0)表示为候选连通组件在X轴上的最小坐标，component_region(1)表示候选连通组件在Y轴上的最小坐标，component_region(2)表示候选连通组件在Z轴上的最小坐标，component_region(3)表示候选连通组件在X轴上的长度，component_region(4)表示候选连通组件在Y轴上的长度，component_region(5)表示候选连通组件在Z轴上的长度。同样的，中纵隔图像的位置坐标也可以分为6个维度：MD_region(0)表示为中纵隔图像在X轴上的最小坐标，MD_region(1)表示中纵隔图像在Y轴上的最小坐标，MD_region(2)表示中纵隔图像在Z轴上的最小坐标，MD_region(3)表示中纵隔图像在X轴上的长度，MD_region(4)表示中纵隔图像在Y轴上的长度，MD_region(5)表示中纵隔图像在Z轴上的长度。
具体的，第一过滤条件可以包括：
条件1：component_region(3)>第一距离阈值，且component_region(4)>第二距离阈值，第一距离阈值例如可以是45，第二距离阈值例如可以是40。表示肺主动脉血管组件，应当在X轴和Y轴上具有一定的宽度。
条件2：component_region(1)-MD_region(1)≤第三距离阈值，第三距离阈值例如可以是30。表示肺主动脉血管组件的顶部，应当与中纵隔图像的顶部接近。
在另一种实现方式中，第一过滤条件还包括：
该候选连通组件的中截面在Z轴上的长度小于或等于第四距离阈值。
中截面在Z轴上的最大坐标，大于该候选连通组件的上截面在Z轴上的最大坐标。
上截面在X轴上的最大坐标，小于该候选连通组件的下截面在X轴上的最大坐标。
上截面在X轴上的最小坐标，大于该候选连通组件在X轴上的最小坐标。
中截面在Z轴上的最小坐标，大于中纵隔图像在Z轴上的最小坐标。
Z轴为正视CTPA图像由外至内的坐标轴，上截面、中截面、下截面分别为，在Y轴的第一位置、第二位置、第三位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面，第一位置、第二位置、第三位置在Y轴上的坐标依次增大。
示例的，可以在Y轴上，沿着依次增大的第一位置、第二位置、第三位置，以垂直Y轴的平面对该候选连通组件进行剖切得到：上截面、中截面、下截面，分别表示为：top_region、middle_region、bottom_region。例如，第一位置、第二位置、第三位置可以是该候选连通组件在Y轴上的长度的1/8、1/2、5/6。这三个截面是在XZ平面上的，相应的位置坐标可以分为4个维度，例如，top_region(0)表示为上截面在X轴上的最小坐标，top_region(1)表示为上截面在Z轴上的最小坐标，top_region(2)表示为上截面在X轴上的长度，top_region(3)表示为上截面在Z轴上的长度，中截面、下截面依次类推。
那么，第一过滤条件还可以包括：
条件3：middle_region(3)<第四距离阈值，第四距离阈值例如可以是65。表示肺主动脉血管组件的中部，应当在Z轴上不会过粗。
条件4：middle_region(1)+middle_region(3)>top_region(1)+top_region(3)。表示肺主动脉血管组件应当是前倾的。考虑到可能存在偏差，条件4还可以表示为：middle_region(1)+middle_region(3)>top_region(1)+top_region(3)-第五距离阈值，第五距离阈值例如可以是3。
条件5：top_region(0)+top_region(2)<bottom_region(0)+bottom_region(2)。表示肺主动脉血管组件通常底部的右侧应当大于顶部的右侧。考虑到可能存在偏差，条件5还可以表示为：
top_region(0)+top_region(2)<bottom_region(0)+bottom_region(2)+第六距离阈值，第六距离阈值例如可以是25。
条件6：top_region(0)>component_region(0)。表示肺主动脉血管组件通常顶部的左侧应当大于整个部分的左侧。
条件7：middle_region(1)>MD_region(2)。表示肺主动脉血管组件的中部，应当比整个中纵隔区域要细。考虑到可能存在偏差，条件7还可以表示为：middle_region(1)>MD_region(2)+第七距离阈值，第七距离阈值例如可以是20。
在又一种实现方式中，第一过滤条件还可以包括：
该候选连通组件的目标截面的圆度率大于圆度率阈值。或者，
经过闭运算的该候选连通组件的目标截面的圆度率大于圆度率阈值。
目标截面为，第一截面和第二截面中圆度率大的截面，第一截面和第二截面分别为，在Y轴的第四位置和第五位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面。
示例的，还可以在Y轴上，沿着第四位置、第五位置，以垂直Y轴的平面对该候选连通组件进行剖切得到：第一截面和第二截面。例如，第四位置、第五位置可以是该候选连通组件在Y轴上的长度的1/8、1/3。可以分别计算第一截面和第二截面的圆度率，并将圆度率最大的截面作为目标截面。然后，再根据目标截面的圆度率来判断该候选连通组件是否为肺主动脉血管组件。具体的，第一过滤条件还可以包括：
条件8：roundness>圆度率阈值(例如可以是0.8)。其中，roundness表示目标截面的圆度率，或者经过闭运算的目标截面的圆度率。例如，若目标截面的圆度率大于0.8，那么可以确定该候选连通组件满足条件8。若目标截面的圆度率小于或等于0.8，那么可以先对该候选连通组件进行形态学闭运算(核半径例如可以是10)，然后再计算目标截面的圆度率，若新的圆度率大于0.8，那么可以确定该候选连通组件满足条件8。
图4是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图，如图4所示，在步骤104之前，方法还包括：
步骤105，根据肺主动脉血管组件的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定补齐血管组件。
相应的，步骤104的实现方式可以为：
根据肺主动脉血管组件和补齐血管组件，确定肺主动脉血管图像。
举例来说，若采用分水岭分割算法对中纵隔图像进行分割，可能会产生过分割(英文：Over Segmentation)的问题，因此在得到肺主动脉血管组件之后，还可以进一步检查是否被过分割，并找回被过分割掉的血管组件(即补齐血管组件)。具体的，可以在多个连通组件中，针对每个连通组件，可以依次根据肺主动脉血管组件的位置坐标，和该连通组件的灰度值(可以理解为该连通组件的平均灰度值)、位置坐标，确定该连通组件是否为补齐血管组件。之后，可以将肺主动脉血管组件和补齐血管组件做并集操作，从而将并集操作的结果对应的图像作为肺主动脉血管图像，即将肺主动脉血管组件对应的图像，和补齐血管组件对应的图像拼接在一起，得到肺主动脉血管图像。例如，肺主动脉血管组件对应的图像可以如图5中的(a)所示，在此基础上，和补齐血管组件对应的图像拼接在一起，得到的肺主动脉血管图像如图5中的(b)。
具体的，可以根据实际情况中，肺主动脉血管中容易被过分割的血管(例如肺主动脉血管的左右分支)，与肺主动脉血管的位置关系，确定筛选补齐血管组件的条件。补齐血管组件的体积较大，相应的，补齐血管组件包括的体素数量也较大，同时，补齐血管组件与肺实质区别明显，相应的，补齐血管组件的灰度值也较大，因此，可以先根据灰度值、包括的体素数量，在多个连通组件中进行初步筛选。例如，某个连通组件的体素数量大于预设的体素数量阈值(例如可以是80)，且灰度值大于预设的灰度值阈值(例如可以是200Hu)，那么该连通组件通过初步筛选。进一步的，可以再根据位置坐标，在通过初步筛选的连通组件中做进一步筛选，以得到补齐血管组件。
图6是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图，如图6所示，步骤105可以包括：
步骤1051，根据肺主动脉血管组件的位置坐标，确定肺主动脉血管组件的质心和外接立方体，并根据每个连通组件的位置坐标，确定该连通组件的质心和外接立方体。
步骤1052，将多个连通组件中，灰度值大于第二灰度阈值，且包括体素数量最多的第二预设数量个连通组件作为候选补齐组件。
步骤1053，将满足预设的第二过滤条件的候选补齐组件，确定为补齐血管组件。
示例的，可以先根据肺主动脉血管组件的位置坐标，确定肺主动脉血管组件的质心(表示为：artery_centroid)和外接立方体(表示为：artery_region)。并同时根据从中纵隔图像中分割出的每个连通组件的位置坐标，确定每个连通组件的质心(表示为：block_centroid)和外接立方体(表示为：block_region)。其中，质心分为3个维度，以肺主动脉血管组件的质心为例，artery_centroid(0)表示肺主动脉血管组件的质心在X轴上的坐标，artery_centroid(1)表示肺主动脉血管组件的质心在Y轴上的坐标，artery_centroid(2)表示肺主动脉血管组件的质心在Z轴上的坐标。外接立方体分为6个维度，以连通组件的外接立方体为例，block_region(0)表示外接立方体在X轴上的最小坐标，block_region(1)表示外接立方体在Y轴上的最小坐标，block_region(2)表示外接立方体在Z轴上的最小坐标，block_region(3)表示外接立方体在X轴上的长度，block_region(4)表示外接立方体在Y轴上的长度，block_region(5)表示外接立方体在Z轴上长度。
可以先按照包括的体素数量，对从中纵隔图像中分割出的多个连通组件进行降序排列，以得到前第二预设数量(例如可以是20)个连通组件。之后，将第二预设数量个连通组件中，灰度值大于第二灰度阈值(例如可以是200Hu)的连通组件，作为候选补齐组件。最后，将满足第二过滤条件的候选补齐组件，作为补齐血管组件。
需要说明的是，图6所示出的步骤1051和步骤1052的执行顺序仅作为一种示例，在确定补齐血管组件时，既可以先执行步骤1051，再执行步骤1052，也可以先执行步骤1052，再执行步骤1051，还可以同时执行步骤1051和步骤1052，本公开对此不作具体限定。
其中，第二过滤条件包括：
该候选补齐组件的质心在X轴上的坐标，不属于肺主动脉血管组件的外接立方体在X轴上的坐标范围。
该候选补齐组件的质心在Y轴上的坐标，大于肺主动脉血管组件的外接立方体在Y轴上的最小坐标。
该候选补齐组件的质心在Z轴上的坐标，大于肺主动脉血管组件的外接立方体在Z轴上的最小坐标。
该候选补齐组件的外接立方体在Z轴上的最大坐标，小于肺主动脉血管组件的外接立方体在Z轴上的最大坐标。
X轴为正视CTPA图像由左至右的坐标轴，Y轴为正视CTPA图像由上至下的坐标轴，Z轴为正视CTPA图像由外至内的坐标轴。
具体的，第二过滤条件可以包括：
条件9：block_centroid(0)<artery_region(0)或者block_centroid(0)>artery_region(0)+artery_region(3)。表示补齐血管组件应当位于肺主动脉血管组件的左侧，或者右侧。其中，考虑到可能存在偏差，补齐血管组件位于肺主动脉血管组件的左侧，还可以表示为：block_centroid(0)<artery_region(0)+允许误差，允许误差例如可以是2。
条件10：block_centroid(1)>artery_region(1)。表示补齐血管组件应当位于肺主动脉血管组件的底部。
条件11：block_centroid(2)>artery_region(2)。
条件12：
block_region(2)+block_region(5)<artery_region(2)+artery_region(5)。考虑到可能存在偏差，条件12还可以表示为：block_region(2)+block_region(5)<artery_region(2)+artery_region(5)+第八距离阈值，第八距离阈值例如可以是8。条件11与条件12共同表示补齐血管组件应当与肺主动脉血管组件靠近。
图7是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图，如图7所示，步骤105还可以包括：
步骤1054，根据肺主动脉血管组件的质心，将肺主动脉血管组件分为左组件和右组件，并确定左组件的质心和外接立方体，和右组件的质心和外接立方体。
示例的，为了进一步提高提取补齐血管组件的准确度，可以先根据肺主动脉血管组件的质心，将肺主动脉血管组件分为左组件和右组件，并确定左组件的质心(表示为：left_artery_centroid)和外接立方体(表示为：left_artery_region)，和右组件的质心(表示为：right_artery_centroid)和外接立方体(表示为：right_artery_region)。之后，在判断候选补齐组件是否为补齐血管组件时，可以按照左组件、右组件分别判断。
其中，质心的位置坐标可以分为3个维度，以左组件的质心来举例，left_artery_centroid(0)表示左组件的质心在X轴上的坐标，left_artery_centroid(1)表示左组件的质心在Y轴上的坐标，left_artery_centroid(2)表示左组件的质心在Z轴上的坐标。右组件的质心的位置坐标的表示依次类推。
外接立方体的位置坐标可以分为6个维度，以左组件的外接立方体来举例，left_artery_region(0)表示左组件的外接立方体在X轴上的最小坐标，left_artery_region(1)表示左组件的外接立方体在Y轴上的最小坐标，left_artery_region(2)表示左组件的外接立方体在Z轴上的最小坐标，left_artery_region(3)表示左组件的外接立方体在X轴上的长度，left_artery_region(4)表示左组件的外接立方体在Y轴上的长度，left_artery_region(5)表示左组件的外接立方体在Z轴上长度。右组件的外接立方体的位置坐标的表示依次类推。
相应的，第二过滤条件还可以包括：
该候选补齐组件外接立方体在Y轴上的最大坐标，大于肺主动脉血管组件的外接立方体在Y轴上的最大坐标。
若该候选补齐组件的质心在X轴上的坐标，小于左组件的外接立方体在X轴上的最小坐标，该候选补齐组件外接立方体在X轴上的最小坐标，小于左组件的外接立方体在X轴上的最小坐标。
若该候选补齐组件的质心在X轴上的坐标，大于右组件的外接立方体在X轴上的最大坐标，该候选补齐组件外接立方体在X轴上的最大坐标，大于右组件的外接立方体在X轴上的最大坐标。
具体的，第二过滤条件还可以包括：
条件13：
block_region(1)+block_region(4)>artery_region(1)+artery_region(4)。表示补齐血管组件的底部应当低于肺主动脉血管组件的底部。
条件14：若block_centroid(0)<left_artery_region(0)，那么block_region(0)<left_artery_region(0)。表示补齐血管组件的左边界应当小于左组件的左边界。
条件15：
若block_centroid(0)>right_artery_region(0)+right_artery_region(3)，那么block_region(0)+block_region(3)>right_artery_region(0)+right_artery_region(3)。表示补齐血管组件的右边界应当大于右组件的右边界。
图8是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图，如图8所示，在步骤104之前，方法还包括：
步骤106，根据肺主动脉血管组件的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定栓塞组件。
相应的，步骤104的实现方式可以为：
根据肺主动脉血管组件和栓塞组件，确定肺主动脉血管图像。
举例来说，由于肺主动脉血管中还可能存在栓塞，在提取肺主动脉血管组件时，栓塞和软组织可能一同被去除，导致肺主动脉血管组件不完整。因此，还可以进一步检查多个连通组件中，是否存在栓塞组件。具体的，在多个连通组件中，针对每个连通组件，可以依次根据肺主动脉血管组件的位置坐标，和该连通组件的灰度值(可以理解为该连通组件的平均灰度值)、位置坐标，确定该连通组件是否为栓塞组件。之后，可以将肺主动脉血管组件和栓塞组件做并集操作，从而将并集操作的结果对应的图像作为肺主动脉血管图像，即将肺主动脉血管组件对应的图像，和栓塞组件对应的图像拼接在一起，得到肺主动脉血管图像。进一步的，可以将肺主动脉血管组件、补齐血管组件、栓塞组件一同做并集操作，并将并集操作的结果对应的图像作为肺主动脉血管图像。
图9是根据一示例性实施例示出的另一种肺主动脉血管提取方法的流程图，如图9所示，步骤106可以包括：
步骤1061，将多个连通组件中，灰度值小于第三灰度阈值，且经过膨胀处理后与肺主动脉血管组件相交的连通组件，作为候选栓塞组件。
步骤1062，根据候选栓塞组件的位置坐标，和肺主动脉血管组件的位置坐标，判断候选栓塞组件是否位于肺主动脉血管组件内。
步骤1063，将位于肺主动脉血管组件内的候选栓塞组件，作为栓塞组件。
示例的，栓塞的体积不会过小，相应的，栓塞组件包括的体素数量也不会过小，同时，栓塞组件的灰度值较小，因此，可以先根据灰度值、包括的体素数量，在多个连通组件中进行初步筛选，得到候选栓塞组件。例如，某个连通组件的体素数量大于预设的体素数量阈值(例如可以是50)，且灰度值小于预设的灰度值阈值(例如可以是-50Hu至200Hu之间)，那么该连通组件为候选栓塞组件。进一步的，可以再根据候选栓塞组件的位置坐标，和肺主动脉血管组件的位置坐标，判断候选栓塞组件是否位于肺主动脉血管组件内。若候选栓塞组件位于肺主动脉血管组件内，那么可以将候选栓塞组件确定为栓塞组件。
在一种实现方式中，步骤1062可以通过以下步骤来实现：
首先，根据经过膨胀处理后的候选栓塞组件，与肺主动脉血管组件相交的区域，确定修正立方体。
之后，根据肺主动脉血管组件的位置坐标，确定肺主动脉血管组件的质心和外接立方体，根据候选栓塞组件的位置坐标，确定候选栓塞组件的质心和外接立方体。
最后，若候选栓塞组件满足预设的第三过滤条件，确定候选栓塞组件位于肺主动脉血管组件内。
示例的，要判断候选栓塞组件是否位于肺主动脉血管组件内，可以先对候选栓塞组件进行形态学膨胀处理(核半径例如可以是5)，然后将经过膨胀处理后的候选栓塞组件，与肺主动脉血管组件进行交集运算。若相交的区域为空，那么不再对该候选栓塞组件进行判断。若相交的区域不为空，那么可以根据相交的区域，确定修正立方体(可以表示为X_artery_region)。其中，修正立方体可以是相交的区域的外接立方体，指示的是与候选栓塞组件对应的血管所在的区域。需要说明的是，修正立方体的位置坐标可以分为6个维度，X_artery_region(0)表示修正立方体在X轴上的最小坐标，X_artery_region(1)表示修正立方体在Y轴上的最小坐标，X_artery_region(2)表示修正立方体在Z轴上的最小坐标，X_artery_region(3)表示修正立方体在X轴上的长度，X_artery_region(4)表示修正立方体在Y轴上的长度，X_artery_region(5)表示修正立方体在Z轴上长度。
之后，根据肺主动脉血管组件的位置坐标，确定肺主动脉血管组件的质心(表示为：artery_centroid)和外接立方体(表示为：artery_region)，根据候选栓塞组件的位置坐标，确定候选栓塞组件的质心(表示为：pe_centroid)和外接立方体(表示为：pe_region)。最后，若候选栓塞组件满足预设的第三过滤条件，确定候选栓塞组件位于肺主动脉血管组件内。若候选栓塞组件不满足预设的第三过滤条件，表示候选栓塞组件部分或这全部，位于肺主动脉血管组件外。
其中，质心的位置坐标可以分为3个维度，artery_centroid(0)表示肺主动脉血管组件的质心在X轴上的坐标，artery_centroid(1)表示肺主动脉血管组件的质心在Y轴上的坐标，artery_centroid(2)表示肺主动脉血管组件的质心在Z轴上的坐标。同样的，pe_centroid(0)表示候选栓塞组件的质心在X轴上的坐标，pe_centroid(1)表示候选栓塞组件的质心在Y轴上的坐标，pe_centroid(2)表示候选栓塞组件的质心在Z轴上的坐标。
外接立方体的位置坐标可以分为6个维度，artery_region(0)表示肺主动脉血管组件的外接立方体在X轴上的最小坐标，artery_region(1)表示肺主动脉血管组件的外接立方体在Y轴上的最小坐标，artery_region(2)表示肺主动脉血管组件的外接立方体在Z轴上的最小坐标，artery_region(3)表示肺主动脉血管组件的外接立方体在X轴上的长度，artery_region(4)表示肺主动脉血管组件的外接立方体在Y轴上的长度，artery_region(5)表示肺主动脉血管组件的外接立方体在Z轴上长度。同样的，pe_region(0)表示候选栓塞组件的外接立方体在X轴上的最小坐标，pe_region(1)表示候选栓塞组件的外接立方体在Y轴上的最小坐标，pe_region(2)表示候选栓塞组件的外接立方体在Z轴上的最小坐标，pe_region(3)表示候选栓塞组件的外接立方体在X轴上的长度，pe_region(4)表示候选栓塞组件的外接立方体在Y轴上的长度，pe_region(5)表示候选栓塞组件的外接立方体在Z轴上长度。
按照候选栓塞组件位于肺主动脉血管组件的左侧、右侧、中部，第三过滤条件各不相同。以下对第三过滤条件进行具体说明。
若候选栓塞组件的外接立方体在X轴上的最小坐标，小于肺主动脉血管组件的外接立方体在X轴上的最小坐标，且候选栓塞组件的质心在Y轴上的坐标，大于肺主动脉血管组件的质心在Y轴上的坐标。即pe_region(0)<artery_region(0)，且pe_centroid(1)>artery_centroid(1)，表示候选栓塞组件位于肺主动脉血管组件的左侧。考虑到可能存在偏差，也可以按照pe_region(0)<artery_region(0)+第九距离阈值，且pe_centroid(1)>artery_centroid(1)来判断，第九距离阈值例如可以是5。此时第三过滤条件可以包括：
候选栓塞组件的外接立方体在Y轴上的最小坐标，小于修正立方体在Y轴上的最大坐标。
即条件16：pe_region(1)<X_artery_region(1)+X_artery_region(4)。表示栓塞组件在Y轴方向上应当潜入血管，考虑到可能存在偏差，条件16还可以表示为：pe_region(1)<X_artery_region(1)+X_artery_region(4)-第十距离阈值，第十距离阈值例如可以是2。
候选栓塞组件的外接立方体在Z轴上的最大坐标，大于修正立方体在Z轴上的最小坐标。
即条件17：pe_region(2)+pe_region(5)>X_artery_region(2)。表示栓塞组件在Z轴方向上应当潜入血管，考虑到可能存在偏差，条件17还可以表示为：pe_region(2)+pe_region(5)>X_artery_region(2)+第十一距离阈值，第十一距离阈值例如可以是3。
若候选栓塞组件的外接立方体在X轴上的最大坐标，大于肺主动脉血管组件的外接立方体在X轴上的最大坐标。即pe_region(0)+pe_region(3)>artery_region(0)+artery_region(3)，表示候选栓塞组件位于肺主动脉血管组件的右侧。考虑到可能存在偏差，也可以按照pe_region(0)+pe_region(3)>artery_region(0)+artery_region(3)-第十二距离阈值，第十二距离阈值例如可以是5。此时，第三过滤条件可以包括：
候选栓塞组件的外接立方体在Y轴上的最大坐标，大于修正立方体在Y轴上的最大坐标。
即条件18：
pe_region(1)+pe_region(4)>X_artery_region(1)+X_artery_region(4)。表示栓塞组件在Y轴方向上应当潜入血管，考虑到可能存在偏差，条件18还可以表示为：pe_region(1)+pe_region(4)>X_artery_region(1)+X_artery_region(4)-第十三距离阈值，第十三距离阈值例如可以是5。
在另一种实现方式中，若候选栓塞组件的外接立方体在X轴上的最小坐标，大于肺主动脉血管组件的外接立方体在X轴上的最小坐标，且候选栓塞组件的外接立方体在X轴上的最大坐标，小于肺主动脉血管组件的外接立方体在X轴上的最大坐标。即pe_region(0)>artery_region(0)，且pe_region(0)+pe_region(3)<artery_region(0)+artery_region(3)，表示候选栓塞组件位于肺主动脉血管组件的中部。此时，第三过滤条件可以包括：
候选栓塞组件的外接立方体在Y轴上的最小坐标，小于修正立方体在Y轴上的最大坐标。
候选栓塞组件的外接立方体在Y轴上的最大坐标，大于修正立方体在Y轴上的最小坐标。
即条件19：pe_region(1)<X_artery_region(1)+X_artery_region(4)。
条件20：pe_region(1)+pe_region(4)>X_artery_region(1)。条件19和条件20，共同表示栓塞组件在Y轴方向上应当潜入血管，考虑到可能存在偏差，条件19还可以表示为：pe_region(1)<X_artery_region(1)+X_artery_region(4)-第十四距离阈值，第十四距离阈值例如可以是2。
候选栓塞组件的外接立方体在Z轴上的最小坐标，大于修正立方体在Z轴上的最小坐标。
候选栓塞组件的外接立方体在Z轴上的最大坐标，小于修正立方体在Z轴上的最大坐标。
即条件21：pe_region(2)>X_artery_region(2)。
条件22：
pe_region(2)+pe_region(5)<X_artery_region(2)+X_artery_region(5)。条件21和条件22，共同表示栓塞组件在Z轴方向上应当潜入血管。
综上所述，本公开首先按照灰度值对肺部的CTPA图像进行分割，以获取用于指示肺实质在CTPA图像中的位置的肺实质二值图像，并根据肺实质二值图像确定CTPA图像中，中纵隔对应的中纵隔图像。之后，对中纵隔图像进行分割，以得到中纵隔图像中的多个连通组件。再根据中纵隔图像的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定肺主动脉血管组件。最后根据肺主动脉血管组件确定肺主动脉血管图像。本公开根据从中纵隔图像中分割出的多个连通组件之间的位置关系来提取肺主动脉血管组件，能够得到准确、清晰的肺主动脉血管图像。
图10是根据一示例性实施例示出的一种肺主动脉血管提取装置的框图，如图10所示，该装置200包括：
第一分割模块201，用于按照灰度值对肺部的CTPA图像进行分割，以获取肺实质二值图像，并根据肺实质二值图像从CTPA图像中确定中纵隔图像，肺实质二值图像用于指示肺实质在CTPA图像中的位置，中纵隔图像为CTPA图像中，中纵隔对应的图像，CTPA图像为三维图像。
第二分割模块202，用于对中纵隔图像进行分割，以得到中纵隔图像中的多个连通组件。
提取模块203，用于根据中纵隔图像的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定肺主动脉血管组件。
确定模块204，用于根据肺主动脉血管组件确定肺主动脉血管图像。
图11是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图，如图11所示，提取模块203可以包括：
第一筛选子模块2031，用于将多个连通组件中，包括体素数量最多的第一预设数量个连通组件作为候选连通组件。
提取子模块2032，用于将灰度值大于第一灰度阈值，且满足预设的第一过滤条件的候选连通组件，确定为肺主动脉血管组件。
其中，第一过滤条件包括：
该候选连通组件在X轴上的长度大于第一距离阈值，且该候选连通组件在Y轴上的长度大于第二距离阈值。
该候选连通组件在Y轴上的最小坐标，与中纵隔图像在Y轴上的最小坐标的差值，小于或等于第三距离阈值。
X轴为正视CTPA图像由左至右的坐标轴，Y轴为正视CTPA图像由上至下的坐标轴。
在另一种实现方式中，第一过滤条件还包括：
该候选连通组件的中截面在Z轴上的长度小于或等于第四距离阈值。
中截面在Z轴上的最大坐标，大于该候选连通组件的上截面在Z轴上的最大坐标。
上截面在X轴上的最大坐标，小于该候选连通组件的下截面在X轴上的最大坐标。
上截面在X轴上的最小坐标，大于该候选连通组件在X轴上的最小坐标。
中截面在Z轴上的最小坐标，大于中纵隔图像在Z轴上的最小坐标。
Z轴为正视CTPA图像由外至内的坐标轴，上截面、中截面、下截面分别为，在Y轴的第一位置、第二位置、第三位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面，第一位置、第二位置、第三位置在Y轴上的坐标依次增大。
在又一种实现方式中，第一过滤条件还包括：
该候选连通组件的目标截面的圆度率大于圆度率阈值。或者，
经过闭运算的该候选连通组件的目标截面的圆度率大于圆度率阈值。
目标截面为，第一截面和第二截面中圆度率大的截面，第一截面和第二截面分别为，在Y轴的第四位置和第五位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面。
图12是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图，如图12所示，该装置200还可以包括：
补齐模块205，用于在根据肺主动脉血管组件确定肺主动脉血管图像之前，根据肺主动脉血管组件的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定补齐血管组件。
相应的，确定模块204，用于根据肺主动脉血管组件和补齐血管组件，确定肺主动脉血管图像。
图13是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图，如图13所示，补齐模块205可以包括：
第一确定子模块2051，用于根据肺主动脉血管组件的位置坐标，确定肺主动脉血管组件的质心和外接立方体，并根据每个连通组件的位置坐标，确定该连通组件的质心和外接立方体。
第二筛选子模块2052，用于将多个连通组件中，灰度值大于第二灰度阈值，且包括体素数量最多的第二预设数量个连通组件作为候选补齐组件。
补齐子模块2053，用于将满足预设的第二过滤条件的候选补齐组件，确定为补齐血管组件。
其中，第二过滤条件包括：
该候选补齐组件的质心在X轴上的坐标，不属于肺主动脉血管组件的外接立方体在X轴上的坐标范围。
该候选补齐组件的质心在Y轴上的坐标，大于肺主动脉血管组件的外接立方体在Y轴上的最小坐标。
该候选补齐组件的质心在Z轴上的坐标，大于肺主动脉血管组件的外接立方体在Z轴上的最小坐标。
该候选补齐组件的外接立方体在Z轴上的最大坐标，小于肺主动脉血管组件的外接立方体在Z轴上的最大坐标。
X轴为正视CTPA图像由左至右的坐标轴，Y轴为正视CTPA图像由上至下的坐标轴，Z轴为正视CTPA图像由外至内的坐标轴。
图14是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图，如图14所示，补齐模块205还可以包括：
第二确定子模块2054，用于根据肺主动脉血管组件的质心，将肺主动脉血管组件分为左组件和右组件，并确定左组件的质心和外接立方体，和右组件的质心和外接立方体。
相应的，第二过滤条件还包括：
该候选补齐组件外接立方体在Y轴上的最大坐标，大于肺主动脉血管组件的外接立方体在Y轴上的最大坐标。
若该候选补齐组件的质心在X轴上的坐标，小于左组件的外接立方体在X轴上的最小坐标，该候选补齐组件外接立方体在X轴上的最小坐标，小于左组件的外接立方体在X轴上的最小坐标。
若该候选补齐组件的质心在X轴上的坐标，大于右组件的外接立方体在X轴上的最大坐标，该候选补齐组件外接立方体在X轴上的最大坐标，大于右组件的外接立方体在X轴上的最大坐标。
图15是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图，如图15所示，该装置200还可以包括：
栓塞提取模块206，用于在根据肺主动脉血管组件确定肺主动脉血管图像之前，根据肺主动脉血管组件的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定栓塞组件。
相应的，确定模块204用于：
根据肺主动脉血管组件和栓塞组件，确定肺主动脉血管图像。
图16是根据一示例性实施例示出的另一种肺主动脉血管提取装置的框图，如图16所示，栓塞提取模块206可以包括：
第三筛选子模块2061，用于将多个连通组件中，灰度值小于第三灰度阈值，且经过膨胀处理后与肺主动脉血管组件相交的连通组件，作为候选栓塞组件。
第三确定子模块2062，用于根据候选栓塞组件的位置坐标，和肺主动脉血管组件的位置坐标，判断候选栓塞组件是否位于肺主动脉血管组件内。
栓塞提取子模块2063，用于将位于肺主动脉血管组件内的候选栓塞组件，作为栓塞组件。
在一种应用场景中，第三确定子模块2062可以用于执行以下步骤：
首先，根据经过膨胀处理后的候选栓塞组件，与肺主动脉血管组件相交的区域，确定修正立方体。
之后，根据肺主动脉血管组件的位置坐标，确定肺主动脉血管组件的质心和外接立方体，根据候选栓塞组件的位置坐标，确定候选栓塞组件的质心和外接立方体。
最后，若候选栓塞组件满足预设的第三过滤条件，确定候选栓塞组件位于肺主动脉血管组件内。
其中，若候选栓塞组件的外接立方体在X轴上的最小坐标，小于肺主动脉血管组件的外接立方体在X轴上的最小坐标，且候选栓塞组件的质心在Y轴上的坐标，大于肺主动脉血管组件的质心在Y轴上的坐标，第三过滤条件包括：
候选栓塞组件的外接立方体在Y轴上的最小坐标，小于修正立方体在Y轴上的最大坐标。
候选栓塞组件的外接立方体在Z轴上的最大坐标，大于修正立方体在Z轴上的最小坐标。
若候选栓塞组件的外接立方体在X轴上的最大坐标，大于肺主动脉血管组件的外接立方体在X轴上的最大坐标，第三过滤条件包括：
候选栓塞组件的外接立方体在Y轴上的最大坐标，大于修正立方体在Y轴上的最大坐标。
在另一种应用场景中，若候选栓塞组件的外接立方体在X轴上的最小坐标，大于肺主动脉血管组件的外接立方体在X轴上的最小坐标，且候选栓塞组件的外接立方体在X轴上的最大坐标，小于肺主动脉血管组件的外接立方体在X轴上的最大坐标，第三过滤条件包括：
候选栓塞组件的外接立方体在Y轴上的最小坐标，小于修正立方体在Y轴上的最大坐标。
候选栓塞组件的外接立方体在Y轴上的最大坐标，大于修正立方体在Y轴上的最小坐标。
候选栓塞组件的外接立方体在Z轴上的最小坐标，大于修正立方体在Z轴上的最小坐标。
候选栓塞组件的外接立方体在Z轴上的最大坐标，小于修正立方体在Z轴上的最大坐标。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
综上所述，本公开首先按照灰度值对肺部的CTPA图像进行分割，以获取用于指示肺实质在CTPA图像中的位置的肺实质二值图像，并根据肺实质二值图像确定CTPA图像中，中纵隔对应的中纵隔图像。之后，对中纵隔图像进行分割，以得到中纵隔图像中的多个连通组件。再根据中纵隔图像的位置坐标，和每个连通组件的灰度值、位置坐标，在多个连通组件中确定肺主动脉血管组件。最后根据肺主动脉血管组件确定肺主动脉血管图像。本公开根据从中纵隔图像中分割出的多个连通组件之间的位置关系来提取肺主动脉血管组件，能够得到准确、清晰的肺主动脉血管图像。
图17是根据一示例性实施例示出的一种电子设备300的框图。如图17所示，该电子设备300可以包括：处理器301，存储器302。该电子设备300还可以包括多媒体组件303，输入/输出(I/O)接口304，以及通信组件305中的一者或多者。
其中，处理器301用于控制该电子设备300的整体操作，以完成上述的肺主动脉血管提取方法中的全部或部分步骤。存储器302用于存储各种类型的数据以支持在该电子设备300的操作，这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件303可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器302或通过通信组件305发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口304为处理器301和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件305用于该电子设备300与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件305可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备300可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的肺主动脉血管提取方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的肺主动脉血管提取方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器302，上述程序指令可由电子设备300的处理器301执行以完成上述的肺主动脉血管提取方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的肺主动脉血管提取方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (14)
1.一种肺主动脉血管提取方法，其特征在于，所述方法包括：
按照灰度值对肺部的CTPA图像进行分割，以获取肺实质二值图像，并根据所述肺实质二值图像从所述CTPA图像中确定中纵隔图像，所述肺实质二值图像用于指示肺实质在所述CTPA图像中的位置，所述中纵隔图像为所述CTPA图像中，中纵隔对应的图像，所述CTPA图像为三维图像；
对所述中纵隔图像进行分割，以得到所述中纵隔图像中的多个连通组件；
根据所述中纵隔图像的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定肺主动脉血管组件；
根据所述肺主动脉血管组件确定肺主动脉血管图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述中纵隔图像的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定肺主动脉血管组件，包括：
将多个所述连通组件中，包括体素数量最多的第一预设数量个所述连通组件作为候选连通组件；
将灰度值大于第一灰度阈值，且满足预设的第一过滤条件的所述候选连通组件，确定为所述肺主动脉血管组件；
所述第一过滤条件包括：
该候选连通组件在X轴上的长度大于第一距离阈值，且该候选连通组件在Y轴上的长度大于第二距离阈值；
该候选连通组件在Y轴上的最小坐标，与所述中纵隔图像在Y轴上的最小坐标的差值，小于或等于第三距离阈值；
X轴为正视所述CTPA图像由左至右的坐标轴，Y轴为正视所述CTPA图像由上至下的坐标轴。
3.根据权利要求2所述的方法，其特征在于，所述第一过滤条件还包括：
该候选连通组件的中截面在Z轴上的长度小于或等于第四距离阈值；
所述中截面在Z轴上的最大坐标，大于该候选连通组件的上截面在Z轴上的最大坐标；
所述上截面在X轴上的最大坐标，小于该候选连通组件的下截面在X轴上的最大坐标；
所述上截面在X轴上的最小坐标，大于该候选连通组件在X轴上的最小坐标；
所述中截面在Z轴上的最小坐标，大于所述中纵隔图像在Z轴上的最小坐标；
Z轴为正视所述CTPA图像由外至内的坐标轴，所述上截面、所述中截面、所述下截面分别为，在Y轴的第一位置、第二位置、第三位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面，所述第一位置、所述第二位置、所述第三位置在Y轴上的坐标依次增大。
4.根据权利要求2所述的方法，其特征在于，所述第一过滤条件还包括：
该候选连通组件的目标截面的圆度率大于圆度率阈值；或者，
经过闭运算的该候选连通组件的所述目标截面的圆度率大于所述圆度率阈值；
所述目标截面为，第一截面和第二截面中圆度率大的截面，所述第一截面和所述第二截面分别为，在Y轴的第四位置和第五位置处，以垂直Y轴的平面对该候选连通组件进行剖切得到的截面。
5.根据权利要求1所述的方法，其特征在于，在所述根据所述肺主动脉血管组件确定肺主动脉血管图像之前，所述方法还包括：
根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定补齐血管组件；
所述根据所述肺主动脉血管组件确定肺主动脉血管图像，包括：
根据所述肺主动脉血管组件和所述补齐血管组件，确定肺主动脉血管图像。
6.根据权利要求5所述的方法，其特征在于，所述根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定补齐血管组件，包括：
根据所述肺主动脉血管组件的位置坐标，确定所述肺主动脉血管组件的质心和外接立方体，并根据每个所述连通组件的位置坐标，确定该连通组件的质心和外接立方体；
将多个所述连通组件中，灰度值大于第二灰度阈值，且包括体素数量最多的第二预设数量个所述连通组件作为候选补齐组件；
将满足预设的第二过滤条件的所述候选补齐组件，确定为所述补齐血管组件；
所述第二过滤条件包括：
该候选补齐组件的质心在X轴上的坐标，不属于所述肺主动脉血管组件的外接立方体在X轴上的坐标范围；
该候选补齐组件的质心在Y轴上的坐标，大于所述肺主动脉血管组件的外接立方体在Y轴上的最小坐标；
该候选补齐组件的质心在Z轴上的坐标，大于所述肺主动脉血管组件的外接立方体在Z轴上的最小坐标；
该候选补齐组件的外接立方体在Z轴上的最大坐标，小于所述肺主动脉血管组件的外接立方体在Z轴上的最大坐标；
X轴为正视所述CTPA图像由左至右的坐标轴，Y轴为正视所述CTPA图像由上至下的坐标轴，Z轴为正视所述CTPA图像由外至内的坐标轴。
7.根据权利要求6所述的方法，其特征在于，所述根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定补齐血管组件，还包括：
根据所述肺主动脉血管组件的质心，将所述肺主动脉血管组件分为左组件和右组件，并确定所述左组件的质心和外接立方体，和所述右组件的质心和外接立方体；
所述第二过滤条件还包括：
该候选补齐组件外接立方体在Y轴上的最大坐标，大于所述肺主动脉血管组件的外接立方体在Y轴上的最大坐标；
若该候选补齐组件的质心在X轴上的坐标，小于所述左组件的外接立方体在X轴上的最小坐标，该候选补齐组件外接立方体在X轴上的最小坐标，小于所述左组件的外接立方体在X轴上的最小坐标；
若该候选补齐组件的质心在X轴上的坐标，大于所述右组件的外接立方体在X轴上的最大坐标，该候选补齐组件外接立方体在X轴上的最大坐标，大于所述右组件的外接立方体在X轴上的最大坐标。
8.根据权利要求1所述的方法，其特征在于，在所述根据所述肺主动脉血管组件确定肺主动脉血管图像之前，所述方法还包括：
根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定栓塞组件；
所述根据所述肺主动脉血管组件确定肺主动脉血管图像，包括：
根据所述肺主动脉血管组件和所述栓塞组件，确定肺主动脉血管图像。
9.根据权利要求8所述的方法，其特征在于，所述根据所述肺主动脉血管组件的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定栓塞组件，包括：
将多个所述连通组件中，灰度值小于第三灰度阈值，且经过膨胀处理后与所述肺主动脉血管组件相交的所述连通组件，作为候选栓塞组件；
根据所述候选栓塞组件的位置坐标，和所述肺主动脉血管组件的位置坐标，判断所述候选栓塞组件是否位于所述肺主动脉血管组件内；
将位于所述肺主动脉血管组件内的所述候选栓塞组件，作为所述栓塞组件。
10.根据权利要求9所述的方法，其特征在于，所述根据所述候选栓塞组件的位置坐标，和所述肺主动脉血管组件的位置坐标，判断所述候选栓塞组件是否位于所述肺主动脉血管组件内，包括：
根据经过膨胀处理后的所述候选栓塞组件，与所述肺主动脉血管组件相交的区域，确定修正立方体；
根据所述肺主动脉血管组件的位置坐标，确定所述肺主动脉血管组件的质心和外接立方体，根据所述候选栓塞组件的位置坐标，确定所述候选栓塞组件的质心和外接立方体；
若所述候选栓塞组件满足预设的第三过滤条件，确定所述候选栓塞组件位于所述肺主动脉血管组件内。
11.根据权利要求10所述的方法，其特征在于，若所述候选栓塞组件的外接立方体在X轴上的最小坐标，小于所述肺主动脉血管组件的外接立方体在X轴上的最小坐标，且所述候选栓塞组件的质心在Y轴上的坐标，大于所述肺主动脉血管组件的质心在Y轴上的坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最小坐标，小于所述修正立方体在Y轴上的最大坐标；
所述候选栓塞组件的外接立方体在Z轴上的最大坐标，大于所述修正立方体在Z轴上的最小坐标；
若所述候选栓塞组件的外接立方体在X轴上的最大坐标，大于所述肺主动脉血管组件的外接立方体在X轴上的最大坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最大坐标，大于所述修正立方体在Y轴上的最大坐标；
若所述候选栓塞组件的外接立方体在X轴上的最小坐标，大于所述肺主动脉血管组件的外接立方体在X轴上的最小坐标，且所述候选栓塞组件的外接立方体在X轴上的最大坐标，小于所述肺主动脉血管组件的外接立方体在X轴上的最大坐标，所述第三过滤条件包括：
所述候选栓塞组件的外接立方体在Y轴上的最小坐标，小于所述修正立方体在Y轴上的最大坐标；
所述候选栓塞组件的外接立方体在Y轴上的最大坐标，大于所述修正立方体在Y轴上的最小坐标；
所述候选栓塞组件的外接立方体在Z轴上的最小坐标，大于所述修正立方体在Z轴上的最小坐标；
所述候选栓塞组件的外接立方体在Z轴上的最大坐标，小于所述修正立方体在Z轴上的最大坐标。
12.一种肺主动脉血管提取装置，其特征在于，所述装置包括：
第一分割模块，用于按照灰度值对肺部的CTPA图像进行分割，以获取肺实质二值图像，并根据所述肺实质二值图像从所述CTPA图像中确定中纵隔图像，所述肺实质二值图像用于指示肺实质在所述CTPA图像中的位置，所述中纵隔图像为所述CTPA图像中，中纵隔对应的图像，所述CTPA图像为三维图像；
第二分割模块，用于对所述中纵隔图像进行分割，以得到所述中纵隔图像中的多个连通组件；
提取模块，用于根据所述中纵隔图像的位置坐标，和每个所述连通组件的灰度值、位置坐标，在多个所述连通组件中确定肺主动脉血管组件；
确定模块，用于根据所述肺主动脉血管组件确定肺主动脉血管图像。
13.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-11中任一项所述方法的步骤。
14.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-11中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110711392.2A CN113506250B (zh) | 2021-06-25 | 2021-06-25 | 肺主动脉血管提取方法、装置、可读存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110711392.2A CN113506250B (zh) | 2021-06-25 | 2021-06-25 | 肺主动脉血管提取方法、装置、可读存储介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113506250A true CN113506250A (zh) | 2021-10-15 |
| CN113506250B CN113506250B (zh) | 2024-05-28 |
Family
ID=78010801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110711392.2A Active CN113506250B (zh) | 2021-06-25 | 2021-06-25 | 肺主动脉血管提取方法、装置、可读存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113506250B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
| US20080101674A1 (en) * | 2006-10-25 | 2008-05-01 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies |
| US20080107310A1 (en) * | 2004-09-21 | 2008-05-08 | Walthard Vilser | Method And Device For Analyzing The Retinal Vessels By Means Of Degital Images |
| JP2008142482A (ja) * | 2006-12-13 | 2008-06-26 | Med Solution Kk | 縦隔リンパ節郭清で切除される領域を複数の区域にセグメンテーションする装置およびプログラム |
| KR20110129239A (ko) * | 2010-05-25 | 2011-12-01 | 인하대학교 산학협력단 | 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법 |
| US20160117814A1 (en) * | 2013-04-10 | 2016-04-28 | The Asan Foundation | Method for distinguishing pulmonary artery and pulmonary vein, and method for quantifying blood vessels using same |
| CN110807788A (zh) * | 2019-10-21 | 2020-02-18 | 腾讯科技（深圳）有限公司 | 医学图像处理方法、装置、电子设备及计算机存储介质 |
| CN111462270A (zh) * | 2020-04-07 | 2020-07-28 | 广州柏视医疗科技有限公司 | 一种基于新型冠状病毒肺炎ct检测的重建系统及方法 |
| CN112102267A (zh) * | 2020-08-31 | 2020-12-18 | 沈阳东软智能医疗科技研究院有限公司 | 肺动脉血管树的获取方法、装置、存储介质和电子设备 |
| CN112102275A (zh) * | 2020-09-09 | 2020-12-18 | 沈阳东软智能医疗科技研究院有限公司 | 肺主动脉血管图像提取方法、装置、存储介质及电子设备 |
| CN112184659A (zh) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | 一种肺部图像处理方法、装置及设备 |
| CN112465749A (zh) * | 2020-11-11 | 2021-03-09 | 沈阳东软智能医疗科技研究院有限公司 | 提取肺栓塞图像的方法、装置、存储介质及电子设备 |
| CN112861961A (zh) * | 2021-02-03 | 2021-05-28 | 推想医疗科技股份有限公司 | 肺血管分类方法及装置、存储介质及电子设备 |
-
2021
- 2021-06-25 CN CN202110711392.2A patent/CN113506250B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
| US20080107310A1 (en) * | 2004-09-21 | 2008-05-08 | Walthard Vilser | Method And Device For Analyzing The Retinal Vessels By Means Of Degital Images |
| US20080101674A1 (en) * | 2006-10-25 | 2008-05-01 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies |
| JP2008142482A (ja) * | 2006-12-13 | 2008-06-26 | Med Solution Kk | 縦隔リンパ節郭清で切除される領域を複数の区域にセグメンテーションする装置およびプログラム |
| KR20110129239A (ko) * | 2010-05-25 | 2011-12-01 | 인하대학교 산학협력단 | 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법 |
| US20160117814A1 (en) * | 2013-04-10 | 2016-04-28 | The Asan Foundation | Method for distinguishing pulmonary artery and pulmonary vein, and method for quantifying blood vessels using same |
| CN110807788A (zh) * | 2019-10-21 | 2020-02-18 | 腾讯科技（深圳）有限公司 | 医学图像处理方法、装置、电子设备及计算机存储介质 |
| CN111462270A (zh) * | 2020-04-07 | 2020-07-28 | 广州柏视医疗科技有限公司 | 一种基于新型冠状病毒肺炎ct检测的重建系统及方法 |
| CN112102267A (zh) * | 2020-08-31 | 2020-12-18 | 沈阳东软智能医疗科技研究院有限公司 | 肺动脉血管树的获取方法、装置、存储介质和电子设备 |
| CN112102275A (zh) * | 2020-09-09 | 2020-12-18 | 沈阳东软智能医疗科技研究院有限公司 | 肺主动脉血管图像提取方法、装置、存储介质及电子设备 |
| CN112184659A (zh) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | 一种肺部图像处理方法、装置及设备 |
| CN112465749A (zh) * | 2020-11-11 | 2021-03-09 | 沈阳东软智能医疗科技研究院有限公司 | 提取肺栓塞图像的方法、装置、存储介质及电子设备 |
| CN112861961A (zh) * | 2021-02-03 | 2021-05-28 | 推想医疗科技股份有限公司 | 肺血管分类方法及装置、存储介质及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 刘乐;李阳;侯阿临;孙春艳;孙丽;: "基于CT图像的肺实质分割", 长春工业大学学报, no. 01, 15 February 2015 (2015-02-15) * |
| 陈亚楠;陈丽芳;芦国军;: "基于otsu和区域生长的肺部CT图像分割方法", 无线互联科技, no. 17 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113506250B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10079071B1 (en) | Method and system for whole body bone removal and vascular visualization in medical image data | |
| US10885633B2 (en) | Method for segmentation of the head-neck arteries, brain and skull in medical images | |
| US10206646B2 (en) | Method and system for extracting centerline representation of vascular structures in medical images via optimal paths in computational flow fields | |
| US7756316B2 (en) | Method and system for automatic lung segmentation | |
| CN112102267B (zh) | 肺动脉血管树的获取方法、装置、存储介质和电子设备 | |
| EP3497669B1 (en) | Method for automatically detecting systemic arteries in arbitrary field-of-view computed tomography angiography (cta). | |
| CN112102275B (zh) | 肺主动脉血管图像提取方法、装置、存储介质及电子设备 | |
| US8050470B2 (en) | Branch extension method for airway segmentation | |
| CN115953393A (zh) | 基于多任务学习的颅内动脉瘤检测系统、设备及存储介质 | |
| Singh et al. | Automatic blastomere detection in day 1 to day 2 human embryo images using partitioned graphs and ellipsoids | |
| CN116862930A (zh) | 适用于多模态的脑血管分割方法、装置、设备和存储介质 | |
| CN113506250A (zh) | 肺主动脉血管提取方法、装置、可读存储介质和电子设备 | |
| Kang et al. | 3D active vessel tracking using an elliptical prior | |
| CN118613826A (zh) | 分析医学图像中的肝脏病变 | |
| CN113192099A (zh) | 一种组织提取方法、装置、设备和介质 | |
| Luo et al. | Recent progresses on cerebral vasculature segmentation for 3D quantification and visualization of MRA | |
| US20240354958A1 (en) | Method for segmentation of the head-neck arteries, brain and skull in medical images | |
| CN115588012B (zh) | 一种盆骨动脉血管分割方法、系统、存储介质及终端 | |
| CN116051566B (zh) | 一种用于ct增强图像的血管自动分割方法 | |
| TWI790179B (zh) | 心導管影像辨識及評估方法 | |
| US20230245417A1 (en) | Systems and methods for electronically removing lesions from three-dimensional medical images | |
| CN114445421B (zh) | 一种鼻咽癌淋巴结区域的识别分割方法、装置及系统 | |
| CN115359051B (zh) | 基于图形识别的动脉瘤识别方法 | |
| Tan et al. | A pulmonary vascular segmentation algorithm of chest CT images based on fast marching method | |
| Li et al. | A novel combined level set model for automatic MR image segmentation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |