CN1700254A - 动脉－静脉分离及脉管建模 - Google Patents

Abstract

提供一种用于动脉－静脉分离及脉管建模的系统(100)和方法(200)，该系统包括一个适配器单元(112、128、130)、与适配器单元信号连接的一个中心线定位单元(170)、以及与中心线定位单元信号连接的一个可变形建模单元(180)；所述方法包括接收表示脉管的三维图像数据(212)、显像接收到的图像数据(214)、相对于显像在脉管上选择种子点(216)、响应数据的曲率信息，使用一个非线性滤波器平滑该图像数据(218)、为每个选择的种子点初始化一个可变形模型(220)、根据至少一个局部和全部统计，调制每个可变形模型的扩展(222)、及为每个模型生成一个互相连接的区域(224)，其中每个模型为在其自己的区域分类新点而竞争，直到会聚。

Description

动脉-静脉分离及脉管建模

相关申请的交叉引用

本申请要求2004年5月6日提交的，美国暂定申请号60/568,495(代理人案号2004P07659US)，题为“用于脉管建模的动脉-静脉分离”的申请的优先权，其内容在此引入作为参考。

背景技术

临床分析和外科手术支持特别需要动脉结构的精确图。在现代医学成像技术中，血管，包括动脉和静脉，在使用对比剂时，都可以在成像数据中被有效地放大。遗憾的是，为了更好的显像和量化，在成像数据中的动脉结构特别需要人工地从静脉结构中分割和/或分离出来。

这样，期望一个进行最小化人工干预时，在成像数据中，精确地从静脉结构中分割和分离动脉结构的方法。本公开内容提交了这些和其他的主题，包括用于动脉-静脉分离和脉管建模的方法和系统。

发明内容

这些和其他现有技术的缺点和不足通过一个用于动脉-静脉分离及脉管建模的系统和方法提出。

一个典型的用于动脉-静脉分离及脉管建模的系统包括：一个用于接收三维图像数据的适配器单元；一个与适配器单元信号连接的中心线定位单元，用于显像接收到的图像数据，相对于显像在脉管上选择种子点，并响应数据的曲率信息，使用非线性滤波器平滑图像数据；及一个与中心线定位单元信号连接的可变形建模单元，用于为每个选择的种子点初始化可变形模型，根据至少一个局部和全部统计，调制每个可变形模型的扩展，并为每个模型生成一个互连的区域，其中每个模型为在其自己的区域分类新点而竞争，直到会聚。

一个对应的典型的用于动脉-静脉分离及脉管建模的方法包括：接收表示脉管的三维图像数据；显像接收到的图像数据；相对于显像在脉管上选择种子点；响应数据的曲率信息，使用非线性滤波器平滑图像数据；为每个选择的种子点初始化一个可变形模型；根据至少一个局部和全部统计，调制每个可变形模型的扩展；及为每个模型生成一个互连的区域，其中每个模型为在其自己的区域分类新点而竞争，直到会聚。

本公开内容的这些和其他方面、特征及优点将从联系附图而阅读的典型实施例的下述说明中变得明显。

附图说明

当前公开内容根据下面示例图，教导了用于动脉-静脉分离及脉管建模的系统和方法，其中：

图1示出了根据本公开内容的说明性实施例的用于动脉-静脉分离及脉管建模的系统的简图；

图2示出了根据本公开内容的说明性实施例的用于动脉-静脉分离及脉管建模的方法的流程图；

图3示出了根据本公开内容的说明性实施例的在动脉-静脉分离及脉管建模中的种子布局的图示图；

图4示出了根据本公开内容的说明性实施例的在动脉-静脉分离及脉管建模中的局部平滑的图示图；

图5示出了根据本公开内容的说明性实施例的在动脉-静脉分离及脉管建模中的错误校正的简图；

图6示出了根据本公开内容的说明性实施例的在动脉-静脉分离及脉管建模中的处理和结果的图示图。

具体实施方式

在医学成像技术中，血管，包括动脉和静脉，在使用对比剂时，都可以在成像数据中被放大。例如，在使用MS-325对比剂时，动脉和静脉可以在磁共振血管造影术(“MRA”)数据中被有效的放大。

本公开内容的实施例为了更好的显像和量化，在成像数据中从静脉结构中精确地分割和分离动脉结构。一个典型的实施例算法将基于区域的可变形模型与脉管中心线模型结合，用来在对比增强(“CE”)的MRA中，从静脉中分离动脉。

如图1所示，根据本公开内容的一个说明性实施例的用于动脉-静脉分离和脉管建模的系统，一般地被表示为参考数字100。该系统100包括至少一个与系统总线104信号连接的处理器或中央处理单元(“CPU”)102。还有，与系统总线104信号连接的一个只读存储器(“ROM”)106、一个随机存取存储器(“RAM”)108、一个显示适配器110、一个输入/输出(“I/O”)适配器112、一个用户接口适配器114、一个通信适配器128、及一个成像适配器130。一个显示单元116通过显示适配器110与系统总线104信号连接。一个硬盘存储器单元118，例如，一个磁或光盘存储单元，通过I/O适配器112与系统总线104信号连接。一个鼠标120、一个键盘122、及一个眼球跟踪设备124，通过用户接口适配器114与系统总线104信号连接。一个成像设备132，通过成像适配器130与系统总线104信号连接。

一个中心线定位单元170和一个可变形建模单元180还包括在系统100中，并且与CPU102及系统总线104信号连接。当该中心线定位单元170和可变形建模单元180被作为与至少一个处理器或CPU102成对地说明时，这些部件优选地被物化为存储在至少多个存储器106、108及118中的一个中的计算机程序代码，其中，该计算机程序代码由CPU102执行。

转到图2，根据本公开内容的一个说明性实施例的用于动脉-静脉分离和脉管建模的方法，一般地被表示为参考数字200。该方法200包括一个开始块210，传送控制至一个输入块212。该输入块212接收表示脉管的扫描的图像数据，并传送控制至一个功能块214。该功能块214显像接收到的图像数据，并传送控制至一个功能块216。该功能块216相对于显像在脉管上选择种子点，并传送控制至一个功能块218。该功能块218响应数据的曲率信息，用非线性滤波器平滑图像数据，并传送控制至一个功能块220。该功能块220对每个选择的种子点初始化一个可变形模型，并传送控制至一个功能块222。该功能块222根据局部和/或全部统计，调制每个可变形模型的扩展，并传送控制至一个功能块224。该功能块224依次为每个模型生成一个互连的区域，其中每个模型为在其自己的区域分类新点而竞争，直到会聚，然后传送控制至一个结束块226。

现在转向图3，一般地由参考数字300表示种子布局图像。该图像300说明了在容积再现显像(“VRT”)中动脉和静脉的种子布局。

如图4所示，局部平滑图像一般地由参考数字400表示。该图像400说明了CE-MRA数据的局部平滑。这里，噪声被从在第一图像410中的数据中消除，不对第二图像412中的脉管边界有不良的影响。

转向图5，对脉管对的错误校正阶段一般地由参考数字500表示。在第一阶段510中，一个错误的分割通过断续的中心线模型516和518的终点512和514确定。在第二阶段520中，在点512和514之间的分割结果被删除。在第三阶段530中，新的可变形模型从删除的区域的边界被初始化。

转向图6，动脉-静脉数据和分离结果图像一般地由参考数字600表示。这里，图像610显示了原始的CE-MRA数据。图像620显示了来自分离算法的结果。图像630显示了静脉抑制后的动脉。图像640显示了典型的脉管分析包的快照，其中说明了三个MPR642、644和646，容积再现变换(“VRT”)显像648显示了静脉抑制后的动脉及脉管中心线曲线，及通过中心线曲线在VRT中规定的动脉的拉平显像650。这样，图6说明了从静脉中成功地分割和分离动脉。需要被理解的是，为了更好地分析静脉结构，从显像中消除动脉结构是一个选项。一旦静脉或动脉结构被消除，动脉或静脉可以更详细地被研究，例如，通过脉管观察软件。

在典型的半自动分割和分离方法的操作中，用户通过使用容积再现变换(“VRT”)或最大密度投影(“MIP”)显像，在动脉和静脉上选择种子点。该算法将数据视为4D表面，而对CE-MRA数据应用非线性平滑或滤波，并通过推算出基于其曲率信息的数据来平滑。本典型实施例使用一个平均高斯曲率，它能够消除噪声但是保持类似脉管的结构实质上不改变。

每个种子点被用于初始化一个可变形模型，其中模型生长通过局部或全部统计被调制。当根据例如静脉和动脉的脉管的可变形模型，在扩展中冲突时，它们为使用其自己的标签分类区域而相互竞争，直到会聚为止。一个这样的区域竞争算法从脉管中分离动脉，但也会产生错误。特别地，代表静脉或动脉的可变形模型可以有时横过其他的动脉或静脉，并且，当它们之间的缝隙很小时，它们可以生长在一起直到与其他动脉或静脉可变形模型冲突。这种情况可以因为算法不要求非常复杂的种子布局而发生。如果动脉和静脉的大量种子被对称地布局相互远离，这些错误也许可以避免。

胜于使用高级种子布局技术，本公开内容的实施例结合脉管的中心线模型。特别地，种子点间的中心线从分割和分离的结果中被检测出来。种子间的中心线可以通过使用Dijkstra算法构造，例如，该算法中的价值函数可以从分割的脉管的距离变换及种子点间的距离中推导出来。为了动脉和静脉更好地分离，于是可变形模型从中心线被初始化。

这些模型基于局部和全部统计生成，并且在冲突时相互竞争。结合中心线模型有效地提高精确性。如果发生错误，用户可以添加或删除种子来校正结果，直到满意为止。由于该计算在此算法中是局部的，该校正阶段的计算负荷相对降低。此外，为了进一步的计算效率，提供一种局部平滑技术，其中该平滑仅被应用在可变形模型访问的位置。

在典型的对CE-MRA的动脉-静脉分离算法中，由于用户仅点击3D显像来布局种子，该算法为用户友好。例如在一个1.5GHz奔腾3的机器上，当前实现只需约两分钟。该算法在超过20组腹部CE-MRA数据组上有过成功的测试。在绝大多数情况下，该算法成功运行。当错误在结果中发生时，用户通过增加更多的种子就可以轻易地校正结果，而不需要重启整个处理。该校正处理需时不超过5分钟。

另一个典型实施例包括一种在CE-MRA和CE计算层析X射线摄影法血管造影术(“CTA”)成像中，用于从静脉中分割和分离动脉的算法。例如，在使用MS-325对比剂时，动脉和静脉可以在MRA数据中有效的被放大。本实施例将基于可变形模型的区域与脉管中心线模型结合起来，用于在CE-MRA和CE-CTA中从静脉中分离动脉。在半自动分割和分离算法中，用户通过使用例如VRT或MIP显像，在动脉和静脉上选择少数点。

该算法对CE数据应用一种非线性平滑滤波器。该算法将数据视为一个4D表面，并通过基于其曲率信息将其展开对其平滑。这里，曲率信息可以包括一个平均高斯曲率，其能够消除噪声但保持脉管类结构不变。

可变形模型从每个种子点中进行初始化，其中模型生长由局部或全部统计调制。当从脉管和动脉的可变形模型在扩展中冲突时，它们通过使用区域竞争的，为使用自己的标签来分类区域而相互竞争，直到会聚。虽然如果对动脉和静脉的大量种子相互对称地布局可以避免错误，本实施例结合脉管的中心线模型代替使用上述高级的种子布局技术。特别地，该算法从分割和分离结果检测种子点间的中心线。种子间的中心线通过使用Dijkstra算法构造，如本领域公知的，其中该价值函数从分割的脉管的距离变换和种子间的距离被导出。

可变形模型从中心线中被初始化，以更好的分离动脉和静脉。这些模型基于局部和全部统计被增长，并且在它们冲突时相互竞争。中心线模型的结合有效地提高了区域生长的精确度。如果需要，用户可以增加或删除种子来微调该结果。既然在本算法中计算是局部的，调试阶段的计算负荷是低的。此外为了更高的计算效率，局部平滑技术被使用，其中平滑仅应用于可变形模型访问的位置。

基于偏微分方程(“PDE”)的图像平滑也将被使用。由于图像获取设备或偏容积效应，CE-MRA或CE-CTA中的脉管结构常常被出现的噪声所扭曲。因此，为了获得健全的分割结果，在分割算法应用之前，应用小量的平滑于密度数据经常是必要的。现在大多数的图像平滑算法都基于局部算子的滤波显像。最常用的图像平滑方法都基于高斯算子的滤波数据。遗憾的是，高斯平滑存在两个主要缺点：(i)当从较精确向较粗略刻度移动时，高斯平滑缩小形状并使边界变位。(ii)高斯平滑模糊了重要的图像特征。

因此，本公开内容的实施例不考虑高斯平滑，而使用基于PED的非线性的图像平滑算法。本技术是具有吸引力的，因为它除去了不想要的结构或噪声，而没有消除管状结构的边界。该算法是基于以曲率为基础的平滑。特别的是，灰度级图像被用作为一个基于曲率信息的展开表面。在2D中，曲率或扩散过程迅速地将锐度突起推入并引出深度凹痕。遗憾的是，这样使缝隙要被跨接。在3D中，一个相似的推理应用于3D表面上凸的或凹的椭圆形点。既然这样，问题是被抛物线的和双曲线的点的存在所混淆。

在3D中与曲率相关的变形适合形状的表示。满足特定可见限制的变形也将满足以下的流动方向的选择：(1)双曲线的点应具有零速度，(2)抛物线的点应具有零速度，(3)椭圆形凸点应移进，而椭圆形凹点应移出。除了建立流动方向之外，流动数量的单调条件示出了高斯曲率的平方根适合该数量。该演化方程为4D密度数据的函数。此类型演化已经为了影片的分析和表面分析而提出，其中该影片为时间上的图像的序列。

曲率的描述适用于在3D中凸面突起推入，及3D中凹面凹痕拉出的应用；例如静脉的圆柱形结构不受影响，及双曲线点不移动。当在例如弱梯度点的困难的区域调整时，如果附近的脉管结构将被精确地保留，后一点是必要的。虽然，这种基于PDE的平滑算法消除噪声，而不影响脉管边界，它在计算上是高代价的。这样，优选实施例仅对分割算法操作的区域应用这种平滑，结果为节约大量的计算时间。再参见图4，这种基于PDE的局部平滑算法被用于CE-MRA数据上。

本公开内容的典型实施例通过区域竞争完成脉管分割。区域竞争可以被用于动脉和静脉的同时分割。用户通过使用VRT或MPR显像，为动脉、静脉和围绕脉管周围的组织来布局种子。可变形模型从种子中被初始化，该种子通过图像统计增长。同类型的可变形模型，例如动脉和动脉，在相互冲突时合并。另一方面，不同类型的可变形模型，例如动脉和静脉，都基于模型的统计来竞争区域。

将可变形模型的几何特征与区域生长的统计性质结合起来的区域竞争包括利用用于种子生长的统计和平滑力的结合。而且，它介绍一种当区域相互接触时，区域间的局部竞争，通过交换导致能量下降的象素，允许从错误中恢复。特别的，如果种子区域或对象相对于一个具有边界的背景区域被发现，该区域的密度值将与已经通过以特定参数的概率分布生成相一致。位于一个区域的边界上的一点的局部变形由一个平滑力和一个统计力得出，其中在区域边界的每个曲率、在该点的图像、及边界的法线都是已知的。作为两个邻近区域的竞争结果，它们边界的局部变形基于边界的单个平滑项及两个统计力间的竞争，与在共同边界上的一点及描述该区域的概率分布的参数相关。

对用于最小化描述长度(“MDL”)的梯度下降，存在一个关系，包括一个代表欧几里的曲线缩短流的曲率项。区域竞争在邻近的区域间执行一个来回的竞争，并且被继续直到会聚。会聚后，如果合并导致能量降低，则两个邻近的区域合并。在这种情况下，竞争重新开始并且持续直至在最终的分割中产生一个最终会聚。

区域竞争为一种很有用的技术，并且在广泛的图像种类中运行良好，包括噪声区域间扩散的或不稳定边缘。该方法将在至少两个方面的改进中得益：(i)导致参差不齐的边界的平滑项的效力不足，及(ii)统计上不同区域的速度的有效相似性。如果种子被布局得与边界不对称，也就是说，如果一个种子被布局得靠近边界，而另一个种子被布局得离边界很远，如果边界不稳定并代表类似区域，第一个种子可能被漏掉。如果第二个种子大约同时地到达，该区域竞争可能反向并推后伸展的区域。然而，由于不对称的初始化，第一种子具有某段时间生长的机会，并且失去其统计特征。这样，规定了种子密度分布的参数，例如如果使用高斯模型的平均值和方差，将充分地改变，使得其能够包括大量的像素，竞争区域亦能。在这种情况下，恢复将被阻止，因为区域竞争不能推回挤压区域。

如果用户合适地布局种子，用于动脉和静脉分割和分离的该区域竞争算法运行良好。然而，要知道在哪布局种子能够得到精确的结果并不容易。这样，在动脉和静脉相互非常近的时候，区域竞争可能会产生不正确的分离。这些错误能够通过自动地初始化新种子而被校正。

校正可以使用中心线模型进行。一个迭代算法自动地检测动脉和静脉的错误分离，并且通过布局新种子来校正二者。该中心线模型检测在分割和分离中的错误。该算法利用的是每个种子必须通过一个中心线模型与至少一个以上种子相连。通常，该连接由于在分割中的错误而被断开。如图5a所示，当在两个种子点间的连接被断开时，至少需要具有两个终点的两个中心线模型。在这些终点间的分割必须被校正。

分割对象的中心线被如下计算。中心线模型为例如脉管的管状结构的最直观的表示。算法实施例利用一个基于Dijkstra方法的最小价值路径检测算法，来检测分割的脉管的中心线。该分割的脉管首先通过形态学操作被调整。然后，正面从每个种子点来初始化。这些正面在已经分割的脉管的结构内部中扩展，直到所有的展开的正面互相相遇。每个正面三维像素的价值函数或速度函数从分割的脉管的距离转换及三维像素间的距离被计算出。由第二三维象素访问的第一三维像素的价值函数是分割的脉管的距离转换(“DT”)及它们之间无符号的距离的测定的函数。该DT值强迫正面靠近脉管中心扩展。一个类似的算法可以被用来在管状的结构，例如结肠中，寻找路径。该最小价值路径检测算法导致包括有序的离散三维像素位置的离散路径。

一旦动脉和静脉的中心线模型被检测，错误的分割结果通过断续的中心线而被检测。对每个终点，对象的相应的中心线通过如图5a所示的最小距离标准计算出来。然后，在这些区域的两个对象的分割结果被删除，如图5b所示。为了获取正确的结果，新的可变形模型从已删除的区域的边界被初始化，如图5c所示。这个算法被重复直到种子点之间的连通性被建立。

需要被理解的是，本公开内容的教导可以被实现为不同形式的硬件、软件、固件、特定目的处理器、或它们的结合上。更优选的，本公开内容的教导被实施为硬件和软件的结合。

此外，软件优选地作为一个确实的物化在一个程序存储单元中的应用程序被实施。该应用程序可以被上载至一个包括任何适合结构的机器中，并由此机器来执行。优选地，该机器被实施在一个具有例如一个或多个中央处理单元(CPU)、一个随机存取存储器(RAM)、及输入/输出(I/O)接口的硬件的计算机平台。

该计算机平台可以还包括一个操作系统及微指令代码。这里描述的不同的处理和功能可以为微指令代码的一部分或应用程序的一部分，或它们的任意组合，它们可以通过CPU执行。此外，不同的其他外围单元可以被连接至例如附加数据存储单元和打印单元的计算机平台上。

还需要理解的是，由于相应附图中描述的某些构成的系统部件和方法优选地以软件方式实施，则系统部件间或处理功能块间的实际连接可能根据本公开内容被编程的情况而不同。这里给出的教导，相关领域普通技术人员能够想出本公开内容中这些或类似的实现或配置。

尽管在此已经参考相应附图说明了示例的实施例，可以理解的是本公开内容并不局限于那些明确的实施例，相关领域的普通技术人员可以在不背离本公开内容的范围或精神的基础上，对其实现不同的变化和修改。所有这样的变化和修改将要包括在本公开内容的范围内，就如附加的权利要求中所提出的。

Claims (31)

1、用于动脉-静脉分离及脉管建模的方法，包括：

接收表示脉管的三维图像数据；

显像接收到的图像数据；

相对于显像在脉管上选择种子点；

响应数据曲率信息利用非线性滤波器平滑图像数据；

为每个选择的种子点初始化一个可变形模型；

依照至少一个局部和全部统计，调制每个可变形模型的扩展；及

为每个模型生成一个互相连接的区域，其中每个模型为在其自己的区域分类新点而竞争，直到会聚。

2、如权利要求1定义的方法，进一步包括当多个可变形模型在扩展期间冲突时，检测冲突。

3、如权利要求1定义的方法，显像包括至少一个容积再现变换显像及最大密度投影显像。

4、如权利要求1定义的方法，平滑包括将数据处理为四维表面并根据其曲率信息展开数据。

5、如权利要求1定义的方法，该接收到的图像数据包括对比增强的磁共振血管造影数据和对比增强的计算层析X射线摄影法血管造影数据中的至少一种。

6、如权利要求1定义的方法，该曲率信息包括平均高斯曲率，其消除噪声但保持脉管状结构实质上不改变。

7、如权利要求1定义的方法，其中至少一个类型的可变形模型代表一动脉，并且至少一个其他类型的可变形模型代表一静脉。

8、如权利要求1定义的方法，进一步包括：

检测一个类型的模型何时横过另一个类型的模型；及

当模型间的缝隙很小时，防止不同类型的模型生长在一起。

9、如权利要求1定义的方法，进一步包括：

对接收到的数据进行至少一种分割和分离；及

所述响应该至少一种分割和分离，在一对对种子点间建模脉管中心线。

10、如权利要求9定义的方法，其中中心线通过使用从至少一个分隔的脉管的距离转换及种子点间距离导出的价值函数构造。

11、如权利要求9定义的方法，其中可变形模型从中心线中被初始化，为了模型更好的分离。

12、如权利要求9定义的方法，进一步包括：

检测不一致；

至少一个增加和删除种子点，以校正该不一致；及

响应校正的不一致，仅使用局部计算更新模型扩展。

13、如权利要求1定义的方法，进一步包括局部平滑，其中平滑仅被应用在可变形模型访问的地方。

14、如权利要求1定义的方法，进一步包括选择大量的相对于一个和其他对称设置的动脉和静脉的种子。

15、如权利要求1定义的方法，平滑包括基于偏微分方程的图像数据中的密度的平滑。

16、如权利要求15定义的方法，其中平滑为非线性的。

17、如权利要求15定义的方法，其中平滑在分割算法被应用于促进健全分割结果之前，应用到密度数据。

18、如权利要求15定义的方法，平滑包括使用灰度级图像作为基于曲率信息的展开表面。

19、如权利要求15定义的方法，平滑包括将锐度或凸面突起推入，并引出深度或凹面凹痕。

20、如权利要求15定义的方法，其中平滑流动的方向响应于下述约束：

双曲线点不被移动；

抛物线点不被移动；

椭圆凸点被向内移；且

椭圆凹点被向外移。

21、如权利要求15定义的方法，其中平滑仅被应用于分割算法操作的区域。

22、如权利要求1定义的方法，进一步包括：

当不同类型的区域相互接触时，在它们之间引入局部竞争；及

在导致能量降低的区域间交换像素。

23、如权利要求1定义的方法，进一步包括：

如果合并导致能量降低，则在初始会聚后，合并两个同样类型的相邻的区域；及

继续区域增长竞争，直到最终会聚导致最终的分割。

24、如权利要求1定义的方法，进一步包括：

为每个种子点定义一个中心线模型；

迭代地检测区域类型的错误分割；及

通过自动布局新种子，校正错误的分割。

25、如权利要求24定义的方法，进一步包括使用中心线模型来在至少一种图像数据的分割和分离中检测错误。

26、如权利要求1定义的方法，进一步包括定义一个中心线模型，通过：

在图像数据中分割脉管结构；

以形态操作调整分割的脉管；

从每个种子点初始化一个正面；

在已经分割的脉管的结构内部扩展正面，直到所有的展开的正面彼此相遇；及

使用最小价值路径检测算法来检测分割的脉管的中心线。

27、如权利要求26定义的方法，其中多个正面三维像素中每一个的价值函数从分割的脉管的距离转换及三维像素间的距离被计算出。

28、如权利要求26定义的方法，其中由第二三维像素访问的第一三维像素的价值函数为分割的脉管的距离转换及它们之间无符号的距离的测定的函数。

29、用于动脉-静脉分离及脉管建模的系统，包括：

一个用于接收三维图像数据的适配器单元；

一个与适配器单元信号连接的中心线定位单元，用于显像接收到的图像数据，相对于显像在脉管上选择种子点，并响应数据的曲率信息，使用非线性滤波器平滑图像数据；及

一个与中心线定位单元信号连接的可变形建模单元，用于为每个选择的种子点初始化可变形模型，根据至少一个局部和全部统计，调制每个可变形模型的扩展，并为每个模型生成一个互相连接的区域，其中每个模型为在其自己的区域分类新点而竞争，直到会聚。

30、用于动脉-静脉分离及脉管建模的系统，包括：

用于接收表示脉管的三维图像数据的适配器装置；

与适配器装置信号连接的显示装置，用于显像接收到的图像数据；

与显示装置信号连接的接口装置，用于相对于显像在脉管上选择种子点；

与接口装置信号连接的滤波器装置，用于响应数据的曲率信息，使用一个非线性滤波器平滑图像数据；

与滤波器装置信号连接的模型装置，用于为每个选择的种子点初始化一个可变形模型；

与模型装置信号连接的调制器装置，用于根据至少一个局部和全部统计，调制每个可变形模型的扩展；及

与调制器装置信号连接的区域生长装置，用于为每个模型生成一个互相连接的区域，其中每个模型为在其自己的区域分类新点而竞争，直到会聚。

31、一种机器可读的程序存储设备，确实地物化一个由机器可执行的指令程序，执行为动脉-静脉分离及脉管建模的程序步骤，该程序步骤包括：

接收表示脉管的三维图像数据；

显像接收到的图像数据；

相对于显像在脉管上选择种子点；

响应数据的曲率信息，使用一个非线性滤波器平滑该图像数据；

为每个选择的种子点初始化一个可变形模型；

根据至少一个局部和全部统计，调制每个可变形模型的扩展；及

为每个模型生成一个互相连接的区域，其中每个模型为在其自己的区域分类新点而竞争，直到会聚。

Images