专利名称：解剖树的自动化分层拆分的制作方法
技术领域：
本发明涉及一种用于对数据集表示的解剖树结构进行拆分的方法，该 数据集标识了解剖树结构中的多个点。本发明还涉及一种系统以及一种计 算程序产品。
背景技术：
WO 03/034337公开了一种用于对对象数据集进行分析的方法，在该对 象数据集中出现了具有多个分支(branch)和分叉(bifiircation)的管状结构，其 中，所述对象数据集分配数据值给多维空间的位置，该数据值与待检査的 对象相关，并且其中，对沿着所述管状结构的分支的所述管状结构的分叉 的位置进行标记，每个分支和分叉具有唯一的标记。当特别地为了实现全 自动脉管跟踪，特别是针对病人脑中的脉管结构使用该方法时，为了提高 精确度，提出下列步骤在该管状结构的感兴趣的分支或分叉中或者附近 选择起始点；对在所述起始点周围包含球体以及经过该球体中心的平面的 探针进行定向，从而使该平面经过所述起始点；调整探针的方向，从而使 该平面垂直于该管状结构，并且使该球体的中心处于该管状结构的中心轴 上；从而通过使用该球体内的表面顶点，根据沿着分支的分叉的最靠近位 置的标记来标记所述表面顶点，其中仅具有与感兴趣分支或分叉的标记或 沿着感兴趣分支的下一个分叉或末端的标记相等的标记的表面顶点用于调 整探针的方向。
'已知的方法以作为定量脉管分析算法中的处理步骤，来提供分支和分 叉的标记过程。
发明内容
.本发明的目标是提供一种用于检查解剖树结构的改进方法。通过提供 一种包含以下步骤的方法来实现该目标查找表示该解剖树结构的主流入和/或主流出的根点(48);
基于所述根点，査找对所述解剖树结构中的两个主子树进行约束的主 要分叉点(64);以及
在所述主要分叉点处对所述解剖树结构进行拆分。 '所述数据集可以由用于标识解剖树结构中的多个点的数据集来表示。 所述多个点是多维空间中的点，通常是三维空间，因为人体本质上是三维 的。例如，如果将三维数据集投影到二维平面上，则二维空间也适用。例 如，当包含时间维度时，四维空间也适用。
如下文所说明的，主要分叉点连接两个主子树。通过首先查找根点然 后查找主要分叉点，就可以识别出在每个分叉点处的相关子树，这对确定 关于分叉点的重要性而言是非常重要的。这两个主子树很有可能具有特定 解剖含义，例如所述子树可以供给不同的器官或同一器官的不同叶。
根点通常在识别主要分叉点中扮演重要的角色。能够分层次地确定多 个主要分叉点，这时更靠近根点的主要分叉点通常在分层中比进一步远离 根点的主要分叉点更高。
主要分叉点可以用作拆分点，用于在具有解剖含义的某个位置上对分 层树进行拆分。例如，可以将脉管树拆分为多个部分，每个部分供给器官(例 如，肾或肺)的不同叶。在表示支气管树的树结构的情况下，可以使用主要 分叉点来识别支气管树的多个部分，各个部分传递空气到肺的不同叶。本 发明使得临床医生用户更易于区分该树的各个重要部分，因为拆分点已经 被自动指示出。
在一个实施例中，查找根点的步骤包括
在树结构内选择多个种子点(24);
'计算沿着所述树结构从所述多个种子点(24)中的每一个到多个其他点 (14)中的每一个的路径(20)的长度；
计算从所述多个种子点(24)中的每一个到所述多个其他点(14)中的每一
个的距离(26);
.基于所确定的长度(20)和距离(26)，针对每个种子点(24)计算表示该种 子点是所述根点的似然度的度量；以及
基于与表示相应种子点是所述根点的似然度的最大度量相关联的种子点(24)，识别所述树结构(12)的所述根点。
这种查找根点的方式利用了以下认知，即，从根点到任何其他点的路 径平均起来比任何两个随机点之间的路径短。
在一个实施例中，识别根点的步骤包括
査找所述树结构中最靠近与表示相应种子点是所述根点的似然度的最
大度量相关联的种子点(24)的叶子；以及 将所述叶子识别为所述根点。
这里，叶子是树结构的端点。最靠近该种子点的叶子可以被视为这样 的叶子该叶子到该种子点的路径与其到树结构中的任何其他叶子的路径 相比更短或至多相等。
在本发明的一个实施例中，将根点识别为与用于表示相应种子点是根
点的似然度的最大度量相关联的种子点(24)。这在计算上更有效率。
一个实施例包括识别一组候选种子点，该组候选种子点受与根据所
述表示似然度的度量当前最有可能是根点的种子点之间的距离所约束；
从该组候选种子点中选择用以包含在所述多个种子点中的点(30);以及
'减少所述距离。
可以使用任何启发式优化方法来查找所述最大可能的根点。优化方法 的示例是模拟退火。
在一个实施例中，查找主要分叉点的步骤包括 ,识别解剖树结构的多个分叉点(64);
针对每个所识别的分叉点(64)，计算与所述树结构(66)的一部分相关的 度量，其中，所述树结构(66)的该部分不包含所述根点(48)并且受到相应分 叉点(64)约束；以及
将所述主要分叉点(64)识别为所述多个分叉点之中具有最大相关度量 的分叉点。
通过对树结构中受到不包括根点在内的主要分叉点约束的该部分进行 分析来查找主要分叉点。分叉点的重要性可以相对于根点来确定。与树结 构的一部分相关的度量可以包括在树结构的该部分内的脉管的体积或长 度。还可以包括其他值，例如在树结构的该部分内的分叉数量。 ' 一个实施例包括，针对所述多个分叉点之中的每个分叉点，
7对在该分叉点处连接的多个子树(60，62)进行区分； 计算所述多个子树中的每一个的尺寸；
将与所述树的该部分相关的度量计算为所述多个子树中各个子树的尺 寸之中的最小值。
，主要分叉点一般地将树结构分为至少两个相对较大的子树。包括所述 多个子树中各个子树的尺寸之中的最小值会避免仅将较小的子树从较大的 子树分离的分叉被错误地识别为主要分叉。
在一个实施例中，对解剖树结构进行拆分的步骤包括
对在所述主要分叉点(64)处连接的多个子树(60,62)进行区分；以及 绘制所述树结构，以便可以由人来区分出所述多个子树中的至少一个 子树。
例如通过把主要分叉点作为用于进一步计算处理步骤的输入，来实现 其他方式的拆分，所述进一步计算处理步骤例如为诸如在主要分叉点处连 接的两个子树的体积之类的定量值的计算和显示。
'该方法有利地适用于由主要分叉所分离的子树的可视化。这可以包括 一次仅绘制一个子树、或在不同绘制区域中绘制两个子树、和/或使用不同 颜色和/或纹理来绘制每个子树。这使得更易于査看子树或者对例如器官的 叶进行可视化。在脉管分析程序包中可以应用该方法以及处理步骤。例如， 在识别出主要分叉之后，脉管分析程序包内的脉管分析工具可能应用于所 识别的多个子树中的一个。
一个实施例包括使用户能够选择解剖树结构的子树；以及
仅考虑所述多个分叉点之中位于所选择的子树内的分叉点，将另一主 要分叉点识别为所述多个分叉点之中具有最大相关度量的分叉点。 .这是一种用于快速识别出解剖树结构中的特定部分的简便方法。
在一些实施例中，所述树结构表示人体和/或动物体的脉管树和/或支气 管树。
本发明适用于在人体解剖中出现的任何类型的解剖树结构。本发明同 样适用于在动物或植物中出现的任何类型解剖树结构。
'在一个实施例中，所述数据集与三维图像体数据集相关，所述体数据 集是借助于计算机断层成像、磁共振成像、3D-X-射线和减超声成像所得到的。
一个实施例包括根点查找装置，其用于查找表示所述解剖树结构的 主流入和/或主流出的根点；
主要分叉点查找装置，其用于基于所述根点，查找对所述解剖树结构 中的两个主子树进行约束的主要分叉点；以及
拆分装置，其用于在所述主要分叉点处对所述解剖树结构进行拆分。
一个实施例包括用于使得计算机系统执行上述方法的指令。
将参考附图进一步阐明和说明本发明的这些和其他方面，其中
图1和2说明了在查找根点时所涉及的几个方面；
图3说明了一些候选根点；
图4-7说明了在分叉点处连接的一些子树；
图8示出了图示出根据本发明的方法的几个步骤的流程图；以及 图9是本发明实施例的图。
具体实施例方式
脉管应当理解为用于传导身体流体的管状结构，换句话说，是在身体 内运载流体，特别是运载血液或淋巴液的输送管。在这种意义上，脉管的 具体示例是动脉、静脉、和支气管。
在各个实施例的解释中，所提到的一些技术和短语为3D图像分析领域
的技术人员所熟知。例如，树结构典型地包括分支(branch)。所述分支在交 叉点(biforcation point)处连接起来。分支的不在交叉点处连接的端点可以被 称为叶子。树中的一个点定义为根点。在表示例如管状结构的解剖树的情 况下，所述根点表示该结构的主流入和/或主流出。 一种用于识别这样的根 点的方法是对在该结构中的多个不同点处的管直径进行比较；主流入和/或 主流出通常具有最大直径。下面公开了一种用于识别根点更可靠的方法。 子树是作为一个更大树结构中一部分的树结构。用于表示解剖树结构中的 多个点的数据集可以以几种方式来提供。 一种表示这样的数据集的方法是 借助于为体元素(体素)分配数值的体数据集。典型地，对用于表示脉管的部分的体素和表示其他组织的体素分配不同(范围)的值。用于表示解剖树结
构的另一方法是借助于由位于脉管和其他组织之间的边界上的多个离散3D 点构成的一个列表。这已知是一种脉管的表面表示方法。其他表示方法还 可以结合本发明来使用，如本领域技术人员所理解的。
区域增长或体素增长一般是在分割和图像分析中使用的己知技术。其 还可用于创建体素或3D点的排序。该技术还可用于根据预定的标准来识别 体素的一个子集。体素增长算法典型地以包含一个或多个种子体素的集合 开始。以连续的顺序将更多体素添加到该集合里。仅添加符合预定标准的 体素。通常，主要的标准是待添加的体素是己在该集合中的体素的邻居， 并且待添加的体素是脉管的一部分。体素K的邻居定义为在体素V,的k-邻域中的体素V2。体素V,的26-邻域定义为在面上或边缘上与Vi连接的 26个体素构成的集合。可以使用例如8-邻域来代替26-邻域，8-邻域包含在 面上与Vi连接的8个体素。在具有优先级排列的体素增长中，按照特定顺 序添加符合标准的体素。在使用最小步行距离(walking distance)优先级的体 素增长中，添加体素的顺序是由从种子体素经由在子集中已经被面和/或边 缘连接的体素到待添加的体素之间的最短路径的长度定义的。
用于将一个给定的树拆分成两个主要分支的一种方法的实施例包括两 个主要部分查找树的根，以及相对于该根来查找树的主要分叉。
第一步，查找树的根按下列进行。可以通过随机过程或基于用户输入 来选择多个种子点。可替换地，将树结构中的所有体素都包括在所述多个 种子点中。如果有一些关于树结构的先验知识可用，则可以基于关于根点 位置的假设来选择所述种子点。优选地，要选择靠近根点的种子点。针对 所述多个种子点中的每一个种子点，计算表示该点是树根的似然度的代价 函数。从该种子点开始，开始进行体素增长直到整个结构的所有体素都已 经被访问为止。优选地，将具有优先级排列的、使用最低步行距离优先级 的体素增长用来应对数据结构中的可能循环。这定义了沿着树结构从树结 构中的种子点到其他多个点中的每一个点的路径长度。用于计算沿着树结 构从种子点到其他多个点中的每一个点的路径长度的其他方法为本领域的 技术人员所熟知。对于多个体素，将步行距离与更短或相等的飞程(flight distance)(欧几里得距离)做比较，并计算该种子点的代价函数如下COSt =X(dwalk_dflight)
该代价函数与该种子点相关联，作为表示该种子点是根点的似然度的 度量。特别是当多个分支几乎呈放射状散开时，对于解剖树的根而言，代 价函数变为最小，而对于远离该树的分支的种子点而言，该代价函数变得 很大，这是因为要使用相对于飞程路线的很强的偏离才能达到该树中的许 多点。因此，将根点识别为在所述多个种子点之中与最大度量相关联的种 子点。
原则上，可以通过针对树结构的每个体素来计算代价函数并且查找具 有最小代价函数的点，来确定树的根。这相当于将所有体素都包含在所述 多个种子点中。优选实施例使用下列方案来减少所需要的计算次数。该实 施例使用了一种类似模拟退火的方法。将起始点(可能是随机的)作为种子点 包含在所述多个种子点中，并且计算该起始点的代价函数。然后，选择与 当前最佳点相距(最多)为步行距离h的一个随机点。将所选择的点作为种子 点包含在所述多个种子点中，并且计算该点的代价函数。如果该代价函数
的值更小，则将该新点采纳为新的当前最佳点。对于在距离h处的随机点 的这种测试重复一定次数。然后逐步降低距离h，并且重复尝试随机点的 过程。整个过程以较高的距离h开始，例如，该距离为树尺寸的一半，然 后当h小于所期望的空间精确度时停止。因此，在该过程期间逐步确定了 所述多个种子点，而不是从一开始就确定。与模拟退火相关的几个方案变 体以及在该过程中可以用来替代模拟退火的其他非线性优化方法为本领域 的技术人员所熟知。
第二步，在第一步之后查找树的主要分叉。以作为种子点的根点开始， 开始进行(优选地具有优先级排列的、采用最低步行距离优先级的)体素增 长，'直到己经访问了该树结构的所有脉管体素为止。在优选实施例中，第 一步中的体素增长的结果用于避免不必要的计算。
以一个空的集合开始，以在体素增长过程中所计算的步行距离递减的 顺序，逐个添加体素(见图4-6)。这可以通过形成体素的箱式排序(bin-sorted)
列表来以有效的方式实现。添加到该集合中的每个体素与一个类相关联。 如果要添加的体素在该集合中至少一个体素的邻域中，则与其相关联的类 与那个体素相同，否则就创建一个新的类。只要新添加的体素在与不同类相关联的至少两个体素的邻域中，就可以说该体素合并了两个之前分离的 类，并且将该体素识别为分叉点。这两个合并的类形成了该树结构中的不 包括根点并受相应分叉点约束的部分。树结构的该部分不包括根点，这是 因为这些体素是按照在体素增长过程中所计算的它们到根点的距离从最高 距离开始来进行选择的。树结构的该部分受到分叉点的约束，这是因为该 部分仅包含与根点的距离比分叉点自身与根点的距离更大的体素。
将一个度量与分叉点相关联，该度量与树结构中的不包含根点并受到 相应分叉点约束的部分相关。
因为分叉点所合并的每个类表示不同的子树，因此就可以对在该分叉 点处连接的多个子树进行区分。计算与多个子树中的每个子树相关联的尺 寸。主子树可以例如具有相对较大的尺寸。例如，可以使用子树中的体素 数量来作为该子树中的尺寸，或者可以使用子树中分叉的数量。然后将与 该分叉点相关联的度量计算为多个子树中各个子树的尺寸之中的最小值。 换句话说，将这两个合并的类之中较小的一个的尺寸与该分叉点相关联，
m=MIN(vl，v2)，并且形成新的合并类。
当已经将所有体素合并为单个类时，将主要合并者(即主要分叉点)确定 为具有最大相关度量m-MIN(vl，v2)的那一个。该最大-最小-原理确保了不 会将合并到较大分支的较小分支作为主要分叉。
将参考附图1-7和图8的流程图(以步骤100开始并以步骤114结束)进 一步解释这些和其他实施例。当一个对象在多个附图中出现时，使用了同 一参考数字来标识它。图1和2说明了在该算法中用于查找根点的几个步 骤。解剖树结构(12)通常表示人体器官或人体中的管状结构。这样的管状结 构以几种形式(包括动脉、静脉、支气管、和淋巴管)出现在人和动物体中。 所述管状结构用于向器官和从器官传输流体(包括液体和气体)以及在器官 内分布流体。解剖树结构通常可以拆分成几个子树结构。在许多情况下， 通过单个子树或较少数量的子树来为器官或器官的叶服务。在这种和其他 情况下，为了实现医疗诊断和治疗计划的目的，对这些子树单独地进行可 视化具有医学实用性。为了提高临床工作流程，有利的是自动识别子树， 而不需要用户交互或使用最少的用户交互。为此，识别树的根，并且相对 于该根点来确定拆分点。所述拆分点标识了解剖树结构中(潜在)重要的子树的根点。
在优选实施例中，通过迭代地计算与种子点(io)相关联的代价函数值来
确定根点(24)。例如，可以采用下列方式中的一种(或者其组合)来确定种子
点(步骤102):
每个体素都是种子点。
多个种子点沿着管状结构(12)均匀分布。
所有分叉点(18)都是种子点。
所有端点(19)都是种子点(优选地)。
可以作为体素增长算法(还已知为区域增长或前端传播(front propagation)),来确定分叉点和端点。只要前端拆分为两个前端(不是连接的 体素)，就检测到了分叉。只要前端不能再增长，就检测到了端点。分叉点 和端点检测的几个精细化方法己为本领域的技术人员所熟知。在不是由体 素而是由另外一个表示方法来表示管状结构的情况下，仍可以选择种子点， 例如，可分析地采用上述的多种方法中的一种。
在另外一个实施例中，如图3所说明的，基于所计算的先前种子点的 代价函数值，来迭代地选择(步骤106和102)种子点(30,32)。优选地，将新 的种子点选择为靠近这样的先前种子点该先前种子点的相关代价函数表 示该点是合适的根点的高似然度。例如可以使用模拟退火算法。
代价函数可以计算如下(步骤104)。确定沿着解剖树结构(12)从种子点 (10)到另一个点(14)的(最短)路銜16)。将该最短路径(16)的长度与从种子点 (10)到所述另一个点(14)的距离(11)做比较。例如可以以这两个值的差或商 来实现该比较。针对多个其他点(14)重复该过程。所述"其他点"可从解 剖树结构中选择并在算法运行期间保持不变。例如，可以使用每个体素来 作为"其他点"，或者所述其他点可以按照与种子点的选择相类似的方式进 行选择。
对该比较的结果进行组合(例如通过加法或乘法)，来确定表示该种子点 是根点的似然度的度量。针对多个种子点确定该度量，从而可以将最终的 根点识别为(在步骤107中)与表示相应种子点是根点的似然度的最大度量 相关联的种子点(24)。
在识别出根点之后，下一步骤是确定主要分叉(拆分点)。在相对简单的实施例中，将根点(24)确定为主要分叉点。在附图4-7中说明了一个更高级 的实施例。通过对分叉点下面的子树(66)进行分析来确定分叉点(64)是否是 主要分叉点。相对于树结构(66)中的不包含根点(48)并受到分叉点(64)约束 的部分来确定该子树(66)。这就得到了与分叉点是主要分叉点的似然度相关 的度量。针对多个分叉点(在步骤108中选择的)计算该度量(在步骤110中)， 并且将与最大度量相关联的分叉识别为主要分叉点。例如，可以基于子树 中的分叉数量或基于子树的复杂性度量，来计算该度量。
在优选实施例中，对在分叉点(64)处连接的多个子树(60,62)进行区分。 仅评估不包含种子点的子树。这种意义上的子树可以定义为例如该树的受 到该树的分叉点(64)和端点(也称为"叶子")约束的部分。与尺寸相关的值 与每个子树相关联。可以将多个与尺寸相关的值中最小的一个作为与分叉 点(步骤110)相关联的度量。针对所有相关的分叉点(步骤112和108)重复该 过程。例如，在与分叉45相关联的度量的计算中涉及子树44和46。在与 分叉55相关联的度量的计算中涉及子树50和52。在与分叉64相关联的度 量的计算中涉及子树60和62。最后，在与分叉75相关联的度量的计算中 涉及子树70和72。
在步骤113中，具有最大相关度量的分叉点识别为主要分叉点 附(5 )= max max [min(^7ze(^w6/^(万)),j/ze(57^/^2(万)))],
这里，Bp是主要分叉点，m(B)是与分叉点B相关联的度量，并且subtn(B) 和subt&(B)是受到分叉B约束的至少两个子树。该最大-最小公式确保了仅 从主树70分离出较小的侧分支72的分叉点75不会被选择为主要分叉点。 而是将分离出两个大的子树60和62的分叉点64选择为主要分叉点。
在本发明的实施例中，绘制装置用于绘制解剖树结构，例如用于医疗 工作站以便由医师进行进一步分析。有利的是，执行绘制以使得一个人能 够区分出多个子树中的至少一个子树。然后，用户可以提供输入，以识别 在先前所检测的主要分叉点之一处连接的多个子树之一中的第二主要分叉 点。不必再次计算种子点，因为其对于任何第二主要分叉点来说还是有效 的。还有，如果在计算了m(B)之后已经将其存储，就不必再次计算。可以 将与用户所选择的子树中的分叉相关联的度量做比较，并且可以在具有最 大相关度量的分叉点处拆分子树。图9说明了包含在本发明实施例中的硬件元件。通信端口 95用于从 PACS系统或从医疗成像模态，例如CT或MRI接收图像数据。图像数据由 处理器92处理并且将所处理的和/或原始的数据暂时存储在存储器91中。 显示器93用于绘制数据。如果数据具有解剖树结构，则通过使得处理器92 应用合适的指令可能应用所述的方法。在显示器93上绘制解剖树，并且例 如医师可以借助于用户输入94指示需要进一步检查的部分。用户可以例如 使用鼠标设备来点击解剖树结构中的可用部分，或者用户可以选择许多预 先计算的主子树中的一个。处理器通过突出显示解剖树结构的可用部分和/ 或移除解剖树结构的不可用部分，来应用合适的拆分。处理器还可以被设 置为用于査找所述的根点和/或主要分叉点。
应当理解，本发明还延伸到计算机程序，特别是载体上或载体内的计
算机程序，其用于实现本发明。程序可以是以源代码、目标代码、诸如部 分编译形式的代码中间源和目标代码的形式、或者在根据本发明的方法实 现中使用的任何其他适合的形式。载体可以是能携带该程序的任何实体或 设备。例如，载体可以包括存储介质，诸如ROM，例如CDROM或半导体 ROM，或者磁记录介质，例如软盘或硬盘。此外，载体还可以是可传输的 载体，例如电或光信号，其可以通过电缆或光缆或无线电或其他手段来传 送。当程序以这样的信号来实现时，载体可能由这样的缆线或其他设备或 手段组成。可替换地，载体可以是嵌入有程序的集成电路，该集成电路用 于执行相关的方法或者在相关方法的执行中使用。
应当注意，上述实施例说明了而不是限制本发明，并且本领域技术人 员能设计许多可替换的实施例而不偏离所附权利要求的范围。在权利要求 中，位于括号内的任何引用符号不应该理解为限制本权利要求。使用动词 "包括"以及其变化形式并不排除除了权利要求所陈述的元件或步骤之外 还存在其他元件或步骤。在元件之前的冠词"一"并不排除存在多个这样 的元件。借助于包括几个不同元件的硬件以及借助于适当编程的计算机， 可以实现本发明。在列举出的几个装置的设备权利要求中，这些装置中的 几个可以通过同一个硬件来实现。仅有的事实是，在相互不同的相关权利 要求中引用的措施并不表示这些措施的组合不能用来获得便利。
权利要求
1、一种用于对数据集表示的解剖树结构(42)进行拆分的方法，该数据集标识了所述解剖树结构中的多个点，该方法包括查找表示所述解剖树结构的主流入和/或主流出的根点(48)；基于所述根点，查找对所述解剖树结构中的两个主子树进行约束的主要分叉点(64)；以及在所述主要分叉点(64)处对所述解剖树结构进行拆分。
2、 如权利要求l所述的方法，其中，所述査找根点的步骤包括 在所述树结构内选择多个种子点(24);计算沿着所述树结构从所述多个种子点(24)中的每一个到多个其他点(14)中的每一个的路径(20)的长度；计算从所述多个种子点(24)中的每一个到所述多个其他点(14)中的每一个的距离(26);基于所确定的长度(20)和距离(26)，针对每个种子点(24)计算表示该种 子点是所述根点的似然度的度量；以及基于与表示相应种子点是所述根点的似然度的最大度量相关联的种子 点(24)，识别所述树结构(12)的所述根点。
3、 如权利要求2所述的方法，其中，所述识别所述根点的步骤包括査找所述树结构中最靠近与表示相应种子点是所述根点的似然度的最 大度量相关联的种子点(24)的叶子；以及将所述叶子识别为所述根点。
4、 如权利要求2所述的方法，进一步包括-识别一组候选种子点，该组候选种子点受与根据所述表示似然度的度 量、当前最有可能是根点的种子点之间的距离所约束；从该组候选种子点中选择用以包含在所述多个种子点中的点(30);以及减少所述距离。
5、如权利要求1所述的方法，其中，所述查找主要分叉点的步骤包括 识别所述解剖树结构中的多个分叉点(64);针对每个所识别的分叉点(64)，计算与所述树结构(66)的一部分相关的 度量，其中，所述树结构(66)的该部分不包含所述根点(48)并且受到相应分 叉点(64)约束；以及将所述主要分叉点(64)识别为所述多个分叉点之中具有最大相关度量 的分叉点。
6、 如权利要求5所述的方法，进一步包括针对所述多个分叉点之中的 每个分叉点对在该分叉点处连接的多个子树(60,62)进行区分； 计算所述多个子树中的每一个的尺寸；将与所述树的该部分相关的度量计算为所述多个子树中各个子树的尺 寸之中的最小值。
7、 如权利要求l所述的方法，其中，所述对所述解剖树结构进行拆分 的步骤包括对在所述主要分叉点(64)处连接的多个子树(60，62)进行区分；以及 绘制所述树结构，以便可以由人来区分出所述多个子树中的至少一个 子树。
8、 如权利要求7所述的方法，进一步包括 使用户能够选择所述解剖树结构的子树；以及.仅考虑所述多个分叉点之中位于所选择的子树内的分叉点，将另一主 要分叉点识别为所述多个分叉点之中具有最大相关度量的分叉点。
9、 如权利要求l所述的方法，其中，所述树结构表示人体或动物体的 脉管树。
10、 如权利要求1所述的方法，其中，所树结构表示人体或动物体的支气管树。
11、 如权利要求1所述的方法，其中，所述数据集与三维图像体数据集相关，所述体数据集是借助于计算机断层成像、磁共振成像、3D-X-射线和/或超声成像所得到的。
12、 一种用于对数据集表示的解剖树结构(42)进行拆分的系统，该数据集标识了所述解剖树结构中的多个点，该系统包括■根点査找装置，其用于査找表示所述解剖树结构的主流入和/或主流出的根点(48);主要分叉点查找装置，其用于基于所述根点，查找对所述解剖树结构中的两个主子树进行约束的主要分叉点(64);以及拆分装置，其用于在所述主要分叉点(64)处对所述解剖树结构进行拆分。
13、 一种计算机程序产品，包括使得计算机系统执行如权利要求1所 述方法的指令。
全文摘要
一种用于对与解剖树结构(12)有关的数据集进行拆分的方法包括在树结构内确定多个种子点(24)；确定沿着该树结构从多个种子点(24)中的每一个到多个其他点(14)中的每一个的路径(20)的长度；确定从多个种子点(24)中的每一个到多个其他点(14)中的每一个的欧几里得距离(26)；基于所确定的长度(20)和距离(26)，将种子点(24)与表示该种子点是根点的似然度的度量相关联；将树结构(12)的根点识别为与用于表示相应种子点是根点的似然度的最大度量相关联的种子点(24)；以及基于根点来确定主要分叉点(64)。
文档编号G06T5/00GK101548296SQ200780022386
公开日2009年9月30日 申请日期2007年6月11日 优先权日2006年6月16日
发明者R·奥普弗, R·维姆科, T·比洛 申请人:皇家飞利浦电子股份有限公司