专利名称：一种用于分割图像中的肝脏对象的方法和系统的制作方法
技术领域：
本发明涉及一种用于分割图像中的对象的方法和系统。所述对象可以是解剖学结构。具体应用实例是对医疗图像，例如CT图像中的肝脏对象的分割。
背景技术：
为了在对例如由于肝硬化和肝癌(主要的和次要的)导致的肝衰竭等的肝脏疾病的诊断、治疗以及监测中实现较好的效果，需要对医疗图像，例如CT图像中的肝脏结构(或肝脏对象)进行精确分割。所述肝脏对象可以是例如肝脏本身、肝脏中的肿瘤、肝脏中的血管结构(即肝血管)、或者肝脏的功能段。CT图像中的肝脏结构的手动分割不仅耗时间，并且它还包含大量的专家之间存在的或专家自身内在的差异。虽然可以替代地使用自动分割方法，但是这些自动分割方法通常是典型地基于图像或结构的各种预期属性，因此当测试图像或结构的属性与预期属性不符时，不能产生足够精确的結果。可替代地，可以采用交互方法。然而，大多数交互方法在它们用来分割临床环境中的医疗图像的适应性方面具有自身的局限性。例如，它们可能对许多參数或某些点的初始位置如何设置是敏感的。此外，当使用交互方法吋，需要大量的用户交互来记录结构的拓扑、或者来处理包括小复杂细节的结构。目前，许多肝脏外科手术规划原型系统(liver surgical planning prototype system) [1,2,3]主要采用用于肝脏对象的主观或定性评估的用户可视化和用户交互，并且还没有对如何执行可靠和有效的肝脏对象分割进行深入调查。例如，虽然MeVis [4]提供了一种用于肝脏对象分割的服务，但是几乎不可能使用这种服务于急诊情況。这是因为使用由MeVis提供的这个服务，医院需要发送CT扫描给MeVis，并且对于每种情況，需要几天才可以获得肝脏对象分割結果。
发明内容
本发明目的在于提供一种用于分割图像中的对象的新的且有用的方法和系统。总体而言，本发明在第一方面提出ー种分割技木，所述分割技术具有通过在利用预定强度阈值分割图像中的点之后识别小连通成分而提高的质量。这些小连通成分的识别是有利的，因为它可以使用来去除假阳性点或者恢复假阴性点以改善分割結果。特別地，本发明的第一方面是ー种用于分割输入图像中感兴趣的对象的方法，所述输入图像包括具有用于表示医疗数据的各自强度值的多个点，所述方法包括步骤(a) 利用预定强度阈值将输入图像中的感兴趣区域中的点分割成第一和第二组点；(b)识别由在所述第一组点中的点形成的第一组小连通成分并且将在第一组小连通成分中的点转移到第二组点中；(C)识别由在所述第二组点中的点形成的第二组小连通成分并且将在所述第二小连通成分中的点转移到第一组点中；以及(d)利用所述第一组点形成感兴趣的分割对象。具体应用实例是对医疗图像，例如CT图像中的肝脏对象的分割。
本发明的第二方面提出，用户手动地移动(例如，利用数据输入设备，如鼠标)多个控制点，以连续改善由控制点定义并且其自身产生至少一个表面的数值模型。所述方法可以被用来获得在分割技术中使用的感兴趣区域。可替代地，通过为肝脏模型的每个段形成一数值模型并且随后利用所述表面划分肝脏模型，所述方法可以被用来将肝脏模型划分为多个段。本发明的第三方面提出，通过产生在肝脏的血管中的种子点、获得每个种子点的血管方向、以及随后在血管方向中绕着每个种子点生长血管区域，计算肝脏的血管结构。本发明的第四方面是一种用于分割在三维输入图像中的肝脏对象的方法，所述肝脏对象包括肝脏、至少一个肝脏肿瘤、以及肝脏血管，所述三维输入图像包括具有用于表示医疗数据的各自强度值的多个点，所述方法包括步骤(a)定义呈现肝脏在图像中的预期形状的感兴趣区域；(b)分割在感兴趣区域中的肝脏；(C)分割在感兴趣区域中的至少一个肝脏肿瘤；(d)分割在感兴趣区域中的肝脏血管；(e)平滑分割的肝脏对象；以及(f)将分割的肝脏划分为功能肝脏段。呈现肝脏在图像中的预期形状的感兴趣区域大体上适配在图像中的肝脏，并且仅包含少量百分比的非肝脏区域。这样有利于用于分割肝脏对象的后续处理步骤。本发明可以可替代地表示成用于执行上述方法的计算机系统。这个计算机系统可以与用于捕捉图像的设备集成。本发明还可以表示成计算机程序产品，例如记录在实体计算机介质上的计算机程序产品，所述计算机程序产品包含由计算机系统可操作来执行上面方法的步骤的程序指令。
现在将参考下列附图仅作为示例地图解说明本发明的实施例，其中图1(a)图解说明根据本发明实施例用于分割图像中的肝脏对象的方法的流程图；以及图1(b)图解说明在图1(a)的方法中的第一步骤；图2图解说明在图1 (b)的方法中用于定义感兴趣区域的子步骤的流程图；图3(a)_(c)图解说明在图2的方法中用于构建肝脏表面模型的子步骤；图4(a)_(d)图解说明从图2的方法获得的结果；图5(a)_(e)图解说明在图1(a)的方法中由分割非肝脏区域获得的结果；图6图解说明在图1 (a)的方法中用于分割肝脏的子步骤的流程图；图7(a)-(d)图解说明在图6的方法中执行的3D修剪(trimming)操作的步骤；图8(a)图解说明在图1(a)的方法中由分割非肝脏区域获得的结果，而图8(b)-(e)图解说明在图1(a)的方法中由分割肝脏获得的结果；图9图解说明在图1 (a)的方法中用于分割肝脏肿瘤的子步骤的流程图；图10图解说明在图1 (a)的方法中用于分割肝脏血管的子步骤的流程图；图11图解说明肝脏解剖学的Couinaud分类；图12图解说明在图1 (a)的方法中用于将分割的肝脏划分为功能肝脏段的可延伸最小曲面方法的步骤；图13图解说明图1 (a)的方法的结果。
具体实施例方式参考图1 (a)，图解说明为本发明实施例且分割图像中的肝脏对象的方法100的步
马聚ο方法100的输入是三维图像I(x)，三维图像I(X)可以是计算机断层扫描(Computed Tomography, CT)图像或任何其他类型的图像。输入图像定义在坐标D e R3中，并且包括具有用于表示医疗数据的各自强度值的多个点(立体像素)。在步骤102中，分割在图像I(x)中的非肝脏区域。在图1(b)示出了步骤102的子步骤。在步骤104中，分割在输入图像I(x)中的肝脏，而在步骤106中，分割在图像I(X)中的肝脏肿瘤(如果多个肿瘤出现在图像中，这可以包括分割多个肿瘤)。在步骤108中，分割在图像I(X)中的肝脏血管。在步骤110中，划分来自步骤104的分割的肝脏为功能肝脏段，并且在步骤112中，平滑分割的肝脏对象(即，来自步骤104的分割的肝脏、来自步骤106的分割的肝脏肿瘤、来自步骤108的分割的肝脏血管)。现在将更详细描述步骤102到112。步骤102 分割图像I (X)中的非肝脏区域在步骤102中，首先定义第一感兴趣区域Ω (图1 (b)的步骤114)。注意第一感兴趣区域Ω可以包括在图像Ι(χ)中的所有点(即，第一感兴趣区域Ω是整个图像Ι(χ))。在一个实例中，第一感兴趣区域Ω由下面的示例方法定义。通过三角网格插倌描绘感兴趣区域图2图解说明显示用于在步骤102中定义第一感兴趣区域Ω的子步骤202-208的流程图。在子步骤202中，首先通过插入多个控制点构建肝脏表面模型M(典型地，简化的肝脏表面模型)。此插入被执行为使产生的第一感兴趣区域Ω呈现肝脏在输入图像中的预期形状。在如图3(a)_3(c)所示的一个实例中，肝脏表面模型由14个控制点构建。控制点的位置利用来源于之前分割的肝脏或来源于例如肝脏图谱的肝脏模型来确定。图3(a)显示用来构建肝脏表面模型M的14个控制点。六个控制点vn，V12，...，V16位于第一贝塞尔曲线(Bezier contour) C1上，六个控制点V21，V22，...，Vai位于第二贝塞尔曲线C2上，并且两个控制点是极端标记点A和P，分别表示肝脏的最前点和最后点。如图3(a)所示的曲线C1和C2呈现为与冠状平面平行。点V11和V21在模型的左侧向边上；点V12和V22在模型的最上端；点V13和V23在模型的右侧向边上；点V14和V24在模型的最下端；点V15和V16以及点V25和V26分别均勻地分布在点V14和点vn、以及点V24和点V21之间。此夕卜，在点A、曲线C1的质心、点B以及曲线C2的质心之间的前后距离(即，在基于传统放射性坐标系统定义的y坐标中的差)是相同的。图3(b)显示利用图3 (a)所示的14个控制点构建的框架网格(或三角形网格)S。这个框架网格通过连接点A到曲线C1中的每个点Vli，连接点P到曲线C2中的每个点v2j，以及曲线C1中的每个点Vli到曲线C2中最接近点Vli的点v2j来构建(i，j = 1，2，. . .，6)。图3 (c)显示由框架网格S产生的肝脏表面模型M。肝脏表面模型M是平滑网格，或者换句话说，平滑的三角形表面，并且可以利用现有技术的三角形网格插值技术[5，6]来产生。通过改变一个或多个控制点的位置可以整体或局部地调整肝脏表面模型M的形状。然后使肝脏表面模型适配到在输入图像中的肝脏。在子步骤204中，肝脏表面模型M首先加载到输入图像I (χ)内，并且在子步骤206中，该肝脏表面模型M随后利用多个控制点变形来与在图像I(X)中的肝脏适配。在一个实例中，首先通过手动拉拽肝脏表面模型M的边界框(bounding box)的板(board)来整体变形肝脏表面模型M。然后通过手动地调整控制点的位置来执行肝脏表面模型M的局部精细化处理(refinement)。注意，肝脏表面模型M也可以基于某些预加载参数来自动地调整(即，没有用户介入)。在子步骤208中，由被适配的肝脏表面模型M包围的输入图像的子空间输出为第一感兴趣区域Ω。图4 (a) -4 (d)图解说明从步骤204到208获得的结果。特别地，图4 (a) _4 (d)中的每个包括四个图像其分别图解说明在相应子步骤之后包括肝脏表面模型的输入图像的所选轴向、冠状、径向切片，以及在相应子步骤之后输入图像中的肝脏表面模型的3D透视图。图4 (a)显示在子步骤204中加载肝脏表面模型M之后获得的结果。图4(b)图解说明在子步骤206中整体变形加载的肝脏表面模型M之后的结果，而图4 (c)和4(d)分别图解说明在子步骤206中执行第一和第二局部精细化处理之后的结果。如图4(d)所示的边界402内的空间输出为子步骤208中的第一感兴趣区域Ω。接下来，在步骤102中，分割在第一感兴趣区域Ω中的非肝脏区域(S卩，不包括肝脏对象的区域)。通常在非肝脏区域和包括肝脏对象的区域之间存在高强度的反差。非肝脏区域可能包括一部分骨头和一部分肾脏(其可能是右肾脏)。在一个实例中，利用下面描述的HTANR方法分割在第一感兴趣区域Ω中的非肝脏区域。通过具有自适应噪声去除的滞后阈倌处理的分割(HTANR方法)下面描述用于分割在图像Ihtank(X)中的目标对象(或者换句话说，感兴趣对象)以获得二值图像Bhtank(X)的示例方法的步骤。这个方法称为具有自适应噪声去除的滞后阈{t^h (Hysteresis Thresholding with Adaptive Noise Removal, HTANR)
以对在任何类型的图像中的任何类型对象独立于方法100使用。它相应于图1(b)的步骤115-122。图像Ihtank(X)可以是二维图像或者三维图像。此外，图像Ihtank(X)可以是在较大图像中的感兴趣区域。例如，在步骤102中，图像Ihtank(X)是第一感兴趣区域Ω，并且目标对象包括非肝脏区域。步骤1 定义用于分割目标对象的宽的一对强度阈值[L1, H1](图1(b)的步骤115)。这个可以利用现有技术方法，例如在参考文献[8，9，10]中的方法来完成。步骤2 定义用于分割目标对象的窄的一对强度阈值[L2，H2]以使得L1S L2 SH2SH1(图1(b)的步骤116)。换句话说，该宽的一对强度阈值比该窄的一对强度阈值间隔更远。步骤3 产生二值图像Bhtank(X)(图1 (b)的步骤117)。这通过利用该窄的一对强度阈值[L2，H2]将在图像Ihtank(X)中的点分割成不同组的点来执行。在一个实例中，对于在图像Ihtane⑴中的每个点X，如果点X的强度值在L2和H2之间(即，如果L2 ( X的强度值^ H2)，那么点χ的标记设置为1。否则，点χ的标记设置为0。这样形成包括分别具有标记1和0的第一和第二组点的二值图像Bhtank(X)。步骤4 去除在二值图像Bhtank(X)中的假阳性点(图1 (b)的步骤118)。这通过识别在二值图像Bhtank(X)中由具有标记1的点形成的第一组小连通成分来执行。下面描述用于识别小连通成分的示例方法。在这些小连通成分内的点的标记随后从1改变为0，S卩，这些点从第一组点转移到第二组点。
步骤5 恢复在二值图像Bhtank(X)中的假阴性点(图1 (b)的步骤119)。这通过识别在二值图像Bhtank(X)中由具有标记0的点形成的第二组小连通成分来执行。下面描述用于识别小连通成分的示例方法。在这些小连通成分内的点的标记随后从0改变为1，S卩，这些点从第二组点转移到第一组点。这样填充在由具有标记1的点形成的区域中的小孔。步骤6 去除在二值图像Bhtank(X)中由具有标记1的点形成的小瑕疵(图1(b)的步骤120)。在一个实例中，这些小瑕疵通过在二值图像Bhtank(X)中由具有标记1的点形成的区域上应用形态开运算(morphological opening operation)来去除。步骤7 随后将在二值图像 胃⑴中由具有标记1的点形成的每个连通区域扩展为包括相邻点，该相邻点具有在该宽的一对强度阈值[LpH1]之间的强度值，(图1(b)的步骤121)。在一个实例中，这利用边界修补区域生长方法(boundary patch region growingmethod) [11]来执行。在步骤7中的连通区域扩展之前，可以执行利用该宽的一对强度阈值[L1, H1]将在图像Bhtank(X)中的点分割成不同组的点的步骤，以有利于所述扩展。步骤8 恢复在二值图像Bhtane(X)中的假阴性点(图1 (b)的步骤122)。这通过识别在二值图像Bhtank(X)中由具有标记0的点形成的第三组小连通成分来执行。在这些小连通成分内的点的标记随后从0改变为1，即，这些点从第二组点转移到第一组点。这样填充在由具有标记1的点形成的区域中的小孔以形成最终的二值图像Bhtank(X)。从而获得由在最终的二值图像Bhtank(X)中具有标记1的点形成的分割物体对象。小连通成分识别下面描述用于识别在图像IsccOO中的小连通成分的示例方法的步骤，所述图像Iscc(x)包括具有各自标记Iabel(X)的多个点χ。不同组的点可以出现于图像Iscc(X)中，其中每组包括具有相同标记(χ I label(x) = 1)的点χ。此方法可以独立于上面描述的HTANR方法而使用在任何类型的图像上。步骤1 定位在图像IsccOO中的所有连通成分。每个连通成分由具有相同标记(即，在相同组中)的点X形成。在一个实例中，这个步骤利用邻域连接算法(neighborhoodconnectivity algorithm)来执行，由此在每个连通成分中的点χ以邻域关系互相关联，即，它们是k邻域连通，其中k可以是任何合适的值，例如6或沈。步骤2 从定位的连通成分，确定包括最多点数的最大连通成分和包括最少点数的最小连通成分。在一个实例中，定位的连通成分以定位的连通成分中点f(i)数量的降序来
排列。换句话说，定位的连通成分以次序(^、￡2.....(^设置使得f(l) ^f (2)彡...^f (η)
(η表示定位的连通成分的数量，f (1)、f (2).....f(n)分别表示在连通成分Cl、C2.....cn
中的点数)。步骤3 然后基于在定位的连通成分中的点数计算表示在小连通成分中的最大点数的截止值。在一个实例中，通过将在从最大连通成分到最小连通成分的点数的下降速率与在剩余连通成分中的点数比较来计算所述截止值。下面对此详细说明。以在步骤2中形成的排列中所述定位的连通成分的次序i描绘在每个定位连
通成分Cl、c2.....cn中的点f(i)的数量。从而形成包括二维数据点组{(1，f(l))> (2，
f(2)).....(η, f(n))}的图。然后定位在二维数据点组中、距离穿过所述二维数据点组
的第一和最后数据点((1，f(l))和(n, f(n))的线L最大距离(例如，最大欧几里得距离(Euclidean distance))的截止数据点(第k个数据点(k，f(k))。这些第一和最后数据点分别对应于最大和最小连通成分。如果两个或更多点(例如，(k，f(k))和(j，f(j))到线L的距离相同，那么选择具有最小编号k(k<j)的最左点(k，f(k))。然后设置截止值为对应于截止数据点(k，f(k))的第k个连通成分中的点数。步骤4 对于每个定位的成分，如果在所述定位的连通成分中的点数小于截止值，那么它被识别为小连通成分。换句话说，排列在步骤2中形成的排列中的第k个连通成分之后的所有连通成分Ci(即，具有编号i 的所有连通成分)都被识别为小连通成分。图5 (a)-5(d)图解说明从在步骤102中分割非肝脏区域获得的结果。图5(a)图解说明包括在边界502内的第一感兴趣区域Ω的图像I (χ)的所选轴向、冠状、径向切片。在HTANR方法的步骤3中，利用窄的一对强度阈值[L2，H2]设置第一感兴趣区域Ω的阈值。图5(a)还图解说明直方图，所述直方图显示该窄的一对强度阈值[L2, H2]的位置与在感兴趣区域Ω中的点的强度分布有关。图5(b)图解说明在执行HTANR方法的步骤1_6之后图5(a)的所选轴向、冠状、径向切片。如图5(b)所示，第一感兴趣区域Ω的二值区域Β(χ)形成在边界504内。在该二值区域B(X)内，去除了小连通成分，而填充了小孔。在边界504内的二值区域B(X)中的阴影区域(例如，区域506)表示由具有标记1的点形成的区域。由具有标记1的点形成的区域(例如，区域506)的3D透视图也显示在图5(b)中。图5(c)图解说明在利用该宽的一对强度阈值[L1, H1]执行二值化之后图5(a)的所选轴向、冠状、径向切片。图5(c)还图解说明直方图，所述直方图显示该宽的一对强度阈值[LnH1]的位置与在第一感兴趣区域Ω中的点的强度分布有关。图5(d)图解说明在扩展在HTANR方法的步骤7中由具有标记1的点形成的连通区域之后图5(b)的所选轴向、冠状、径向切片。这个扩展利用边界修补区域生长方法(boundary patch region growing method)来执行。阴景i区域(例如，区域 506，)表示扩展的连通区域。扩展连通区域(例如，区域506’)的3D透视图也显示在图5(d)中。图5(e)图解说明在执行HTANR方法的步骤8以填充在由具有标记1的点形成的区域中的小孔之后图5(d)的所选轴向、冠状、径向切片。由具有标记1的点形成的阴影区域(例如，区域506”)表示分割的非肝脏区域。分割的非肝脏区域(例如，区域506”)的3D透视图也显示在图5(e)中。步骤104 分割在图像I (χ)中的肝脏在步骤104中，分割在图像I(X)中的肝脏。图6图解说明显示步骤104的子步骤的流程图。在子步骤602中，通过从第一感兴趣区域Ω去除分割的非肝脏区域来从第一感兴趣区域Ω产生第二感兴趣区域Ω1 5子步骤602帮助减少用户交互。然而，注意子步骤602是可选的并且可以直接在第一感兴趣区域Ω上执行下面的子步骤604-606，换句话说，可以直接在整个第一感兴趣区域Ω上执行HTANR方法。在子步骤604中，在第二感兴趣区域Ω工上执行上面描述的HTANR方法以分割肝脏。在子步骤606中，通过从分割的肝脏定位和修剪不属于肝脏的点来精细化处理分割结果。子步骤606可以包括迭代过程，所述迭代过程被执行直到实现精确的肝脏分割。肝脏分割是否精确可以由用户观察分割的肝脏手动地确定。注意，这种修剪步骤也可以在方法100的后面步骤中执行以精细化处理分割的肝脏肿瘤和/或肝脏血管。
在一个实例中，在子步骤606中的修剪通过在3D观测器中重复地利用3D修剪操作来执行。图7 (a)-7(d)图解说明在示例分割的肝脏上执行的3D修剪操作的步骤。在3D修剪操作中，包括示例分割的肝脏的输入3D图像首先以如图7(a)所示的恰当视角显示在3D观测器上。然后3D图像投影在二维QD)图像上(图7未示出)，并且然后勾画(delineate)在2D图像中的2D区域。然后识别和去除示例分割的肝脏中已经投影在描绘的2D区域中的点。图7(a)显示在边界704内的这些点的识别，而图7(b)显示这些点的去除(其中在边界704内去除的点以更亮的阴影示出)。图7(c)以不同的角度图解说明修剪的分割肝脏706，而图7(d)图解说明修剪的分割肝脏706以及它相邻的骨头708和肾脏710。图8 (a)图解说明从在步骤102中分割非肝脏区域获得的结果，而图8(b)-8(e)图解说明从在步骤104中分割肝脏的子步骤获得的结果。在图8(a)中，示出了包括分割的非肝脏区域的所选轴向、冠状、径向切片。包括分割的肾脏804和分割的骨头806的这些分割的非肝脏区域位于显示在图8(a)的边界802内的第一感兴趣区域Ω内。分割的肾脏804和分割的骨头806的3D透视图也显示在图8 (a)中。图8(b)显示在执行用于产生第二感兴趣区域Q1的步骤104的子步骤602以及HTANR方法的步骤1-5之后图8(a)的所选轴向、冠状、径向切片。阴影区域，例如区域808表示由具有标记1的点形成的区域。图8(b)还图解说明由具有标记1的点形成的区域(例如，区域808)以及分割的肾脏804和分割的骨头806的3D透视图。图8 (c)显示在执行用于从由具有标记1的点形成的区域去除小瑕疵的HTANR方法的步骤6之后图8(b)的所选轴向、冠状、径向切片。相似地，阴影区域，例如区域808’表示在执行HTANR方法的步骤6之后由具有标记1的点形成的结果区域。图8(c)还图解说明由具有标记1的点形成的结果区域(例如，区域808’ )的3D透视图。图8(d)显示在执行用于扩展由具有标记1的点形成的连通区域的HTANR方法的步骤7之后图8(c)的所选轴向、冠状、径向切片。如上面提及，利用该宽的一对强度阈值[LijH1]分割在图像I(X)中的点的步骤可以执行来促进此扩展。在图8(d)中的阴影区域，(例如区域808”)表示在执行HTANR方法的步骤7之后由具有标记1的点形成的结果区域。图8(d)还图解说明由具有标记1的点形成的结果区域(例如，区域808”)的3D透视图。图8(e)显示在执行用于填充由具有标记1的点形成的区域中的小孔的HTANR方法的步骤8之后图8(d)的所选轴向、冠状、径向切片。相似地，在图8(e)中的阴影区域，(例如区域808”’ )表示在执行HTANR方法的步骤8之后由具有标记1的点形成的结果区域。图8(e)还图解说明由具有标记1的点形成的结果区域(例如，区域808”’)的3D透视图。在这些结果区域中的点形成分割的肝脏。步骤106 分割在图像I (X)中的肝脏肿瘤在步骤106中，分割在图像I(X)中的一个或多个肝脏肿瘤。图9图解说明显示步骤106的子步骤的流程图。在子步骤902中，通过从第二感兴趣区域Ω i去除在步骤104中获得的分割的肝脏产生在图像I(X)中的第三感兴趣区域Ω2。注意，子步骤902是可选的并且可以直接在第一感兴趣区域Ω上执行下面的子步骤904-914，换句话说，可以直接在第一感兴趣区域Ω上执行HTANR方法。
在子步骤904中，在图像定义域D中定义新图像D(x)，使得新图像D(X)具有与图像I(X)相同的尺寸，并且在新图像D(X)中的每个点在图像I(X)中的相同位置具有相应点。然而，在图像D(X)中所有χ e D的点的标记初始化为0。在子步骤906中，利用HTANR方法从图像I(X)分割在第三感兴趣区域Ω2中的肝脏肿瘤。分割的肝脏肿瘤包括在图像I(X)中的多个肿瘤点。然后通过将在图像D(X)中与肿瘤点相应的点的标记从0改变为1，利用新图像D(X)保存分割结果。在子步骤908中，通过将在图像D(X)中与在分割肝脏中的点相应的点的标记从0改变为1而将在步骤104中从图像I(X)获得的分割肝脏添加到图像D(X)。换句话说，分割的肝脏与在图像D(X)中的分割肿瘤融合来形成组合的肝脏对象。在子步骤910中，应用形态开运算到在图像D(X)中具有标记1的点(即，在组合的肝脏对象中的点)。然后定位由具有标记1的点形成的连通成分，并且然后从这些定位连通成分，定位包括最大数量的点的最大连通成分。仅保留在最大连通成分中的点，而通过将这些点的标记从1改变为0去除在剩余连通成分中的点。在子步骤912中，修剪在子步骤910中保留的最大连通成分。在一个实例中，这利用在图7 (a)-7(d)所示的3D修剪操作来执行。在子步骤914中，然后通过将与在分割的肝脏中的点相应的点的标记从1改变为0，从在图像D(X)中的最大连通成分去除属于分割的肝脏的点。这样留下更新的分割的肿瘤在图像D(X)中。注意包括子步骤908-914是优选的，因为如果直接在图像D(X)中的分割的肿瘤上执行子步骤910中的形态开运算，那么可以从分割结果去除小分割肿瘤。步骤108 分割在图像I (X)中的肝脏血管在步骤108中，分割在图像I(X)中的肝脏血管。图10图解说明显示步骤108的子步骤的流程图。在子步骤1002中，通过例如对图像I(X)应用现有技术血管过滤技术产生平滑图像I’ (x) O在子步骤1004中，使用HTANR方法在相应第一感兴趣区域Ω’(其是平滑图像I’ (x)的子空间)中从平滑图像I’ (x)分割肝脏血管。请注意，平滑子步骤1002是可选步骤，用于去除图像Ι(χ)中的噪声(noise)。如果不执行子步骤1002，在子步骤1004中，直接在原始图像I U)中使用HTANR方法以获得在第一感兴趣区域Ω中的肝脏血管。在子步骤1006中，然后从在子步骤1004获得的分割的肝脏血管产生血管树。在一个实例中，分割的血管的点设置为血管点，并且重复地使用下面的方向区域生长方法以从可以手动指定的种子点开始追踪血管段。然后由所有追踪的血管段形成血管树。通过方向区域生长追踪血管树下面描述用于在图像Imffi(X)中利用方向区域生长方法追踪血管段的示例方法的步骤。注意这个示例方法可以独立于方法100在任何类型的图像上执行。图像Imffi(X)也可以是在较大图像中的感兴趣区域的一部分。例如，在步骤108的子步骤1006中，图像Imffi(X)是在平滑图像I’ (x)中的相应第一感兴趣区域Ω’。假设图像Imffi(X)包括具有标记label(x)的点以及由血管点q形成的区域V，所述血管点q具有指示它们是感兴趣结构中的血管的一部分的标记，下面步骤被执行以从种子点P开始追踪血管段(P e V，g卩，P是区域V中的点)。
步骤1 不失一般性地，假设对于血管方向V(p) = (nx,ny,nz), |nj = {|nx|, |ny|,|nz|}。这表示血管方向V(P)沿着图像Imffi(X)的轴向方向朝向。在一个实例中，计算血管方向V(P) = (nx，ny，nz)以证实这个假设。如果发现这个假设不正确，那么旋转坐标系统直到这个假设变成真。步骤2 定位由血管点形成并且包括种子点ρ e V的二维连通血管区域&。此二维连通血管区域&位于包括种子点P的轴向切片上。步骤3:然后沿着图像Imffi(X)的{0，0，1}方向(即，与区域&垂直的正ζ方向)扩展连通血管区域&。注意，定义图像Imffi(X)的轴，使得χ轴平行于位于图像的轴向平面和冠状平面之间的交叉线，y轴平行于位于图像的轴向平面和径向平面之间的交叉线，而ζ轴平行于位于图像的冠状平面和径向平面之间的交叉线。在一个实例中，通过由血管区域&产生第一进一步(further)血管区域S1,并且由最近产生的进一步血管区域Si (i = 1，2，...)依次产生进一步血管区域Si+1，执行血管区域&的扩展。仅在不满足停止条件时才产生进一步血管区域。这甚至应用于第一进一步血管区域Sp当要产生的进一步血管区域为空(即，不包括点)时，或者当要产生的进一步血管区域中的点数超过产生进一步血管区域的血管区域中的点数的两倍时，满足停止条件。下面描述如何由血管区域Si产生每个进一步血管区域Si+1。首先基于区域Si形成在图像Imffi(X)中的感兴趣区域。在一个实例中，感兴趣区域包括在图像Imffi(X)中的所有点，这些点沿着正ζ方向紧接在区域Si中的血管点之后。换句话说，在感兴趣区域中的点可以表示为{px，py，pz+l|p e SJ0对于在感兴趣区域中的每个血管点，确定所述血管点是否属于要形成的血管段。下面对此详细说明。对于在由ζ = pz+l指数表示的轴向切片(即，沿着正ζ方向紧接在包括区域Si的轴向切片之后的轴向切片)上的感兴趣区域中的每个血管点q，计算参数，例如血管点q的血管方向和血管测度(vesselness)，并且基于这些参数，确定血管点q是否属于血管段。下面详细说明用于计算血管点q的血管测度λ (q)和血管方向v(q)的示例方法。这些参数依赖于在血管点q周围的多个邻域中的血管点的强度值。在一个实例中，如果血管点满足下列条件，那么确定所述血管点属于血管段a)血管点q的血管测度(即，λ (q))大于给定阈值，在一个实例中，所述给定阈值为0.8 ；以及b)血管点的血管方向v(q)与种子点的血管方向V(P)之间的角度小于给定阈值，在一个实例中，所述给定阈值为45°。然后产生进一步区域Sw作为由这些确定为属于血管段的血管点形成的连通成分。在一个实例中，感兴趣区域中满足上述条件(a)和(b)的每个血管点融入进一步区域Si+1，并且执行融合过程直到再没有血管点可以融入Sw中。步骤4:然后沿着图像Imffi(X)的{0，0，_1}方向(即，与区域&垂直的负ζ方向)扩展连通血管区域&。在一个实例中，这通过以与上面所描述沿着{0，0，1}方向扩展相同的方式产生多个进一步区域Sh来执行。步骤5 获得在步骤2到步骤4中产生的血管区域的联合(即，血管区域&和所有进一步血管区域)，以形成经过种子点ρ的血管段。
注意在上述示例方法中，初始二维连通血管区域&可以位于图像I· (x)中的冠状切片或径向切片上，或者位于与任何其他平面平行的切片上。在这些情况下，相应调整种子点P的血管方向。然后沿着与二维区域&垂直的方向扩展二维区域&以形成血管段。自适应的血管方向和血管测度计算下面描述用于计算图像Ivd(X)中的点w的血管方向V(W)和血管测度λ (w)的示例方法的步骤。注意，这个示例方法可以独立于上述用于产生血管段的示例方法来执行，并且可以在任何类型的图像上执行。当与上述用于产生血管段的示例方法一起使用时，图像Ivd(X)是图像 IDEG(x)o假设图像Ivd(X)包括具有标记label(x)的点以及由血管点q形成的区域V，所述血管点q具有指示它们是感兴趣结构中的血管的一部分的标记(q|label(q) = Iv)，定义在点w e ν周围的多个邻域队⑴，使得N1(W)Ci N2(W)...eNk(w),即每个邻域包括在点w周围不同数量的点，由此N1 (w)是包括最少数量点的最小邻域，而Nk(W)是包括最多数量点的最大邻域。在一个实例中，点w周围的邻域(即，Ni (W))为以点w为中心具有增大半径的球的形状。每个邻域Ni (w)也包括多个血管点。表示Oi (W)为包括每个邻域Ni (w)中的血管点的血管点组，即Oi(W) =V Π Ni(W) (i = 1,2,...，k)，下面的步骤用来计算点W e V的血管方向V(W)和血管测度λ (W)。步骤1 对于每个血管点组Oi (w)，基于血管点在血管点组Oi (w)中的位置计算多个特征矢量和特征值。在一个实例中，通过在血管点组Oi (W)上执行主分析计算第一的三个特征矢量 Vli (w)、v2i (w)、v3i (w) (i = 1，2，. . .，k)以及它们相应的特征值 λ π (W)、λ 2i (W)和入 3i (W)，其中入 Ii (W) ^ 入 2i (W) ^ 入 3i ⑷。步骤2 对于每个血管点组Oi (w)，利用表达式λ π (w) / [ λ π (w) + λ 2i (w) + λ 3i (w)]来标准化第一特征值λ n(w)。然后定位具有编号j并且具有最高标准化第一特征值的血管点组Oi (w)0步骤3 血管点组Oi (ρ)的第一特征矢量Vlj (w)输出为点w的血管方向ν (w)，而点组Oi(W)的标准化第一特征值λυΟΟ/Τλ^Μ + λΜΟΟ + λυΟΟ]输出为点w的血管测度
入(W) O步骤110 将肝脏划分为功能肝脏段在步骤110中，将肝脏划分成功能肝脏段。图11表示肝脏解剖学的Couinaud分类(其将肝脏划分为段I-VIII)。在图11中，示出了 6个表面SpS^SySpSpS。S1由四个控制点Pl、p2、P3和P4定义，其中点Pi、P3和P4是位于IVC(下腔静脉)的中线上的标记。点P1和P3分别位于IVC的上面和下面，而点P2和P4是S1和&的边界曲线之间的交叉点。S1的边界曲线沿着中间肝静脉前进，并且将肝脏分成右叶(段I-IV)和左叶(段V-VII I)。S2由四个控制点Pl、p5、p3、P4定义，其中P5是&和&的边界曲线之间的交叉点。&的边界曲线沿着右肝静脉前进，并且将肝脏的右叶分成前部(段V和VIII)和后部(段VI 禾口 VII)。S3由三个控制点P4、P5和P2定义。&的边界曲线沿着门静脉平面前进，并且将肝脏的右叶分成前部(段VII和VIII)和后部(段V和VI)。S4由四个点p10、pn、p12和P13定义，其中点P10和P12在脐裂隙的前面和后面上，而点P11和P13是在、和&的边界曲线之间的交叉点。、的边界曲线沿着脐裂隙前进，并且将肝脏的左叶分成中部(段I和IV)和侧部(段II和III)。S5由位于尾状叶边界的四个点P6、P7、P8和P9定义。&的边界曲线将左叶的中部分成尾状叶(段I)和段IV。S6由三个点pn、p14和P13定义，其中点P13是在肝脏左侧脊上的标记。&的边界曲线将左叶侧面分成段II和段III。在一个实例中，使用下面描述的可扩展最小表面方法来分别由划分表面Sp
S2.....S6的控制点(S卩，由分别限定上面提及的表面的点)产生划分表面Si、S2.....S60
对于每个划分表面，各自的控制点用为第一多个顶点，用于在下面所述方法中形成可扩展最小表面的第一曲线。可以调整控制点的位置，并且可以插入新的控制点以产生精确的肝脏段划分。可扩展最小表面方法下面描述示例可扩展最小表面方法的步骤。假设图像Iais(X)，在图像Ihb(X)中的三维空间中设置第一多个顶点{Vl、v2. . .、vn}。通过预定的扩展宽度d( > 0)，然后根据下面的步骤产生可扩展最小表面。这个示例可扩展最小表面方法可以使用在任何类型的图像上并且可以独立于方法100使用。在图12中图解说明了此可扩展最小表面方法的步骤。步骤1 产生穿过第一多个顶点力、、..、vn的第一曲线B，第一曲线B可以是贝塞尔曲线。步骤2 然后利用例如现有技术[7]产生由第一曲线B包围的第一最小表面S。步骤3 然后如下利用第一多个顶点{Vl、v2. . .、vj形成第二多个顶点{ν’ ρ
V 2· · · 、 V η} ο在第一多个顶点中的每个顶点Vi (i = 1,2,...,η)处，计算在顶点Vi处到第一最小表面S的法线Iii和到第一曲线B的切线其中、处于Iii的逆时针方向。然后计算法线Hi和切线、的矢量积，即，叫 ^并且基于这个矢量积，获得在第二多个顶点中的顶点ν’ p在一实例中，v'i^i+dY IiiOti )。换句话说，顶点ν’i位于由计算的矢量积形成的矢量上并且设置为远离顶点Vi预定距离(等于预定扩展宽度d)。步骤4 然后产生经过第二多个顶点V’ i、v’ 2. . .、v’ n的第二曲线B’，第二曲线B’可以是贝塞尔曲线。步骤5 然后利用例如现有技术[7]产生在第一曲线B和第二曲线B’之间包围的
第二最小表面S’。步骤6 然后组合第一和第二最小表面S和S’形成可扩展最小表面，所述可扩展最小表面可以通过调整在第一曲线B上的第一多个顶点来调整。注意，在组合表面S和S’之后，第一曲线B和第一多个顶点保持为可见以有利于第一多个顶点的调整。步骤112 平滑肝脏对象在步骤112中，平滑分割的肝脏对象的空间，分割的肝脏对象包括来自步骤104的分割肝脏、来自步骤106的分割的肝脏肿瘤、以及来自步骤108的分割的肝脏血管。在一个实例中，利用下面示例基于距离映射的二值空间平滑算法在每个分割的肝脏对象上执行步骤 112。基于距离映射的二倌空间平滑假设定义在域Dc=R3中且包括由具有相同标记label (x) = 1的点形成的对象的图像IBVS(x)，下面描述用于平滑对象IxIlabel(X) = 1}的示例基于距离映射的二值空间平滑算法。这个算法可以独立于方法100使用在任何类型的包括任何类型对象的图像上。步骤1 如下来定位对象的边界3。对于每个点χ e D，如果点χ的标记为1并且在χ的邻域内存在至少一个点χ’使点χ’的标记不为1，那么点χ被认为是在对象的边界&上的点(即，χ￡5)。步骤2 然后如下面计算截止距离映射。对于每个点χ e D，基于对象的点χ和边界5之间的距离计算距离映射值f (X)。这如下来执行。距离映射值f(x)是有符号的函数。如果点X的标记为1，那么点X的距离映射值f(x)设置为{-do,-d(3,x)}的最大值，否则，如果点X的标记不为1，那么点X的距离映射值f(x)设置为{do,d(5,x)}的最小值。dQ是预定正阈值(S卩，常数)，而d(Ax)是点χ到对象的边界5的最小距离(例如最小欧几里得距离)并且可以计算为点χ与最靠近点χ的对象边界点之间的距离，其中对象边界点是位于边界上的点。注意，d(坟χ)总是大于或等于0。步骤3:然后通过平滑由距离映射值f(x)形成的函数获得更新的距离映射值f’(x)。在一个实例中，使用高斯平滑。这个平滑步骤可以改变某些点X的距离映射值的符号。步骤4 然后利用更新的距离映射值f’ (χ)形成平滑的对象空间。在一个实例中，由具有相应更新的距离映射值f’(x)小于或等于0，即Ix|f’(x)彡0}的点X形成的空间，输出为平滑对象空间。图13图解说明从方法100获得的结果。具体地，图13图解说明包括分割的肝脏对象的所选轴向、冠状、以及径向切片，所述分割的肝脏对象例如为由边界1302、肝脏肿瘤1304、以及肝脏血管(例如，血管1306)包围的肝脏。在图13中也示出了分割的肝脏对象的3D透视图。如上面描述的本发明实施例可以由具有处理器的计算机系统执行。也可以有一种计算机程序产品，例如计算机可读并且包括指令的有形数据存储装置，所述指令可由计算机系统的处理器操作以致使处理器执行本发明的上述实施例。本发明的实施例的优点如下。在示例实施例中，使用三角形网格插值技术从简化的肝脏表面模型产生第一感兴趣区域(ROI)。可以利用数个控制点构建该简化的肝脏表面模型，并且在一个实例中，利用两个曲线以及包括两个末端分界点的总共14个控制点来构建。因此，通过仅仅改变控制点的位置可以在三维空间中轻易地调整ROI的位置、尺寸和形状。并且，因为三角形插值的性质，生成的ROI大体适配图像中的肝脏并且仅包括小百分比的非肝脏区域。换句话说，ROI呈现图像中的肝脏的预期形状。这有利于用于分割肝脏对象的后续处理步骤。在示例实施例中，使用可扩展最小表面方法来将肝脏划分成功能肝脏段。因为划分表面(即，可扩展最小表面)是具有形状的自由表面，所述形状可以通过改变几个顶点(或控制点)的位置而改变，所以可以以最小交互实现精确的肝脏划分。在示例实施例中，使用HTANR方法用于分割肝脏对象。在HTANR方法中，使用用于识别小连通成分的自动方法来提高形态分析。首先，此方法用来通过识别和去除与感兴趣主对象不连通的小连通成分，去除被错误归类为对象点的噪声(假阳性点)。其次，此方法用来通过填满感兴趣对象内的小孔(小连通成分)，恢复被归类为非肝脏对象点的假阴性
点ο在实例实施例中，使用基于距离映射的方法来平滑由肝脏对象的分割而产生的二值空间。这帮助去除小的瑕疵并且还帮助产生用于增强分割肝脏对象的用户可视化的更实用模型。利用示例实施例，可以自动地分割多个肿瘤(如果存在的话)，并且分割的结果可以同步地显示以供专家验证。当在病人的肝脏内部有多个小肿瘤时，这样帮助实现精确的诊断。这相对于在医院中使用的现有软件是有利的，所述现有软件通常要求临床医生执行耗时处理，该处理为通过滚动在图像空间中的每个图像切片而定位每个肿瘤。在示例实施例中，使用自适应血管树追踪方法(即，方向区域生长方法)来将所有血管组织成血管树结构。利用每个血管点的血管测度和血管方向引导追踪过程，可以减少血管段之间或内部的交叉或粘黏。因此，利用本发明的实施例可以实现对例如CT图形的图形中的肝脏对象进行快速、精确地分割。这些实施例可以用于下面的商业应用(1)可以采用基于本发明的实施例用于肝脏对象分割的服务(类似于Mevis的服务)。(2)可以基于本发明的实施例开发用于肝脏对象分割的专用软件工具。这个可以独立应用或者可以用来补充(1)中的服务，使本服务不同于Mevis的服务。(3)在本发明的实施例中的肝脏分割模型可以集成到通用工具MIUE(Model-basedImage Understanding Environment，基于模型的图像理解环境)中，所述通用工具MIUE由发明人先前开发用于对医疗图像中的解剖学结构和病变进行分割、模型化以及可视化。参考文献[IjSelle D,Preim B,Schenk A，et al. (2002)" Analysis of Vasculature forLiver Surgery Planning"，IEEE trans, on TMI，21(11)，1344—1357.[2]Reitinger B,Bornik A,Beichel R, et al. (2006)" Liver Surgery PlanningUsing Virtual Reality" , IEEE Computer Graphics and Applications,26(6),36-47.[3]Nicoiau SA, Pennec X, Soler L, et al. (2009) " An Augmented RealitySystem for Liver Thermal Ablation :Design and Evaluation on Clinical Cases“，Medical Image Analysis,13(3)，494-506.[4]http://www. mevismedical. com/MeVis Distant Services, html[ 5 ] A1 e χ Vlachos, J ' org Peters, Chas Boyd JasonL. Mitchell(2001)," Curved PN Triangles" , Proceedings of the 2001 symposium onInteractive 3D graphics, pp.159-166.[6]Zhihong Mao, Lizhuang Ma and Wuzheng Tan(2005) “ A ModifiedNielson' s Side-Vertex Triangular Mesh Interpolation Scheme" , ComputationalGeometry and Applications(CGA' 05)Workshop,776-785.[7]Wenyu Chen, Yiyu Cai and Jianmin Zheng(2008) " ConstructingTriangular Meshes of Minimal Area " , Computer-Aided Design & Applications,5(1-4) ,508-518.[8]0tsu, N. , (1979) “ A Threshold Selection Method from Gray-LevelHistograms" . Systems, Man and Cybernetics, IEEE Transactions on,9(1),62-66.[9]Liao，P. S. and T. S. C. P. C. Chung (2001) “ A Fast Algorithm for MultilevelThresholding"，J. Inf. Sci. Eng.，17 (5)，713-727.[10] Jimin Liu, Su Huang, Wieslaw L. Nowinski (2009) “ AutomaticSegmentation of the Human Brain Ventricles from MR Images by Knowledge-BasedRegion Growing and Trimming" , Neuroinform,7,131-146.[II]Xiaoning Qian, et.al， (2009) " A non-parametric vessel detectionmethod for complex vascular structures" ,13 (1),49-61.[12]Rashindra Manniesing,Max A. Viergever,ffiro J. Niessen(2006)," Vesselenhancing diffusion :A scale space representation of vessel structures “，Medical Image Analysis 10 815-825.
权利要求
1.一种用于分割在输入图像中的感兴趣对象的方法，所述输入图像包括具有用于表示医疗数据的各自强度值的多个点，所述方法包括步骤(Ia)利用预定强度阈值将在所述输入图像中的感兴趣区域中的点分割为第一组点和第二组点；(lb)识别由在所述第一组点中的点形成的第一组小连通成分并且将在所述第一组小连通成分中的点转移到所述第二组点；(Ic)识别由在所述第二组点中的点形成的第二组小连通成分并且将在所述第二小连通成分中的点转移到所述第一组点；以及(Id)利用所述第一组点形成分割的感兴趣对象。
2.根据权利要求1所述的方法，其中所述预定強度阈值包括第一对强度阈值，并且步骤(Id)还包括利用第二对强度阈值扩展由所述第一组点形成的连通区域的子步骤，所述第二对强度阈值比所述第一对强度阈值相距更远。
3.根据权利要求1或2所述的方法，其中由在各自组点中的点形成的每组小连通成分通过包括以下步骤的方法来识别(3i)定位由各自组点中的点形成的连通成分；(3ii)计算表示小连通成分中的最大点数的截止值，所述截止值基于所述定位的连通成分中的点数而计算；以及(3iii)对于每个定位的连通成分，如果定位的连通成分中的点数小于所述截止值，那么识别所述定位的连通成分为小连通成分。
4.根据权利要求3所述的方法，其中子步骤(3ii)包括子步骤(4i)由所述定位的连通成分，分别确定包括最高和最低点数的最大和最小连通成分；以及(4ii)通过将点数从最大定位的连通成分到最小定位的连通成分的下降速率与剩余定位的连通成分中的点数进行比较来计算所述截止值。
5.根据权利要求4所述的方法，其中子步骤Gi)还包括以所述定位的连通成分中点数的降序来排列所述定位的连通成分的子步骤，以及子步骤Gii)还包括子步骤(5i)以排列中所述定位的连通成分的次序描绘在每个定位连通成分中的多个点以形成包括一组数据点的图；(5ii)选择在所述组数据点中的截止数据点，其中截止数据点和经过相应于最大及最小定位的连通成分的数据点的线之间的距离为最大；以及(5iii)将所述截止值计算为定位的连通成分中相应于所述截止数据点的点数。
6.一种用于分割在三维输入图像中的肝脏对象的方法，所述肝脏对象包括肝脏、至少 ー个肝脏肿瘤、以及肝脏血管，所述三维输入图像包括具有用于表示医疗数据的强度值的多个点，所述方法包括步骤(6a)定义在所述输入图像中呈现肝脏的预期形状的感兴趣区域；(6b)分割在所述感兴趣区域中的所述肝脏；(6c)分割在所述感兴趣区域中的所述至少ー个肝脏肿瘤；(6d)分割在所述感兴趣区域中的所述肝脏血管；(6e)平滑所述分割的肝脏对象；以及(6f)将所述分割的肝脏划分为功能肝脏段。
7.根据权利要求6所述的方法，其中步骤(6a)还包括子步骤 (7i)通过由第一组多个控制点产生平滑网格来构建肝脏表面模型；(7ii)通过移动所述多个控制点使所述肝脏表面模型变形而将所述肝脏表面模型适配于所述输入图像中的肝脏；以及(7iii)将所述感兴趣区域定义为所述输入图像中由所述适配的肝脏表面模型包围的子空间。
8.根据权利要求6或7所述的方法，其中步骤(6b)还包括子步骤(Si)利用预定强度阈值将感兴趣区域中的点分割成第一组点和第二组点； (8ii)识别由所述第一组点中的点形成的第一组小连通成分并且将所述第一组小连通成分中的点转移到所述第二组点；(8iii)识别由所述第二组点中的点形成的第二组小连通成分并且将所述第二小连通成分中的点转移到所述第一组点；(8iv)利用所述第一组点形成所述分割的肝脏；以及(8v)通过修剪不属于肝脏的点来精细化处理所述分割的肝脏。
9.根据权利要求8所述的方法，其中步骤(8v)还包括重复下列子步骤 (9i)投影所述分割的肝脏到ニ维图像上；(9ii)在所述ニ维图像中描绘一区域；以及Oiii)通过识别和去除投影在所述描绘的区域上的所述分割的肝脏的点来修剪所述分割的肝脏。
10.根据权利要求6或7所述的方法，还包括通过重复下列子步骤修剪至少ー个所述分割的肝脏对象的步骤(IOi)投影所述至少ー个分割的肝脏到ニ维图像上； (IOii)在ニ维图像中描绘一区域；以及(IOiii)通过识别和去除投影在所述描绘的区域上的所述至少ー个分割的肝脏上的点来修剪所述至少ー个分割的肝脏。
11.根据权利要求6或7所述的方法，其中步骤(6c)还包括子步骤(Ili)利用预定强度阈值将在感兴趣区域中的点分割成第一组点和第二组点； (Ilii)识别由所述第一组点中的点形成的第一组小连通成分并且将所述第一组小连通成分中的点转移到所述第二组点；(Iliii)识别由所述第二组点中的点形成的第二组小连通成分并且将所述第二小连通成分中的点转移到所述第一组点；(Iliv)利用所述第一组点形成所述至少ー个分割的肝脏肿瘤； (Ilv)将所述至少ー个分割的肝脏肿瘤与所述分割的肝脏融合来形成包括多个点的组合的肝脏对象；(Ilvi)对在所述组合的肝脏对象中的点执行形态运算；(Ilvii)定位由所述组合的肝脏对象中的点形成的连通成分，并且由所述定位的连通成分，定位包括最高点数的最大连通成分；以及(Ilviii)通过从所述最大连通成分去除属于所述分割的肝脏的点来形成至少ー个更新的分割的肝脏肿瘤。
12.根据权利要求6或7所述的方法，其中步骤(6d)还包括子步骤(12 )利用预定强度阈值将在感兴趣区域中的点分割成第一组点和第二组点； (12ii)识别由所述第一组点中的点形成的第一组小连通成分并且将所述第一组小连通成分中的点转移到所述第二组点；(12iii)识别由所述第二组点中的点形成的第二组小连通成分并且将所述第二小连通成分中的点转移到所述第一组点；(12iv)利用所述第一组点形成分割的肝脏血管，所述分割的肝脏血管包括血管点；以及(12v)从所述血管点重复地追踪血管段以形成血管树，每个血管段根据下列的子步骤 (12v-i 到 12v-iii)来追踪(12v-i)从所述分割的肝脏血管中的血管点选择种子点； (12v-ii)定位由血管点形成并且包括所述种子点的ニ维连通血管区域；以及 (12v-iii)以与所述ニ维连通血管区域垂直的方向扩展所述ニ维连通血管区域以形成所述血管段。
13.根据权利要求12所述的方法，其中子步骤(12v-iii)还包括子步骤(13 )检查是否满足停止条件，并且如果不满足，则由所述ニ维连通血管区域产生第一进ー步血管区域；(13ii)依次检查是否满足停止条件，并且如果不满足，则由最近产生的进ー步血管区域产生进一歩血管区域；以及(13iii)将所述血管段形成为所述ニ维连通血管区域与所述产生的进ー步血管区域的联合。
14.根据权利要求13所述的方法，其中当发现要产生的进ー步血管区域没有包含点时或当发现要产生的进ー步血管区域中的点数超过要产生进ー步血管区域的血管区域中的点数的两倍时，满足停止条件。
15.根据权利要求13或14所述的方法，其中每个进一歩血管区域根据下列的子步骤来产生(15 )基于要产生进ー步血管区域的血管区域形成感兴趣区域； (15ii)对于感兴趣区域中的每个血管点，确定所述血管点是否属于所述血管段；以及 (15iii)产生所述进一歩血管区域，以作为连通成分，该连通成分由感兴趣区域中被确定为属于所述血管段的血管点形成。
16.根据权利要求15所述的方法，其中子步骤(15ii)还包括对于在所述感兴趣区域中的每个血管点执行下列子步骤(16 )计算在所述感兴趣区域中的所述血管点的參数，所述參数依赖于感兴趣区域中的所述血管点周围的多个邻域中的血管点的强度值；(16ii)基于所计算的參数，确定在所述感兴趣区域中的所述血管点是否属于血管段。
17.根据权利要求16所述的方法，其中所述參数包括在所述感兴趣区域中的所述血管点的血管方向和血管測度，并且子步骤(16i)还包括子步骤(17 )定义在所述感兴趣区域中的所述血管点周围的多个邻域，每个邻域包括多个血管点以及不同的点数；(17ii)对于每个邻域，形成包括在所述邻域中的血管点的血管点组； (17iii)基于每个血管点组中血管点的位置计算所述每个血管点组的多个特征矢量和特征值；(17iv)标准化每个血管点组的第一特征值；以及(17v)分别将血管点的血管方向和血管測度计算为具有最高标准化第一特征值的血管点组的第一特征矢量和第一标准化特征值。
18.根据权利要求17所述的方法，其中如果所述感兴趣区域中的所述血管点的血管测度大于预定阈值并且所述血管点的血管方向与所述种子点的血管方向之间的角度小于预定阈值，那么将血管点确定为属于所述血管段。
19.根据权利要求12-18任意一项所述的方法，其中在子步骤(12v-ii)之前，所述方法还包括计算所述种子点的血管方向的子步骤，并且如果所述种子点的血管方向在输入图像中不是沿着预期方向朝向，那么旋转所述输入图像的坐标系统直到所述种子点的血管方向沿着预期方向朝向。
20.根据权利要求6-19任意一项所述的方法，其中每个分割的肝脏对象包括在所述输入图像中的子组点，并且步骤(6e)对于每个分割的肝脏对象包括子步骤(20 )基于所述分割的肝脏对象的所述点与边界之间的距离，计算所述输入图像中的每个点的距离映射值；(20ii)通过平滑由所述距离映射值形成的函数获得更新的距离映射值；以及 (20iii)利用所述更新的距离映射值形成所述分割的肝脏对象的平滑空间。
21.根据权利要求6-20任意一项所述的方法，其中步骤(6f)还包括子步骤(21i)将第一多个顶点设置在所述分割的肝脏的表面上并且利用所述第一多个顶点产生第一最小表面；(21ii)利用所述第一多个顶点形成第二多个顶点并且利用所述第一多个顶点和所述第二多个顶点产生第二最小表面；(21iii)通过组合所述第一最小表面和所述第二最小表面形成可扩展最小表面，其中所述可扩展最小表面可以通过调节所述第一多个顶点来调节；以及(21iv)利用所述可扩展最小表面将所述分割的肝脏划分成功能肝脏段。
22.根据权利要求21所述的方法，其中所述第一最小表面由经过所述第一多个顶点的第一曲线包围，并且子步骤Olii)对于在所述第一多个顶点中的每个顶点还包括下列子步骤(22i)计算在所述顶点处到所述第一最小表面的法线和到所述第一曲线的切线； (22ii)计算所述计算的法线与所述计算的切线之间的矢量积；以及 (22iii)利用所述计算的矢量积形成在第二多个顶点中的所述顶点。
23.根据权利要求22所述的方法，其中所述第二多个顶点中的所述顶点位于由所述计算的矢量积形成的矢量上，并且以预定距离远离所述第一多个顶点中的相应顶点。
全文摘要
公开了一种用于分割在输入图像中的感兴趣对象(其可以是肝脏对象)的方法。所述方法包括步骤(a)利用预定强度阈值将在输入图像中的感兴趣区域中的点分割为第一组点和第二组点；(b)识别由在第一组点中的点形成的第一组小连通成分并且将在第一组小连通成分中的点转移到第二组点；(c)识别由在第二组点中的点形成的第二组小连通成分并且将在第二小连通成分中的点转移到第一组点；以及(d)利用第一组点形成分割的感兴趣对象。
文档编号G06T5/20GK102573638SQ201080046542
公开日2012年7月11日 申请日期2010年10月13日 优先权日2009年10月13日
发明者刘继敏 申请人:新加坡科技研究局