膀胱和直肠的解剖学知识，在步骤（2)得出的平均图像当中将前列腺、膀胱和直肠三个器 官的轮廓分别划分为五个小区域，
[0098] 针对每个医生，都需要将每个器官的五个小区域均按照从1到5来随机编号（例 如：前列腺编号：前列腺1、前列腺2、前列腺3、前列腺4、前列腺5,膀胱编号：膀胱1、膀胱 2、膀胱3、膀胱4、膀胱5,直肠编号：直肠 I、直肠2、直肠3、直肠4、直肠5)，并将每个器官中 拥有相同编号的三个小区域作为一个大区域看待（例如：将前列腺1、膀胱1和直肠1作为 大区域一，将前列腺2、膀胱2和直肠2作为大区域二，依次类推）；在计算出所有的大区域 组成方式下分割的精确度后（每个小区域的编号方式有5X4X3X2X1 = 120种，大区域 就有120X 120X 120种组成方式），选取精确度最高的大区域组成方式作为当前医生区域 划分方式的分割精确度，
[0099] 当所有设定位（例如30位）医生的大区域的器官分割精确度均计算完毕时，选取 大区域的器官分割精确度最高的两个医生（例如：甲医生、乙医生）的大区域划分轮廓进行 形变配准，根据两个医生（例如：甲医生、乙医生）的精确度从低到高的划分轮廓对应的形 变向量场的变化，计算形变向量场变化过程中出现的所有划分轮廓器官分割精确度，最终 选定精确度最高的区域为最终的区域划分；
[0100] 在平均图像上得到区域划分后，通过形变配准将区域划分模式转化到训练数据库 中的设定幅前列腺CT上，最后根据设定幅图像中的区域轮廓，使用MATLAB工具箱提供的SL 层次聚类算法给每个区域建立一个树形的层次聚类模型。
[0101] 步骤（4):选定与待分割的CT出自同一个患者的已勾画CT作为参考图像。先将 平均图像上的区域划分模式通过形变配准转化到参考图像中，再通过同样的方法将参考图 像中五个区域的轮廓转化到待分割的CT中，作为初始分割轮廓。
[0102] 步骤（5):根据步骤（3)计算出的层次聚类模型，计算出待分割CT中每个区域最 佳的分割轮廓（五个区域同时进行），这一局部分割过程从模型的第一层开始一直到有着 相应区域50个原始轮廓的最后一层，在每一层中都要经过一个初步分割和一个轮廓调整 过程。这两个过程都以步骤（2)中计算出的形变模型为指导，分别使用不同的评价函数来 判断何时分割轮廓为最佳。（图3)
[0103] 局部分割过程从层次聚类模型的第一层开始，一直到有着相应区域设定个原始轮 廓的最后一层，在每一层中都要经过初步分割过程和轮廓调整过程；
[0104] 初步分割过程和轮廓调整过程都以步骤（2)中计算出的形变模型为指导，分别使 用不同的评价函数来判断何时分割轮廓为最佳；
[0105] 步骤（6):将分割完毕的五个区域组合在一起形成一幅新的CT图像，这幅经过初 步勾画的图像就作为待分割CT全局分割的初始图像。全局分割同样分为初步分割与轮廓 调整两步，具体方法与第五步相同。
[0106] 步骤（7):全局分割完毕后，导出前列腺、膀胱和直肠都已经勾画完毕的前列腺CT 图像。
[0107] 15个形变模型是使用基于多元统计的主成分分析算法得出的。在参数化后，每幅 CT图像都已被表示为
其中D是指的每幅CT的顶点个数。先 计算出50幅图像的平均矩阵p。，再计算出协方差矩阵C，根据协方差矩阵的特征向量和特 征值，就可以把形状向量的变形运动表示为：
[0109] 其中，qn是协方差矩阵C的特征向量，λ。是对应的特征值，而φ n是加权系数，在 O到λη2间随机分布。
[0110] 为了减少形变模型的个数，随机选取其中的M个模型得到下式：
[0112] 并计算两种情况下的误差：
[0114] 最终得到平均残留误差：
[0116] 从M = 1开始计算不同模型选取情况下的残留误差，并计算此时形变模型所能体 现的形变规律占总体的百分比，并发现在M = 15的时候，残留误差Rm接近于0,而且此时 的形变模型可以代表盆腔器官95%以上的形变规律。
[0117] 在局部和全局分割过程中，就用这15个形变模型来代表变化后的形状向量：
[0118] cl(P) = C1+ T- P
[0119] 并借助评价函数E来确定什么时候的分割轮廓与待分割CT的真实情况相匹配。在 初步分割中这个评价函数E是根据变形后的轮廓内外的像素强度差与参考图像的轮廓内 外的像素强度差之间的差异来判断的，认为在差异最小的时候，变形后的轮廓最接近器官 真实的轮廓。所以评价函数E被表示为：
[0121] 其中Ir(C)和Iv(C)分别表示参考图像和分割后图像根据顶点计算出的强度。 (IdQ, p-IRcl，int，j和IRcl，j-IRcl，ext，j表示参考图像的方向梯度差在第j个顶点处 的值。
是分割后图像在第 j个顶点处的值。
[0122] 而在轮廓调整过程中，这个评价函数是用来对选中的轮廓进行调整的：
[0123] E=Esimilarity+ a Ecurvature+ β Eoverlap
[0124] 其中Esinillmty用来判定与参考图像之间的相似程度，a E tovat_用来判定轮廓的平 滑程度，因为盆腔器官的实际轮廓都是平滑的，β Ei3vct13p用来确定变形后的器官轮廓之间是 否发生重叠。
[0125] 上述虽然结合附图对本发明的【具体实施方式】进行了描述，但并非对本发明保护范 围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不 需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
【主权项】
1. 一种CT中盆腔器官自动分割的方法，其特征是，包括以下步骤： 基于训练数据库的模型建立过程：建立用于分割过程的形变模型和层次聚类模型，所 述形变模型通过主成分分析方法基于训练数据库建立，所述层次聚类模型是将训练数据库 中的设定幅前列腺CT中的器官划分为五个区域，且每个区域根据划分后的设定幅前列腺 CT均建立基于外形的层次聚类模型； 分割过程：包括局部分割过程和全局分割过程： 在局部分割过程中，以形变模型为轮廓的变形指导，根据每个区域的层次聚类集群模 型找到该区域的最佳分割轮廓，然后将五个区域的最佳分割轮廓重新组合，作为全局分割 的最初轮廓； 在全局分割过程中，通过与局部分割同样的分割方法对全局分割的最初轮廓进行分割 与调整，得到最终的分割图像。2. -种CT中盆腔器官自动分割的方法，其特征是，包括以下步骤： 步骤（1):对选定的训练数据库中的设定幅前列腺CT图像进行参数化处理，得到简化 后的三角形网格图像； 步骤（2):建立形变模型：计算出训练数据库中设定幅CT图像的平均图像，并运用主成 分分析的方法对步骤（1)参数化处理后的简化后的三角形网格图像进行计算，从而构建出 能代表前列腺、膀胱和直肠形变规律的形变模型； 步骤⑶：建立基于外形的层次聚类模型：在步骤⑵得到的平均图像上，将前列腺、膀 胱和直肠分别划分为五个区域，通过平均图像与步骤（1)参数化处理之前的设定幅前列腺 CT图像之间的形变配准，将在平均图像上的区域划分模式分别转化到步骤（1)参数化处理 之前的设定幅前列腺CT图像上；然后根据训练数据库为每一个区域建立基于外形的层次 聚类模型； 步骤（4):在得到待分割CT图像后，首先选择预先医生已勾画的前列腺CT图像作为参 考图像，其中参考图像与待分割的CT图像应为同一患者的CT :先将平均图像上的区域划分 模式通过形变配准转化到参考图像中，再通过同样的形变配准方法将参考图像中五个区域 的轮廓转化到待分割的CT图像中，作为各个区域的初始分割轮廓； 步骤（5):对待分割CT图像进行局部分割：根据步骤（3)计算出的层次聚类模型和步 骤（4)的初始分割轮廓，以步骤（2)中得到的形变模型为指导，计算出待分割CT图像中五 个区域中每个区域最佳的分割轮廓，局部分割过程分为初步分割与轮廓调整两步； 步骤（6):对待分割CT的全局分割过程的初始图像进行全局分割：将步骤（5)局部分 割完毕的五个区域轮廓组合在一起形成一幅新的CT图像，新的CT图像