CN101116103B - 从三维医学图像中自动提取肺动脉树的方法 - Google Patents

Abstract

公开了一种从诸如多切片CT数据之类的3D医学图像中自动提取肺脉管树的自动化方法(1)。通过为脉管确定动脉性测度，将分段的肺脉管识别为动脉或者静脉。该测度基于局部支气管的取向相对于局部支气管中的经分段肺脉管的取向的关系。当脉管被识别为肺动脉时，将其添加到肺动脉树中。自动地测量肺动脉和支气管的半径，并且在显示中给出这些半径的比率呈现出非寻常值的位置，优选地用于建议由放射科医师进行进一步的评价，这例如对于肺栓塞检测是有用的。

Description

从三维医学图像中自动提取肺动脉树的方法

技术领域

本发明总地涉及医学成像领域。本发明尤其涉及从三维(3D)医学图像中自动提取肺动脉树的方法，以例如用于肺栓塞检测。

背景技术

多检测器行计算层析术(MDCT)允许获取整个胸部的高分辨率数据。数据的质量允许对支气管以及肺动脉树进行评价。提取肺动脉树是例如用于栓塞检测的重要预处理步骤。此外，在支气管树的定量评价中，伴随的动脉树包括可以从MDCT数据中提取的重要附加信息。因此，对于哮喘和肺气肿病人的诊断和治疗，对气管支气管树和伴随的肺动脉树的同时评价是关键的。例如，为了检测和量化气道变窄和支气管扩张，在临床实践中，内部支气管对伴随动脉直径的比率是一个重要的参数。

当从多切片(Multi-Slice)CT数据中提取肺脉管树时，在区别肺动脉和静脉时出现了困难。例如，用于提取肺动脉的、基于种子点的区域扩张方法遭受渗漏到肺静脉中的问题。迄今已知的方法是提取全部脉管，即肺动脉和静脉，而不进行任何区别。此外，气管支气管树和肺脉管树的分段(segment)分开执行，因此在这些树之间的关系不是在分段结果中固有的。因此，这些方法不是很好地适用于临床实践。

De Jong PA等人(2004年5月，Radiology，第231卷，第2期，第434-439页，Pulmonary disease assessment in cystic fibrosis：comparison of CT scoring systems and value of bronchial andarterial dimension measurements)公开了一种对支气管和伴随的动脉进行半径测量并且识别支气管/动脉对的方法。然而，所公开的方法是由人类观察者手动执行。因此，这种方法是基于个体观察者的智力表现，因此易于出错。例如，该识别的质量取决于执行提取的个人的经验、他/她在评估时专注的能力等等。

因此，本发明的目的是在医学3D图像中提供一种有益的自动地执行的动脉/静脉分离。

发明内容

因此，本发明优选地寻求单独或者以任何组合减轻、缓和或者消除本领域中的上述缺陷和缺点中的一个或者多个，并且通过提供根据所附专利权利要求的方法、计算机可读介质、以及医学检查设备来至少解决上述问题。

根据本发明方法的一般解决方案包括基于伴随的支气管来自动识别动脉。

一种用于动脉/静脉分离的方法是基于肺动脉与支气管平行延伸，而肺静脉在其接近支气管的地方趋向于与气道接近正交地交叉的认识。使用了肺动脉与支气管平行延伸的事实以便分段动脉和排除(suppress)静脉。

有支气管树和伴随的动脉树可得到，则这些树可以用于例如在虚拟支气管镜检应用中的联合可视化。在分段期间，可以沿着两颗树完全自动地测量支气管和动脉的直径。可以在显示中标记这些半径的比率呈现非寻常值的位置，并且建议由放射科医师进行进一步评价。

根据本发明的一个方面，提供了一种从3D医学图像中自动提取肺动脉树的方法。所述方法包含：确定局部支气管的取向(orientation)；将局部支气管的局部肺脉管分段为局部支气管的经分段局部肺脉管；确定局部支气管的经分段局部肺脉管的取向；通过为每个经分段的局部肺脉管确定动脉性(arterialness)测度，将所述经分段的局部肺脉管分离为肺动脉和静脉。

根据本发明的进一步方面，提供了一种计算机可读介质，其上包含用于从3D医学图像中自动提取肺动脉树以便由计算机处理的计算机程序。该计算机程序包含：用于确定局部支气管的取向的代码段；用于将局部支气管的局部肺脉管分段为所述局部支气管的经分段局部肺脉管的代码段；确定局部支气管的经分段局部肺脉管的取向的代码段；以及通过为每个经分段的局部肺脉管确定动脉性测度、而分离所述经分段局部肺脉管的肺动脉和静脉的代码段。

根据本发明的另一个方面，提供了一种被布置为实现本发明方法的医学检查设备，其优选地是被配置为接收和处理3D图像的医学成像工作站。该医学检查设备被配置用于从3D医学图像自动提取肺动脉树，并且包含：用于确定局部支气管的取向的装置；用于将局部支气管的局部肺脉管分段为该局部支气管的经分段局部肺脉管的装置；用于确定局部支气管的经分段局部肺脉管的取向的装置；以及用于通过为每个经分段局部肺脉管确定动脉性测度、来分离所述经分段的局部肺脉管的肺动脉和静脉的装置。

相对于现有技术，本发明具有的益处在于，在仅仅关注肺动脉树的应用和可视化模式中，它提供了从肺脉管树中有利地排除肺静脉。

附图说明

参考附图、根据对本发明实施例的下列描述，本发明能够具有的这些及其他方面、特征和优点将变得明显，并且得到阐述，在附图中：

图1是说明根据本发明的方法实施例的示意流程图；

图2A-2C是说明气管种子查找过程的结果的示范CT切片图像，其中显示了贯穿胸部的轴向切片(512×512)，而且白色十字标记了所估计的气管位置；

图3A-3E是说明肺分段方法的示范CT切片图像；

图3F和4是说明由图3A-3E所说明的方法得到的结果的CT图像；

图5是说明树分段算法的示意略图；

图6是树分段算法的流程图；

图7A是经提取的脉管树的最大强度投影(MIP)；

图7B是仅仅基于包括半径的中线信息呈现所提取的脉管树的说明；

图8是示出贯穿肺脉管的正交横截面的说明；

图9是示出贯穿两条脉管的横截面的来自CT切片的截面；

图10是说明覆盖有气道树的经分段和标记的肺脉管树的3D图像；

图11是本发明中的计算机可读介质实施例的示意图；

图12是根据本发明进一步实施例的示范医学工作站的示意图；以及

图13是说明根据本发明的方法的另一个实施例的示意流程图。

具体实施例

下列的描述集中在可应用于计算机层析(CT)系统，尤其可应用于多切片CT数据的本发明实施例。然而，应当理解本发明不局限于这个应用，而是可应用于许多其它成像系统，包括例如磁共振成像(MRI)系统、3D超声波(3D-US)系统等。

下面描述利用气管支气管树、从多切片CT数据中提取肺动脉树的自动化方法。假如支气管树和伴随的动脉树可得到，则这些树可以用于例如在虚拟支气管镜检应用中的联合可视化。可以沿着这两颗树完全自动地测量支气管和动脉的直径。可以在显示中标记其中这些半径的比率呈现非寻常值的位置，并且建议由放射科医师进行进一步评价(参见例如图4中的白点/标记)。

在本发明方法的第一实施例1中，参考图1，执行下列过程。

首先，在步骤10中使用适当算法提取支气管树，这例如基于

等人(2002年，SPIE Conferenceon Medical Imaging，Proceedings of SPIE第4684卷，第103-113页，SimultaneousSegmentation and Tree Reconstruction of the Airways for VirtualBronchoscopy)所描述的算法。

随后，即当根据步骤10支气管树分段可得到时，在步骤11估算局部支气管取向。这可以例如基于支气管中线取向、或者作为选择例如通过使用基于局部灰度值的测度(要在下面描述)来完成。

然后，在步骤12执行对肺脉管的基于种子点的分段，在这期间局部估算这些肺脉管的取向。将在下面对其进行更详细描述。

对于每个在步骤12提取的脉管分段，基于脉管分段和最接近的支气管的取向矢量的点积的绝对值来评估测度。对于接近并平行于支气管延伸的脉管，这个测度具有高值。该测度使得能够进行当前所考虑的脉管是肺动脉还是静脉的判决，即该测度被解释为脉管分段的“动脉性”的测度。测度值用于决定该脉管分段是否被包括到动脉树中。这可以通过与阈值进行比较来进行。优选地凭经验确定阈值。一种替换方法包含在包括给定分段的双亲和子女分段的整个分支上积分动脉性值。

当在步骤12中将脉管识别为属于肺动脉树时，在步骤13确定脉管的半径。上述的局部取向测度如下所述地工作：给定脉管中线点，在以该中线点为中心的球上计算图像数据的平均径向导数。当球触及脉管边界时，由于快速的灰度值改变而获得大的负导数。球半径在预定义范围上变化，其中将平均导数最小处的半径取为对脉管半径的估算。

然后，在步骤14，根据有最优半径的球上的径向导数值来估算脉管取向。对于在球上的每个给定对映(antipodal)点对，计算绝对径向导数的和。假定灰度值改变沿着脉管方向将最小，则认为这个和值取最小的那个对代表了脉管取向。连接这个对映点对的矢量被取为取向估计。

考虑到在支气管的情况下灰度值简档表被反转，而且在半径估算时搜索的是平均径向导数的最大值而不是最小值，这个相同的过程也可以用于支气管。

如果支气管树和伴随的动脉树可得到，则这些树可以用于例如在虚拟支气管镜检应用中的联合可视化。根据如上所述的方法并且在分段期间，沿着这两个树完全自动地测量支气管和动脉的直径。可以在显示上标记这些半径的比率呈现非寻常值的位置，并且建议由放射科医师进行进一步评价或者诊断。

图2到10和13说明了本发明方法的进一步实施例130。在先前实施例中，假定了预分段的支气管树。当将脉管分类为动脉和静脉时，将现有支气管树的中线点用作候选点。在下面实施例中，使用了替换方法。这里，当研究脉管时，我们基于邻域的灰度值分布来寻找支气管候选点。这种方法在一定条件下可以产生较好的结果，因为支气管树提取可能遗漏分支，以致遗漏支气管树的整个子树，由此会错误地将对应的动脉子树误标记为“静脉”。在下面更详细描述的实施例中，通过以更健壮的方式测量脉管和支气管取向，而避免了这种情况。

这种方法，类似于先前的方法，是基于肺动脉树伴随着支气管树的事实而进行动脉/静脉分离。对于每个提取的脉管分段，评估一个“动脉性”测度。这个当前测度组合两个成分：一方面是用于为在给定脉管附近延伸的支气管识别候选位置的方法，以及用于脉管分段和支气管候选的协同取向的测度。后一成分奖赏(reward)与附近的支气管平行延伸的脉管。通过将结构张量(structure tensor)应用到局部灰度值邻域来估算脉管分段和支气管的空间取向。

在为了实现本方法而执行的实验中，使用了肺的多切片CT数据集，它们通过飞利浦(Philips)IDT 16切片、和飞利浦Brilliance 40切片扫描仪获取。作为实验结果，其示出了该测度降低了被错误地包含到动脉树中的肺静脉的数目。

当前方法提供了从多切片计算层析(MSCT)数据集中提取肺脉管树的自动化方法，并且还提供了区别肺动脉和静脉的方法。

该树分段方法从一个或多个种子位置开始。从这些位置开始前端伸延(front propagation)过程。结果是：即使种子点被置于肺动脉中，也很有可能将静脉子树包括在分段中。这是由于数据集中有大量在相似Hounsfield(豪恩斯弗尔德)值处出现、并且未呈现出脉管之间分离的动脉和静脉交叉。可能很容易地将这些动脉/静脉交叉误认为动脉树的分支点。

当前用于区分肺动脉和肺静脉的方法是基于动脉树伴随着气道树的事实。在对脉管树分段之后，检查每个脉管分段(在我们的术语中：从一个分支点开始并且在(远侧的)下一个分支点终止的一部分脉管树)以查找在其邻域的支气管。如果找到支气管，则比较脉管和支气管的取向。这些结构越接近平行，则分配给这个脉管部分的“动脉性”值越高。

下面部分中描述了脉管树分段方法。更具体而言，由图3A到3F和图4说明了肺分段，其中图3A-3F示出了在一个轴向切片示例中的肺分段的不同步骤。图3A和3B示出了应用于二次采样的数据集的区域生长的上采样结果，其中图3A示出了到完全3×3×3块的上采样，而图3B示出了根据HU阈值的上采样。图3C说明了在除去大气道之后的分段。图3D说明了在闭合间隙(gap)以便包括肺脉管之后的分段，其中将闭合应用于整个肺掩模(lung mask)。要注意到，参见图3D中的圆圈区域，出现了在肺的前部连接左和右肺的“桥”。图3E说明了当把闭合操作分开地应用于左肺和右肺并且避免了不需要的桥接效应时的结果。图3F给出了最终的分段结果，而图4是这个最终结果的最大强度投影。

现在将更详细地描述这个分段。

在实际脉管树提取发生之前，在预处理步骤中从数据集中对肺进行分段。这降低了对脉管树分段的搜索空间。最初自动地检测气管。为此目的，使用了用于在MSCT数据集中检测降主动脉(descendingaorta)的技术。在数据集的二次采样版本上执行工作。使用了在x、y和z方向为5的二次采样率。应用-600HU的优选阈值，并且检测在X方向具有在10和30毫米之间的范围且在Y方向具有在10和50毫米之间的范围的“黑区”(Hounsfield值＜-600HU)。聚集以这种方法获得的候选点，并且选择沿z方向具有最明确取向的点集群的形心(centroid)作为最可能的气管种子候选。参见图2A到2C以查看结果。如图2A到2C中的十字标所示，该过程在迄今为止测试的全部数据集中都正确地找到了气管。

图3A到3F和图4中示出了要在下面描述的肺分段过程的中间结果。从气管种子点开始，启动简单区域生长过程，其包括在给定-600HU的Hounsfield阈值之下的全部相连的体素(voxels)。在二次采样的数据集上执行该区域生长，其中二次采样率在所有方向都是3。通过将每个包括的体素映射到对应的3×3×3块，使该区域扩张的结果伸延到全部数据集。参见图3A，因为包括与经分段的体素相对应的整个3×3×3块将导致包括不需要的明亮体素，所以在上采样步骤中应用与用于区域生长的相同的阈值，以便参见图3B，在给定块内仅仅包括低于-600HU的体素。在将脉管包括到迄今为止达到的肺分段中之前，需要排除气管和主支气管，以便避免填充在肺和随同脉管的气管之间的空间。使用与上面相同的区域生长过程和种子点对气管进行分段。这次使用一个优选的阈值-900HU。该气管掩模膨胀3mm，然后从肺掩模中减去该气管掩模，参见图3C。利用气管掩模的表面作为初始前端，经由快速行进算法执行向外生长的膨胀。这里，将基于2D切片的过程用于气管分段。

在下一步骤中，填充未包括在迄今为止提取的肺掩模中的脉管。这通过基于线(line)的过程完成。从肺掩模中拣出行并且搜索间隙。闭合那些长度短于预定义最大长度的间隙。根据实现，首先利用最大长度dy＝15mm处理全部y方向的线，继之以利用dx＝15mm处理x方向的线。最后，利用dz＝5mm处理z线。如果以这种方法处理整个肺掩模，参见图3D，则人们将有包括在左肺和右肺之间的桥的风险。为了避免这个，参见图3E，分开地处理左和右肺翼(lung wing)。通过在掩模表面处除去在脉管填充步骤期间包括的明亮区域，获得如图3F和图4所示的最终结果。

在下一部分中阐述用于局部脉管/支气管取向测度的方法。

该过程由三个级别：体素级别、分段等级、和树级别组成。

体素级别：从初始种子点开始，启动快速行进前端伸延过程。体素接受准则决定是否触及体素。这可以例如是HU阈值准则。以有规则的间隔在伸延前端中检查连通性。如果前端分离为两个或更多断开的部分，则将其解释为树中的分叉。在这种情况下，完成当前生长的分段，并且为每个连通的前端部分初始化一个新的分段。为了保持漂亮构形的、主要为平的前端部分，前端伸延速度保持恒定v≡1。

分段级别：在分段扩张期间，由终止准则检查是应该继续当前分段的扩张还是终止该扩张。典型的终止原因是前端的分裂或者达到最大允许的分段长度。分段评估准则定期进行评估并且具有拒绝一个分段的可能性。对于接受的分段，为每个连接的前端部分初始化一个新的分段。另一方面，被拒绝的分段不初始化子女分段。分段评估准则包含诸如最大分段半径、拉长的形状等的几何特性的准则，或者诸如脉管、取向等的基于灰度值的准则。可以使用用于各个准则的自动适配的参数集来重新生长那些结果为无法接受的分段。每当从双亲分段继承新分段时，也适配这些参数。

树级别：在这个级别处，做出那些检查单个分段不能做出的判决。例如，如果分支点的密度过高而指示渗漏，则可以剪除子树。

连同该分段，构建了包括分支点和脉管中线的树结构。将中线点估算为伸延前端部分的重心。图5和6概略描述了所述过程。

在图5中，树分段的原理说明为：

种子点	50
		中线点	51
分支点	52
		经连接的前端部分	53
分段	54

在图6中，用于构建树结构的下列方法说明为：

种子点	60
		每个种子点初始化一个分段	61
将分段添加到分段队列中	62
		剪除树	63
队列为空？	64
		是	65
否	66
		从队列中检索头分段	67
扩张并且连续评估	68
		评估结果：	69
继续扩张	70
		适配参数	71

种子点	60
		重置分段并且适配扩张参数	72
拒绝分段	73
		接受分段	74
每个连接的前端部分初始化一个新的分段	75
		剪除树	76
完成	77

在当前示范实施例中，在体素级别处，接受全部Hounsfield值等于或者大于-600HU的体素。生长在分支点处终止，即如果伸延波前端被断开的话。在分段级别处，检查分段的半径。如果半径超过最大容许值，则拒绝该分段。由分段的双亲分段的实际半径r_parent将该分段的最大可能半径r_max确定为r_max＝2r_parent。在树级别，剪除长度小于5mm的终止分段。树分段的结果如图7A和7B所示。分段结果一方面包含体素集，另一方面包含中线树，该中线树包括分支和双亲-子女信息以及对于每个中线点的脉管半径估计。

取向估算：参见图13，为了如上所述在步骤135计算动脉性测度，在步骤131-134，确定局部脉管和支气管取向以及取向性(orientedness)。后者是局部灰度值结构的线性取向如何不同的测度。我们利用结构张量来获得这些值的估计。

结构张量J定义为

$J=\left[\begin{array}{ccc}<g_x{g}_x>& <g_x{g}_y>& <g_x{g}_z>\\ <g_y{g}_x>& <g_y{g}_y>& <g_y{g}_z>\\ <g_z{g}_x>& <g_z{g}_y>& <g_z{g}_z>\end{array}\right]---\left(1\right)$

这里，g_x、g_y、和g_z是3D图像梯度向量的分量。

${(g_x,g_y,g_z)}^T:=\&dtri;I---\left(2\right)$

在(1)中的括弧<·>指示使用加权函数w的加权平均。在我们的试验中，我们使用高斯加权函数

<g_pg_q>(x)：＝∫_Rw(x-x′)g_p(x′)g_q(x′)dx′(3)

令e₀、e₁、和e₂为排序的结构张量J的本征矢量，以便对应的本征值处于λ₀＜λ₁＜λ₂的升序中。因此，e₀对应于具有最小绝对方向导数的取向，而e₂对应于具有最大变化的取向。如果在脉管或者支气管内部进行计算，则沿着管状结构检测最小灰度值变化，并且因此使用e₀作为局部取向估计。

在管状结构内，即在脉管或者支气管内，检测到具有低灰度值变化的一个取向以及具有较大变化的两个正交取向。最大和最小本征值的归一化差值

$S:=\frac{{\mathrm{\&lambda;}}_2-{\mathrm{\&lambda;}}_0}{{\mathrm{\&lambda;}}_2+{\mathrm{\&lambda;}}_0}\&Element;\left[\mathrm{0,1}\right]---\left(4\right)$

是对局部灰度值邻域的结构性的测度。在平的灰度值结构中，期望出现两个小的且理想地为零的本征值。因此，最大和次最大的本征值的归一化比率

$P:=\frac{{\mathrm{\&lambda;}}_2-{\mathrm{\&lambda;}}_1}{{\mathrm{\&lambda;}}_2+{\mathrm{\&lambda;}}_1}\&Element;\left[\mathrm{0,1}\right]---\left(5\right)$

指示灰度值结构的平面度。要注意到S≥P。差值

O：＝S-P∈[0，1](6)

用作局部灰度值结构的线性取向性的测度。图8给出了取向估计结果和对应取向性值的示例，其中示出了贯穿肺脉管(a)和两个支气管((b)和(c))的正交横截面，如上所述，它们按照结构张量的本征矢量e₀、e₁、和e₂取向。所述示例的取向性值为(a)0.91、(b)0.87、和(c)0.51。

现在将概述“动脉性”测度。

为了区分动脉和静脉，确定动脉性测度。根据依据本发明方法的这个实施例，这个动脉性测度为沿着脉管中线的每个采样点给出了一个示例在0和1之间的值。值0指示中线点很可能是静脉的一部分，而1表示所查看的点是动脉一部分的最高或然率。在估算脉管中线点的动脉性中的主要步骤是搜索假定伴随着动脉的支气管的候选位置。

对相应的(homologous)支气管候选的检测：对于任何给定脉管中线点，我们通过如上所述估算脉管取向作为初始候选集来开始。假定r_ves为在中线点处的局部脉管半径。我们为(3)中的高斯加权函数使用σ＝r_ves/2。对垂直于脉管取向的平面进行三线性(tri-linearly)重新采样。提取包含覆盖8r_ves×8r_ves区域的示例64×64像素的2D正方形图像I，并让脉管中线点位于该图像中心。由高斯滤波器利用σ＝r_ves/4平滑2D横截面。图9中示出了一些示例，其示出了贯穿两个不同的示例脉管的横截面。沿着两个示例脉管中的每一个，以1mm的分步示出了五个横截面。由白色十字来标记缩减的候选集中的支气管候选。图9的上方行示出了半径3mm的动脉。应当注意到，在这种情况下该候选集没有包含错误的成员。如可以看出的，已经正确地识别了相应的支气管。这个分段的估算的动脉性为0.98。图9的下方行示出了半径3mm的静脉。应当注意到，对于每个切片存在大量的候选点。这是由于这样的事实，即不存在具有高Hessian(海森)值的支气管，其可以在从初始朝向缩减的离群值(outlier)集的缩减步骤中起“离群值”的作用。这个分段的动脉性为0.28。

在被平滑的截面图像I内的全部局部灰度值最小化位置p_i被认为是可能的支气管候选点，并且构成了初始候选集。

现在，考虑一个缩减的候选集。在下面，排除局部最小值，并且缩减该初始候选集。对于每个候选点，计算Hessian矩阵的行列式：

$H_i:=\det \left[\begin{array}{cc}{\&PartialD;}_{\mathrm{xx}}I& {\&PartialD;}_{\mathrm{yx}}I\\ {\&PartialD;}_{\mathrm{xy}}I& {\&PartialD;}_{\mathrm{yy}}I\end{array}\right]\left(p_i\right)$

这个值对于实际支气管候选要大于对于例如错误的浅的(shallow)局部最小值。令

为用于给定脉管中线点的全部初始支气管候选当中的最大Hessian值。现在从初始候选集中删除H_i＜H_max/2的全部候选点p_i。此外，丢弃I(p_i)＞-800HU的全部候选点p_i。剩余候选构成了缩减的候选集。

动脉性测度

使用该缩减的候选集是为了估算在给定中线点处的脉管的动脉性。首先，应当注意到，在缩减的候选集中存在许多点使得我们很有可能正在查看静脉而不是动脉。其原因是：在动脉的情况下，用于正确支气管的Hessian值H_i通常比用于其它局部最小值的Hessian值大很多。因此，在Hessian值的分布中，正确的候选起到离群值的作用。例如，如果丢弃所有的低于最大值一半的值，则这会影响大多数的错误候选。因此，在动脉的情况下，当从初始进到缩减的候选集时，丢弃了大多数的错误候选。另一方面，在静脉的情况下，没有这样的离群值，而且即使在缩减的候选集中也将存在有许多局部最小值作为候选。因此，为了不从许多当前候选点之一中获取大的动脉性值，如果基数-即在缩减候选集的集合中的点数目-大于某一数目，则向中线点的动脉性分配值0。在这些试验中，选择示例值5。

否则，对于在缩减的候选集中的候选p_i，评估在脉管和可疑支气管之间的协同取向C_i：

通过结构张量、将σ＝r_ves/4用于在该结构张量计算中使用的高斯加权函数，来估算在候选点p_i处的取向e_pi和取向性O_i。如果在候选位置p_i处的取向性O_i小于最小取向性O_min，则取向估算太不可靠，而且支气管的存在是不太可能的，因此在这种情况下将动脉性设置为零。在该示例实现中，O_min被设置为0.2。

中线点的动脉性被定义为

$\underset{i}{\max }{C}_i$

分段-即在两个分支点之间的脉管部分-的动脉性被定义为中线点的前50％的平均动脉性值。排除50％的点确保了对抗例如接近分支点处的不可靠值的健壮性。

当前方法130已经应用于几个MSCT数据集(飞利浦Brilliance 40切片)。对于本方法的评估，从分析中排除了离开和进入心脏的大脉管，这是因为在这些部分中，动脉和静脉趋向于彼此直接靠近地延伸，并且具有交叉，不允许使用基于灰度值的方法将它们分段为分开的脉管。该分析应用于半径为7mm及更小的脉管。可靠地识别在半径3mm和7mm之间的动脉。在这个半径范围中，动脉接收非常高的动脉性等级。这里如果动脉性为0.8或者更大的话，则通过与阈值相比较而将脉管分类为动脉。否则认为脉管是静脉。

将较小动脉分支误标记为静脉的风险随着脉管半径的降低而增加。其原因是这样的事实，即作为明亮管状结构的小脉管比相似大小的支气管更易可见。小支气管壁常遭受限制其可检测性的分容(partial voluming)的困扰。此外，支气管半径甚至小于伴随的动脉的半径。为此，将动脉性测度的应用限于至少3mm半径的脉管。依据从试验获得的经验，低于这个脉管尺寸的分支结构不可能包括误导的动脉-静脉交叉。因此，所标记脉管分段的未标记子树接收与它们的双亲分段相同的标记。图10中说明了与支气管相比，脉管下降到更末端的部分仍然可视的效果，其中使用了一种与上面所述的、由

等人给出的类似的方法，脉管树的分段结果被覆盖以气道树的分段。图10中的图像的呈现基于中线树信息，每个中线点有一个半径值。图10示出了气管支气管树连同分类为肺动脉和静脉的脉管。

已经正确标记了通过所使用的气道分段方法正确找到的、伴随支气管的全部动脉。

总而言之，描述了根据本发明的方法的当前实施例。描述了从MSCT数据集中提取肺脉管树的方法，以及向分段结果中的全部脉管分段指配动脉性值的方式。可以为在某个半径范围内的脉管最大可靠地估算这些动脉性值。在具有非常大脉管半径的分段当中，许多分段不对应于真实的解剖的脉管部分，而是对应于彼此紧邻或者彼此交叉地延伸的两个或更多脉管。对于非常小的脉管，在给定分辨率处，相应支气管是不可见的。因为当前方法依赖于支气管可见性，所以从直接分析中排除了这些小脉管。在脉管半径的中间范围中，当前测度健壮地工作。因为在脉管子树的较精细部分，脉管交叉较不可能，所以动脉/静脉标记从中间脉管伸延到末端子树。

在试验中，当前方法正确地识别出大多数动脉。本方法给出了在将支气管树用于动脉/静脉分离中的有用步骤。

在依据图11的本发明另一个实施例中，示意说明了计算机可读介质。计算机可读介质100在其上包含了用于从3D医学图像112中自动提取肺动脉树111，以便由计算机113处理的计算机程序110。计算机程序包含：用于确定局部支气管取向的代码段114；用于将局部支气管的局部肺脉管分段为局部支气管的经分段局部肺脉管的代码段115；用于确定局部支气管的经分段局部肺脉管的取向的代码段116；以及通过为每个经分段的局部肺脉管确定动脉性测度、来将经分段的局部肺脉管分离为肺动脉和静脉的代码段117。

图12说明了根据本发明进一步实施例的示例医学工作站。该医学工作站被布置为实现本发明的方法，并且被配置为接收和处理3D医学图像。优选地，工作站被布置为运行上述程序代码段，以便执行根据本发明的方法。依据该实施例，该医学工作站119被配置为从3D医学图像中自动提取肺动脉树，并且包含：用于确定局部支气管取向的装置120；用于将局部支气管的局部肺脉管分段为该局部支气管经分段的局部肺脉管的装置121；用于确定局部支气管的经分段局部肺脉管的取向的装置122；以及用于通过为每个经分段的局部肺脉管确定动脉性测度、来将该经分段的局部肺脉管分离为肺动脉和静脉的装置123。所述装置120-123优选地是以适当方式彼此操作连接的电子部件。医学工作站的其它部件，例如显示器(多个)或者指针致动设备未详细说明或者论述。

总而言之，公开了从诸如多切片CT数据之类的3D医学图像中自动提取肺脉管树。通过为脉管确定动脉性测度，将分段的肺脉管识别为动脉或者静脉。该测度基于局部支气管的取向与局部支气管中的经分段肺脉管的取向的关系。当脉管被识别为肺动脉时，其被添加到肺动脉树中。自动地测量肺动脉和支气管的半径，并且在显示中给出这些半径的比率呈现出非寻常值的位置，优选地以便建议由放射科医师进行进一步评价，这例如对于肺栓塞检测是有用的。图4给出了示例，其中白点标记这样的在肺动脉树中的位置。图4还示出了包围所显示的肺动脉的整个肺叶的轮廓。这允许放射科医师或者其它医学人员容易地找到感兴趣的位置。

相应地上述方法的应用和使用是各种各样的，并且包括作为CT扫描器控制台、图像工作站、或者画面存档通信系统(PACS)工作站的选项(例如软件选项)的示例应用。该方法没有计算上的需要，并且可灵活地实现到现有系统中。

因为通常可视地显示结果，所以可以容易地检测到当前方法的应用。依据实施例，参见例如图10，举例而言，该显示示出了气管支气管和肺动脉树的组合，以及对可能患病区域的指示。

本发明可以以包括硬件、软件、固件或者这些的任意组合在内的任何适当形式实现。然而，优选地，本发明被实现为在一个或多个数据处理器和/或数字信号处理器上运行的计算机软件。本发明实施例中的单元和部件可以任何适当的方式物理地、功能地和逻辑地实现。实际上，功能性可以以单个单元、多个单元或者做为其它功能单元的一部分来实现。因而，本发明可以以单个单元实现，或者可以在不同的单元和处理器之间在物理上和在功能上进行分布。

虽然上面已经参考特定实施例描述了本发明，但是本发明不受限于此处阐述的特定形式。而是本发明仅仅由所附权利要求限制，而且在这些附加权利要求范围内的、除了上述特定实施例之外的其它实施例，例如与如上所述的那些不同的、获取气管位置的方法、某些算法中的种子点、确定气管支气管树的方式，同样是有可能的。

要特别指出的是，不是提取整个肺脉管树并且基于相邻支气管去判断脉管是动脉还是静脉，人们可以以相反方式工作：提取支气管树，并且在每个支气管的邻域中搜索要被标记为“动脉”的伴随脉管。以这种工作方式，则甚至根本不提取静脉。然而，要指出的是，虽然这样的方法似乎是可能的，但是它并不象上述那样最优，这是因为与脉管提取相比，支气管树提取更困难，而且可能容易遗漏一些支气管。伴随那些支气管一起，同样将会遗漏对应的动脉，并不期望这样。

在权利要求中，术语“包含/包括”不排除其它单元或者步骤的存在。此外，虽然被逐个地列出了，但是多个装置、单元或者方法步骤可以由例如单个单元或者处理器实现。另外，虽然各个特征可能包含在不同的权利要求中，但是这些特征可能被有利地组合，而且在不同权利要求中包括并不意味着特征组合是不可行和/或有利的。此外，单个引用不排除多个。术语“一”、“一个”、“第一”、“第二”等不排除多个。权利要求中的参考符号仅仅作为一个清晰示例来提供，无论如何都不应该被看做是对权利要求范围的限制。

Claims (14)

1.一种从三维医学图像中自动提取肺动脉树的方法，包含：

确定局部支气管的取向；

将所述局部支气管的局部肺脉管分段为所述局部支气管的经分段的局部肺脉管；

确定所述局部支气管的经分段局部肺脉管的取向；以及

通过为每个经分段的局部肺脉管确定基于所确定的局部肺脉管和局部支气管的取向的动脉性测度，来将所述经分段的局部肺脉管分离为肺动脉和静脉。

2.如权利要求1所述的方法，其中，所述用于脉管分段动脉性的测度是所述局部支气管的取向对所述分段局部肺脉管的取向的关系，其为更接近并且平行于支气管延伸的脉管提供了更高的值，以便将这样的脉管识别为所述局部支气管的局部肺动脉。

3.如权利要求2所述的方法，其中，所述用于脉管分段的动脉性的测度是经分段的局部肺脉管和最接近的局部支气管的取向矢量的点积的绝对值，这个测度为更接近并且平行于所述最接近的局部支气管延伸的脉管提供了更高的值，以便将该脉管识别为所述局部支气管的肺动脉。

4.如权利要求2所述的方法，其中，所述对局部肺动脉的识别包含：对所述动脉性的测度值进行阈值处理，以决定所述脉管分段是否被包括到动脉树中。

5.如权利要求4所述的方法，其中将以经验为根据导出的阈值用于所述阈值处理。

6.如权利要求3所述的方法，其中，所述对局部肺动脉的识别包含：对所述动脉性的测度值进行阈值处理，以决定所述脉管分段是否被包括到动脉树中。

7.如权利要求6所述的方法，其中将以经验为根据导出的阈值用于所述阈值处理。

8.如权利要求1所述的方法，还包含：

确定肺动脉的半径，

其中将所述肺动脉的半径确定为这样的半径，在该半径处，在具有半径并且以所述动脉的给定中线点为中心的球上计算的图像数据的平均导数最小。

9.如权利要求1所述的方法，其中，对所述支气管的局部肺脉管进行分段是基于种子点的。

10.如权利要求1所述的方法，其中，对所述局部支气管取向的确定是基于所述支气管的中线取向。

11.如权利要求1所述的方法，其中，对所述局部支气管取向的确定是基于使用一个基于局部灰度值的测度。

12.如任一先前权利要求所述的方法，包含自动地：

在分段期间，沿着两个肺树测量所述支气管和肺动脉的直径或者半径；

计算该支气管和动脉的所测量的直径或者半径的比率；以及

在显示中标记其中所计算的比率呈现非寻常值的位置。

13.如权利要求12所述的方法，其中所述在显示中标记其中所计算的比率呈现非寻常值的位置以用于建议由用户对所述非寻常位置进行进一步评价。

14.一种被布置为从三维医学图像中自动提取肺动脉树的设备(119)，所述设备包含：

用于确定局部支气管的取向的装置(120)；

将所述局部支气管的局部肺脉管分段为所述局部支气管的经分段局部肺脉管的装置(121)；

用于确定所述局部支气管的所述经分段局部肺脉管的取向的装置(122)；以及

用于通过为每个经分段的局部肺脉管确定基于所确定的局部肺脉管和局部支气管的取向的动脉性测度、来将所述经分段的局部肺脉管分离为肺动脉和静脉的装置(123)。

Images