CN105118056A - 基于三维形态学的冠脉血管自动提取方法 - Google Patents

Abstract

本发明公开了一种基于三维形态学的冠脉血管自动提取方法，包括如下步骤：S1，获取图像数据后，按照获取时间依次对图像进行排序，对排序完成的图像进行直方图变换；S2，对于变换后的图像进行三维粗分割，将分割的冠状动脉图像的灰度范围值进行三维形态学处理，通过计算主动脉区域和腐蚀掉区域的邻接点，得到邻接点构成的连通域；S3，遍历全部邻接点，执行完毕后，输出每一个邻接点构成的连通域，执行切割冠状动脉图像过程，从输入的三维粗分割数据以及全部邻接点的连通域数据从而寻找冠状动脉的开口点，切割完成冠状动脉图像。

Description

基于三维形态学的冠脉血管自动提取方法

技术领域

本发明涉及医学图像提取领域，尤其涉及一种基于三维形态学的冠脉血管自动提取方法。

背景技术

通过从CT图像中提取冠脉血管，并分析序列中血管参数及运动信息，从而发现异常，对于揭示心血管疾病具有重要意义，利用冠脉血管三维重构技术获得的三维血管空间结构，不仅可以精确定位病变的空间位置，而且可以应用于虚拟规划及手术导航中，提高临床手术的质量和成功率。心血管分割是正常组织和病变组织的三维重建、定量分析等后续操作的基础，也是临床医学应用的瓶颈。分割的准确性对医生判断疾病的真实情况并做出正确的诊断计划至关重要。经过多年发展，研究者们提出了较多的冠脉血管提取并三维重构方法，包括基于活动轮廓框架的分割方法、基于血管骨架的方法、基于分水岭分割方法、基于血管跟踪的方法、基于概率决策方法和基于混合图谱的方法等。

在这些方法中，基于跟踪方法人工干预过多，时间复杂度高，而其他方法对图像阈值的力度要求过高，容易产生异常值，精度不高。这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于三维形态学的冠脉血管自动提取方法。

为了实现本发明的上述目的，本发明提供了一种基于三维形态学的冠脉血管自动提取方法，其包括如下步骤：

S1，获取图像数据后，按照获取时间依次对图像进行排序，对排序完成的图像进行直方图变换；

S2，对于变换后的图像进行三维粗分割，将分割的冠状动脉图像的灰度范围值进行三维形态学处理，通过计算主动脉区域和腐蚀掉区域的邻接点，得到邻接点构成的连通域；

S3，遍历全部邻接点，执行完毕后，输出每一个邻接点构成的连通域，执行切割冠状动脉图像过程，从输入的三维粗分割数据以及全部邻接点的连通域数据从而寻找冠状动脉的开口点，切割完成冠状动脉图像。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S2包括：

根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域，以区域为对象进行分割，根据相似性原则进行分割，将各图像像素划归到相应区域。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S1包括：

冠状动脉在成像时，注入造影剂，在图像中密度值较高，对密度值的直方图进行观察，得到冠状动脉密度值集中在直方图高亮度部分，其集中在直方图靠高亮度的波中，利用直方图阈值法，通过自动搜索最高密度值的波峰及该波起始处位置，得到分割阈值，实现阈值分割。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S1还包括：

窗宽Width为直方图高亮的波宽度；确定数据的中心值，用窗位Level表示对于人体器官获得的某个值，如果小于确定值，转换成位图图像的黑色，即0值；如果大于确定值，转换成位图图像的白色，即255值；设初始像素值为x，转变后像素值为y，则公式如下所示：

$\left\{\begin{array}{ccc}y=0& if& x\≤Level-\left(Width/2\right)\\ y=\left(x-\left(Level-Width/2\right)\right)\×255/Width& if& x\∈\left(Level-\left(Width/2\right),Level+\left(Width/2\right)\right)\\ y=255& if& x\≥Level-\left(Width/2\right)\end{array}\right\}.$

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S2包括：

根据得到的三维粗分割图像，得到了心脏冠脉灰度范围，保留此范围内像素值，其余的根据相关公式置为0或1；为实现血管的粗分割，通过三维区域增长操作，将像素值属性相似的相邻点合并到三维粗分割图像区域；设原始有效像素点集合为O，O中有一有效像素点P_v，其邻接点的集合为L₂₆，需判断的点为P_d，相似性度量为S，判断依据如下：

P_v∈O，P_d∈L₂₆，如果P_d满足S，

则O＝O+P_d；该操作将冠状动脉提取出来。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S3包括：

通过对三维粗分割数据结果的观察，通过三维腐蚀操作将细小的血管完全腐蚀掉，通过恢复性膨胀操作得到除细长血管分支之外的主动脉部分；通过原体数据和腐蚀后数据进行减操作得到腐蚀掉的分支，最后根据邻接关系得到疑似点；

此处使用结构模板M对体数据A进行腐蚀得到体数据B，表示为：

$B=M\⊗A=\{x,y,z|A_{xyz}\⊆M\};$

使用结构模板M对体数据B进行膨胀得到体数据C，表示为：

减操作得到腐蚀掉数据D，表示为：

D＝A-C；

由于数据中具有大量冗余信息，得到的开口点过多，通过判断心脏主动脉图像是平滑的，形态保持接近圆柱；

开口点在主动脉中心线一定半径内，且其所映射的在上下几层的点必与主动脉所在层区域邻接，根据此信息由种子点所在层向血管延伸层遍历，搜索到准确的两个冠状窦口就结束。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S3包括：

得到的主动脉部分为体数据C；腐蚀掉的数据为体数据D；遍历所有像素点t∈C，探寻t的26邻域L₂₆，若有像素点p∈D且p∈L₂₆，则p为邻接点，即疑似开口点；

输入的连通域数据为得到的邻接点构成的众多连通域；种子点的获得如下，选取一张血管延伸较前端的粗分割图像切片，依靠近似于圆和靠近切片中央特性，找到图像中的主动脉区域H，选取任意一个像素点p∈H即为种子点，

当前切片的半径和重心均是通过计算每一张粗分割切片的主动脉区域H所得，连通域重心为每个连通域的重心；

其中切片重心与连通域重心之间所要满足的距离条件是通过医学先验知识和统计学知识获得的，一般为主动脉区域半径的1.7倍之内；窦口点判断依据还包括此连通域上是否有点与当前切片主动脉区域二维邻接；

从图像可以看出，根据找出的开口点，只要选取合适的角度进行切割，就能将冠脉血管与杂质进行分隔，达到分割的目的，切面是两个种子点和计算出来的点所构成的平面，设这两个点为X₁(px₁,py₁,pz₁)和X₂(px₂,py₂,pz₂)，则第三个点的计算方法如下：

X₃＝(min(px₁,px₂),max(py₁,py₂),mean(pz₁,pz₂))；

由于三点构成一个平面，通过这个面，对粗分割后的图像进行切割，最终去除杂质得出分割的数据。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明将冠脉图像信息与医学先验知识紧密结合，提出了基于三维形态学的冠脉血管自动分割方法。首先利用直方图自动进行阈值分割，再利用冠脉的三维特性，自动进行冠脉开口点截取，分离心房等部位，进而实现较为理想的对冠状动脉的全自动分割。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明基于三维形态学的冠脉血管自动提取方法流程图；

图2是本发明基于三维形态学的冠脉血管自动提取方法邻接点图；

图3是本发明基于三维形态学的冠脉血管自动提取方法冠状窦口探寻流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1所示，本发明提供了一种基于三维形态学的冠脉血管自动提取方法，其包括如下步骤：

S1，获取图像数据后，按照获取时间依次对图像进行排序，对排序完成的图像进行直方图变换；

S2，对于变换后的图像进行三维粗分割，将分割的冠状动脉图像的灰度范围值进行三维形态学处理，通过计算主动脉区域和腐蚀掉区域的邻接点，得到邻接点构成的连通域；

S3，遍历全部邻接点，执行完毕后，输出每一个邻接点构成的连通域，执行切割冠状动脉图像过程，从输入的三维粗分割数据以及全部邻接点的连通域数据从而寻找冠状动脉的开口点，切割完成冠状动脉图像。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S2包括：

根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域，以区域为对象进行分割，根据相似性原则进行分割，将各图像像素划归到相应区域。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S1包括：

冠状动脉在成像时，注入造影剂，在图像中密度值较高，对密度值的直方图进行观察，得到冠状动脉密度值集中在直方图高亮度部分，其集中在直方图靠高亮度的波中，利用直方图阈值法，通过自动搜索最高密度值的波峰及该波起始处位置，得到分割阈值，实现阈值分割。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S1还包括：

窗宽Width为直方图高亮的波宽度；确定数据的中心值，用窗位Level表示对于人体器官获得的某个值，如果小于确定值，转换成位图图像的黑色，即0值；如果大于确定值，转换成位图图像的白色，即255值；设初始像素值为x，转变后像素值为y，则公式如下所示：

$\left\{\begin{array}{ccc}y=0& if& x\≤Level-\left(Width/2\right)\\ y=\left(x-\left(Level-Width/2\right)\right)\×255/Width& if& x\∈\left(Level-\left(Width/2\right),Level+\left(Width/2\right)\right)\\ y=255& if& x\≥Level-\left(Width/2\right)\end{array}\right\}.$

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S2包括：

根据得到的三维粗分割图像，得到了心脏冠脉灰度范围，保留此范围内像素值，其余的根据相关公式置为0或1；为实现血管的粗分割，通过三维区域增长操作，将像素值属性相似的相邻点合并到三维粗分割图像区域；设原始有效像素点集合为O，O中有一有效像素点P_v，其邻接点的集合为L₂₆，需判断的点为P_d，相似性度量为S，判断依据如下：

P_v∈O，P_d∈L₂₆，如果P_d满足S，

则O＝O+P_d；该操作将冠状动脉提取出来。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S3包括：

通过对三维粗分割数据结果的观察，通过三维腐蚀操作将细小的血管完全腐蚀掉，通过恢复性膨胀操作得到除细长血管分支之外的主动脉部分；通过原体数据和腐蚀后数据进行减操作得到腐蚀掉的分支，最后根据邻接关系得到疑似点；

此处使用结构模板M对体数据A进行腐蚀得到体数据B，表示为：

$B=M\⊗A=\{x,y,z|A_{xyz}\⊆M\};$

使用结构模板M对体数据B进行膨胀得到体数据C，表示为：

减操作得到腐蚀掉数据D，表示为：

D＝A-C；

由于数据中具有大量冗余信息，得到的开口点过多，通过判断心脏主动脉图像是平滑的，形态保持接近圆柱；

开口点在主动脉中心线一定半径内，且其所映射的在上下几层的点必与主动脉所在层区域邻接，根据此信息由种子点所在层向血管延伸层遍历，搜索到准确的两个冠状窦口就结束。

所述的基于三维形态学的冠脉血管自动提取方法，优选的，所述S3包括：

得到的主动脉部分为体数据C；腐蚀掉的数据为体数据D；遍历所有像素点t∈C，探寻t的26邻域L₂₆，若有像素点p∈D且p∈L₂₆，则p为邻接点，即疑似开口点；

输入的连通域数据为得到的邻接点构成的众多连通域；种子点的获得如下，选取一张血管延伸较前端的粗分割图像切片，依靠近似于圆和靠近切片中央特性，找到图像中的主动脉区域H，选取任意一个像素点p∈H即为种子点，

当前切片的半径和重心均是通过计算每一张粗分割切片的主动脉区域H所得，连通域重心为每个连通域的重心；

其中切片重心与连通域重心之间所要满足的距离条件是通过医学先验知识和统计学知识获得的，一般为主动脉区域半径的1.7倍之内；窦口点判断依据还包括此连通域上是否有点与当前切片主动脉区域二维邻接；

从图像可以看出，根据找出的开口点，只要选取合适的角度进行切割，就能将冠脉血管与杂质进行分隔，达到分割的目的，切面是两个种子点和计算出来的点所构成的平面，设这两个点为X₁(px₁,py₁,pz₁)和X₂(px₂,py₂,pz₂)，则第三个点的计算方法如下：

X₃＝(min(px₁,px₂),max(py₁,py₂),mean(pz₁,pz₂))；

由于三点构成一个平面，通过这个面，对粗分割后的图像进行切割，最终去除杂质得出分割的数据。

直方图阈值

图像直方图是灰度级的函数，描述的是数字图像中的每一灰度级与其出现的频率间的统计关系。直方图阈值，即根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域的过程。以区域为对象进行分割，以相似性原则作为分割的依据，将各像素划归到相应区域。

由于冠脉血管在成像时，注入了造影剂，因此在CT图像中，密度值较高，对密度值的直方图进行观察，可知冠脉血管密度值集中在直方图高亮度部分，即集中在直方图靠高亮度的波中，因此可利用直方图阈值法，通过自动搜索最高密度值的波峰及该波起始处位置，就可得到分割阈值，实现阈值分割。

为了便于处理，窗宽Width为直方图高亮的波宽度；确定数据的中心值，用窗位Level表示。对于人体器官获得的某个值，如果小于某个值，可转换成位图图像的黑色，即0值；如果大于某个值，可转换成位图图像的白色，即255值。设初始像素值为x，转变后像素值为y，则具体公式如下所示：

$\left\{\begin{array}{ccc}y=0& if& x\≤Level-\left(Width/2\right)\\ y=\left(x-\left(Level-Width/2\right)\right)\×255/Width& if& x\∈\left(Level-\left(Width/2\right),Level+\left(Width/2\right)\right)\\ y=255& if& x\≥Level-\left(Width/2\right)\end{array}\right\}$

三维粗分割

根据上个步骤得到的分割阈值，得到了心脏冠脉大概的灰度范围，保留此范围内像素值，其余的根据相关公式置为0或1。为实现血管的粗分割，此处引入了三维阈值分割和区域增长操作。由于噪声和灰度不均，简单的阈值分割可能会导致图像空洞和过分割，导致结果的不准确性。本发明引入了三维区域增长操作，将像素值属性相似的相邻点合并到此区域。设原始有效像素点集合为O，O中有一有效像素点P_v，其邻接点的集合为L₂₆，有一需判断的点为P_d，相似性度量为S，判断依据如下：

P_v∈O,P_d∈L₂₆，如果P_d满足S，

则O＝O+P_d

这两步操作将冠脉血管粗略地提了出来。

三维形态学操作提取冠状窦口

通过对粗糙分割结果的观察，可以发现，冠脉血管分支相对于主动脉来说，具有细长的特点。通过三维腐蚀操作易于将细小的血管完全腐蚀掉。再通过恢复性膨胀操作就可以得到除细长分支之外的主动脉部分。通过原体数据和腐蚀后数据进行减操作得到腐蚀掉的分支，最后根据邻接关系得到疑似点。

此处使用结构模板M对体数据A进行腐蚀得到体数据B，表示为：

$B=M\⊗A=\{x,y,z|A_{xyz}\⊆M\};$

使用结构模板M对体数据B进行膨胀得到体数据C，表示为：

减操作得到腐蚀掉数据D，表示为：

D＝A-C；

由于数据中具有大量冗余信息，上一步得到的开口疑似点过多。如何甄别出准确的开口点是一个难题。本发明根据医学先验知识，可以看出心脏主动脉是平滑的，形态也是保持接近圆柱。

开口点总是在主动脉中心线一定半径内，且其所映射的在上下几层的点必在主动脉所在层区域内。根据此信息由种子点所在层向血管延伸层遍历，搜索到准确的两个冠状窦口就结束，具体的算法框图为：

图2：邻接点

图3：冠状窦口探寻流程

图2邻接点概念：本发明提到形态学操作后得到的主动脉部分为体数据C；腐蚀掉的数据为体数据D；遍历所有像素点t∈C，探寻t的26邻域L₂₆，若有像素点p∈D且p∈L₂₆，则p为邻接点，即疑似开口点。

图3中输入的连通域数据为图2中得到的邻接点构成的众多连通域。种子点的获得如下：选取一张血管延伸较前端的粗分割图像切片。依靠近似于圆和靠近切片中央特性，找到图像中的主动脉区域H。选取任意一个像素点p∈H即为种子点。

图3中所要求的当前切片的半径和重心均是通过计算每一张粗分割切片的主动脉区域H所得。连通域重心即为图2得到的每个连通域的重心。

中切片重心与连通域重心之间所要满足的距离条件是通过医学先验知识和统计学知识获得的，一般为主动脉区域半径的1。7倍之内。窦口点判断依据还包括此连通域上是否有点与当前切片主动脉区域二维邻接。

从图像可以看出，根据找出的开口点，只要选取合适的角度进行切割，就可以将冠脉血管与杂质进行分隔，达到分割的目的。切面是两个种子点和计算出来的点所构成的平面。设这两个点为X₁(px₁,py₁,pz₁)和X₂(px₂,py₂,pz₂)，则第三个点的计算方法如下：

X₃＝(min(px₁,px₂),max(py₁,py₂),mean(pz₁,pz₂))；

由于三点构成一个平面，通过这个面，对粗分割后的图像进行切割，最终去除杂质得出分割的数据。

为进一步验证本发明算法准确性，本发明邀请医学专家对原始实验数据进行手工精细分割，以此作为分割标准，并将其与本发明算法分割结果进行实验对比。结果通过三维显示后的对比分析得出分割的有效性与一致性程度。

上述基于三维形态学的冠脉血管分割算法在visualstudio2013中实现。本发明展示结果原数据包括：数据1，健康志愿者，数据图像为512*512*291；数据2，健康志愿者，数据图像为512*512*256；数据3，健康志愿者，数据图像为512*512*281；数据4，健康志愿者，数据图像为512*512*283；数据5，健康志愿者，数据图像512*512*258。专家分割结果与本发明分割方法具体实验效果所示：分别为原始数据、手动分割数据、本发明分割数据。

图像第一列为原始数据；第二列为专家手动分割结果；第三列为本发明分割结果。

造影图像序列不仅展现了血管的全貌，而且提供了心动周期中血管变形以及心脏供血功能等动态信息。利用冠脉血管三维重构技术获得的三维血管空间结构，不仅可以精确定位病变的空间位置，而且可以应用于虚拟规划及手术导航中，提高临床手术的质量和成功率。

现有图像分割技术的研究往往集中在单个方法的改进上，较少的结合冠脉血管的自身特点进行分割。本发明核心内容在于以现有成熟分割技术为基础组成一套完整分割流程来实现更具有现实意义的分割，提出一种全自动的基于三维形态学的冠脉血管自动提取方法。

本发明的方法最大的创新在于通过冠状窦口进行分割，窦口的得到可作为影像学数据为心导管术参考，为临床行逆行灌注心脏造影和消融导管的***等技术提供依据，了解窦口坐标可以获得病人病理信息，为初期的诊断提供判断依据，应用于临床实践，将有助于提高心导管送入的成功率。同时，窦口作为冠脉的重要结构，也可以为其他的基于血管追踪的冠脉提取提供种子点参考依据。

实验测试可知，本发明方法实现的分割方法比手工分割更简易，快速，更精确，更灵活，具备很好的平衡速度与精确度，具有重要的实用价值，在今后的工作中，本发明可以在速度和精确度两方面分别做更多事情，希望以更快的速度达到更好的冠脉血管分割效果。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.一种基于三维形态学的冠脉血管自动提取方法，其特征在于，包括如下步骤：

S1，获取图像数据后，按照获取时间依次对图像进行排序，对排序完成的图像进行直方图变换；

S2，对于变换后的图像进行三维粗分割，将分割的冠状动脉图像的灰度范围值进行三维形态学处理，通过计算主动脉区域和腐蚀掉区域的邻接点，得到邻接点构成的连通域；

S3，遍历全部邻接点，执行完毕后，输出每一个邻接点构成的连通域，执行切割冠状动脉图像过程，从输入的三维粗分割数据以及全部邻接点的连通域数据从而寻找冠状动脉的开口点，切割完成冠状动脉图像。

2.根据权利要求1所述的基于三维形态学的冠脉血管自动提取方法，其特征在于，所述S2包括：

根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域，以区域为对象进行分割，根据相似性原则进行分割，将各图像像素划归到相应区域。

3.根据权利要求1所述的基于三维形态学的冠脉血管自动提取方法，其特征在于，所述S1包括：

冠状动脉在成像时，注入造影剂，在图像中密度值较高，对密度值的直方图进行观察，得到冠状动脉密度值集中在直方图高亮度部分，其集中在直方图靠高亮度的波中，利用直方图阈值法，通过自动搜索最高密度值的波峰及该波起始处位置，得到分割阈值，实现阈值分割。

4.根据权利要求3所述的基于三维形态学的冠脉血管自动提取方法，其特征在于，所述S1还包括：

窗宽Width为直方图高亮的波宽度；确定数据的中心值，用窗位Level表示对于人体器官获得的某个值，如果小于确定值，转换成位图图像的黑色，即0值；如果大于确定值，转换成位图图像的白色，即255值；设初始像素值为x，转变后像素值为y，则公式如下所示：

$\left\{\begin{array}{ccc}y=0& if& x\≤Level-\left(Width/2\right)\\ y=\left(x-\left(Level-Width/2\right)\right)\×255/Width& if& x\∈\left(Level-\left(Width/2\right),Level+\left(Width/2\right)\right)\\ y=255& if& x\≥Level-\left(Width/2\right)\end{array}\right\}.$

5.根据权利要求3所述的基于三维形态学的冠脉血管自动提取方法，其特征在于，所述S2包括：

根据得到的三维粗分割图像，得到了心脏冠脉灰度范围，保留此范围内像素值，其余的根据相关公式置为0或1；为实现血管的粗分割，通过三维区域增长操作，将像素值属性相似的相邻点合并到三维粗分割图像区域；设原始有效像素点集合为O，O中有一有效像素点P_v，其邻接点的集合为L₂₆，需判断的点为P_d，相似性度量为S，判断依据如下：

P_v∈O，P_d∈L₂₆，如果P_d满足S，

则O＝O+P_d；该操作将冠状动脉提取出来。

6.根据权利要求1所述的基于三维形态学的冠脉血管自动提取方法，其特征在于，所述S3包括：

通过对三维粗分割数据结果的观察，通过三维腐蚀操作将细小的血管完全腐蚀掉，通过恢复性膨胀操作得到除细长血管分支之外的主动脉部分；通过原体数据和腐蚀后数据进行减操作得到腐蚀掉的分支，最后根据邻接关系得到疑似点；

此处使用结构模板M对体数据A进行腐蚀得到体数据B，表示为：

$B=M\⊗A=\{x,y,z|A_{xyz}\⊆M\};$

使用结构模板M对体数据B进行膨胀得到体数据C，表示为：

减操作得到腐蚀掉数据D，表示为：

D＝A-C；

由于数据中具有大量冗余信息，得到的开口点过多，通过判断心脏主动脉图像是平滑的，形态保持接近圆柱；

开口点在主动脉中心线一定半径内，且其所映射的在上下几层的点必与主动脉所在层区域邻接，根据此信息由种子点所在层向血管延伸层遍历，搜索到准确的两个冠状窦口就结束。

7.根据权利要求1所述的基于三维形态学的冠脉血管自动提取方法，其特征在于，所述S3包括：

得到的主动脉部分为体数据C；腐蚀掉的数据为体数据D；遍历所有像素点t∈C，探寻t的26邻域L₂₆，若有像素点p∈D且p∈L₂₆，则p为邻接点，即疑似开口点；

输入的连通域数据为得到的邻接点构成的众多连通域；种子点的获得如下，选取一张血管延伸较前端的粗分割图像切片，依靠近似于圆和靠近切片中央特性，找到图像中的主动脉区域H，选取任意一个像素点p∈H即为种子点，

当前切片的半径和重心均是通过计算每一张粗分割切片的主动脉区域H所得，连通域重心为每个连通域的重心；

其中切片重心与连通域重心之间所要满足的距离条件是通过医学先验知识和统计学知识获得的，一般为主动脉区域半径的1.7倍之内；窦口点判断依据还包括此连通域上是否有点与当前切片主动脉区域二维邻接；

从图像可以看出，根据找出的开口点，只要选取合适的角度进行切割，就能将冠脉血管与杂质进行分隔，达到分割的目的，切面是两个种子点和计算出来的点所构成的平面，设这两个点为X₁(px₁,py₁,pz₁)和X₂(px₂,py₂,pz₂)，则第三个点的计算方法如下：

X₃＝(min(px₁,px₂),max(py₁,py₂),mean(pz₁,pz₂))；

由于三点构成一个平面，通过这个面，对粗分割后的图像进行切割，最终去除杂质得出分割的数据。