医学图像处理案例（六）——生成血管三维模型

在前面的文章中，已经分享了人体肋骨和肺组织分割生成三维模型的例子。今天将继续分享人体脑部血管分割并生成三维模型的案例。

1、导入MRA图像

大家肯定对MRI概念是很清楚的，但是对于MRA可能不太了解。我简单说一下两者之间的关系吧。MRI是指核磁共振成像，而MRA只是核磁共振扫描序列中的一种。MRA是血管造影序列，采用时间飞逝法（TOF）或相位对比法（PC）使流动的血液成像。对MRA体层图像进行MIP重建，可以从不同角度来观察血管分支及走向。

2、利用Hessian矩阵的特征值提取血管结构

Hessian矩阵是多维变量函数的二阶偏导数矩阵，可以根据其特征值的属性来检测血管结构。例如3维Hessian的特征值有lambda_1，lambda_2和lambda_3。明亮的管状结构时会有低lambda_1和大的lambda_2和lambda_3负值。相反，暗管状结构时lambda_1值较低，lambda_2和lambda_3的正值较大。明亮的板状结构具有较低的lambda_1和lambda_2值以及较大的lambda_3负值。暗的板状结构具有较低的lambda_1和lambda_2值以及较大的lambda_3正值。明亮的球形（斑点）结构具有所有三个特征值都是较大的负数。暗的球形（斑点）结构将具有三个特征值都是较大的正数。

3、利用ITK函数来实现血管提取

参考论文《3D Multi-scale line filter for segmentation and visualization of curvilinear structures in medical images》中的方法，在ITK中用到的函数是

itk::Hessian3DToVesselnessMeasureImageFilter和

itk::HessianRecursiveGaussianImageFilter，具体代码实现见原文链接。参数设置参考上述论文中的值。

4、血管提取效果

如图所示，图一是原始MRA脑部图像，图中明亮的管状目标就是血管。图二是用Hessian矩阵计算得的血管区域图像。从图中效果看，结果还是不错的。

接下来我们对图像进行三维重建，如图所示。

最后将所有功能代码集成到UI上去。