(19)國家知識產(chǎn)權(quán)局事務(wù)所(普通合伙)61239專利代理師肖永飛GO6VGO6VGO6VGO6VGO6VGO6V權(quán)域識別，提取肝膽管、肝動脈、門靜脈及肝靜脈區(qū)結(jié)構(gòu)進(jìn)行彈性配準(zhǔn)，生成統(tǒng)一坐標(biāo)下的配準(zhǔn)數(shù)21.一種三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割方法，其特征在于，包括以下步獲取肝臟區(qū)域的多期相醫(yī)學(xué)圖像數(shù)據(jù)；對多期相醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行區(qū)域識別，分別得到肝膽管區(qū)域數(shù)據(jù)、肝動脈區(qū)域數(shù)據(jù)、門靜脈區(qū)域數(shù)據(jù)以及肝靜脈區(qū)域數(shù)據(jù)；對肝膽管區(qū)域數(shù)據(jù)進(jìn)行結(jié)構(gòu)追蹤，得到肝膽管定位數(shù)據(jù)；對肝動脈區(qū)域數(shù)據(jù)進(jìn)行改進(jìn)型對比度提取，得到肝動脈定位數(shù)據(jù)；對門靜脈區(qū)域數(shù)據(jù)進(jìn)行方向性分割分析，得到門靜脈定位數(shù)據(jù)；對肝靜脈區(qū)域數(shù)據(jù)以及門靜脈定位數(shù)據(jù)進(jìn)行分支角度提取，得到肝靜脈定位數(shù)根據(jù)肝膽管定位數(shù)據(jù)、肝動脈定位數(shù)據(jù)、門靜脈定位數(shù)據(jù)以及肝靜脈定位數(shù)據(jù)進(jìn)行彈性配準(zhǔn)，得到彈性配準(zhǔn)數(shù)據(jù)；根據(jù)彈性配準(zhǔn)數(shù)據(jù)進(jìn)行三維可視化作業(yè)。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，其中多期相醫(yī)學(xué)圖像數(shù)據(jù)包括動脈期CT圖像數(shù)據(jù)、門靜脈期CT圖像數(shù)據(jù)、平衡期CT圖像數(shù)據(jù)以及T2加權(quán)MRI醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行區(qū)域識別，分別得到肝膽管區(qū)域數(shù)據(jù)、肝動脈區(qū)域數(shù)據(jù)、門靜脈區(qū)域數(shù)據(jù)對門靜脈期CT圖像數(shù)據(jù)進(jìn)行肝臟區(qū)域粗分割，得到肝臟區(qū)域數(shù)據(jù)；根據(jù)肝臟區(qū)域數(shù)據(jù)以及動脈期CT圖像數(shù)據(jù)進(jìn)行肝動脈區(qū)域確定，得到肝動脈區(qū)域數(shù)根據(jù)肝臟區(qū)域數(shù)據(jù)以及平衡期CT圖像數(shù)據(jù)進(jìn)行肝靜脈區(qū)域識別，得到肝靜脈區(qū)域數(shù)根據(jù)肝臟區(qū)域數(shù)據(jù)進(jìn)行方向性引導(dǎo)分割，得到門靜脈區(qū)域數(shù)據(jù)；根據(jù)肝臟區(qū)域數(shù)據(jù)以及T2加權(quán)MRI圖像數(shù)據(jù)進(jìn)行肝膽管區(qū)域識別，得到肝膽管區(qū)域數(shù)3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)肝臟區(qū)域數(shù)據(jù)進(jìn)行方向性引導(dǎo)分根據(jù)肝臟區(qū)域數(shù)據(jù)進(jìn)行體素灰度梯度提取，得到體素灰度梯度數(shù)據(jù)；對體素灰度梯度數(shù)據(jù)進(jìn)行主方向聚類，得到主方向聚類數(shù)據(jù)；根據(jù)主方向聚類數(shù)據(jù)進(jìn)行張量投票處理，得到血管走向場數(shù)據(jù)；利用預(yù)設(shè)的方向引導(dǎo)分割網(wǎng)絡(luò)模型對血管走向場數(shù)據(jù)進(jìn)行分割，得到門靜脈區(qū)域數(shù)據(jù)，其中方向引導(dǎo)分割網(wǎng)絡(luò)模型為通過改進(jìn)型SD-UNet進(jìn)行主干網(wǎng)絡(luò)構(gòu)建，注意力圖或者引導(dǎo)流作為輸出頭進(jìn)行構(gòu)建得到。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，其中預(yù)設(shè)的方向引導(dǎo)分割網(wǎng)絡(luò)模型的構(gòu)建步驟包括以下步驟：獲取歷史血管走向場數(shù)據(jù)以及歷史標(biāo)注數(shù)據(jù)；根據(jù)歷史血管走向場數(shù)據(jù)進(jìn)行多尺度夸張卷積并行處理，得到邊緣感知層數(shù)據(jù)；對邊緣感知層數(shù)據(jù)進(jìn)行淺層邊緣層處理以及高層特征層處理，分別得到淺層邊緣層數(shù)據(jù)以及高層特征層數(shù)據(jù)，其中淺層邊緣層處理通過Sobel/LoG濾波器或邊緣通道卷積實現(xiàn)邊界響應(yīng)增強(qiáng)；對淺層邊緣層數(shù)據(jù)以及高層特征層數(shù)據(jù)進(jìn)行殘差連接，得到解碼層數(shù)據(jù)；3利用歷史標(biāo)注數(shù)據(jù)對解碼層數(shù)據(jù)進(jìn)行血管方向網(wǎng)絡(luò)訓(xùn)練，得到方向引導(dǎo)流數(shù)據(jù)，其中血管方向網(wǎng)絡(luò)訓(xùn)練通過利用方向一致性損失聯(lián)合Dice損失對卷積網(wǎng)絡(luò)進(jìn)行監(jiān)督訓(xùn)練；對方向引導(dǎo)流數(shù)據(jù)進(jìn)行方向引導(dǎo)輸出，得到方向引導(dǎo)分割網(wǎng)絡(luò)模型，其中方向引導(dǎo)輸出為通過與解碼層數(shù)據(jù)進(jìn)行卷積融合，并計算方向置信度，或者通過方向引導(dǎo)流數(shù)據(jù)進(jìn)行方向引導(dǎo)注意力圖計算，并對輸出結(jié)果進(jìn)行通道級調(diào)控。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對肝膽管區(qū)域數(shù)據(jù)進(jìn)行結(jié)構(gòu)追蹤，得對肝膽管區(qū)域數(shù)據(jù)進(jìn)行空間引導(dǎo)域構(gòu)建，得到肝膽管空間引導(dǎo)域數(shù)據(jù)；根據(jù)肝膽管空間引導(dǎo)域數(shù)據(jù)進(jìn)行局部方向一致性增強(qiáng)，得到肝膽管增強(qiáng)數(shù)據(jù)；根據(jù)肝膽管增強(qiáng)數(shù)據(jù)進(jìn)行路徑追蹤，得到肝膽管追蹤數(shù)據(jù)，其中路徑追蹤為基于信號強(qiáng)度、方向一致性與路徑鄰近度構(gòu)建代價函數(shù)，以執(zhí)行最小代價路徑追蹤；對肝膽管追蹤數(shù)據(jù)進(jìn)行連通性優(yōu)化，得到肝膽管定位數(shù)據(jù)。6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對肝動脈區(qū)域數(shù)據(jù)進(jìn)行改進(jìn)型對比度對肝動脈區(qū)域數(shù)據(jù)進(jìn)行方向選擇增強(qiáng)核處理，得到第一肝動脈粗定位數(shù)據(jù)；對肝動脈區(qū)域數(shù)據(jù)進(jìn)行邊緣敏感性調(diào)控，得到第二肝動脈粗定位數(shù)據(jù)；根據(jù)第一肝動脈粗定位數(shù)據(jù)以及第二肝動脈粗定位數(shù)據(jù)進(jìn)行注意力感知增強(qiáng)，分別得到第一肝動脈加權(quán)定位數(shù)據(jù)以及第二肝動脈加權(quán)定位數(shù)據(jù)；根據(jù)第一肝動脈加權(quán)定位數(shù)據(jù)以及第二肝動脈加權(quán)定位數(shù)據(jù)進(jìn)行置信度投票，得到肝動脈融合定位數(shù)據(jù)，并根據(jù)肝動脈融合定位數(shù)據(jù)進(jìn)行中心線提取，得到肝動脈定位數(shù)據(jù)。7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對門靜脈區(qū)域數(shù)據(jù)進(jìn)行方向性分割分對門靜脈區(qū)域數(shù)據(jù)進(jìn)行主方向梯度圖計算，得到主方向梯度圖數(shù)據(jù)；根據(jù)主方向梯度圖數(shù)據(jù)進(jìn)行方向引導(dǎo)分割，得到方向引導(dǎo)分割數(shù)據(jù)；根據(jù)方向引導(dǎo)分割數(shù)據(jù)進(jìn)行分支合并以及斷裂修復(fù)，得到門靜脈定位數(shù)據(jù)。8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對肝靜脈區(qū)域數(shù)據(jù)以及門靜脈定位數(shù)根據(jù)門靜脈定位數(shù)據(jù)進(jìn)行中心線提取，得到門靜脈方向圖數(shù)據(jù)；根據(jù)肝靜脈區(qū)域數(shù)據(jù)進(jìn)行骨架提取，得到肝靜脈分支數(shù)據(jù)；對肝靜脈分支數(shù)據(jù)進(jìn)行線性擬合，得到肝靜脈分支擬合數(shù)據(jù)，并根據(jù)肝靜脈分支擬合數(shù)據(jù)進(jìn)行最近分支方向夾角計算，得到分支角度特征圖數(shù)據(jù)；根據(jù)門靜脈方向圖數(shù)據(jù)以及分支角度特征圖數(shù)據(jù)進(jìn)行窄神經(jīng)網(wǎng)絡(luò)分類，得到肝靜脈定位數(shù)據(jù)。9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)肝膽管定位數(shù)據(jù)、肝動脈定位數(shù)將肝動脈定位數(shù)據(jù)確定為參考結(jié)構(gòu)數(shù)據(jù)；根據(jù)參考結(jié)構(gòu)數(shù)據(jù)對肝膽管定位數(shù)據(jù)、門靜脈定位數(shù)據(jù)以及肝靜脈定位數(shù)據(jù)進(jìn)行結(jié)構(gòu)根據(jù)結(jié)構(gòu)間配對數(shù)據(jù)進(jìn)行控制點網(wǎng)絡(luò)覆蓋，得到彈性配準(zhǔn)數(shù)據(jù)。410.一種三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割系統(tǒng)，其特征在于，用于執(zhí)行如權(quán)利要求1所述的三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割方法脈、門靜脈及肝靜脈圖像分割系統(tǒng)包括：多期相圖像獲取模塊，用于獲取肝臟區(qū)域的多期相醫(yī)學(xué)圖像數(shù)據(jù)；區(qū)域識別模塊，用于對多期相醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行區(qū)域識別，分別得到肝膽管區(qū)域數(shù)據(jù)、肝動脈區(qū)域數(shù)據(jù)、門靜脈區(qū)域數(shù)據(jù)以及肝靜脈區(qū)域數(shù)據(jù)；結(jié)構(gòu)關(guān)聯(lián)定位模塊，用于對肝動脈區(qū)域數(shù)據(jù)進(jìn)行結(jié)構(gòu)追蹤，得到肝膽管定位數(shù)據(jù)；對肝動脈區(qū)域數(shù)據(jù)進(jìn)行改進(jìn)型對比度提取，得到肝動脈定位數(shù)據(jù)；對門靜脈區(qū)域數(shù)據(jù)進(jìn)行方向性分割分析，得到門靜脈定位數(shù)據(jù)；對肝靜脈區(qū)域數(shù)據(jù)以及門靜脈定位數(shù)據(jù)進(jìn)行分支角度三維結(jié)構(gòu)重建與展示模塊，用于根據(jù)肝膽管定位數(shù)據(jù)、肝動脈定位數(shù)據(jù)、門靜脈定位數(shù)據(jù)以及肝靜脈定位數(shù)據(jù)進(jìn)行彈性配準(zhǔn)，得到彈性配準(zhǔn)數(shù)據(jù)；根據(jù)彈性配準(zhǔn)數(shù)據(jù)進(jìn)行三維可視化作業(yè)。5技術(shù)領(lǐng)域[0001]本發(fā)明涉及圖像分析技術(shù)領(lǐng)域，尤其涉及一種三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割方法及系統(tǒng)。背景技術(shù)[0002]隨著醫(yī)學(xué)影像設(shè)備的快速發(fā)展，計算機(jī)斷層掃描(CT)、磁共振成像(MRI)等多模態(tài)成像技術(shù)在臨床診斷中的應(yīng)用日益廣泛，尤其是在肝臟疾病的術(shù)前評估、肝癌/膽管癌(尤其肝門部膽管癌)手術(shù)規(guī)劃、肝移植術(shù)前模擬等場景中，對于肝臟內(nèi)關(guān)鍵血管結(jié)構(gòu)(如肝動脈、門靜脈、肝靜脈及膽管)的三維可視化與空間定位提出了更高的精度與自動化要求。傳統(tǒng)的醫(yī)學(xué)圖像分割方法多依賴于基于閾值、區(qū)域生長、活動輪廓等圖像處理算法，難以充分處、圖像模糊或信號較弱區(qū)域，往往出現(xiàn)分割斷裂、定位偏移或結(jié)構(gòu)錯誤識別等問題。發(fā)明內(nèi)容[0003]本發(fā)明為解決上述技術(shù)問題，提出了一種三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割方法及系統(tǒng)，以解決至少一個上述技術(shù)問題。[0004]本申請?zhí)峁┝艘环N三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割方法，包括以下獲取肝臟區(qū)域的多期相醫(yī)學(xué)圖像數(shù)據(jù)；對多期相醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行區(qū)域識別，分別得到肝膽管區(qū)域數(shù)據(jù)、肝動脈區(qū)域數(shù)據(jù)、門靜脈區(qū)域數(shù)據(jù)以及肝靜脈區(qū)域數(shù)據(jù)；對肝膽管區(qū)域數(shù)據(jù)進(jìn)行結(jié)構(gòu)追蹤，得到肝膽管定位數(shù)據(jù)；對肝動脈區(qū)域數(shù)據(jù)進(jìn)行改進(jìn)型對比度提取，得到肝動脈定位數(shù)據(jù)；對門靜脈區(qū)域數(shù)據(jù)進(jìn)行方向性分割分析，得到門靜脈定位數(shù)據(jù)；對肝靜脈區(qū)域數(shù)據(jù)以及門靜脈定位數(shù)據(jù)進(jìn)行分支角度提取，得到肝靜脈定位數(shù)據(jù)；根據(jù)肝膽管定位數(shù)據(jù)、肝動脈定位數(shù)據(jù)、門靜脈定位數(shù)據(jù)以及肝靜脈定位數(shù)據(jù)進(jìn)行彈性配準(zhǔn)，得到彈性配準(zhǔn)數(shù)據(jù)；根據(jù)彈性配準(zhǔn)數(shù)據(jù)進(jìn)行三維可視化作業(yè)。[0005]本發(fā)明基于多期相醫(yī)學(xué)圖像數(shù)據(jù)實現(xiàn)多結(jié)構(gòu)精細(xì)化識別，結(jié)合肝臟解剖結(jié)構(gòu)關(guān)系進(jìn)行差異化處理。通過對肝膽管區(qū)域數(shù)據(jù)進(jìn)行結(jié)構(gòu)追蹤，可有效增強(qiáng)膽管細(xì)分支的連通性與完整性；通過改進(jìn)型對比度提取提升肝動脈的邊界清晰度與定位精度；方向性分割分析使得門靜脈分支的結(jié)構(gòu)連續(xù)性增強(qiáng)；利用分支角度提取方法結(jié)合門靜脈方向特征，有效區(qū)分肝靜脈與門靜脈，提升識別準(zhǔn)確率。通過多結(jié)構(gòu)間的彈性配準(zhǔn)操作，實現(xiàn)各類血管結(jié)構(gòu)的統(tǒng)一空間融合，便于三維可視化重建與臨床輔助分析。相較于傳統(tǒng)基于單期圖像或單一增強(qiáng)處理的血管分割方法，本發(fā)明中空間引導(dǎo)策略基于解剖鄰近關(guān)系，限定目標(biāo)結(jié)構(gòu)的搜索區(qū)域，有效降低誤檢率；方向建模部分通過主方向梯度計算與方向場學(xué)習(xí)，增強(qiáng)了模型對細(xì)長血管走向連續(xù)性的感知能力；結(jié)構(gòu)追蹤模塊引入路徑代價函數(shù)，以信號強(qiáng)度、方向一致性6及鄰近度為約束，確保微小分支的連貫提??；彈性配準(zhǔn)策略以肝動脈為參考，構(gòu)建控制點網(wǎng)格對多結(jié)構(gòu)定位結(jié)果進(jìn)行柔性對齊，在保持拓?fù)潢P(guān)系的同時提升結(jié)構(gòu)融合精度。整體上，本發(fā)明不僅提升了血管結(jié)構(gòu)的提取完整性與空間表達(dá)清晰度，還確保了多結(jié)構(gòu)之間的可視化協(xié)調(diào)性。[0006]優(yōu)選地，其中多期相醫(yī)學(xué)圖像數(shù)據(jù)包括動脈期CT圖像數(shù)據(jù)、門靜脈期CT圖像數(shù)據(jù)、平衡期CT圖像數(shù)據(jù)以及T2加權(quán)MRI圖像數(shù)據(jù)，所述對多期相醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行區(qū)域識別，分別得到肝膽管區(qū)域數(shù)據(jù)、肝動脈區(qū)域數(shù)據(jù)、門靜脈區(qū)域數(shù)據(jù)以及肝靜脈區(qū)對門靜脈期CT圖像數(shù)據(jù)進(jìn)行肝臟區(qū)域粗分割，得到肝臟區(qū)域數(shù)據(jù)；根據(jù)肝臟區(qū)域數(shù)據(jù)以及動脈期CT圖像數(shù)據(jù)進(jìn)行肝動脈區(qū)域確定，得到肝動脈區(qū)域根據(jù)肝臟區(qū)域數(shù)據(jù)以及平衡期CT圖像數(shù)據(jù)進(jìn)行肝靜脈區(qū)域識別，得到肝靜脈區(qū)域根據(jù)肝臟區(qū)域數(shù)據(jù)進(jìn)行方向性引導(dǎo)分割，得到門靜脈區(qū)域數(shù)據(jù)；根據(jù)肝臟區(qū)域數(shù)據(jù)以及T2加權(quán)MRI圖像數(shù)據(jù)進(jìn)行肝膽管區(qū)域識別，得到肝膽管區(qū)域數(shù)據(jù)。[0007]本發(fā)明中通過引入動脈期CT圖像、門靜脈期CT圖像、平衡期CT圖像以及T2加權(quán)MRI圖像，結(jié)合肝臟區(qū)域粗分割與結(jié)構(gòu)特異性處理，能夠?qū)崿F(xiàn)對肝動脈、門靜脈、肝靜脈和肝膽管區(qū)域的針對性識別。利用動脈期圖像中血管增強(qiáng)特性識別肝動脈區(qū)域，結(jié)合門靜脈期圖像進(jìn)行肝臟實質(zhì)分割與門靜脈方向性提取，基于平衡期圖像中靜脈反差實現(xiàn)肝靜脈分離，利用T2加權(quán)MRI圖像強(qiáng)化膽管信號進(jìn)行肝膽管識別。通過多模態(tài)、多期相融合，提升了圖像分割的結(jié)構(gòu)清晰度、區(qū)域邊界準(zhǔn)確性與組織分離能力，有效克服了傳統(tǒng)方法中因期相單一、結(jié)構(gòu)模糊導(dǎo)致的識別精度低、器官混淆的問題，實現(xiàn)了分結(jié)構(gòu)、分圖像、分策略的高精度解剖區(qū)域提取，具有顯著的醫(yī)學(xué)應(yīng)用價值與可擴(kuò)展性。[0008]優(yōu)選地，所述根據(jù)肝臟區(qū)域數(shù)據(jù)進(jìn)行方向性引導(dǎo)分割，得到門靜脈區(qū)域數(shù)據(jù)，包根據(jù)肝臟區(qū)域數(shù)據(jù)進(jìn)行體素灰度梯度提取，得到體素灰度梯度數(shù)據(jù)；對體素灰度梯度數(shù)據(jù)進(jìn)行主方向聚類，得到主方向聚類數(shù)據(jù)；根據(jù)主方向聚類數(shù)據(jù)進(jìn)行張量投票處理，得到血管走向場數(shù)據(jù)；利用預(yù)設(shè)的方向引導(dǎo)分割網(wǎng)絡(luò)模型對血管走向場數(shù)據(jù)進(jìn)行分割，得到門靜脈區(qū)域數(shù)據(jù)，其中方向引導(dǎo)分割網(wǎng)絡(luò)模型為通過改進(jìn)型SD-UNet進(jìn)行主干網(wǎng)絡(luò)構(gòu)建，注意力圖或者引導(dǎo)流作為輸出頭進(jìn)行構(gòu)建得到。[0009]本發(fā)明中通過基于肝臟區(qū)域數(shù)據(jù)提取體素灰度梯度，并結(jié)合主方向聚類與張量投票機(jī)制構(gòu)建血管走向場，充分利用門靜脈分支結(jié)構(gòu)的方向一致性與解剖連貫性，實現(xiàn)方向感知驅(qū)動的分割建模。采用改進(jìn)型SD-UNet構(gòu)建方向引導(dǎo)分割網(wǎng)絡(luò)模型，融合走向場數(shù)據(jù)并結(jié)合注意力圖或引導(dǎo)流機(jī)制作為輸出引導(dǎo)，可有效提升門靜脈識別過程中對細(xì)分支、多樣化走向的響應(yīng)能力。相較于傳統(tǒng)基于灰度增強(qiáng)或靜態(tài)模型的分割方法，本發(fā)明不僅在分割精度、結(jié)構(gòu)連續(xù)性方面具備更強(qiáng)表現(xiàn)，還顯著增強(qiáng)了模型對空間方向性特征的利用效率，適用于分支細(xì)長、彎曲變化大的門靜脈結(jié)構(gòu)識別場景，具備更高的解剖一致性與算法泛化能力，適用于復(fù)雜血管系統(tǒng)的臨床應(yīng)用與適應(yīng)性建模需求。7[0010]優(yōu)選地，其中預(yù)設(shè)的方向引導(dǎo)分割網(wǎng)絡(luò)模型的構(gòu)建步驟包括以下步驟：獲取歷史血管走向場數(shù)據(jù)以及歷史標(biāo)注數(shù)據(jù)；根據(jù)歷史血管走向場數(shù)據(jù)進(jìn)行多尺度夸張卷積并行處理，得到邊緣感知層數(shù)據(jù)；對邊緣感知層數(shù)據(jù)進(jìn)行淺層邊緣層處理以及高層特征層處理，分別得到淺層邊緣層數(shù)據(jù)以及高層特征層數(shù)據(jù)，其中淺層邊緣層處理通過Sobel/LoG濾波器或邊緣通道卷積實現(xiàn)邊界響應(yīng)增強(qiáng)；對淺層邊緣層數(shù)據(jù)以及高層特征層數(shù)據(jù)進(jìn)行殘差連接，得到解碼層數(shù)據(jù)；利用歷史標(biāo)注數(shù)據(jù)對解碼層數(shù)據(jù)進(jìn)行血管方向網(wǎng)絡(luò)訓(xùn)練，得到方向引導(dǎo)流數(shù)據(jù)，其中血管方向網(wǎng)絡(luò)訓(xùn)練通過利用方向一致性損失聯(lián)合Dice損失對卷積網(wǎng)絡(luò)進(jìn)行監(jiān)督訓(xùn)練；對方向引導(dǎo)流數(shù)據(jù)進(jìn)行方向引導(dǎo)輸出，得到方向引導(dǎo)分割網(wǎng)絡(luò)模型，其中方向引導(dǎo)輸出為通過與解碼層數(shù)據(jù)進(jìn)行卷積融合，并計算方向置信度，或者通過方向引導(dǎo)流數(shù)據(jù)進(jìn)行方向引導(dǎo)注意力圖計算，并對輸出結(jié)果進(jìn)行通道級調(diào)控。[0011]本發(fā)明中通過構(gòu)建方向引導(dǎo)分割網(wǎng)絡(luò)模型，融合歷史血管走向場數(shù)據(jù)與標(biāo)注數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，具備顯著的方向感知與結(jié)構(gòu)識別能力。利用多尺度夸張卷積實現(xiàn)不同尺度下的結(jié)構(gòu)感知，通過邊緣通道卷積與Sobel/LoG濾波增強(qiáng)邊緣響應(yīng)，兼顧細(xì)節(jié)與語義特征，再經(jīng)由淺層邊緣層與高層特征層的殘差連接，有效保持血管邊界清晰度與分支結(jié)構(gòu)完整性。采用聯(lián)合方向一致性損失與Dice損失進(jìn)行監(jiān)督訓(xùn)練，使模型能夠精準(zhǔn)擬合真實血管走向特征。進(jìn)一步通過方向引導(dǎo)流與解碼特征融合、或生成方向注意力圖進(jìn)行通道級調(diào)控，顯著增強(qiáng)網(wǎng)絡(luò)對結(jié)構(gòu)方向信息的響應(yīng)能力。相較于傳統(tǒng)的圖像分割模型，該方案在血管細(xì)分支識別、分支角度連續(xù)性建模及方向一致性保持方面具備更高精度與魯棒性，為細(xì)致化的血管系統(tǒng)的智能化識別與三維建模提供了更加高效、準(zhǔn)確的模型基礎(chǔ)。對肝膽管區(qū)域數(shù)據(jù)進(jìn)行空間引導(dǎo)域構(gòu)建，得到肝膽管空間引導(dǎo)域數(shù)據(jù)；根據(jù)肝膽管空間引導(dǎo)域數(shù)據(jù)進(jìn)行局部方向一致性增強(qiáng)，得到肝膽管增強(qiáng)數(shù)據(jù)；根據(jù)肝膽管增強(qiáng)數(shù)據(jù)進(jìn)行路徑追蹤，得到肝膽管追蹤數(shù)據(jù)，其中路徑追蹤為基于信號強(qiáng)度、方向一致性與路徑鄰近度構(gòu)建代價函數(shù)，以執(zhí)行最小代價路徑追蹤；對肝膽管追蹤數(shù)據(jù)進(jìn)行連通性優(yōu)化，得到肝膽管定位數(shù)據(jù)。[0013]本發(fā)明中通過構(gòu)建基于肝膽管區(qū)域的空間引導(dǎo)域，限定結(jié)構(gòu)識別范圍，結(jié)合局部方向一致性增強(qiáng)方法，有效強(qiáng)化膽管圖像中的結(jié)構(gòu)連貫性與方向特征。通過引入信號強(qiáng)度、方向一致性及路徑鄰近度三因子的代價函數(shù)，執(zhí)行最小代價路徑追蹤操作，可實現(xiàn)對膽管主干及細(xì)分支的高精度提取。進(jìn)一步結(jié)合連通性優(yōu)化處理，有效剔除偽支結(jié)構(gòu)與斷裂路徑，提升整體追蹤的連續(xù)性與準(zhǔn)確性。與傳統(tǒng)基于閾值或簡單濾波提取膽管的方式相比，本方法兼顧空間引導(dǎo)、方向建模與路徑優(yōu)化，顯著提升在信號弱、走向復(fù)雜、分支細(xì)小情況下的結(jié)構(gòu)識別能力，具備更強(qiáng)的臨床適應(yīng)性與拓?fù)渫暾?，為三維膽管建模與可視化應(yīng)用提供穩(wěn)定可靠的結(jié)構(gòu)輸入。[0014]優(yōu)選地，所述對肝動脈區(qū)域數(shù)據(jù)進(jìn)行改進(jìn)型對比度提取，得到肝動脈定位數(shù)據(jù)，包對肝動脈區(qū)域數(shù)據(jù)進(jìn)行方向選擇增強(qiáng)核處理，得到第一肝動脈粗定位數(shù)據(jù)；對肝動脈區(qū)域數(shù)據(jù)進(jìn)行邊緣敏感性調(diào)控，得到第二肝動脈粗定位數(shù)據(jù)；8根據(jù)第一肝動脈粗定位數(shù)據(jù)以及第二肝動脈粗定位數(shù)據(jù)進(jìn)行注意力感知增強(qiáng)，分別得到第一肝動脈加權(quán)定位數(shù)據(jù)以及第二肝動脈加權(quán)定位數(shù)據(jù)；根據(jù)第一肝動脈加權(quán)定位數(shù)據(jù)以及第二肝動脈加權(quán)定位數(shù)據(jù)進(jìn)行置信度投票，得到肝動脈融合定位數(shù)據(jù)，并根據(jù)肝動脈融合定位數(shù)據(jù)進(jìn)行中心線提取，得到肝動脈定位數(shù)[0015]本發(fā)明中通過在肝動脈區(qū)域數(shù)據(jù)上引入方向選擇增強(qiáng)核與邊緣敏感性調(diào)控處理，分別構(gòu)建兩條結(jié)構(gòu)增強(qiáng)通路，能夠更精準(zhǔn)地捕捉肝動脈主干及其微小分支的走向與邊界特征。利用注意力感知機(jī)制分別對兩類粗定位結(jié)果進(jìn)行加權(quán)增強(qiáng)，有效提升血管響應(yīng)區(qū)域的顯著性與噪聲抑制能力。進(jìn)一步通過置信度投票機(jī)制融合兩個增強(qiáng)通路的結(jié)果，在保證識別魯棒性的同時強(qiáng)化了結(jié)構(gòu)的空間連續(xù)性與定位一致性?；谌诤辖Y(jié)果提取中心線信息，實現(xiàn)肝動脈路徑的結(jié)構(gòu)化表達(dá)。與傳統(tǒng)單通道增強(qiáng)或固定濾波提取方式相比，本方法具備多特征融合、重點強(qiáng)化、小血管適應(yīng)性強(qiáng)等優(yōu)勢，顯著提升了肝動脈在復(fù)雜背景、低對比圖像中的分割與定位精度，適用于高精度血管建模與智能分析任務(wù)。[0016]優(yōu)選地，所述對門靜脈區(qū)域數(shù)據(jù)進(jìn)行方向性分割分析，得到門靜脈定位數(shù)據(jù)，包對門靜脈區(qū)域數(shù)據(jù)進(jìn)行主方向梯度圖計算，得到主方向梯度圖數(shù)據(jù)；根據(jù)主方向梯度圖數(shù)據(jù)進(jìn)行方向引導(dǎo)分割，得到方向引導(dǎo)分割數(shù)據(jù)；根據(jù)方向引導(dǎo)分割數(shù)據(jù)進(jìn)行分支合并以及斷裂修復(fù)，得到門靜脈定位數(shù)據(jù)。[0017]本發(fā)明中通過對門靜脈區(qū)域數(shù)據(jù)進(jìn)行主方向梯度圖計算，準(zhǔn)確捕捉血管走向的局部方向特征，結(jié)合方向引導(dǎo)分割操作，使得模型在分割過程中能夠充分感知血管結(jié)構(gòu)的空間延展性與走向一致性，有效提升對細(xì)長血管分支的識別與連通性保持能力。通過對方向引導(dǎo)分割結(jié)果執(zhí)行分支合并與斷裂修復(fù)，增強(qiáng)分割結(jié)果的拓?fù)渫暾耘c結(jié)構(gòu)連續(xù)性，在門靜脈分支交匯區(qū)域和弱信號區(qū)具備更強(qiáng)的結(jié)構(gòu)識別能力。相較于傳統(tǒng)依賴灰度或邊緣信息的分割方法，該方法引入方向性建模機(jī)制，在處理彎曲、細(xì)長、多分支的靜脈結(jié)構(gòu)時具有更高的定位準(zhǔn)確度與魯棒性，能夠更有效支撐后續(xù)三維建模與臨床輔助分析任務(wù)。[0018]優(yōu)選地，所述對肝靜脈區(qū)域數(shù)據(jù)以及門靜脈定位數(shù)據(jù)進(jìn)行分支角度提取，得到肝根據(jù)門靜脈定位數(shù)據(jù)進(jìn)行中心線提取，得到門靜脈方向圖數(shù)據(jù)；根據(jù)肝靜脈區(qū)域數(shù)據(jù)進(jìn)行骨架提取，得到肝靜脈分支數(shù)據(jù)；對肝靜脈分支數(shù)據(jù)進(jìn)行線性擬合，得到肝靜脈分支擬合數(shù)據(jù)，并根據(jù)肝靜脈分支擬合數(shù)據(jù)進(jìn)行最近分支方向夾角計算，得到分支角度特征圖數(shù)據(jù)；根據(jù)門靜脈方向圖數(shù)據(jù)以及分支角度特征圖數(shù)據(jù)進(jìn)行窄神經(jīng)網(wǎng)絡(luò)分類，得到肝靜脈定位數(shù)據(jù)。[0019]本發(fā)明中通過基于門靜脈定位結(jié)果提取中心線方向圖，并結(jié)合肝靜脈區(qū)域骨架結(jié)構(gòu)進(jìn)行分支線性擬合與角度特征分析，構(gòu)建了面向肝靜脈識別的分支角度判別機(jī)制。利用擬合后的分支方向與門靜脈方向之間的夾角關(guān)系，生成分支角度特征圖，進(jìn)而通過窄神經(jīng)網(wǎng)絡(luò)對分支類型進(jìn)行分類判定，實現(xiàn)對肝靜脈的精確定位。本發(fā)明充分利用了解剖結(jié)構(gòu)中門靜脈與肝靜脈在分支方向和空間走向上的差異性，提升了模型對兩類靜脈結(jié)構(gòu)的識別判別能力，在結(jié)構(gòu)相鄰、信號重疊的區(qū)域具有更高的分類準(zhǔn)確率。與傳統(tǒng)基于單圖像分割或灰9度特征提取的識別方法相比，本方法引入了結(jié)構(gòu)擬合、角度建模與輕量級神經(jīng)網(wǎng)絡(luò)相結(jié)合的多特征智能分析框架，具備結(jié)構(gòu)理解性強(qiáng)、計算成本低、拓?fù)渥R別精度高等技術(shù)優(yōu)勢，為細(xì)致化的靜脈系統(tǒng)的自動解剖識別與三維建模提供了更加可靠的技術(shù)支撐。[0020]優(yōu)選地，所述根據(jù)肝膽管定位數(shù)據(jù)、肝動脈定位數(shù)據(jù)、門靜脈定位數(shù)據(jù)以及肝靜脈將肝動脈定位數(shù)據(jù)確定為參考結(jié)構(gòu)數(shù)據(jù)；根據(jù)參考結(jié)構(gòu)數(shù)據(jù)對肝膽管定位數(shù)據(jù)、門靜脈定位數(shù)據(jù)以及肝靜脈定位數(shù)據(jù)進(jìn)行結(jié)構(gòu)間配對生成，得到結(jié)構(gòu)間配對數(shù)據(jù)；根據(jù)結(jié)構(gòu)間配對數(shù)據(jù)進(jìn)行控制點網(wǎng)絡(luò)覆蓋，得到彈性配準(zhǔn)數(shù)據(jù)。[0021]本發(fā)明中通過將肝動脈定位數(shù)據(jù)作為參考結(jié)構(gòu)，建立起多血管結(jié)構(gòu)間的統(tǒng)一空間對齊基準(zhǔn)，結(jié)合肝膽管、門靜脈和肝靜脈定位結(jié)果進(jìn)行結(jié)構(gòu)間配對，能夠充分利用各結(jié)構(gòu)間的解剖鄰近性與空間分布規(guī)律，構(gòu)建準(zhǔn)確的結(jié)構(gòu)對應(yīng)關(guān)系。進(jìn)而基于結(jié)構(gòu)間配對結(jié)果，采用控制點網(wǎng)絡(luò)覆蓋方式進(jìn)行彈性配準(zhǔn)操作，可對多結(jié)構(gòu)實施柔性空間形變，同時保持解剖結(jié)構(gòu)的連貫性與拓?fù)潢P(guān)系。與傳統(tǒng)剛性配準(zhǔn)或基于單結(jié)構(gòu)引導(dǎo)的方式相比，本發(fā)明通過多結(jié)構(gòu)協(xié)同驅(qū)動與彈性變形控制點機(jī)制，有效提升了血管結(jié)構(gòu)間的空間耦合程度與整體融合質(zhì)量，尤其在多結(jié)構(gòu)交匯、空間錯位或變形顯著的醫(yī)學(xué)圖像場景中，具備更高的結(jié)構(gòu)對齊準(zhǔn)確性與三維建模適配性，為臨床精準(zhǔn)可視化與個性化血管重建提供了堅實基礎(chǔ)。于執(zhí)行如上所述的三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割方法，該三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割系統(tǒng)包括：多期相圖像獲取模塊，用于獲取肝臟區(qū)域的多期相醫(yī)學(xué)圖像數(shù)據(jù)；區(qū)域識別模塊，用于對多期相醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行區(qū)域識別，分別得到肝膽管區(qū)域數(shù)據(jù)、肝動脈區(qū)域數(shù)據(jù)、門靜脈區(qū)域數(shù)據(jù)以及肝靜脈區(qū)域數(shù)據(jù)；結(jié)構(gòu)關(guān)聯(lián)定位模塊，用于對肝動脈區(qū)域數(shù)據(jù)進(jìn)行結(jié)構(gòu)追蹤，得到肝膽管定位數(shù)據(jù)；對肝動脈區(qū)域數(shù)據(jù)進(jìn)行改進(jìn)型對比度提取，得到肝動脈定位數(shù)據(jù)；對門靜脈區(qū)域數(shù)據(jù)進(jìn)行方向性分割分析，得到門靜脈定位數(shù)據(jù)；對肝靜脈區(qū)域數(shù)據(jù)以及門靜脈定位數(shù)據(jù)進(jìn)行分支三維結(jié)構(gòu)重建與展示模塊，用于根據(jù)肝膽管定位數(shù)據(jù)、肝動脈定位數(shù)據(jù)、門靜脈定位數(shù)據(jù)以及肝靜脈定位數(shù)據(jù)進(jìn)行彈性配準(zhǔn)，得到彈性配準(zhǔn)數(shù)據(jù)；根據(jù)彈性配準(zhǔn)數(shù)據(jù)進(jìn)行三維可視化作業(yè)。[0023]本發(fā)明的有益效果在于：基于多期相醫(yī)學(xué)圖像數(shù)據(jù)，通過分結(jié)構(gòu)、分策略的模塊化處理方式，能夠?qū)崿F(xiàn)肝臟內(nèi)多個關(guān)鍵血管系統(tǒng)的精細(xì)化提取與三維建模。肝膽管通過結(jié)構(gòu)追蹤方式實現(xiàn)路徑級識別，肝動脈通過改進(jìn)型對比度提取增強(qiáng)邊緣清晰度與微支定位能力，門靜脈引入方向性分割分析方法強(qiáng)化其結(jié)構(gòu)連續(xù)性與分支完整性，肝靜脈則結(jié)合門靜脈方向信息進(jìn)行分支角度判別，提升結(jié)構(gòu)歸屬判斷的準(zhǔn)確率。通過以肝動脈為基準(zhǔn)的多結(jié)構(gòu)彈性配準(zhǔn)及控制點網(wǎng)絡(luò)構(gòu)建，實現(xiàn)多血管結(jié)構(gòu)的統(tǒng)一空間對齊與三維可視化表達(dá)。相較于現(xiàn)有基于單結(jié)構(gòu)或統(tǒng)一分割模型的處理方式，本發(fā)明能夠充分利用不同圖像期相和結(jié)構(gòu)間的解剖關(guān)系特征，具備結(jié)構(gòu)識別精準(zhǔn)、配準(zhǔn)魯棒性高、三維建模連續(xù)性強(qiáng)等突出技術(shù)優(yōu)勢，顯著提升臨床診斷輔助系統(tǒng)的解剖還原能力與智能化水平。附圖說明[0024]通過閱讀參照以下附圖所作的對非限制性實施所作的詳細(xì)描述，本申請的其它特圖1示出了一實施例的一種三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分割方法的步驟流程圖；圖2示出了一實施例的一種多期相圖像區(qū)域識別方法的步驟流程圖；圖3示出了一實施例的一種多區(qū)域結(jié)構(gòu)關(guān)聯(lián)定位方法的步驟流程圖。具體實施方式[0025]下面結(jié)合附圖對本發(fā)明專利的技術(shù)方法進(jìn)行清楚、完整的描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域所屬的技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的[0026]此外，附圖僅為本發(fā)明的示意性圖解，并非一定是按比例繪制。圖中相同的附圖標(biāo)記表示相同或類似的部分，因而將省略對它們的重復(fù)描述。附圖中所示的一些方框圖是功能實體，不一定必須與物理或邏輯上獨(dú)立的實體相對應(yīng)?？梢圆捎密浖问絹韺崿F(xiàn)功能實體，或在一個或多個硬件模塊或集成電路中實現(xiàn)這些功能實體，或在不同網(wǎng)絡(luò)和/或處理器方法和/或微控制器方法中實現(xiàn)這些功能實體。但是這些單元不應(yīng)當(dāng)受這些術(shù)語限制。使用這些術(shù)語僅僅是為了將一個單元與另一個單元進(jìn)行區(qū)分。舉例來說，在不背離示例性實施例的范圍的情況下，第一單元可以被稱為第二單元，并且類似地第二單元可以被稱為第一單元。這里所使用的術(shù)語更多所列出的相關(guān)聯(lián)項目的任意和所有組合。[0028]請參閱圖1至圖3,本申請?zhí)峁┝艘环N三維肝膽管、肝動脈、門靜脈及肝靜脈圖像分S1、獲取肝臟區(qū)域的多期相醫(yī)學(xué)圖像數(shù)據(jù)；一實施例中，本發(fā)明所述的多期相醫(yī)學(xué)圖像數(shù)據(jù)包括來源于同一受檢者的多模態(tài)圖像序列，具體包括動脈期CT圖像數(shù)據(jù)、門靜脈期CT圖像數(shù)據(jù)、平衡期(延遲期)CT圖像數(shù)據(jù)司生產(chǎn)的RevolutionCT(256層)臨床級螺旋CT掃描儀。所采集的每層圖像切片厚度不大于衡期(延遲期)掃描：注射后180秒；掃描參數(shù)包括層厚1mm、螺流采用自動調(diào)節(jié)方式。T2加權(quán)MRI圖像數(shù)據(jù)采集使用3.0T高場強(qiáng)MRI掃描儀，如GESignaPioneer3.0T系統(tǒng)或西門子MAGNETOMSkyra3.0T系統(tǒng)。采用橫斷位快速自旋回波序列(FSE),參數(shù)設(shè)置包括：回波時間(TE)為80~100ms,重復(fù)時間(TR)為4000~6000ms,層厚不大于3mm,矩陣分辨率不低于256×256,確保足夠的軟組織對比度以識別肝膽管結(jié)構(gòu)。[0029]S2、對多期相醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行區(qū)域識別，分別得到肝膽管區(qū)域數(shù)據(jù)、肝動脈區(qū)域數(shù)據(jù)、門靜脈區(qū)域數(shù)據(jù)以及肝靜脈區(qū)域數(shù)據(jù)；一實施例中，采用基于U-Net++結(jié)構(gòu)的三維深度卷積神經(jīng)網(wǎng)絡(luò)模型，針對肝臟關(guān)鍵11解剖結(jié)構(gòu)分別構(gòu)建獨(dú)立的語義分割模型。所涉及的結(jié)構(gòu)包括肝膽管；肝動脈；門靜脈；肝靜脈。所述U-Net++模型(又稱NestedU-Net)引入深層監(jiān)督機(jī)制與密集跳躍連接。網(wǎng)絡(luò)輸入為三維立方體圖像塊(3Dpatch),尺寸為64×64×64體素，經(jīng)過灰度歸一化與體素尺寸重采樣處理。輸出為結(jié)構(gòu)概率圖，即每個體素在所屬類別上的預(yù)測概率。為提升分割準(zhǔn)確性及解剖結(jié)構(gòu)區(qū)分度，不同解剖結(jié)構(gòu)主要基于其最佳可視化期相圖像進(jìn)行建模：肝膽管模型主要基于延遲期圖像；肝動脈模型主要基于動脈期圖像；門靜脈主要基于門靜脈期圖像，肝靜脈模型主要基于T2加權(quán)MRI圖像數(shù)據(jù)。模型訓(xùn)練過程中，采用Dice系數(shù)損失與聚焦損失函數(shù)的加權(quán)組合作為總損失函數(shù)，以兼顧前景類別的重疊度與對難分樣本的關(guān)注，顯著緩解類別不平衡問題。[0030]S3、對肝膽管區(qū)域數(shù)據(jù)進(jìn)行結(jié)構(gòu)追蹤，得到肝膽管定位數(shù)據(jù)；對肝動脈區(qū)域數(shù)據(jù)進(jìn)行改進(jìn)型對比度提取，得到肝動脈定位數(shù)據(jù)；對門靜脈區(qū)域數(shù)據(jù)進(jìn)行方向性分割分析，得到門靜脈定位數(shù)據(jù)；對肝靜脈區(qū)域數(shù)據(jù)以及門靜脈定位數(shù)據(jù)進(jìn)行分支角度提取，得到肝靜脈定位數(shù)據(jù)；一實施例中，在圖像中心前20個切片范圍內(nèi)，由操作者手動選取灰度值最大的體素作為肝門區(qū)域起始點。該點通常位于膽總管或肝總管入口位置，亦可根據(jù)解剖模型自動識別獲得。以初始點為起點，采用FastMarching方法構(gòu)建基于速度函數(shù)的前向傳播距離場，為路徑搜索提供整體能量分布引導(dǎo)。在距離場中使用最小代價路徑搜索算法(如Dijkstra)提取從初始點出發(fā)、通向各分支末端的最短能量路徑，重構(gòu)肝膽管的樹狀中心線結(jié)構(gòu)。起始點由操作者在圖像中心前20個切片中手動選擇灰度值最大的體素，作為肝門區(qū)域初始點；該區(qū)域?qū)?yīng)膽總管或肝總管入口位置，可根據(jù)解剖結(jié)構(gòu)亦支持自動識別替代。設(shè)置生長約束條件：鄰域方向一致性>0.7,通過Hessian矩陣的主方向計算相鄰體素間的結(jié)構(gòu)一致性；保證追蹤路徑沿血管/膽管方向連續(xù)生長，抑制橫向誤擴(kuò)散。分割概率圖值>0.4;該概率圖來源于前述U-Net++模型輸出的結(jié)構(gòu)概率圖；表征當(dāng)前體素屬于肝膽管結(jié)構(gòu)的可信程度。輸出為肝膽管三維樹狀結(jié)構(gòu)的中心線數(shù)據(jù)，表現(xiàn)為由多個關(guān)鍵點構(gòu)成的空間曲線。[0031]輸入圖像為經(jīng)標(biāo)準(zhǔn)化處理后的動脈期增強(qiáng)CT圖像。圖像已完成灰度歸一化及體素尺寸重采樣(統(tǒng)一為1×1×1mm3)。對動脈期圖像應(yīng)用三維Frangi濾波器，以增強(qiáng)細(xì)長、管狀結(jié)構(gòu)的局部對比度；濾波器參數(shù)設(shè)置為多尺度范圍σ=0.5至2.5,步長為0.5;Frangi濾波器通過Hessian矩陣的特征值分析局部結(jié)構(gòu)形態(tài)，對線狀結(jié)構(gòu)具有良好響應(yīng)。在增強(qiáng)圖像中，采用局部窗口內(nèi)的灰度均值μ與標(biāo)準(zhǔn)差σ構(gòu)建動態(tài)閾值；若某體素灰度值>μ+1.2σ,則判斷為前景體素；該方法可有效應(yīng)對圖像亮度不均及局部對比度差異問題。將前述分割結(jié)果與肝臟區(qū)域Mask進(jìn)行邏輯與操作，僅保留肝臟范圍內(nèi)的高響應(yīng)區(qū)域；肝臟區(qū)域Mask由前述肝臟分割模型獲得。對裁剪后的三維分割結(jié)果進(jìn)行連通域分析；僅保留體素數(shù)量大于500的前3個最大連通區(qū)域，以去除離散噪聲與偽響應(yīng)區(qū)域；輸出的三維掩膜代表肝動脈主干及其顯著分支結(jié)構(gòu)。使用SimpleITK庫進(jìn)行三維圖像濾波與分割，結(jié)合NumPy進(jìn)行數(shù)值計算與連通域分析。上述工具均為開源科學(xué)計算庫，適用于醫(yī)學(xué)影像處理場景。[0032]對增強(qiáng)CT圖像中的門靜脈期圖像進(jìn)行方向濾波處理，采用可調(diào)方向濾波器組，設(shè)定方向數(shù)為N=12。該步驟用于增強(qiáng)圖像中呈線性分布的血管結(jié)構(gòu)，并獲得每個像素在各個方向上的響應(yīng)強(qiáng)度。對每個像素點，記錄其在12個方向上的濾波響應(yīng)中最大值對應(yīng)的方向角度，從而形成全圖的方向向量場。采用K-Means聚類算法(K=3)對方向場進(jìn)行聚類分析，并提取出現(xiàn)頻率最高的方向作為主導(dǎo)方向。以主方向為引導(dǎo)，構(gòu)建16×16像素大小的方向?qū)R二維切片窗口。利用訓(xùn)練好的二維卷積神經(jīng)網(wǎng)絡(luò)(2DCNN),對每個窗口中心像素進(jìn)行門靜脈/非門靜脈的二分類判斷，從而實現(xiàn)對門靜脈路徑的識別與分割。將上述識別結(jié)果按空間位置重構(gòu)為三維體素結(jié)構(gòu)，生成門靜脈分割掩碼。同時，依據(jù)主導(dǎo)方向進(jìn)行路徑追蹤，獲得門靜脈的方向性中心線軌跡。輸出包含兩個部分，三維門靜脈體素掩碼，用于表示門靜脈結(jié)構(gòu)的空間分布；基于主導(dǎo)方向提取的中心路徑，用于表示血管的主干走向。[0033]輸入動脈期圖像與門靜脈路徑數(shù)據(jù)；門靜脈中心線由前述U-Net++分割模型與最小路徑追蹤方法獲得；所用圖像為靜脈期圖像(增強(qiáng)延遲后60~90秒所得)?；陂T靜脈中心線的三維路徑，識別所有具有三叉或多叉結(jié)構(gòu)的分支節(jié)點；分支點的判定依據(jù)為路徑節(jié)點的連接度數(shù)(degree)≥3,或方向變化超過特定角度閾值。在每個分支點處構(gòu)建球形鄰域區(qū)域，半徑設(shè)置為8體素，覆蓋所有分支結(jié)構(gòu)；區(qū)域內(nèi)提取其余血管路門靜脈主分支方向與鄰域內(nèi)其他路徑方向之間的三維夾角(基于向量余弦);若夾角位于構(gòu)建半徑為8體素的球形空間鄰域N(pb,r=8);在鄰域內(nèi)提取所有路徑線段，并計算其主方向向量；計算鄰域路徑與主干方向的三維夾角；若滿足以下條件，即標(biāo)記為肝靜脈候選路序號∈[1,10])或靠近下腔靜脈出口區(qū)域(如肝靜脈上腔段中心坐標(biāo)附近3cm內(nèi))。對候選路徑采用三維脊線提取算法進(jìn)行細(xì)化；使用基于最小代價圖割的圖優(yōu)化方法提取精確中心路徑，以排除多余噪聲或歧路。輸出為肝靜脈主路徑的三維中心線表示。[0034]S4、根據(jù)肝膽管定位數(shù)據(jù)、肝動脈定位數(shù)據(jù)、門靜脈定位數(shù)據(jù)以及肝靜脈定位數(shù)據(jù)進(jìn)行彈性配準(zhǔn)，得到彈性配準(zhǔn)數(shù)據(jù)；根據(jù)彈性配準(zhǔn)數(shù)據(jù)進(jìn)行三維可視化作業(yè)。[0035]一實施例中，對肝臟醫(yī)學(xué)圖像中的多類血管結(jié)構(gòu)(包括肝動脈、門靜脈、肝靜脈及肝膽管),采用基于B-Spline非剛性變形模型的彈性配準(zhǔn)技術(shù)，將各結(jié)構(gòu)對齊至統(tǒng)一的空間參考坐標(biāo)系。配準(zhǔn)過程基于開源圖像處理平臺Elastixv4.9實現(xiàn)，具體包括固定門靜脈結(jié)構(gòu)掩碼圖，作為空間配準(zhǔn)的參考坐標(biāo)系。將肝動脈、肝膽管、肝靜脈三類結(jié)構(gòu)的掩碼圖作為待配準(zhǔn)目標(biāo)。采用基于B-Spline的非剛性變形模型，支持局部彈性對齊；設(shè)置網(wǎng)格間距如32像素，用于控制變形網(wǎng)格的精細(xì)程度；設(shè)置主度量函數(shù)為互信息，用于對灰度圖之間的強(qiáng)度分布進(jìn)行比對；輔助度量為結(jié)構(gòu)相似性指標(biāo)(SSIM),提升結(jié)構(gòu)對齊準(zhǔn)確度；采用自適應(yīng)隨機(jī)梯度下降優(yōu)化器進(jìn)行度量計算；采用金字塔配準(zhǔn)方法，設(shè)定分辨率層級為3層，從低分辨率逐層優(yōu)化至原始分辨率。基于Elastixv4.9實現(xiàn)，亦支持采用AdvancedNormalizationTools(ANTs)等開源平臺進(jìn)行擴(kuò)展。輸出為肝動脈、肝膽管、肝靜脈三類結(jié)構(gòu)在統(tǒng)一空間坐標(biāo)系下的變形掩碼圖；同時生成對應(yīng)的三維非剛性形變場。成對應(yīng)的三角面片網(wǎng)格(PolyData);為每個結(jié)構(gòu)分配唯一顏色編碼，例如肝動脈：紅色；門提供模型數(shù)據(jù)的讀取與接口服務(wù)，前端通過WebGL實現(xiàn)模型渲染，前后端通過HTTP通信聯(lián)動。實現(xiàn)無需客戶端安裝即可在線瀏覽分割結(jié)果的功能，支持醫(yī)生、研究人員在多端訪問結(jié)構(gòu)模型。[0037]優(yōu)選地，其中多期相醫(yī)學(xué)圖像數(shù)據(jù)包括動脈期CT圖像數(shù)據(jù)、門靜脈期CT圖像數(shù)據(jù)、平衡期CT圖像數(shù)據(jù)以及T2加權(quán)MRI圖像數(shù)據(jù)，所述對多期相醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行區(qū)域識別，分別得到肝膽管區(qū)域數(shù)據(jù)、肝動脈區(qū)域數(shù)據(jù)、門靜脈區(qū)域數(shù)據(jù)以及肝靜脈區(qū)一實施例中，使用門靜脈期增強(qiáng)CT圖像作為輸入數(shù)據(jù)，該期相在注射造影劑后約60秒進(jìn)行采集，肝臟實質(zhì)與周圍組織對比度最為清晰。將圖像灰度強(qiáng)度限制在[-100,300]Hounsfield單位(HU)之間，去除異常低密度與高密度值，增強(qiáng)肝實質(zhì)組織的灰度對比度。對圖像進(jìn)行各向同性的體素重采樣，使其空間分辨率統(tǒng)一為1×1×1mm3,以便適配網(wǎng)絡(luò)輸入與增強(qiáng)特征一致性。采用三維U-Net結(jié)構(gòu)進(jìn)行肝臟區(qū)域的語義分割；網(wǎng)絡(luò)輸入為預(yù)處理后的標(biāo)準(zhǔn)化CT圖像，輸出為概率圖；網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)包括公開的LiverTumorSegmentationChallenge(LiTS)數(shù)據(jù)集與本項目構(gòu)建的臨床手工標(biāo)注樣本；標(biāo)簽僅包含完整肝臟區(qū)域，不包括肝內(nèi)血管及膽管結(jié)構(gòu)，確保mask邊界清晰。對分割結(jié)果進(jìn)行三維連通域分析，僅保留體素數(shù)量最大的區(qū)域，去除誤檢偽影或非肝臟區(qū)域響應(yīng)。對掩碼執(zhí)行形態(tài)學(xué)閉操作，采用球形結(jié)構(gòu)元素(半徑2~3體素),填補(bǔ)邊緣小孔洞并平滑邊界曲線。輸出為三維二值掩碼圖像構(gòu)定位的準(zhǔn)確性與計算效率。[0038]S22、根據(jù)肝臟區(qū)域數(shù)據(jù)以及動脈期CT圖像數(shù)據(jù)進(jìn)行肝動脈區(qū)域確定，得到肝動脈區(qū)域數(shù)據(jù)；一實施例中，輸入為動脈期CT圖像，該期相中肝動脈結(jié)構(gòu)表現(xiàn)為高對比增強(qiáng)狀態(tài)。調(diào)用獲得的肝臟掩碼，對CT圖像進(jìn)行空間裁剪，僅保留肝臟區(qū)域內(nèi)的圖像體素，排除肝外干(σ∈[0.5,2.5])增強(qiáng)具有管狀特征的血管結(jié)構(gòu)。對Frangi濾波結(jié)果應(yīng)用預(yù)設(shè)的閾值T,設(shè)定為圖像均值μ加1.5倍標(biāo)準(zhǔn)差σ(T=μ+1.5·σ),以分割出響應(yīng)強(qiáng)烈的血管區(qū)域。對血管分割結(jié)果進(jìn)行三維形態(tài)學(xué)細(xì)化，提取一像素寬度的血管中心線路徑。以距離肝門區(qū)域中心最近的中心線點作為起始點，執(zhí)行基于中心線的血管結(jié)構(gòu)追蹤與生長過程。對提取的血管網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)篩選，剔除與肝臟區(qū)域無連通的假陽性血管段，僅保留主干及其兩級以內(nèi)的血管分支結(jié)構(gòu)，即限制保留至主干至第三級節(jié)點的結(jié)構(gòu)路徑。[0039]S23、根據(jù)肝臟區(qū)域數(shù)據(jù)以及平衡期CT圖像數(shù)據(jù)進(jìn)行肝靜脈區(qū)域識別，得到肝靜脈區(qū)域數(shù)據(jù)；一實施例中，輸入平衡期CT圖像，為在注射造影劑后約120-180秒采集；平衡期圖像中，靜脈血管與肝實質(zhì)間的密度對比明顯，適合肝靜脈識別；同時加載獲得的肝臟區(qū)域三維掩碼(肝臟區(qū)域數(shù)據(jù))作為空間裁剪依據(jù)。使用肝臟掩碼對原始圖像進(jìn)行裁剪，僅保留肝臟區(qū)域內(nèi)的圖像體素，排除非肝區(qū)域干擾。對裁剪圖像應(yīng)用三維方向可調(diào)濾波器(3DSteerableFilter)或多方向Gabor濾波器；出肝靜脈走向。對增強(qiáng)圖像應(yīng)用Otsu自適應(yīng)閾值分割算法，得到二值圖像；Otsu方法通過分析圖像直方圖，自動選擇最優(yōu)分割閾值，適用于雙峰分布場景。對所有連通區(qū)域進(jìn)行特征分析，保留滿足以下條件的候選肝靜脈區(qū)域：主軸方向接近Z軸(縱軸):即結(jié)構(gòu)主方向與Z軸夾角小于30°;分支數(shù)目大于2:通過骨架提取與節(jié)點統(tǒng)計計算分支數(shù)量；區(qū)域中心接近肝頂部，即區(qū)域中心Z坐標(biāo)位于肝mask頂部10%體素范圍內(nèi)。以篩選出的頂部靜脈區(qū)域為起點，采用FastMarching路徑追蹤算法；構(gòu)建代價圖，以血管響應(yīng)值為反函數(shù)，追蹤至下方肝臟內(nèi)部路徑；提取連續(xù)路徑并生成肝靜脈的主干與分支中心線。輸出肝靜脈區(qū)域掩碼，三維二值圖像，標(biāo)記靜脈所在區(qū)域；結(jié)構(gòu)中心路徑圖，肝靜脈主干與其分支的三維中心線，表示為連續(xù)坐標(biāo)點集。[0040]S24、根據(jù)肝臟區(qū)域數(shù)據(jù)進(jìn)行方向性引導(dǎo)分割，得到門靜脈區(qū)域數(shù)據(jù)；一實施例中，輸入為門靜脈期CT圖像以及與之對應(yīng)的肝臟區(qū)域掩碼。在肝臟掩碼所限定區(qū)域內(nèi)，基于圖像強(qiáng)度值計算各體素的Hessian矩陣，并獲取主曲率方向，從而構(gòu)建體素級的方向梯度向量場。該方向場用于表示局部血管結(jié)構(gòu)的主走向。在肝門區(qū)域(肝門靜脈主干起點)定義一個球形感興趣區(qū)域，作為路徑追蹤的起始點。該區(qū)域可基于解剖定位或醫(yī)生標(biāo)注自動生成。以起始點為中心，沿方向場中每個體素的主方向(如最大曲率方向)執(zhí)行路徑追蹤操作。路徑追蹤方法采用管狀結(jié)構(gòu)追蹤算法(TubeTracking),或者，基于方向一致性的FluxVoting方法。追蹤過程中逐步建立門靜脈的主干路徑圖。以路徑圖為引導(dǎo)骨架，結(jié)合周圍體素的灰度特征執(zhí)行局部區(qū)域生長操作，獲得門靜脈整體分割結(jié)果。區(qū)域生長過程中使用以下增強(qiáng)策略以提高精度和魯棒性，在路徑追蹤區(qū)域內(nèi)引入局部最大強(qiáng)度投影，以增強(qiáng)小血管和橫向支流的連續(xù)性表現(xiàn)；設(shè)定區(qū)域生長方向與局部主方向之間的余弦相似度閾值cs(如cs>0.7),以限制生長僅沿血管主軸方向擴(kuò)展，防止錯誤分割進(jìn)入非血管區(qū)域；構(gòu)建初步路徑圖表示門靜脈主干走向。輸出包括門靜脈區(qū)域的三維體素掩碼；追蹤得到的門靜脈中心路徑圖；門靜脈支流結(jié)構(gòu)，表示為樹形路徑或空間點集形式。[0041]S25、根據(jù)肝臟區(qū)域數(shù)據(jù)以及T2加權(quán)MRI圖像數(shù)據(jù)進(jìn)行肝膽管區(qū)域識別，得到肝膽管區(qū)域數(shù)據(jù)。[0042]一實施例中，基于T2加權(quán)磁共振成像圖像與肝臟結(jié)構(gòu)數(shù)據(jù)，識別并提取肝膽管區(qū)域。輸入圖像為T2加權(quán)MRI圖像，因其在該序列下肝膽管結(jié)構(gòu)具有良好的信號對比，適用于膽管提??；將T2MRI圖像通過剛性配準(zhǔn)方式CT圖像中的肝臟掩碼通過空間變換映射到MRI圖像中，并據(jù)此裁剪出肝臟區(qū)域MRI圖像體素，排除肝外干擾組織。對裁剪后的MRI圖像應(yīng)用局部對比度增強(qiáng)與灰度歸一化，包括直方圖均衡化；直方圖匹配。使用三維卷積神經(jīng)網(wǎng)絡(luò)(如ResUNet3D)進(jìn)行膽管結(jié)構(gòu)的自動分割。網(wǎng)絡(luò)采用編碼-解碼結(jié)構(gòu)，融合多尺度特征與殘差連接，適用于肝膽管等細(xì)長結(jié)構(gòu)的精準(zhǔn)提取。在模型訓(xùn)練階段，針對膽管與膽囊在T2圖像中信號相近、易被混淆的問題，專門對膽管與膽囊區(qū)域設(shè)置獨(dú)立標(biāo)簽，提升模型的判別能力并減少誤分割。對分割結(jié)果執(zhí)行后處理操作，包括分析膽管結(jié)構(gòu)是否與肝門區(qū)域連通，用以識別有效分支；剔除孤立、斷裂或因噪聲干擾導(dǎo)致的偽影區(qū)域，提升分割結(jié)構(gòu)的解剖合理性與可追蹤性。輸出為肝膽管的三維體素[0043]優(yōu)選地，所述根據(jù)肝臟區(qū)域數(shù)據(jù)進(jìn)行方向性引導(dǎo)分割，得到門靜脈區(qū)域數(shù)據(jù)，包為計算Y方向梯度的一階微分卷積核，Gz為Z方向的強(qiáng)度變化率，K?為計算Z方向一實施例中，對體素灰度梯度數(shù)據(jù)進(jìn)行選取梯度幅值大于全圖95%分位數(shù)的體素方式為：;=v:/lv;ll,其中，;為第i個點的單位方向向量，V;為第i個點的方向矢方向矢量在x方向上的分量，Yi為第i個點的方向矢量在Y方向上的分量，Zi為第i個示兩方向之間的余弦值，越大表示方向越一致，Ci為聚類索引，指明V;屬于哪個方向聚一實施例中，每個主方向聚類數(shù)據(jù)初始化為對稱二階張量T=T'(p)=∑qEN(p)w(Ⅱp-qⅡ)·T(q),T'(p)為點P的加權(quán)后結(jié)構(gòu)張量，N(p)為點與鄰點9之間的歐幾里得距離，T(q)為點9處的原始結(jié)構(gòu)張量llp-qⅡ,σ為控制高斯分布寬度的尺度參λ3為另一個次要特征值；通過主特征值與總能量比值λ?/(λ?+λ2+λ3),得到方向一致性指標(biāo)；血管走向場數(shù)據(jù)包括主方向矢量場，每個體素對域數(shù)據(jù)。量計算得到的主方向圖);歷史標(biāo)注數(shù)據(jù)為手工精標(biāo)或半自動標(biāo)注的門靜脈結(jié)構(gòu)區(qū)域掩碼動窗口區(qū)域，獲取當(dāng)前體素點的空間方向向量=(vx,Vy,V?),該方向來自于前述方向場通道乘以加權(quán)系數(shù)w=1.5~2.0;對其余方向響應(yīng)進(jìn)行保持或抑制，從而模擬高通激勵行q,其方向一致性權(quán)重定義為方向加權(quán)后的卷積響應(yīng)表示為為層數(shù)據(jù)以及高層特征層數(shù)據(jù)，其中淺層邊緣層處理通過Sobel/LoG濾波器或邊緣通道卷積一實施例中，分別對輸入體素圖像I(x,y,z)在三個方向(x,y,z)上進(jìn)行一階梯度計算：0x=I×Kx,9y=I×Ky,9z=I×Kz,其中0x為在X方向上的一階梯度響Z方向上的一階梯度卷積核。計算邊緣響應(yīng)值E(x,y,z)為梯度幅值圖，梯度幅值圖E將作為淺層邊緣通道輸入，用于邊界區(qū)域顯著增[0051]為獲取血管結(jié)構(gòu)的全局上下文特征，使用3D版本的ResNet-1機(jī)制模塊(如SE模塊或空間注意力模塊),以加強(qiáng)顯著邊緣特征響應(yīng)，提升邊緣與全局語義向引導(dǎo)流輸出頭，生成每個體素對應(yīng)的方向向量信息，(方向向量圖或張量一致性圖),對方向分支輸出進(jìn)行引導(dǎo)?？倱p失函數(shù)由結(jié)構(gòu)損失與方向,其中Vpred為網(wǎng)絡(luò)預(yù)測的方向向量，▽gt為標(biāo)簽方向向量。為同時生成結(jié)構(gòu)掩碼與方向向向量。部卷積加權(quán)；輸出為方向置信度圖C(x,y,z)∈[0,1],表示每個體素方向一致性(例如：Mfused(x,y,z)=σ(Conv3D(D))·C(x,y,z),其中σ為激活函數(shù)，Conv3D為三維卷積[0056]方式二：方向引導(dǎo)流數(shù)據(jù)輸入方向注意力模塊；輸出每通道的權(quán)重圖αc=fatt(G),c=1,2,.….C,α。為第C通道的權(quán)重系數(shù)，表示該通道與方向引導(dǎo)一致的程度，fatt(G)為用于從方向引導(dǎo)流G中計算每個通道權(quán)重的函數(shù)模塊，C為特征圖中為特征圖的總通道數(shù)，對輸出mask圖做通道級引導(dǎo)的特征圖D(x,y,z,c)'。由調(diào)控后的特征圖D(x,y,z,C)'經(jīng)3D卷積輸出方向增強(qiáng)的分割結(jié)根據(jù)圖像尺寸將其歸一化為：,得到的三通道張量記錄每個位置的素密度質(zhì)心Co=(Xc,yc,Zc),也可選用形態(tài)學(xué)中心點提取方法作為增強(qiáng)穩(wěn)定性的域張量S(x,y,z),其定義為：S(x,y,z)=α·D(x,y,z)+β·G(x,y,z),S(x,y,z)為空間引導(dǎo)域值，α為距離場權(quán)重系數(shù)，表征當(dāng)前體素到中心點的距離場的權(quán)重，為1.0,量S(x,y,z)將用于方向一致性增強(qiáng)處理與路徑代價函數(shù)建模，為肝膽管結(jié)構(gòu)追蹤提供空量T。對平滑張量T進(jìn)行特征值分解，得到三組特征值λ1≥λ2≥λ3。其中若徑代價函數(shù)為，組具有不同空間方向的三維卷積核fa,其方向集合定義為：D={±15°,±30°,±45°inX/Y/Z軸及對角方向},其中±15°,±30°,±45°inX/Y/Z軸及對角方向為在x/y/z軸向上以合中的一個方向，D為方向集合；每個體素取所有方向中最大響應(yīng)值作為增強(qiáng)值： 一個方向(例如沿Z軸偏移+30°),max為最大化函數(shù)。同時記錄響應(yīng)最大的方向編號： arg為最優(yōu)方向索引圖函數(shù)，求每個體素在所有方向中響應(yīng)值最大的方向編號，Ra(x,y,z)為單方向響應(yīng)圖，圖像在方向d上的卷積響應(yīng)值，反映該方向上血管或邊緣結(jié),E(x,y,z)為邊緣響應(yīng)圖/梯度幅值圖，反映圖分析(局部窗口標(biāo)準(zhǔn)差以及局部均值，窗口大小為3×3×3或5×5×5)生成對比圖： 示區(qū)域?qū)Ρ榷仍矫黠@，Olocal為局部標(biāo)準(zhǔn)差，以當(dāng)前體素為中心的局部區(qū)域(如3×3×3或5×5×5)內(nèi)的灰度標(biāo)準(zhǔn)差，反映紋理變化幅度，Hlocal為局部均值，同均值，用于歸一化對比度強(qiáng)度，∈為防零偏移項，小常數(shù)，防止分母為0,常取∈=10-?~10-3。通過上述得到邊緣敏感性圖為：重系數(shù)，控制局部對比度在融合中的權(quán)重，設(shè)為0.4,C(x,y,z)為局部對比度圖，設(shè)置Y?=0.6,y?=0.4.一實施例中，對于第一肝動脈粗定位數(shù)據(jù)D1和第二肝動脈粗定位數(shù)據(jù)D2,分別因子(向量),大小為C×1×1×1,用于調(diào)控每個通道的響應(yīng)強(qiáng)度，σ為Sigmoid激活函數(shù)，輸出范圍為(0,1),G1oba1AvgPoo1(D)為對輸入特征圖D在空間維度(x,y,z)做平均，加權(quán)響應(yīng)圖，計算得到的通道注意力因子，D1為第一肝動脈粗定位數(shù)據(jù)， 為加入通道注意力后的第二肝動脈加權(quán)響應(yīng)圖，A(2)為針對D?計算得到的通道注意力因子，D?為第二肝動脈粗定位數(shù)據(jù)。加入spatialattention(空間注意力):A?(x,y,z)=Conv3D?×1×1(Concat(AvgPoo1(D),MaxPoo1(D))),A?(x,y,z)為空間注意力圖，對每個體素位點輸出一個權(quán)重因子(范圍出1通道的空間權(quán)重圖，Concat為在通道維度拼接兩張池化圖，生成2×H×W×D特征圖，AvgPool(D)為在通道維度上對D做平均池化，MaxPool(D)為在通道維度上對D做最大池化。使得·D?,為同時加入通道與脈粗定位數(shù)據(jù)。據(jù)。合定位圖(置信度融合結(jié)果),W?為第一圖的動態(tài)歸一化權(quán)重，D1*(x,y,z)為第一肝動脈加權(quán)定位圖(如邊緣感知圖或方向一致圖),W?為第二圖的動態(tài)歸一化權(quán)重，D為第二肝動脈加權(quán)定位圖(如方向感知圖或注意力輸出圖);,W?為第一圖的動態(tài)歸一化權(quán)重，W2為第二圖的動態(tài)歸一化權(quán)重，D1*(x,y,z)為第一肝動脈加權(quán)定位圖(如邊緣感知圖或方向一致圖),D2*(x,y,z)為第二肝動脈加權(quán)定位圖(如方向感知圖或注意力輸出圖),∈為防止除零的微小常數(shù)，取值如10-?;對融合圖F(x,y,z)設(shè)置置信度閾值(如T=0.6),生成二值化掩碼圖：一實施例中，門靜脈區(qū)域圖像I(x,y,z)進(jìn)行三維一階微分(可用Sobel、Prewitt或Scharr):,VI(x,y,z)為梯度向量，當(dāng)前體素的三維方向梯度y位置，Z為體素在三維圖像中的Z位置。在每個體素周圍的窗口(如5×5×5)內(nèi)，計TCx,y,2)為局部結(jié)構(gòu)張量，部窗口內(nèi)每個體素坐標(biāo)的索引，N(x,y,z)為鄰域索引