CN106709930B - 三维医学图像的感兴趣体积分割方法及装置 - Google Patents

Abstract

本发明提供了一种三维医学图像的感兴趣体积分割方法及装置，医学图像感兴趣体积分割方法包括：获取三维医学图像；获取二维医学图像的初始种子点；在所述初始种子点所在的当前图像层和邻近图像层，根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点；基于所述最终种子点获取所述三维医学图像的感兴趣体积的分割结果。本发明的技术方案能够根据用户提供的初始种子点智能化找到对于分割感兴趣体积来说的最佳种子点，基于最佳种子点进行分割，有效提高三维医学图像内感兴趣体积分割的准确性。进一步的，感兴趣体积的分割结果稳定，不会由于用户选择的种子点位置不同而出现不同的分割结果。

Description

三维医学图像的感兴趣体积分割方法及装置

技术领域

本发明涉及医学图像领域，特别涉及三维医学图像的感兴趣体积分割方法及装置。

背景技术

对三维医学图像中感兴趣体积的分割，可以用来观察和分析感兴趣体积的形态、特征、相关病理情况以及进行图像重构、融合等。

一般来说，分割方法主要有以下几种：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及一些基于特定理论的分割方法。而在实际分割时，根据是否需要人工参与，还可以分为自动分割方法、半自动分割方法或者是完全由用户(医生、技师)进行感兴趣体积勾勒的分割。对于半自动分割，通常会由用户选择三维医学图像内感兴趣体积的一个或多个种子点，之后基于不同的分割算法进行感兴趣体积的分割。

发明人在实现本发明的过程中发现，在三维医学图像内选择种子点时，由于三维医学图像是以一组二维医学图像的形式展示给用户，用户实际是在二维医学图像上选择种子点，在选择时通常并不完全知晓(也很难知晓)正在选择的当前图像层的前后图像层的情况，即使上下翻动不同图像层，也很难进行各个图像层的对比，因此通常只是根据经验进行种子点的选择，而种子点选择的不同会导致最终三维医学图像内感兴趣体积分割的不同，若种子点选择的好可以大大增加分割结果的准确性，便于疾病的准确诊断。

发明内容

本发明要解决的问题是提供一种三维医学图像的感兴趣体积分割方法及装置，解决三维医学图像内感兴趣体积分割不准确的问题。

为解决上述问题，本发明提供了一种三维医学图像的感兴趣体积分割方法，包括：获取三维医学图像；获取二维医学图像的初始种子点，所述二维医学图像是所述三维医学图像内的一个图像层，所述初始种子点是关于感兴趣体积的种子点；在所述初始种子点所在的当前图像层和邻近图像层，根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点；基于所述最终种子点获取所述三维医学图像的感兴趣体积的分割结果。

优选的，所述根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点包括：根据所述初始种子点分割所述三维医学图像的感兴趣体积，得到初始分割轮廓；将所述初始分割轮廓的关键点作为预设计算条件，将所述关键点作为最终种子点。

优选的，所述初始分割轮廓的关键点包括以下至少一种：初始分割轮廓的几何中心点、初始分割轮廓的重心或直方图统计的正态分布点。

优选的，所述预设计算条件包括以下至少一种：灰度最大值、灰度最小值、灰度均值、灰度局部最大值、灰度局部最小值或灰度局部均值。

优选的，所述预设范围包括以下的至少一种：长度、像素个数或者图像层的数目。

优选的，所述基于所述最终种子点分割所述三维医学图像的感兴趣体积的分割方法包括：直接在三维医学图像内分割感兴趣体积或由在二维医学图像分割得到的感兴趣区域轮廓构成感兴趣体积。

优选的，所述三维医学图像为磁共振图像、计算机断层图像或正电子发射断层图像。

为解决上述问题，本发明还提供了一种三维医学图像的感兴趣体积分割装置，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令，所述指令包括：获取三维医学图像；获取二维医学图像的初始种子点，所述二维医学图像是所述三维医学图像内的一个图像层，所述初始种子点是关于感兴趣体积的种子点；在所述初始种子点所在的当前图像层和邻近图像层，根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点；基于所述最终种子点获取所述三维医学图像的感兴趣体积的分割结果。

与现有技术相比，本发明的技术方案提供了一种三维医学图像的感兴趣体积分割方法及装置，能够根据用户提供的初始种子点智能化找到对于分割感兴趣体积来说的最佳种子点，基于最佳种子点进行分割，有效提高三维医学图像内感兴趣体积分割的准确性。进一步的，感兴趣体积的分割结果稳定，不会由于用户选择的种子点位置不同而出现不同的分割结果。

附图说明

图1是本发明一些实施例的计算机设备的结构示意图；

图2是本发明一些实施例的三维医学图像感兴趣体积分割方法的流程图；

图3是本发明一些实施例的三维医学图像示意图；

图4是本发明一些实施例的种子点选择界面示意图；

图5是本发明一些实施例的二维医学图像感兴趣区域的示意图；

图6是本发明一些实施例的根据预设条件计算最终种子点方法的流程图；

图7是本发明一些实施例的二维医学图像最终种子点的示意图；

图8是本发明一些实施例的分割算法中统计灰度直方图的示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是本发明一些实施例的计算机设备的结构示意图。计算机100可以被用于实现实施本发明一些实施例中披露的特定方法和装置。本实施例中的特定装置利用功能框图展示了一个包含显示模块的硬件平台。在一些实施例中，计算机100可以通过其硬件设备、软件程序、固件以及它们的组合来实现本发明一些实施例的具体实施。在一些实施例中，计算机100可以是一个通用目的的计算机，或一个有特定目的的计算机。

如图1所示，计算机100可以包括内部通信总线101，处理器(processor)102，只读存储器(ROM)103，随机存取存储器(RAM)104，通信端口105，输入/输出组件106，硬盘107，以及用户界面108。内部通信总线101可以实现计算机100组件间的数据通信。处理器102可以进行判断和发出提示。在一些实施例中，处理器102可以由一个或多个处理器组成。通信端口105可以实现计算机100与其他部件(图中未示出)例如：外接设备、图像采集设备、数据库、外部存储以及图像处理工作站等之间进行数据通信。在一些实施例中，计算机100可以通过通信端口105从网络发送和接受信息及数据。输入/输出组件106支持计算机100与其他部件之间的输入/输出数据流。用户界面108可以实现计算机100和用户之间的交互和信息交换。计算机100还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘107，只读存储器(ROM)103，随机存取存储器(RAM)104，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器102所执行的可能的程序指令。

图2是本发明一些实施例的三维医学图像感兴趣区域分割方法流程图，包括：步骤S201，获取三维医学图像。三维医学图像可以是由医学成像设备对患者进行扫描，之后再由计算机100对扫描数据进行数据重建，从而获取得到。三维医学图像本身可以是三维图像数据，也可以是由一组二维图像数据组成。三维医学图像可以临时/永久性存储在计算机100的硬盘107、只读存储器(ROM)103、随机存取存储器(RAM)104或者是外部存储设备内，以便在需要的时候由处理器102对三维医学图像进行读取、计算等相关操作。三维医学图像可以在计算机100的用户界面108处进行显示，以便医生查看。

三维医学图像在用户界面108进行展示时通常是以一组二维医学图像的形式，如图3所示，各二维医学图像301可以是根据医学成像设备采集得到的数据直接重建得到，也可以是根据医学成像设备采集得到的数据经过数据重构(例如多平面重构MPR，Multi-Planar Reconstruction)技术得到。二维医学图像可以是一组互相平行的横断位图像，也可以是根据MPR重构得到的矢状位、冠状位或者倾斜面的图像，也可以是由曲面重构技术(CPR，Curved Planar Reconstruction)得到的曲面图像。

在用户界面108处展示二维医学图像的显示界面可以参见图4，显示界面400通常包括多个显示区域，例如工具栏区域401、图像视窗区域402、图像视窗区域403、图像视窗区域404。当展示MPR图像时，通常同时在三个图像视窗(例如在图像视窗区域402、图像视窗区域403、图像视窗区域404)分别展示对应部位的横断位图像、冠状位图像以及矢状位图像，每个均是二维医学图像。在单个图像视窗可以向前或者向后翻动图像，从而看到前一图像层或者后一图像层的图像。

在一些实施例中，医学成像设备可以是X光机设备、磁共振成像设备(MR，MagneticResonance)、计算机断层成像设备(CT，Computed Tomography)、正电子发射成像设备(PET，Positron Emission Tomography)以及由上述多种成像设备组合而成的多模成像设备，例如PET-CT设备、PET-MR设备、RT-MR设备等。

步骤S202，在进行三维医学图像感兴趣体积的半自动分割时，需要由用户手动选择一个或者多个种子点，之后根据不同的分割算法进行感兴趣体积的分割。具体的，用户可以由输入/输出组件106在显示界面400的图像视窗的某个二维医学图像内选择种子点，该点作为初始种子点，从而计算机获取到二维医学图像的初始种子点。

用户选择的种子点是关于感兴趣体积的种子点，种子点通常被用来确定二维医学图像内的被选择像素是属于目标部分(感兴趣体积)还是背景部分，当确认完毕后，会根据不同的分割算法执行具体的感兴趣体积的分割。结合图5，图5是邻近几个横断位图像层的示意图，用户若想在三维医学图像内分割出肿瘤500(感兴趣体积)，由于肿瘤500在各横断位图像层上对应不同的感兴趣区域：感兴趣区域501、感兴趣区域502和感兴趣区域503，用户可以在任意一个横断位图像层的感兴趣区域内选择一个点作为表示感兴趣体积的初始种子点。在一些实施例中，若选择的种子点是背景部分，则种子点会在感兴趣体积的外部(对应各二维医学图像感兴趣区域的外部)。

由以上描述可知，用户实际是在二维医学图像上选择种子点，因此通常并不完全知晓(也很难知晓)正在选择的当前图像层的前后图像层的情况，即使上下翻动不同图像层，也很难进行各个图像层的对比，而根据经验选择种子点通常并不可靠，不同用户的经验程度本身就不相同，即使同一用户也常常会有不同的判断，而种子点选择的不同会导致最终三维医学图像内感兴趣体积的分割结果不同，若产生不同的分割结果对用户来说也非常疑惑。因此在本发明的步骤S203中，可以根据用户选择的初始种子点智能化的找到对于分割的最佳种子点，并且种子点的选取非常稳定，不会因为初始种子点的不同而发生变化。

步骤S203，待上一步骤获取了初始种子点后，本步骤在初始种子点的当前图像层和邻近图像层，根据预设计算条件在初始种子点的预设范围内计算得到最终种子点。这里的预定计算条件可以是一些可从医学图像中统计得到的物理量，例如灰度值的最大值、灰度值最小值、灰度值的均值，也可以是计算灰度值的灰度局部最大值、灰度值的局部最小值或者灰度值的局部均值，而预设范围可以是预设的一定的图像范围，预设范围的单位可以是长度单位(毫米、厘米)，也可以是像素(例如5个像素内或者20个像素内)，还可以是以图像层为单元(例如在2个图像层内，或者在5个图像层内)。

在一些实施例中，参见图6，步骤S2031，根据初始种子点分割三维医学图像的感兴趣体积，得到初始分割轮廓。步骤S2032，此时预设计算条件可以是根据初始种子点计算得到的初始分割轮廓的一些关键点，关键点可以是初始分割轮廓的几何中心点或者重心，将这些关键点作为最终种子点。在一些实施例中，可以是将根据初始种子点得到的初始分割轮廓经过多次运算迭代后得到关键点，例如对于两次迭代收敛的过程可以是：根据初始种子点得到初始分割轮廓，根据初始分割轮廓计算它的几何中心点，根据计算得到的几何中心点进行分割得到二次分割轮廓，将二次分割轮廓的几何中心点作为关键点。还可以是进行多于两次的迭代运算。

结合图7，图7是邻近几个横断位图像层的示意图，图7所用图像和图5图像一致，图像层701、图像层702和图像层701之间均间隔2张图像层。当需要对肿瘤700进行分割时，可以是用户根据经验在图像层702的感兴趣区域712中选择初始分割点721，此时对应本步骤的预设条件可以是灰度最大值，预设范围可以是前后10个图像层、每个图像层初始分割点相应位置的10个像素内，待对当前图像层(图像层702)和邻近图像层(10个图像层)计算完毕后，计算得到图像层703的感兴趣区域713内的点722为最终种子点。

在其他实施例中，若采用与之前实施例相同的预设条件和预设范围，在图像层701的感兴趣区域711内选择一个点作为初始种子点，则依然可以计算得到图像层703的感兴趣区域713内的点722为最终种子点，之后的感兴趣体积分割步骤会基于最终种子点进行。但采用传统方法，在感兴趣体积的分割时还是会根据初始种子点进行，两种情况下的感兴趣体积的分割会差异很大。

步骤S204，基于上一步骤得到的最终种子点，分割三维医学图像的感兴趣体积。具体的分割算法可以是基于区域生长的分割算法、基于形态学的分割算法、基于匹配滤波的分割算法、基于水平集的分割算法或者是基于跟踪的分割算法。分割算法可以是直接在三维医学图像上分割出感兴趣体积，也可以是在多个二维医学图像进行分割出感兴趣区域，由各图像层的分割轮廓构成感兴趣体积的分割轮廓。根据具体分割算法的不同，种子点可以是选取的在目标部分(种子点在感兴趣体积内)，也可以是选择的背景部分(种子点在感兴趣体积外)，根据确定的目标部分和背景部分进行感兴趣体积的分割。

在一些实施例中，以基于阈值分割的分割算法为例进行说明，参见图8，当选择种子点后，通常会根据选择的种子点确定一个统计区域801，统计区域可以是以种子点为中心的一个矩形区域。如果采用本发明的相关步骤，根据初始种子点可以得到统计区域为802，对区域802进行灰度统计后得到灰度分布图803，灰度分布图的横轴是灰度值，纵轴是像素点个数，在灰度分布图803中可以根据灰度曲线的峰值(分别对应图像的前景和背景)确定分割阈值805，之后由这个阈值进行图像分割。而根据本发明的方法由初始种子点计算得到最终种子点，则可以由最终种子点确定的统计区域803，根据对应的灰度分布图804可以计算得到分割阈值806，分割阈值806相比分割阈值805来说更加趋近于真实情况，并且在一定范围内无论初始种子点如何选取，都会得到相同的最终种子点，分割结果能够保持一致、非常稳定。

对应上述一种三维医学图像的感兴趣体积分割方法，本发明还提供了一种三维医学图像的感兴趣体积分割装置，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令，所述指令包括：获取三维医学图像；获取二维医学图像的初始种子点，所述二维医学图像是所述三维医学图像内的一个图像层，所述初始种子点是关于感兴趣体积的种子点；在所述初始种子点所在的当前图像层和邻近图像层，根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点；基于所述最终种子点分割所述三维医学图像的感兴趣体积。

本发明的技术方案提供了一种三维医学图像的感兴趣体积分割方法及装置，能够根据用户提供的初始种子点智能化找到对于分割感兴趣体积来说的最佳种子点，基于最佳种子点进行分割，有效提高三维医学图像内感兴趣体积分割的准确性。进一步的，感兴趣体积的分割结果稳定，不会由于用户选择的种子点位置不同而出现不同的分割结果。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“子模块”、“引擎”、“单元”、“子单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (8)

1.一种三维医学图像的感兴趣体积分割方法，其特征在于，包括：

获取三维医学图像；

获取二维医学图像的初始种子点，所述二维医学图像是所述三维医学图像内的一个图像层，所述初始种子点是关于感兴趣体积的种子点；

在所述初始种子点所在的当前图像层和邻近图像层，根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点；

基于所述最终种子点获取所述三维医学图像的感兴趣体积的分割结果；所述根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点包括：

根据所述初始种子点分割所述三维医学图像的感兴趣体积，得到初始分割轮廓；

将所述初始分割轮廓的关键点作为预设计算条件，将所述关键点作为最终种子点。

2.根据权利要求1所述的感兴趣体积分割方法，其特征在于，所述初始分割轮廓的关键点包括以下至少一种：初始分割轮廓的几何中心点、初始分割轮廓的重心、迭代分割轮廓的几何中心点或者迭代分割轮廓的重心。

3.根据权利要求1所述的感兴趣体积分割方法，其特征在于，所述预设计算条件包括以下至少一种：灰度最大值、灰度最小值、灰度均值、灰度局部最大值、灰度局部最小值或灰度局部均值。

4.根据权利要求1所述的感兴趣体积分割方法，其特征在于，所述预设范围包括以下的至少一种：长度、像素个数或者图像层的数目。

5.根据权利要求1所述的感兴趣体积分割方法，其特征在于，所述基于所述最终种子点获取所述三维医学图像的感兴趣体积的分割结果包括：直接在三维医学图像内分割感兴趣体积或由在二维医学图像分割得到的感兴趣区域轮廓构成感兴趣体积。

6.根据权利要求1所述的感兴趣体积分割方法，其特征在于，所述三维医学图像为磁共振图像、计算机断层图像或正电子发射断层图像。

7.一种三维医学图像的感兴趣体积分割装置，其特征在于，包括：

存储器，用于存储可由处理器执行的指令；

处理器，用于执行指令，所述指令包括：

获取三维医学图像；

获取二维医学图像的初始种子点，所述二维医学图像是所述三维医学图像内的一个图像层，所述初始种子点是关于感兴趣体积的种子点；

在所述初始种子点所在的当前图像层和邻近图像层，根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点；

基于所述最终种子点获取所述三维医学图像的感兴趣体积的分割结果；所述根据预设计算条件在所述初始种子点的预设范围内计算得到最终种子点包括：

根据所述初始种子点分割所述三维医学图像的感兴趣体积，得到初始分割轮廓；

将所述初始分割轮廓的关键点作为预设计算条件，将所述关键点作为最终种子点。

8.根据权利要求7所述的感兴趣体积分割装置，其特征在于，所述预设计算条件包括以下至少一种：灰度最大值、灰度最小值、灰度均值、灰度局部最大值、灰度局部最小值或灰度局部均值。

Images